Abstract
Sağlık endüstrisi, doğrudan insan hayatına ve yaşam kalitesine müdahalede bulunan hizmetler sunmaktadır öte yandan toplum için önem derecesinden bağımsız olarak ekonomik koşullardan diğer endüstriler kadar etkilenmektedir. Sağlık hizmet sağlayıcıları ve yöneticilerinin, artan maliyetler ile başa çıkılabilmesi için hizmet kalitesini olumsuz etkilemeyecek ekonomik formüllerin geliştirilmesine olanak sağlayan yönetim anlayışına sahip olmaları gerekmektedir. Sağlık hizmet birimlerinde çizelgeleme yaklaşımlarının geliştirilmesi, maliyetlerin düşürülmesi ve kaynakların optimum şekilde kullanılmasının yanı sıra hasta akışının iyileştirilmesi ve tedavi süreçleri için gereken sürenin azaltılması gibi hizmet kalitesi bileşenleri için de kritik rol oynamaktadır.
Bu çalışmada diyaliz merkezi yöneticilerinin hasta-seans çizelgelemesi esnasında nasıl bir anlayış benimsemeleri gerektiğine yardımcı olmak amacıyla bir model yönelimli karar destek sistemi geliştirilmiştir. Diyaliz tedavisi işletmeleri için en önemli iki kaynak, diyaliz makineleri ve sağlık personelidir. Bir kaynağın optimum kullanımı diğer kaynakta istenen verime ulaşılamamasına sebep olmaktadır. Diyaliz merkezleri çizelgeleme faaliyetleri personel deneyimi ve içgörüsüne dayalı olarak gerçekleştirilmektedir. Karar Destek Sistemlerinin (KDS) otomatizasyon yetenekleri, çizelgeleme sürecini manuel yöntemlerden kurtararak zaman ve çaba tasarrufu sağlamaktadır. Bilgisayar tabanlı algoritmalar ve optimizasyon teknikleri kullanılarak, kaynaklar en etkili şekilde planlanmakta ve dağıtılmakta bununla birlikte süreç hızlandırılmakta ve verimlilik iyileştirilmektedir.
Bu çalışmada diyaliz merkezi yöneticilerinin hasta-seans çizelgelemesi esnasında nasıl bir anlayış benimsemeleri gerektiğine yardımcı olmak amacıyla bir model yönelimli karar destek sistemi geliştirilmiştir. Diyaliz tedavisi işletmeleri için en önemli iki kaynak, diyaliz makineleri ve sağlık personelidir. Bir kaynağın optimum kullanımı diğer kaynakta istenen verime ulaşılamamasına sebep olmaktadır. KDS yardımıyla operasyonel kararların daha hızlı ve doğru alınması hedeflenmektedir.
References
- Abdalkareem, Z. A., Amir, A., Al-Betar, M. A., Ekhan, P., & Hammouri, A. I. (2021). Healthcare scheduling in optimization context: a review. Health and Technology, 11, 445-469.
- Al Saran, K., & Sabry, A. (2012). The cost of hemodialysis in a large hemodialysis center. Saudi Journal of Kidney Diseases and Transplantation, 23(1), 78.
- Ceschia, S., & Schaerf, A. (2011). Local search and lower bounds for the patient admission scheduling problem. Computers & Operations Research, 38(10), 1452-1463.
- Choi, J. W., Lee, H., Lee, J. C., Lee, S., Kim, Y. S., Yoon, H. J., & Kim, H. C. (2017). Application of genetic algorithm for hemodialysis schedule optimization. Computer Methods and Programs in biomedicine, 145, 35-43.
- Fleming, R., Gartner, D., Padman, R., & James, D. (2019). An analytical approach for improving patient-centric delivery of dialysis services. In Amia annual symposium proceedings , American Medical Informatics Association, 418-427.
- Hill, N. R., Fatoba, S. T., Oke, J. L., Hirst, J. A., O’Callaghan, C. A., Lasserson, D. S., & Hobbs, F. R. (2016). Global prevalence of chronic kidney disease–a systematic review and meta-analysis. PloS One, 11(7), e0158765.
- Holland, J. (1994). Scheduling patients in hemodialysis centers. Production and Inventory Management Journal, 35(2), 76.
- Liu, Z., Lu, J., Liu, Z., Liao, G., Zhang, H. H., & Dong, J. (2019). Patient scheduling in hemodialysis service. Journal of Combinatorial Optimization, 37, 337-362.
- Ogulata, S. N., Cetik, M. O., Koyuncu, E., & Koyuncu, M. (2009). A simulation approach for scheduling patients in the department of radiation oncology. Journal of Medical Systems, 33, 233-239.
