의료 전문가들이 내린 결정에는 새로운 기술이나 개입에 대한 계획, 시험, 평가를 위한 도구가 필요하다. 의료에 관련된 복잡한 구조, 상호작용 및 프로세스들은 변화와 혁신을 지속적인 과제로 만든다. 오스트리아의 사회보험협회(AASI)와 제휴하여 DWH 시뮬레이션 서비스 및 비엔나 공과대학의 패트릭 아인징거와 크리스토프 우라흐에게 공공데이터를 분석하여 향후 중대한 의사결정을 할 수 있는 기회가 주어졌다.
AASI는 처방된 의약품, 제공된 서비스 및 진단을 포함하는 의료 제공자의 상환에 따라 일상적인 관리 데이터를 수집했다. 전형적인 통계와 수학적 모델링은 데이터를 분석하는 도구로 고려되었지만 데이터의 질량을 충분히 활용할 수 있도록 시뮬레이션을 선택함으로써 분석과 결과의 정확도를 높였다. 또한 AnyLogic Simulation and Modeling 소프트웨어는 멀티모드 기능을 위해 채택되었다. 구축된 모델에는 외부 의료에서 여러 보상 체계의 에이전트 기반 시뮬레이션, 그룹 실행 결과의 시스템 역학 모델, 복부 대동맥류(AA) 검사의 건강 기술 평가를 위한 마이크로 시뮬레이션 모델이 포함된다.
환급제도 비교
문제:
단일 서비스에 대해 의사를 보상하는 AASI 현행 보상 시스템으로 인해 환자들은 불필요한 절차를 받을 수 있다. AASI는 방문당, 질병 발생당 또는 치료 발생 당과 같은 다른 보상 시스템을 고려하고 있지만, 변경사항을 이행하기 전에 제안된 보상 시스템에 수반되는 결과를 실현하기 위해 옵션을 테스트해야 한다.
해결책:
컨설턴트는 AnyLogic Simulation and Modeling 소프트웨어를 사용하여 환자, 의료 문제, 의료 사업자, 의료 서비스 및 보상 유형의 데이터 가져오기를 포함하는 모델을 구축했다. AnyLogic은 환자 모집단을 하위 그룹으로 분할해야 하는 하향식 접근 방식과는 달리 많은 수의 하위 그룹에 대해 서로 다른 매개변수를 통합할 수 있는 에이전트 기반 기능 때문에 선택되었다. AnyLogic에서 에이전트는 단순히 하위 그룹과 매개 변수를 결정하는 속성을 가지고 있다. 그 후, 복수의 시뮬레이션을 실시함에 따라, 각 보상체계의 결과를 실현할 수 있다.
결과:
고려해야 할 질병의 수 때문에, 각 질병에 대한 광범위한 문헌 검색과 전문가 의견수렴을 완료할 수 없다. 사용된 접근방식은 데이터가 질병에 대한 정확한 유병률과 발생률을 제공하므로 일상적인 의료 데이터의 분석이 복잡하고 포괄적인 모델 구조에 대한 입력으로 어떻게 기능할 수 있는지를 보여준다. 연구의 특정 부분(즉, 치료 경로)에 대한 가정이 필요하더라도, 서비스 포트폴리오에 대한 제공자의 최적 선택은 타당하고 합리적인 결과를 이끌어낸다.
이 모델은 논리적으로 내재되어 있고 시뮬레이션에서 빠르게 나타나지만 전형적으로 간단하거나 즉각적으로 명백하지 않은 효과로 인해 보상 시스템의 비교뿐만 아니라 시험 가정에도 유용하며 새로운 보상 시스템의 형성에 도움이 될 것이다.
그룹 작업 방식의 결과
문제:
AASI는 각기 다른 전문성을 가진 의사들이 예를 들어, 풀몬학자와 내과 의사들과 같은 실무들을 결합하는 그룹 실무의 실행 효과를 알고 싶어한다. 그룹 실습은 의사에게 따라 다른 방법으로 보상을 받을 수 있는 사례, 상담 및 개별 서비스에 의해 복잡하다. 의사는 업무량과 급여에 따라 제공되는 서비스의 양을 증가시키거나 감소시킬 것인가? 그룹 실천요강의 행동이 단일 실천요강으로 남아 있는 의사와 어떻게 다른가?
