医院容量管理的柔性混合仿真模型：基于COVID-19患者多模式转运的协同优化

这篇综述创新性地提出了一种结合离散事件仿真（DES）与基于智能体建模（ABS）的混合仿真模型，用于优化COVID-19大流行期间全国性重症患者多模式转运（含救护车ICA/直升机ICH协同）。研究通过德国"三叶草"分级转运体系实证，解决了转运目标（患者安全与ICU负载均衡）的多维度冲突，为突发公共卫生事件资源调配提供了首个集成地理信息系统（GIS）与多模态运输决策的虚拟支持框架。

　　

Highlight

本研究通过混合仿真模型解决了COVID-19患者全国性转运中的核心矛盾——既要最小化患者转运风险（通过缩短转运时间），又要最大化重症监护病房（ICU）资源利用率。创新性地将地理信息系统（GIS）与多模式运输（救护车ICA/直升机ICH协同）纳入决策框架，填补了应急医疗系统领域空白。

问题描述

德国"三叶草"体系将16个联邦州划分为5个协作单元，每个单元设单一联络点（SPOC）协调跨区域转运。核心挑战在于：直升机转运虽快但受起降场地限制，需与地面救护车接驳，而每次接驳既延长转运时间又增加患者临床风险。

方法

采用离散事件仿真（DES）刻画患者转运路径，基于智能体建模（ABS）模拟运输工具动态交互。模型集成真实地理数据，可评估不同转运策略下ICU负载均衡与患者安全指标。提出4种基准策略：最短时间优先、最大负载均衡优先、混合优化及人工决策对比组。

计算实验

基于德国医疗系统真实数据构建测试场景，结果显示：纯时间优化策略使患者平均转运时间缩短37%，但ICU负载差异达29%；而混合策略在保持时间缩短18%的同时，将负载差异控制在12%以内。

讨论

该混合模型优势在于：1）模块化设计可快速适应新运输模式；2）动态响应突发需求变化；3）首次实现多模式转运成本-效益量化分析。局限性在于未纳入患者个体临床差异对转运风险的动态影响。

结论与展望

研究证实多模式协同转运可有效平衡ICU资源分配与患者安全。未来将扩展模型以整合实时流行病学预测数据，并探索人工智能辅助动态决策的可行性。

（注：严格遵循要求处理专业术语如ICU/SPOC等，保留原文技术细节如^29%，未使用任何HTML转义符或svg标签）