병원내 환자흐름의 효율적 관리를 위한 의사결정 지원체계에 관한 연구

Abstract

[영문]

[한글]

수술취소율이 높은 한 대학병원의 어느 진료과를 선정하여 수술취소율을 감소시키기 위

한 대안 검토를 몬테칼로 시뮬레이션이라는 의사결정 기법을 이용하여 모의 실험하였다.

일반적으로 고정병상제를 채택할 경우 환자의 수술계획 및 입원계획에 있어서는 원활한

운용을 기대할 수 있으나 이를 채택할 경우 어느 정도의 병상을 고정적으로 확보해야 하

는가 하는 문제는 매우 어려운 의사결정의 과제 중 하나이다.

이 연구에서는 52병동과 77병동에 입원하고 있는 장기환자를 그대로 두거나 다른 병동

에 입원시킨 후 고정 병상수를 증가시키는 대안에서 수술에 부적합한 환자상태로 인해 입

원하지 않는 비율을 각각 2가지로 변화시키는 4가지 대안에 대해 시뮬레이션을 실시하였

다. 시뮬레이션의 곁과에 의해 2개의 병동에 각각 어느 정도의 고정병상을 확보해야 하는

가를 일종의 분단 탐색법에 의해 결정했다. 대안의 모의실험에 앞서 각 모수에 대한 타당

성 검정을 콜모고로프-스미로프 테스트를 통하여 시행하였다. 네가지 대안을 모의실험한

결과는 다음과 같다.

대안 1 :장기환자를 52병동과 77병동에 입원시키며, 수술에 부적합한 상태에서 호전되

어 입원을 원하는 환자수가 이러한 환자중에서 1/3이 된 경우인데, 이때에 적정 병상수는

각각 15병상이고 수술취소율은 26.5%이다.

대안 2 :장기환자를 52병동과 77병동에 입원시키며, 대안 1에 포함되었던 환자중 상태

가 호전된 1/3을 제외하는 경우로써, 이때에 적정 병상수는 각각 14병상이고 수술취소율

은 29.0%이다.

대안 3 :장기환자를 52병동과 77병동에 입원시키지 않으며, 나머지는 대안 1과 같은 경

우인데, 적정 병상수는 각각 15병상이고 수술취소율은 26.3%이다.

대안 4:장기환자를 52병동과 77병동에 입원시키지 않으며, 나머지는 대안 2와 같은 경

우인데, 적정 병상수는 각각 14병상이고 수술취소율은 28.8%이다.

이 결과를 종합해 보면 병상배정만으로는 수술취소율을 26.3%이상 감소시킬 수 없으므

로 수술취소율의 더 큰 감소를 위해서는 이 연구에서 고려하지 않은 부분에 대한 원인을

규명하여 이에 대한 대책을 강구하여야 한다. 토한 모형에 A진료과 뿐만아니라 타진료과

도 포함시켜야 병원 전체에 적용할 수 있는 적정 병상수를 구할 수 있을 것이다. 대안의

평가에 있어서도 수술취소율과 병상유휴율뿐 아니라 경제성도 아울러 고려하여야 할 것이

다.

Decision Suppirt System for the Improvement of Patient Flow in a Teaching Hospital

Moon Shik Kim

Department of Medical Science The Graduate School, Yonsei University

(Directed by Professor Seung Hum Yu, M.D.)

This stuffy relates to the problem of patient flow, especially the cancellation

rate among patients waiting for surgery in a teaching hospital. In this study, a

Monte Carlo simulation model was developed for the department whose cancellation

rate was the highest in the hospital in order to determine the optimum number of

beds with respect to reducing the cancellation rate as the well as the empty by

rate. Before the simulation run, the model was verified by the Kolmogorov-Smirnov

test.

The fellowing results were generated by four alternative models according to the

different bed occupancy policies.

1. When long-term patients were admitted to the wards beloning to the

department(wards 52 and 77) and when 1/3 of these patients, whose conditions were

initially too poor for surgery, were assumed to be improved so that they could

undergo surgery, the optimum number of beds and the cancellation rate were 15 beds

and 26.5%, respectively.

2. When the situation was same as in model 1 except for the fact that no

patients, conditions were improved in time for surgery, the optimum number of beds

the and cancellation rate were 14 beds and 29.0%.

3. When the situation nab same as in model 1 except for the fact that long-term

patients were net admitted to these two wards, the optimum number of beds and the

cancellation rate were 15 beds and 26.3%.

4. When the situation was same as in model 2 except for the fact that long-term

patients were not admitted to these two wards, the optimum number of beds and the

cancellation rate were 14 beds and 28.8%.

While the above bed policy can reduce the cancellation rate by as much as 26.3%,

there is a need for a more comprehensive policy to further reduce the rate. To

provide the necessary information to support such a policy, the model Should be

improved in the fo11owing areas. First, the model should incorporate all reasons

for cancellation by fellowing up all patients scheduled for surgery. Second, the

model should also include patients from other departments so as to balance the

optimum number of beds among the departments. Third, a cost-benefit analysis should

be conducted for each alternative to,help develop a more realistic bed policy.