手术室运营管理中手术排程研究进展

杨红梅，林艳，刘佩珍，春晓，钱慧玲

（广州市妇女儿童医疗中心a.手术室；b.护理部；c.PICU，广东 广州 510623）

手术室高效运行的潜力挖掘是医院管理的焦点，有些医院手术室收入甚至占到了全院收入的48%，而每分钟的支出达30～100美元[1-2]，手术室使用等变动成本占总成本比例达55%。近年来，机器人辅助外科手术已经开始大力开展中，手术室成本也随之增加，因此确保手术室资源使用的最优化至关重要[3-6]。手术排程问题的研究主要是探讨手术室管理人员使用多维不确定性资源，使其达到最大手术室产出率的能力。手术室具有急诊患者随机到达、人力资源不确定性、手术时长不确定性及手术相关设备资源不确定性等特点[7]，在手术排程问题中，寻求最优的开启手术室数量以降低手术成本，寻求最优的手术顺序以降低患者的等待时间和医生的加班时间，从而提高患者、医生和医院三方的满意度，进而提高手术室的利用效率，已成为医院提高其经济和社会效益亟待解决的问题。

1 手术排程概述

1.1 手术室资源利用现状 手术室是医院所有公共平台中投入最大、调度最复杂、涉及人员最多和业务不确定性最高的平台资源。优化手术室资源运营效率，不仅可以节省许多隐形的成本支出，还能提高住院患者手术服务人次。目前，临床科室在使用手术间的时候，可能因为惯例、方便程度、资源条件而未考虑整体手术室的效率。研究显示：目前存在手术间利用不均衡、手术室人员加班严重、专业匹配度低等手术室资源利用率不高的现象，如某家医院周一的手术室利用时间为470 min，而周五的利用时间仅为300 min[8]；另外，在医院手术排程过程中，由于患者病情、手术医生水平、外科手术团队的配合度以及手术过程中各环节的衔接差异等，导致了预期手术时长与实际手术时长的差异较大。Wu等[9]研究显示：外科医生每台高估了18 min的手术时长，将造成手术室工作人员加班18 min，如果这家医院每年进行2 539例手术，那么1年内该医院手术室工作人员将加班1周来完成该工作。因此，针对医院手术室的最大手术能力及各外科亚专科待安排的手术集合，开展最大手术室手术量的手术排程问题研究势在必行；针对手术室1个工作日内多个手术间待安排的手术集合，开展最小化手术室完工时间的手术排程问题研究迫在眉睫。

1.2 手术排程的定义 手术室资源能够得到有效利用的最直接、最有效的方式就是实现合理有效的手术排程，手术排程可从决策级别和排程周期进行分类[10-11]。（1）手术排程按决策级别分为：战略层级、战术层级和操作层级。战略层级的排程是把医学专业和整个部门放在一起考虑，战术层级指对某专科的手术资源进行安排以平衡各手术间的利用率，操作层级指根据患者的类型进行手术排序的过程[12]。（2）手术排程按排程周期分为：提前排程和分配排程，提前排程是确定某个患者的手术日期的过程，分配排程指在既定日期下确定手术间、手术开始时间及手术顺序的过程。外科手术是1项知识密集型高风险的专业服务且每个外科医生都有自己独特的手术手法，为了满足患者可以根据病情危重程度及个性化的需求灵活安排手术的意愿，患者的手术日期由接诊外科医生根据患者的疾病严重程度及所属专科资源情况综合确定，而患者的手术时间点则由所在手术室的资源情况综合确定。

2 手术排程方法的研究现状

2.1 在运筹管理学领域的研究现状 近年来，在运筹管理学领域的学者把手术排程问题表述为：具有可变任务持续时间的多机车间排程模型问题进行研究，并且在模型构建及求解算法的优化方面取得了突破性的进展。该领域的研究模式通常为根据研究目标设立约束条件及数学模型，然后采用1种算法去求最优解，再采用模拟法或者数据仿真验证模型的有效性[12]。目前，通常采用数学规划法（mathematical programming）、模拟法（simulation）、启发式算法（heuristic procedure）和统计分析法 （analytical and statistical method）等方法解决手术排程问题[12]。这些研究往往只考虑1个或者2个资源的约束下进行模型构建，而医院运营管理过程中的手术排程，则需要在多维不确定性资源的约束下进行，因此该领域的研究成果与实际应用之间存在着巨大的鸿沟。

