Le workflow collaboratif proposé dans cette thèse permet d’identifier deux goulets d’étrangle- ments dans le SUA qui sont :
• à l’entrée du SUA, la zone d’attente primaire pour les patients sur brancards se remplit très vite car le CL est complet dans la plupart du temps. L’occupation du CL est due au faite que ces patients ont souvent des pathologies nécessitant un temps de consultation assez lents. ces
temps de consultations ralentissent l’avancement de la prise en charge des autres patients et rallongent ainsi l’attente primaire ;
• la sortie du SUA est aussi bloquée lorsqu’il n’y a plus des lits d’aval disponibles du SUA. Les patients nécessitant une prise en charge plus poussée sont bloqués dans les zones d’attente secondaires des circuits, en UHCD ou en ZHTCD sachant que ces dernières correspondent à des zones d’attente tampons entre le SUA et les services spécialisés.
L’ordonnancement et l’orchestration à base d’agents deviennent donc nécessaire pour maîtriser ces goulets qui représentent des points critiques de décisions. D’où la nécessité de la mise en œuvre d’un SAD permettant de gérer les flux patients au niveau de ces points.
Ainsi, et afin d’anticiper et d’éviter la situation de tension dans le SUA, les praticiens visent d’une part, à améliorer les indicateurs de performance du SUA et d’autre part, à effectuer un suivi en temps réel de certains indicateurs pertinents pour évaluer la situation de tension. En effet, le SAD que nous proposons dans cette thèse doit faire une comparaison continue entre l’évolution de référence et l’évolution en temps réel de ces indicateurs. Les praticiens peuvent donc anticiper la tension en analysant l’écart entre ces deux évolutions. C’est pourquoi, il est important de considérer en temps réel tous les indicateurs importants afin d’anticiper la tension. Dans la littérature, il existe plusieurs recherches scientifiques qui ont utilisé les indicateurs pour évaluer la performance dans les services des urgences. Les IPC le plus évoqués sont détaillés dans la section 2.4. Suite à cette étude, nous considérons deux catégories d’indicateurs de performance (IPC) au sein du SUA : l’IPC inter-SUA et l’IPC intra-SUA. Les plus utilisés sont :
• l’IPC inter-SUA
— La réorientation des ambulances (RA) vers des services d’urgence moins surpeuplés nécessite de disposer des informations appropriées en temps réel sur l’état de tension des services des urgences voisins. Si ce n’est pas le cas, et si l’ambulance se rend à chaque fois dans un autre service des urgences surchargé, le patient peut mourir en route dans l’ambulance (cf.2.4.4).
— La disponibilité des lits dans les services en aval (DLSA) : cet indicateur est essentiel pour évacuer les flux patients des urgences dans l’unité en aval. Sinon, le temps d’attente d’un patient pour avoir un lit dans le service en aval encombrera le service des urgences. Ainsi, son temps d’attente et celui des autres patients augmentent.
— Le transfert de dossier patient (TDP) : Pour assurer la continuité des soins, nous devons garantir le transfert du bon dossier patient au bon moment vers la bonne unité.
• l’IPC intra-SUA
— Durée total du séjour (DTS) (cf. 2.4.1) — Le temps d’attente primaire (TAP) (cf. 2.4.2) — Les abandons des SU (ASU) (cf. 2.4.3)
— Charge de soins restants (CSR) : il s’agit d’un IPC réaliste permettant de distinguer les types de patients en attente. Il exprime le pourcentage de soins restant pour le
3.16. Identification des IPC pertinents suite au modèle workflow 79
Figure3.11 – le parcours patient et sa relation avec les IPC
patient par rapport aux soins totaux. L’attente pour la première consultation (CSR = 100%) diffère de l’attente des résultats d’examens complémentaires (par exemple : IRM, tomodensitométrie, rayons X, etc. CSR <100%). En effet, il est très intéressant de prendre d’abord tous les patients dont le CSR est faible afin d’évacuer le flux de patients (quels que soient les cas d’urgence vitale). Il est donc important de prendre en compte cet IPC pour la planification.
La figure 3.11 illustre un parcours patient et sa relation avec les IPC.
