The challenge of dispatching the right ambulance

Das Gesundheitswesen ist eine der wichtigsten Disziplinen, um die Lebensqualität der Menschen zu sichern. In diesem Zusammenhang wurde Rettungsdienst mit dem Hauptzweck, Leben zu retten, geschaffen. Die Verwirklichung dieses Ziels erfordert eine korrekte Reaktion auf lebensbedrohliche Zustände, die sich aus verschiedenen unvorhersehbaren Situationen wie Unfällen, Naturkatastrophen, Terrorismus und Pandemien ergeben. In vielen dieser Fälle geht es um das Sammeln von Informationen über den Notfall und die Koordination verschiedener Ressourcen um den Notfall behandeln zu können. ... mehrZum Beispiel sind Ressourcen wie Ambulanzteams, Notärzte, Krankenhäuser und Notrufzentralen innerhalb des Medizinischen Rettungsdienst-Systems durch dynamische Kommunikation miteinander verbunden Diese Ressourcenkommunikation und -koordination sollte so gut wie möglich sein, um die Überlebenswahrscheinlichkeit eines jeden Patienten zu erhöhen. Diese Situationen fördern unterschiedliche Probleme, die analytische, logistische und betriebswirtschaftliche Merkmale umfassen.
Einige dieser Herausforderungen können z. B. durch eine geeignete Einsatzstrategie für Krankenwagen bewältigt werden. Die Auswahl des richtigen Rettungswagens für einen bestimmten Notfall bringt jedoch nicht nur analytische und modelltechnische Herausforderungen für die korrekte Untersuchung des Systems mit sich, sondern erfordert auch genaue und realitätsnahe Entscheidungshilfen, die eine angemessene Modellierung des Systems und der Ressourcen sowie die Koordinierung der entsprechenden medizinischen Notfallsysteme gewährleisten.
Obwohl frühere Arbeiten aus dem Bereich des Operations Research Anstrengungen unternommen haben, um eine Verbesserungen bei der Suche nach der besten Einsatzstrategie zu erzielen, basiert die überwiegende Mehrheit von ihnen auf der Integration von Standortzuweisung und Einsatzplanung. Außerdem, hat keine dieser Arbeiten alle Akteure in integrierter Weise berücksichtigt und sowohl die Integration als auch die Interaktion zwischen ihnen in Betracht gezogen. Dieser Idee folgend wird in dieser Dissertation ein methodischer Rahmen untersucht und vorgestellt, mit dem Ziel, die Analyse und Reaktion der Rettungsdienste eines bestimmten Gebiets von einer operativen Ebene aus zu verbessern.
Vor diesem Hintergrund wird ein hybrides Simulationsmodell unter Verwendung eines Machine-Learning-Ansatzes für den präklinischen Rettungsdienstprozess vorgestellt. Dieses Modell wird mithilfe von Analytics-Methoden erstellt und validiert, um eine sorgfältig ausgewählte Datenbank zu erstellen, die zwei wichtige Regionen des deutschen Rettungsdienstsystems repräsentiert. Dieses Simulationsmodell enthält wichtige Funktionen, die im Notfallprozess dargestellt werden, wie z. B. die Möglichkeit, den Krankenwagen zu entsenden, wenn dieser zur Wache zurückkehrt, die erneute Disposition im Falle eines schwereren Notfalls, der in das System eingeht, und die Synchronisierung von Notärzten mit Krankenwagen-Teams, usw.
Des weiteren wird eine Methodik zur Bewertung der Einsatzstrategie vorgestellt, die auf dem hybriden Simulationsmodell und der Online-Optimierung basiert. Abschließend wird eine auf Online-Optimierung basierende Studie für das Problem der Einsatzplanung vorgestellt.
Aus den Ergebnissen lässt sich schließen, dass gemischte Strategieansätze in realen Szenarien robuster, zuverlässiger und vorhersehbarer sind als einzelne Dispatch-Strategien. Darüber hinaus wirkt sich die Anzahl der Krankenwagen im System direkt auf die Untersuchung aus, um zu bestimmen, welche Dispatch-Strategie besser oder am Besten abschneidet. Dies ist auch mit der Ressourcenauslastung verbunden, die diesen Indikator als die Stressmenge im System versteht. Obwohl diese Dissertation ein Versuch in die richtige Richtung ist, um neue Möglichkeiten für die Entwicklung eines leistungsfähigeren und dynamischeren Rettungsdienstes zu entdecken, ist es schließlich auch klar, dass es notwendig und dringend ist, mit dieser Doktorarbeit weiter zu gehen, einschließlich neuer Ansätze, wie z. B. die Integration verschiedener Methoden (Simulations-Optimierungsmodelle + künstlichen Intelligenz), um der Komplexität und Nichtlinearität von notfallmedizinischen Systemen zu begegnen.

Healthcare is one of the most important disciplines to ensure life quality for human beings. In this context, Emergency Medical Systems (EMS) have been created with the principal purpose of saving lives. Addressing this objective implies a correct response to life-threatening conditions resulting from several unpredictable situations such as accidents, natural disasters, terrorism, and pandemics. Many of these cases involve collecting critical information about the emergency and coordinating several resources to attend to it. For instance, resources such as ambulance teams, emergency doctors, hospitals, and call centers are interrelated within the EMS system through dynamic communication. ... mehrThis resource communication and coordination should be the best possible to maximize the survival probability of each patient. These scenarios propose diverse issues from the analytical, logistical, and managerial points of view.
Some of these challenges can be faced, for example, through a proper ambulance dispatch strategy. However, selecting the right ambulance for a specific emergency not only involves analytical and modeling challenges for the correct study of the system but also calls for accurate and real-world-based decision-making tools that ensure appropriate system and resources modeling and coordination of the corresponding emergency medical systems.
Although previous works have devoted efforts from operations research in order to provide improvements towards finding the best dispatch strategy, the vast majority of them are based on the integration of location-allocation and dispatch approaches. Furthermore, none of them has included all the actors in an integrated manner, considering the integration and interaction between them. Following this idea, in this thesis, a methodological framework is studied and presented to enhance the analysis and response of the emergency services of a particular territory from an operational level.
In particular, a hybrid simulation model using a machine learning approach is presented for the pre-hospital emergency process. This model is built and validated using analytics tools to produce a carefully-curated database representing two important regions of the German emergency medical system. This simulation model includes important features presented in the emergency process, such as the ability to dispatch the ambulance when returning to the base, re-dispatching in case of a more severe emergency entering the system, and synchronizing emergency doctors with ambulance teams, among others. After that, a dispatch strategy evaluation methodology is presented based on the hybrid simulation model and Online optimization. Finally, an online optimization-based study is presented for the ambulance dispatch problem.
The results can conclude that mixed strategy approaches are more robust, reliable, and predictable than single dispatch strategies in real-world scenarios. Furthermore, the number of ambulances in the system directly affects the analysis to define which dispatch strategy performs better. This is also associated with the resource utilization understanding this indicator as the amount of stress presented in the system.
Finally, although this thesis is an effort in the right direction in order to discover new opportunities for developing a more capable and dynamic emergency medical service, it is also clear that there exists a need, an urgency, to go further with this doctoral thesis, including new approaches, such as combinations of different methods or Artificial Intelligence Simulation-Optimization models in order to face the complexity and non-linearity of emergency medical systems.