急诊拥挤不再等爆表才启动扩容:提前六小时预测,超阈值时间最多降约两成
核心概要
急诊科的全容量协议通常在拥挤阈值被突破后才启动,而调配走廊床位、临时护士和限制转入都需要准备时间。一项基于离散事件仿真的评估把预测未来六小时候诊人数的机器学习模型嵌入急诊流程,用预测值提前触发协议。在模拟的一年里,提前启动在三种阈值设置下都显著缩短了超过拥挤阈值的时间与协议平均持续时间,但对平均急诊停留时间和候诊时间的改善未达统计显著。
深度剖析
全容量协议的启动时机被提前到拥挤发生之前,而不是等候诊人数越过阈值后再反应。 常规做法依据近实时候诊计数触发协议,干预往往在拥挤已经形成后才开始。 在覆盖365天、10次独立重复的仿真中,提前启动在三种拥挤阈值下都显著降低了超过阈值的时间占比和协议平均持续时间。
提前启动由候诊人数的短期预测驱动,预测值直接进入仿真循环决定协议开关。 此前多数预测研究只评估预测精度,不检验依据预测行动是否改变系统运行。 预测模型用最近48小时的逐时候诊计数预测六小时后的候诊人数,径向基核支持向量回归在五折交叉验证中平均绝对误差为2.46名患者、平均R²为83.3%。
提前启动把干预从少而长变成多而短,在中等阈值下协议次数约多十倍但每次短约125分钟。 反应式策略依赖较少但更长的启动,因为协议只在拥挤越线后才开启。 在μ+2σ阈值下,提前启动使超过阈值时间约降5%;在更敏感的μ+1σ阈值下约降21%,而在μ+3σ的严格阈值下两种策略差异变小。
启示与展望
评估对象是美国东南部一家学术医疗中心急诊的仿真模型,参数由2019年1月至2023年7月共308,196次就诊记录校准,并排除了新冠疫情期间的数据。仿真与实测的急诊停留时间均值相差0.21%(330.0分钟对329.3分钟),两样本t检验p值为0.4848。协议干预包固定为增加10张走廊床位、5名临时护士并取消3%的转入,只改变启动逻辑。作者把这一阶段定位为真实部署前的初步步骤,下一步是在合作医院开展受控试点。
结果被定位为运营可行性与潜在影响的证据,而非真实世界有效性的定论。决策逻辑假设协议一旦启动即被完整、即时执行,未显式建模沟通协调与行为延迟。敏感性分析显示,启动延迟增大时提前启动的持续时间优势并不一致,高延迟下需要更多资源才能维持效果。作者也指出单一预测模型、单一机构参数与固定干预包限制了外推。
