ผู้วิจัยพัฒนาระบบช่วยตัดสินใจ SQDSS ซึ่งรวม stochastic programming สองขั้นกับทฤษฎีคิวหลายระดับความสำคัญ เพื่อจัดลำดับผู้ป่วยวิกฤตศัลยกรรมเมื่อจำนวนผู้มาถึง ความรุนแรง และการทรุดลงระหว่างรอไม่แน่นอน การประเมินในข้อมูลจำลอง 48 ชุดเทียบกับการรับตามลำดับก่อน–หลังและเกณฑ์ความรุนแรงคงที่พบว่าเวลารอของผู้ป่วยความรุนแรงสูงลดเฉลี่ยประมาณ 22.8% การใช้เตียงเพิ่ม 16% ภาวะคิวล้นลดราว 28% และอัตราภาวะแทรกซ้อนจำลองลดราว 18% ผลเด่นในช่วงผู้ป่วยพุ่งสูงและสถานการณ์ที่ผู้บาดเจ็บเป็นสัดส่วนมาก แต่ยังไม่มีข้อมูลผู้ป่วยจริงหรือการทดลองนำระบบไปใช้ จึงประเมินได้เฉพาะความเป็นไปได้เชิงแบบจำลอง
ข้อค้นพบสำคัญ
- ในสถานการณ์จำลอง SQDSS ลดเวลารอเฉลี่ยของผู้ป่วยความรุนแรงสูงประมาณ 22.8% เมื่อเทียบกับแนวทางอ้างอิง แต่ไม่ได้รายงานผลจากการจัดคิวผู้ป่วยจริง
- การใช้เตียงเพิ่มประมาณ 16% และคิวล้นลดประมาณ 28% แสดงศักยภาพในการประสานการจัดลำดับความเร่งด่วนกับทรัพยากรที่จำกัดภายใต้สมมติฐานของแบบจำลอง
- อัตราภาวะแทรกซ้อนหลังผ่าตัดในแบบจำลองลดราว 18% โดยผลเด่นที่สุดในภาวะผู้ป่วยพุ่งสูงและสถานการณ์ที่ผู้บาดเจ็บเป็นสัดส่วนมาก ตัวเลขนี้ไม่ใช่อัตราที่สังเกตจากผู้ป่วย
- การเทียบกับ FCFS และเกณฑ์ความรุนแรงคงที่ช่วยแสดงมูลค่าของการจัดลำดับแบบพลวัต แต่ยังไม่ตอบว่าระบบดีกว่าการคัดแยกโดยทีมคลินิกหรือระบบ ICU ขั้นสูงที่ใช้อยู่จริงเพียงใด
ทำไมจึงมีความสำคัญระดับโลก
แบบจำลองเสนอกรอบที่น่าสนใจสำหรับโรงพยาบาลที่ต้องตัดสินใจจัดเตียงวิกฤตภายใต้ความต้องการผันผวน และทำให้เห็นการแลกเปลี่ยนระหว่างความเร่งด่วน ประสิทธิภาพ และความเสี่ยงทรุดลงอย่างโปร่งใส หากผ่านการตรวจสอบจริงอาจใช้เป็นเครื่องมือแนะนำหรือทดสอบนโยบายได้ แต่ยังไม่ควรเชื่อมต่อเพื่อสั่งการรับผู้ป่วยอัตโนมัติ เพราะความคลาดเคลื่อนของสมมติฐานอาจกระทบความปลอดภัยและความเป็นธรรมโดยตรง
บทบาทของนักวิจัยไทย
Jarun Bootdachi จากคณะสหวิทยาการ และ Parichat Wonggom กับ Wiphawadee Potisopha จากคณะพยาบาลศาสตร์ มหาวิทยาลัยขอนแก่น เป็นผู้เขียนทั้งทีม งานจึงผสานการบริหารธุรกิจกับการพยาบาลผู้ใหญ่ในมหาวิทยาลัยไทย และได้รับทุนพื้นฐานผ่านมหาวิทยาลัยขอนแก่น จุดแข็งนี้ช่วยให้โจทย์เชิงปฏิบัติการและความเสี่ยงทางคลินิกอยู่ในกรอบเดียวกัน แต่บทความยังไม่ได้แสดงการนำไปใช้ในโรงพยาบาลของไทย
ข้อจำกัดที่ควรรู้
ผลทั้งหมดมาจากข้อมูลและภาวะแทรกซ้อนที่สร้างด้วยแบบจำลอง จึงอ่อนไหวต่อสมมติฐานเรื่องอัตรามาถึง เวลาให้บริการ การเปลี่ยนความรุนแรง ความเสี่ยงทรุดลง และค่าน้ำหนักเป้าหมาย ผู้เปรียบเทียบมีเพียง FCFS กับเกณฑ์คงที่ซึ่งอาจง่ายกว่าการปฏิบัติจริง ยังไม่มีการตรวจสอบภายนอกกับเวชระเบียน การทดสอบไปข้างหน้า ผลต่อการตัดสินใจแพทย์ ความสามารถใช้งาน การเชื่อมระบบ IT การ override ความเป็นธรรม หรือเหตุไม่พึงประสงค์ แบบจำลองจึงไม่พิสูจน์ว่าสามารถป้องกันภาวะแทรกซ้อนจริงหรือใช้แทนวิจารณญาณทางคลินิกได้
ตรวจสอบแหล่งต้นทาง
Applied System InnovationApplied System Innovation↗DOI: 10.3390/asi9100210