2.2 在医药卫生管理领域的研究现状 目前，医院手术室运营管理模式为以医院为单位的分散管理为主，参照标杆医院的管理经验施行经验式管理。该领域的学者针对首台开台准时率、手术衔接时长、手术间利用率、手术室工作人员工作时长等问题，采用了流程再造[5]、六西格玛管理模式[13]、PDCA等方法对手术运作流程中出现问题的环节进行了优化管理[14-20]。研究显示[13]：实施从流程、培训、绩效、信息管控等4方面制定出的多部门联合协作成本管控方法后，可将平均手术衔接时长由38 min缩短至27 min，平均手术时长由3.01 h缩短至2.56 h，手术间手术利用率提高了22%。针对某大型综合性的三级甲等医院2016年出现的日间手术患者入院扎堆现象，病例资料填写复杂，患者不熟悉就医流程及环境，宣教不规范和手术台次未做合理安排等问题。王婷婷[15]运用六西格玛经典模型，通过定义、测量、分析、改进、控制5个步骤对某院日间手术住院流程中主要问题进行梳理分析，最终患者住院时间从958.94 min下降到681.72 min；住院流程中耗时最长的患者等待手术环节以及术后回复环节所需时间分别167.52 min、587.82 min下降至123.10 min、372.84 min；患者的平均住院日从4.19 d下降至3.38 d；平均住院费用从6 796元减少至4 715元；患者满意度从14%增加至82%。

同时，随着现代化仪器设备不断引入手术室，高值耗材系统、移动护理系统、手术麻醉系统等信息化管理技术已广泛应用于手术室运营管理中[15]，在智能系统辅助下的手术排程取得了较好的效果，但是目前各个系统处于独立运行阶段[21]，各医院的手术排程基本处于在智能系统的辅助下进行人工排程阶段，未来需要在更高层次上实现信息融合以便让各种医疗资源协作，建立实时动态可视化的手术排程系统，最终提高手术室资源的有效利用率。

3 手术排程的影响因素

3.1 手术时长的不确定性是手术排程众多影响因素中最关键的因素 手术排程决策涉及到医院多部门多资源的影响，具有急诊患者随机到达性、手术时长不确定性、人力资源不确定性、上下游资源不确定性、设备资源不确定性等特点[21]。因此，在手术排程过程中不仅要考虑到手术团队实施人员的可用性和执行每个手术所需的物力资源（仪器设备、耗材），还要考虑手术室上游资源（门诊、病房）和下游资源（PACU和ICU），另外每天随时可能到达需要立即进行的急诊手术也需要一并综合考虑，以此来提高他们的综合性能[1,22-23]。手术时长的不确定性是上述多维不确定性因素综合作用后的具体体现。2019年Varmazyar等[1,22-23]提出手术排程问题可以转化为手术时长、外科手术时间、周转时间和预期完成时间4部分的时间安排问题，手术时长的准确预测是优化手术排程的前提[24-26]。

3.2 手术时长的影响因素 实际手术完成时间不是固定不变的，它依赖于外科手术时间、手术顺序和各医院控制参数的共同影响。手术时长根据外科手术流程由患者入手术间至麻醉开始、麻醉开始至外科切皮开始、外科切皮开始至外科医生缝皮结束、外科医生缝皮结束至患者出手术间4个时间段组成。手术准备时间、外科手术时间和周转时间均受到恶化效应的影响，即当手术开始时间、手术准备时间和周转时间中的任何1个时间被推迟时，手术室手术完工时间也将被推迟。手术时长受患者年龄、手术难度、外科手术团队合作度及外科医生因素等因素的影响，其中手术难度及外科医生因素是最主要的影响因素。外科医生的技术水平决定着手术的快慢，而外科医生的技术水平受到学习效应和截断效应的影响，即技术水平会随着年资的增长而增长，但是达到一定程度后又会趋于稳定。另外，每台手术的进行都需要在保证器械完好的前提下，有外科手术医生、麻醉医生、巡回护士、器械护士的共同参与，某些手术甚至还有病理医生、内科医生、B超/MRI医生、影像等医生参与。这些团队成员在他们各自的专业领域上都有较高的水平，但是外科手术的完成效率除了个人能力在很大程度上还依赖于团队合作的力量[25-26]。手术时长预测值应与实际手术时长相匹配，当实际手术完成时间大于预期完成时间时，将导致手术完成延迟，而手术完成延迟则影响术后复苏工作的安排；手术室人员则需要加班来完成当日工作；同时，后续手术患者将必须在没有食物和水的情况下，继续承受着身体和精神上的压力等待手术。因此，手术时长的准确预测至关重要。

