การพัฒนารูปแบบทางคณิตศาสตร์สำหรับการจัดตารางรักษาผู้ป่วยปากแหว่งและเพดานโหว่
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันโรงพยาบาลหลาย ๆ แห่งได้ประสบปัญหากับการจัดตารางการรักษาอันเนื่องมาจากการเพิ่มขึ้นของผู้ป่วย ทรัพยากรที่จำกัดและขั้นตอนที่หลากหลายในระบบ เช่นเดียวกับการรักษาผู้ป่วยโรคปากแหว่งเพดานโหว่ในประเทศไทยที่ยังคงประสบปัญหาการจัดตารางการรักษาที่มีสาเหตุมาจากการรักษาที่ซับซ้อนและกระบวนการรักษาที่ยาวนาน จากสถานการณ์เหล่านี้ในประเทศไทยงานวิจัยชิ้นนี้จึงมีความประสงค์ที่จะนำเสนอรูปแบบจำลองโปรแกรมเชิงเส้นจำนวนเต็มแบบผสมสำหรับปัญหาการจัดตารางรักษาโรคปากแหว่งเพดานโหว่ ซึ่งผู้ป่วยจะถูกกำหนดให้ทำการรักษาตามเวลาที่เหมาะสมภายใต้ข้อจำกัดต่าง ๆ ของหัตถการและโรงพยาบาล ในขั้นตอนแรกรูปแบบจำลองทางคณิตศาสตร์ได้ถูกทำการเปรียบเทียบกับรูปแบบจำลองที่ได้ถูกนำเสนอมาก่อนหน้านี้ จากการเปรียบเทียบพบว่ารูปแบบที่นำเสนอนั้นมีประสิทธิภาพที่เหนือกว่ารูปแบบที่นำเสนอมาก่อนแล้วทั้งในส่วนของเวลาที่ใช้ในการแก้ไขปัญหาและจำนวนของตัวแปร จากนั้นรูปแบบจำลองที่ได้ถูกนำเสนอนั้นได้ถูกทำการพัฒนาภายใต้เงื่อนไขที่หลากหลาย อาทิเช่น ข้อจำกัดของกำลังการรักษา อายุการรักษา โรงพยาบาลหลายแห่ง เงื่อนไขของแพทย์ และช่วงเวลาการรักษาหลายช่วง ยิ่งไปกว่านั้นรูปแบบที่ได้พัฒนาขึ้นมานั้นยังได้ทำการพิจารณาวัตถุประสงค์ถึง 3 ประการ อันประกอบด้วย ระยะทางที่สั้นที่สุดระหว่างที่อยู่ของผู้ป่วยและโรงพยาบาล ค่าคะแนนความชื่นชอบต่อโรงพยาบาลที่มากที่สุด และระยะเวลาเสร็จสิ้นโดยรวมที่สั้นที่สุด โดยทั้งสามวัตถุประสงค์นี้ได้ถูกทำการสร้างให้อยู่ในรูปแบบเพียงหนึ่งวัตถุประสงค์ด้วยการใช้วิธีการปรับแบบถ่วงน้ำหนัก ตัวแบบจำลองที่พัฒนาแล้วนั้นได้ทำการตรวจสอบความถูกต้องโดยการแก้ปัญหาขนาดเล็ก จากนั้นนำแบบจำลองดังกล่าวมาประยุกต์ใช้กับปัญหาในกรณีจริงขนาดเล็ก จากการวิเคราะห์ผลพบว่ารูปแบบทางคณิตศาสตร์ที่ได้นำเสนอนั้นสามารถทำการจัดตารางได้อย่างเหมาะสมภายใต้เงื่อนไขและกระบวนการที่กำหนดในเวลาอันสั้น งานวิจัยนี้จะเป็นประโยชน์อย่างสูงในการช่วยเหลือแพทย์และพยาบาลในการจัดตารางรักษาสำหรับผู้ป่วยโรคปากแหว่งเพดานโหว่ในประเทศไทยได้เป็นอย่างดี
Article Details
เอกสารอ้างอิง
[2] Conforti D, Guerriero F, Guido R. Optimization models for radiotherapy patient scheduling. A Quarterly Journal of Operations Research. 2007;6(3):263-78.
[3] Burke EK, Leite-Rocha P, Petrovic SJapa. An integer linear programming model for the radiotherapy treatment scheduling problem. 2011.
[4] Lin YK, Chou YY. A hybrid genetic algorithm for operating room scheduling. Health care management science. 2020 Jun;23(2):249-63.
[5] Bastos LSL, Marchesi JF, Hamacher S, Fleck JL. A mixed integer programming approach to the patient admission scheduling problem. European Journal of Operational Research. 2019;273(3):831-40.
[6] Ceschia S, Schaerf A. Local search and lower bounds for the patient admission scheduling problem. Computers & Operations Research. 2011;38(10):1452-63.
[7] Demeester P, Souffriau W, De CP, Berghe GV. A hybrid tabu search algorithm for automatically assigning patients to beds. Artificial Intelligence in Medicine. 2010 Jan 1;48(1):61-70.
[8] Zhao L, Chien CF, Gen M. A bi-objective genetic algorithm for intelligent rehabilitation scheduling considering therapy precedence constraints. Journal of Intelligent Manufacturing. 2018 Jun;29(5):973-88.
[9] Kamran MA, Karimi B, Dellaert N, Demeulemeester E. Adaptive operating rooms planning and scheduling: A rolling horizon approach. Operations Research for Health Care. 2019;22:100200.
[10] Arisha A, Young P, El Baradie M. Job shop scheduling problem: an overview. 2001.
[11] Alizadeh R, Rezaeian J, Abedi M, Chiong R. A modified genetic algorithm for non-emergency outpatient appointment scheduling with highly demanded medical services considering patient priorities. Computers & Industrial Engineering. 2020;139.
[12] Bolaji ALa, Bamigbola AF, Shola PB. Late acceptance hill climbing algorithm for solving patient admission scheduling problem. Knowledge-Based Systems. 2018;145:197-206.
[13] Boonmee C, Kasemset C. การประยุกต์ใช้เทคนิคการหาค่าดีที่สุดสาหรับการกระจายสินค้า กรณีศึกษาโรงงานผลิตผลไม้กระป๋อง. วารสารไทยการวิจัยดำเนินงาน. 2014;2:2-10.
[14] Priddy KL, Keller PE. Artificial Neural Networks: An Introduction: SPIE Press; 2005.