해결책:
컨설턴트는 AASI에 대한 통찰력을 제공하기 위해 AnyLogic 시뮬레이션 및 모델링 소프트웨어를 사용하여 시스템 역학 모델을 개발했는데, 여기서 거의 모든 변수는 4가지 의사 그룹(단일 진료 풀몬학자, 단일 진료 내과 의사, 그룹 진료 내과 의사)으로 인해 어레이 변수가 된다. 모델의 입력 값에는 고정된 매개변수(데이터 분석, OOEGKK 및 내부자/펄몬학자) 전략적 가정이 포함되며, 인용 횟수와 새로운 사례가 증가할 것으로 가정한다.
결과:
모델의 매개변수는 시뮬레이션을 위해 AASI에 제공되었지만 DWH는 개인 정보 보호 정책 때문에 결과를 볼 수 없었다. 시뮬레이션 결과에는 지불된 총 수수료, 사례 수, 상담 횟수, 특별 서비스 수, 이중 서비스 수, 각 사례의 가치가 포함되었다. 또한 이 모델은 AASI가 입력 변수를 변경하고 여러 시나리오를 실행할 수 있도록 한다.
복부 대동맥류 검사
문제:
복부 대동맥류 (AAA)는 65세 이상의 오스트리아 남성의 남성 인구에서 두드러진다. 초기에 발견하면 비용이 많이 들고 위험한 수술이 가장 가능성이 높은 후기에 발견하는 것에 비해 파열 발생과 위험이 크게 감소한다. 초음파 검사는 AAA의 조기 발견에 이용되는데, 비침습적이고 적당한 비용이다.
AASI는 다음 사항을 파악하기 위해 DWH를 채용했다.
- 65세 이상 개인에 대한 조직적인 심사가 이루어진다면 오스트리아 인구에서는 어떤 일이 일어날 것인가?
- 조직적인 심사를 통해 가장 많은 혜택을 받는 사람은?
- 예를 들어, 1년에 한 번 또는 2년에 한 번씩 다른 최적의 선별 전략은 무엇인가?
- 개인의 위험 요인에 따라 선별 방식을 변경하고 다른 위험 요인이 발생할 때 선별을 늘릴 수 있는가?
해결책:
컨설턴트는 AnyLogic 소프트웨어에 에이전트 기반 모델링을 활용, 모든 사람에게 나이, 성별, 흡연 습관, 역사 및 기타 질병에 따라 지름 성장이 좌우되는 대동맥을 부여한다. 또한 최적의 솔루션을 찾기 위해 여러 선별 전략의 시뮬레이션을 실행한다.
결과:
인구의 약 40%에 대해 65세 이상 정기검진을 도입하면 사망률이 약 3분의 1로 줄어든다. AAA를 방지하기 위한 다른 조치들도 고려되었다. 예를 들어, 오스트리아 인구의 흡연자 수를 38%에서 20%로 줄이면 정기적인 검진 과정을 시행할 때 보이는 감소와 유사한 AAA의 양이 감소한다.
그것의 모듈형 설계는 AAA에 대한 추가적인 분석과 평가를 위해 짧은 기간 내에 선별 전략 또는 기타 개입에 대한 추가 지식을 통합할 수 있으며 질병 진행 모듈은 전체 모델 구조를 변경하지 않고도 조정할 수 있다.
환자에 대한 이러한 규모의 연구는 시간적, 로지스틱적, 윤리적 또는 다른 이유로 인해 종종 불가능하다. 시뮬레이션 모델링을 활용하면 중재에 따른 가능한 결과에 대한 통찰력을 얻을 수 있으며, 결과는 의료 의사 결정자에게 의사결정 보조자 역할을 하며, 설계는 유사한 진행 과정을 가진 다른 질병을 평가하도록 조정될 수 있다.
AnyLogic 소프트웨어에서 Einbzinger 및 Urahc의 작업에 대해 자세히 알아보려면 AnyLogic Conference 2013 프레젠테이션을 참조하십시오.