3.3 手术时长预测的研究现状 目前，手术时长预测方法主要有：根据概率分布进行参数拟合、外科医生经验估算法、电子病历历史平均值法和基于机器学习的预测方法。（1）根据概率分布进行参数拟合。常用的概率分布有Hypergamma分布、Lognormal分布、Gamma分布和Weibull分布等[28-29]。该方法采用概率分布模型拟合手术时长的经验概率分布，通过最大期望值算法和遗传算法等算法对拟合模型进行参数估计，以均方根误差作为拟合效果的衡量指标，然而该方法的预测准确率尚未见报道。（2）外科医生经验估算法。多年来各家医院的手术时长预测一直依赖于外科医生自己提交的手术持续时间估计，但是多项研究表明外科医生的估算有限[28-29]。医院的激励措施可能会导致外科医生低估每台手术的时长，从而导致手术量的增加，进而导致医护人员的加班、工作倦怠、手术取消等现象[25]。某些复杂手术术中具有较高的不确定性也会影响手术的时长[25]。另外，每台手术的进行都必须保证有手术医生、麻醉医生、巡回护士、器械护士及手术器械的同时参与，外科医生很难考虑这些混杂因素的影响[25]。（3）历史数据平均值法。通过利用现有数据来完善和精准预测手术时间，有助于利益相关方对宝贵的手术室资源进行合理化的配置，最终为更多等待手术患者提供最佳、最快的医疗服务。研究人员从电子病历中收集数据信息，在所采集的数据信息中进行预测，但是结果显示电子病历收集的数据过于简单，没有考虑到其他的一些重要变量[30]。（4）基于大数据机器学习预测法。2019年，Bartek等[25]为每个外科专科和每位手术医生创建了“机器学习模型”预测手术时长，共收集了92名外科医生4年来（2014年1月—2017年12月）54 102例手术数据进行机器学习，他们开发的基于外科医生的机器学习模型能将手术时长估算的准确率从32%提高至39%。该项研究通过应用现代数据科学方法和机器学习来理解手术过程及时间分配，为建设未来的全信息化AI手术室奠定了基础[25]。Bodenstedt等[31]通过机器学习的方法，利用内镜视频流和设备数据的多模态资料，来预测腹腔镜手术的手术时长，实现了实时动态的手术时长预测。Meeuwsen等[32]通过机器学习的方法，利用40例腹腔镜子宫切除术的录像资料预测手术时长，手术时长预测准确率高达70%。Tuwatananurak等[33]同样通过机器学习的方法来预测手术时长，他的预测模型可以降低70%的预测不准确率，提高7 min的预测误差。Zhao等[3]通过对比机器学习预测排程与实际的手术排程的差异，发现机器学习预测可以将手术室的手术量从148台增加到219台，大大增加了手术室的手术能力。

4 手术排程效果的评价指标

手术排程的评价指标包括：手术室最大产出率、手术间利用率[3]、手术室人员利用平衡度、完工时间、等待时间、满意度和住院费用等，其中部分评价指标之间存在着相互联系，可以相互转化。例如：患者的等待时间可转化为患者的住院费用，患者等待时间过长则会造成对手术安排的不满意。（1）手术室产出率：手术室产出率即医院运营的经济指标，其优化的目标为最小化手术室运营成本、最大化院方收益和最小化患者入院治疗费用。美国爱荷华州立大学Dexter教授团队[34]的研究成果较显著，他认为手术室利用率最大化的关键是确定手术时长及所选手术的数量。（2）等待时间：等待时间包括患者等待时间和外科医生等待时间2部分，患者等待时间是患者看病选医院最关心的问题，若入院后迟迟安排不上手术甚至等待手术安排，则会导致患者不满。（3）手术室利用率：手术室利用率不高意味着接受手术治疗的患者更少，过度使用则会导致手术取消、人员加班严重、加班费增加等不良后果。（4）手术室人员利用平衡度：白雪等[34]研究显示，不良的手术室排程还会降低员工的士气和患者的满意度。（5）完工时间：完工时间这个目标一般用于手术室的日调度问题上，指手术计划中最后1例患者完成手术治疗的时间。控制手术完工时间有助于提高工作效率，避免医护人员不必要的加班情况产生[24,35-36]。1项由2 039所医院手术室参与的调查显示我国手术间数量与手术室护士数量之比为1∶2[37]。调查显示手术室护士的1周平均工作时间为45.64 h，护理人员的工作满意度与排班满意度呈负相关[38]。

5 展望

手术排程问题涉及到医院多部门多资源的影响，管理手术室最直接、最有效的方法就是进行合理高效的手术排程。手术排程旨在以特定的排程法则确定手术进行的时间、地点、匹配手术配合人员及医疗设备资源，最终在人员、时间和空间等约束下提高资源的有效利用率。近年来，临床亚专科手术的细分，以及机器人、器官移植、介入、微创等手术的开展，对专科仪器设备、麻醉医生、器械护士和巡回护士的配合均提出了更高的要求。护理管理者应关注人员配合对手术运行的影响并提前做好计划，不仅要科学设置首台手术运行管控目标，更要投入精力进行手术周转的管控，例如设置麻醉诱导间、恢复室、优化器械配送、标准化手术间清理流程等。利用信息化手段不仅可以开展日常运行与效率监测，还可以在制度明确的前提下，解决跨专业的管理矛盾。其中，通过智能化设置手术排序和护士的岗位条件，可快速将手术排入手术间并自动筛选可匹配的护士，达到人员与岗位的精准匹配，大幅度降低排程人员花费的时间，减少手术错排率和二次手术调整率，减少手术间空置时间，从而能使手术室更高效地运行。