En tenant compte de l’existence de ces indicateurs et des caractéristiques internes du SUA, l’analyse et la surveillance de ces indicateurs sont primordiales pour déterminer les situations de tension au sein du service. Cependant, nous avons choisi de travailler en particulier sur trois indicateurs de performance qui sont : le temps d’attente cumulé (TAC), la durée totale de séjour (DTS) et la charge de soins restante du parcours patient (CSR). Ce dernier donne une estimation sur les activités de soins restantes. L’idée directrice de nos travaux de recherche est de concevoir un SAD doté d’une architecture informatique de résolution qui permet d’orchestrer le workflow en cours d’exécution afin d’améliorer les IPC. En effet, dans la littérature, la majorité des travaux de recherche nationaux et internationaux mentionnés auparavant étudient et développent des modèles séparés pour représenter les dimensions structurelles, fonctionnelles et comportementales des systèmes hospitaliers. Dans la suite de cette thèse, nous représentons d’une manière unifiée ces trois dimensions dans un même schéma. L’idée est d’identifier tous les éléments essentiels afin de prendre en compte toutes les variables et les paramètres de décision pour l’optimisation locale, puis globale de la chaîne logistique hospitalière. De nombreux travaux sont apparus dans la littérature pour l’optimisation de la logistique hospitalière. La plupart d’entre eux n’ont pas utilisé une stratégie qui lie les mesures des performances aux actions du SAD pour piloter les activités de soins en temps réel.
3.17
Conclusion
La notion du workflow pour la gestion des processus de soins a été adoptée dans le domaine de la santé avec un grand succès. Néanmoins, cette utilisation endure l’échange des différents flux logistiques inter-hospitaliers. Dans ce chapitre, nous avons montré que l’ensemble des tâches du workflow est réglementé et doit respecter des contraintes temporelles et de ressources. Ainsi, nous avons expliqué que la nature distribuée du workflow collaboratif et des évènements imprévisibles compliquent la maîtrise et la gestion des processus de soins. Par conséquent, et afin de réduire l’impact des perturbations, la coordination de l’exécution des tâches de soins doit être faite de manière dynamique.
Dans le chapitre suivant, nous étudions et développons une solution efficace basée sur une architecture à trois niveaux alliant l’optimisation et les systèmes multi-agents comme approche appropriée pour assurer l’optimisation collaborative qui génère des bonnes actions à adopter. Ces actions sont mises à jour par la communication, la coordination et la négociation entre les différents acteurs (agents) du SUA afin d’améliorer en temps réel les indicateurs de performance.
Chapitre
4
Approche d’ordonnancement et
d’orchestration dynamique des tâches de
soins
4.1
Introduction
L’objectif principal de ce chapitre est de réaliser un système d’aide à l’ordonnancement et à l’orchestration minimisant les effets de la tension au sein du SUA afin d’améliorer la prise en charge des patients. Néanmoins, la réalisation de cet ordonnancement est complexe vue l’existence de l’interférence permanente à chaque point de décision du workflow des trois types de patients : les patients programmés (PP), les patients non programmés (PNP) et les patients urgents non pro- grammés (PUNP). Dans ce chapitre, nous proposons une architecture de résolution basée sur une alliance entre les systèmes multi-agents (SMA) et les métaheurstiques (algorithme mémétique). L’ar- chitecture proposée permet d’une part, de minimiser les effets de cette interférence et d’autre part de gérer en temps réel les instances workflow du parcours patient afin d’améliorer les indicateurs de performance en cours d’exécution du workflow. L’utilisation du système multi-agent au sein de l’architecture de résolution a pour objectif d’assurer la coordination entre le personnel médical afin de fournir les meilleurs soins aux patients. Pour ce faire nous commençons par établir une formulation mathématique du problème d’ordonnancement, suivie d’une présentation détaillée des algorithmes utilisés. Une approche d’orchestration dynamique à base d’agents est proposée pour améliorer les performances du SUA. l’intérêt de l’orchestration dynamique est d’optimiser les indicateurs de performance en cours d’exécution du workflow, pour cela nous avons choisi trois indicateurs : le temps d’attente cumulé (TAC), la durée totale de séjour (DTS) et la charge de soins restante du parcours patient (CSR).