- Peña, M. T., Proaño, R.,A., & Kuhl, M. E. (2013). Optimization of inpatient hemodialysis scheduling considering efficiency and treatment delays. IIE Annual Conference.Proceedings, (ss. 1349-1357).
- Saran, R., Bragg-Gresham, J. L., Levin, N. W., Twardowski, Z. J., Wizemann, V., Saito, A., & Port, F. K. (2006). Longer treatment time and slower ultrafiltration in hemodialysis: associations with reduced mortality in the DOPPS. Kidney International, 69(7), 1222-1228.
- Schimmelpfeng, K., Helber, S., & Kasper, S. (2012). Decision support for rehabilitation hospital scheduling. OR Spectrum, 34, 461-489.
A SOLUTION APPROACH AND DECISION SUPPORT SYSTEM FOR TREATMENT SESSION SCHEDULING IN DIALYSIS CENTERS
Abstract
Health industry provides services that directly intervene in human life and quality of life, however, it is also affected by economic conditions as much as other industries, regardless of its importance for society. Healthcare service providers and managers must have a management approach that enables the development of economic formulas that will not negatively affect the quality of service to cope with increasing costs. The development of scheduling approaches in healthcare units plays a critical role in service quality components such as reducing costs, using resources optimally, improving patient flow, and reducing the required time for treatment processes.
In this study, a model-oriented decision support system is developed to help dialysis center managers adopt the necessary approach during patient-session scheduling. The two most important resources for dialysis treatment businesses are dialysis machines and healthcare personnel. The optimal use of one resource can lead to failure in achieving the desired efficiency in the other resource. Scheduling activities in dialysis centers are traditionally performed based on staff experience and intuition. However, the automation capabilities of a Decision Support System (DSS) provide time and effort savings by eliminating manual methods. Computer-based algorithms and optimization techniques are used to effectively plan and allocate resources, resulting in accelerated processes and improved efficiency."
References
- Abdalkareem, Z. A., Amir, A., Al-Betar, M. A., Ekhan, P., & Hammouri, A. I. (2021). Healthcare scheduling in optimization context: a review. Health and Technology, 11, 445-469.
- Al Saran, K., & Sabry, A. (2012). The cost of hemodialysis in a large hemodialysis center. Saudi Journal of Kidney Diseases and Transplantation, 23(1), 78.
- Ceschia, S., & Schaerf, A. (2011). Local search and lower bounds for the patient admission scheduling problem. Computers & Operations Research, 38(10), 1452-1463.
- Choi, J. W., Lee, H., Lee, J. C., Lee, S., Kim, Y. S., Yoon, H. J., & Kim, H. C. (2017). Application of genetic algorithm for hemodialysis schedule optimization. Computer Methods and Programs in biomedicine, 145, 35-43.
- Fleming, R., Gartner, D., Padman, R., & James, D. (2019). An analytical approach for improving patient-centric delivery of dialysis services. In Amia annual symposium proceedings , American Medical Informatics Association, 418-427.
- Hill, N. R., Fatoba, S. T., Oke, J. L., Hirst, J. A., O’Callaghan, C. A., Lasserson, D. S., & Hobbs, F. R. (2016). Global prevalence of chronic kidney disease–a systematic review and meta-analysis. PloS One, 11(7), e0158765.
- Holland, J. (1994). Scheduling patients in hemodialysis centers. Production and Inventory Management Journal, 35(2), 76.
- Liu, Z., Lu, J., Liu, Z., Liao, G., Zhang, H. H., & Dong, J. (2019). Patient scheduling in hemodialysis service. Journal of Combinatorial Optimization, 37, 337-362.
- Ogulata, S. N., Cetik, M. O., Koyuncu, E., & Koyuncu, M. (2009). A simulation approach for scheduling patients in the department of radiation oncology. Journal of Medical Systems, 33, 233-239.
- Peña, M. T., Proaño, R.,A., & Kuhl, M. E. (2013). Optimization of inpatient hemodialysis scheduling considering efficiency and treatment delays. IIE Annual Conference.Proceedings, (ss. 1349-1357).
- Saran, R., Bragg-Gresham, J. L., Levin, N. W., Twardowski, Z. J., Wizemann, V., Saito, A., & Port, F. K. (2006). Longer treatment time and slower ultrafiltration in hemodialysis: associations with reduced mortality in the DOPPS. Kidney International, 69(7), 1222-1228.
- Schimmelpfeng, K., Helber, S., & Kasper, S. (2012). Decision support for rehabilitation hospital scheduling. OR Spectrum, 34, 461-489.
Details
| Primary Language | Turkish |
|---|---|
| Subjects | Business Administration |
| Journal Section | Research Article |
| Authors | |
| Publication Date | December 20, 2023 |
| Submission Date | March 31, 2023 |
| Published in Issue | Year 2024 Volume: 25 Issue: 1 |
