問題：

為了解醫療和經濟對新型醫療護理技術的影響，必須在設計開發階段開始之前對它們進行評估。因此，通過對移動卒中單元（MSUs）的案例應用混合仿真接近決策支持系統。

中風會導致嚴重癱瘓，產生高昂的護理和康復費用，而且由于人口老齡化加劇，其發病率也在不斷增加。由血栓引發的中風最為常見，若條件允許，應使用溶栓治療（前提是非出血性中風，并且在出現中風癥狀的黃金4.5小時內）。如今，由于交通狀況和醫院內部管理問題，經常會浪費病人寶貴的時間。

MSUs被認為是一種合理的改進。MSUs從中風發生地進行診斷和治療。其目的是減少從打電話到治療決策的時間，從而防止嚴重的癱瘓和高昂費用的產生。

目的：

目的是評估與當前狀況相比，MSUs造成的醫療和經濟影響，同時優化其地理分布。主要指標是 從打電話到治療決策時間、成本和其他相關輸出參數的影響。德國大都市區（柏林）和農村地區比較，因為農村的醫院很少，而且它們之間的結構不同。

Figure 1: MSU scenario animation screenshot

AnyLogic的應用

這個項目已經通過AnyLogic實現了；它非常適合使用所有必要的仿真范例來開發模型，而且開發人員能夠加入自己的Java代碼來模擬獨特的、自定義的解決方案。AnyLogic還能夠創建說明性動畫，用來增強與領域專家的交流。

圖1展示了MSU劇本動畫的屏幕截圖。MSUs位于預定義的位置上，當中風事件發生時，可以由分配器進行發送。如果沒有免費車輛可用，通常會由急救服務把病人送到下一個醫院。錯誤的決策和不必要的MSU任務（在現實中發生過）不但干預各種行為還要耗費大量的成本。中風患者要進行長達10年以上的檢測，才能進行長期的成本分析。

用不同參數的excel表格作為不同年份的輸入文件，并在仿真系統運行期間加載。為了評估醫療護理決策的多重場景，特別建立了一個庫。為了向特定場景中添加某些特性，不同的模塊（例如，人口統計學，注入報錯）可以相互關聯。在運行場景前，定位工具允許在地圖上點擊相關區域，為MSUs和醫院來定義家的位置。在下面的參考文獻中，可以找到進一步的建模和實現特性。

建模方法：

為了進行仿真，特別是在醫療護理決策支持的范圍內，宏觀仿真和微觀仿真都是提高模型精確度的必要條件。這是一個可以從多方法和混合仿真范例中獲益的地方。系統動力學用于遠程建模，而離散事件和基于智能體的技術適用于個體層面的詳細建模。智能體代表患者，同時醫療工作流程被嵌入在代表了人口統計學，經濟學，傳染病學等方面的系統動力學模型中。醫學技術的影響由定量參數來表示。

Figure 2: Agent-Based, Discrete-Event and System Dynamics Model examples

結果：

這個案例研究的一項重要結果是，MSUs不會自動導致更多的患者使用溶栓治療。無論如何，那些使用溶栓治療的患者更早接受了治療，從而降低嚴重癱瘓的可能性。這是一個明顯的醫療福利。研究調查還表明，地圖上MSUs的廣泛分布（例如均衡分布）相比于與集中在少數地點（例如車站，醫院），能夠帶來更好的結果。此外，仿真結果顯示，醫院很少的德國農村地區，這些車輛沒有很大用途，因為每年沒有很多感染者，并且，大多數人住在具有能治療中風醫院的市中心附近。上述案例的研究結果在?？漆t院較少的國家可能有所不同。

結論：

AnyLogic可以為醫療護理決策-支持項目建立精細模型?？膳渲玫腗SU仿真模型幫助建模者回答了關于醫療和健康經濟學的影響這一重要問題。管理機構，公司，研究人員和其它決策人可以運用這些結果來優化MSU在任何國家的推出，并且在將來改善中風的診斷和治療狀況。對中風患者的長期跟蹤，將MSUs的節省費用與額外費用進行比較，為投資決策提供基礎依據。這項工作已經由前瞻性HTA（德國政府資助）協同醫生，工程師，健康經濟學家，從工業和學術方面聯合開展。

大規模復雜仿真系統（例如，在醫療護理，汽車業，工業，能源），是Erlangen-Nuremberg計算機網絡和通訊系統組織的工作主要領域。如果您有任何其它問題，請聯系建模發開人員。

文獻：

1. Djanatliev A. and German R. “Prospective Healthcare Decision-Making by Combined System Dynamics, Discrete-Event and Agent-Based Simulation”. Proceedings of the 2013 Winter Simulation Conference, Editors: R. Pasupathy, S.H. Kim, A. Tolk, R. Hill, M. Kuhl. Washington D.C./USA. December 8th – 11th, 2013, p. 270-281.
2. Djanatliev A., Kolominsky-Rabas P., Hofmann B. M., Aisenbrey A., German R. “System Dynamics and Agent-Based Simulation for Prospective Health Technology Assessments”. Simulation and Modeling Methodologies, Technologies and Applications - Advances in Intelligent Systems and Computing. Edited by Obaidat, Mohammad; Filipe, Joaquim; Kacprzyk, Janusz; Pina, Nuno (Eds.). Volume 256, 2014, pp 85-96. 
   
3. Djanatliev A., German R. “Large Scale Healthcare Modeling by Hybrid Simulation Techniques using AnyLogic”. Proceedings of the 6th International ICST Conference on Simulation Tools and Techniques. Cannes/French Riviera. March 5th – 7th, 2013, p. 248-257.