Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management Une méthodologie de modélisation pour les systèmes hospitaliers : Application au Nouvel Hôpital Estaing Michelle CHABROL, Michel GOURGAND, Sophie RODIER Université Blaise Pascal, LIMOS CNRS UMR 6158, Clermont-Ferrand, France {chabrol, gourgand, rodier}@isima.fr Les systèmes hospitaliers, entrant dans une logique de gestion d’entreprise, réfléchissent à de nouvelles organisations de leurs structures afin de répondre aux objectifs de diminution des coûts, de satisfaction des patients, de gestion du temps qui leurs sont fixés. L’application de la tarification à l’activité oblige les hôpitaux publics à envisager un contrôle rigoureux de leurs processus pour limiter leurs dépenses et optimiser leur fonctionnement général. Pour cela, les structures hospitalières ont besoin d’outils de gestion et d’aide à la décision adaptés à leurs spécificités. Pour concevoir de tels outils, il est nécessaire de mener une réflexion sur les approches et les méthodes de modélisation, étape indispensable pour la formalisation de la connaissance de tout système. Mots clés : Modélisation, Méthodologie, Systèmes hospitaliers.. Introduction Les travaux présentés dans cet article se placent dans le cadre du Nouvel Hôpital Estaing (NHE) de Clermont-Ferrand ouvert depuis le printemps 2010. L’ouverture de ce nouvel hôpital offre au Centre Hospitalier Universitaire de Clermont-Ferrand la possibilité d’innover dans l’organisation de ses activités. Sur la base d’un principe de partage de moyens et de regroupement des services actuellement éclatés sur une structure pavillonnaire le NHE s’est fixé comme objectifs d’améliorer la qualité de prise en charge et le confort des patients (90% des chambres seront à un lit) et de s’adapter à l’évolution permanente de la médecine. Une nouvelle structure et une nouvelle organisation imposent de repenser l’ensemble des processus afin qu’ils évoluent en accord avec cette structure et cette organisation. Pour accompagner les soignants dans cette démarche, la direction du CHU a souhaité disposer d’outils d’aide à la décision permettant de couvrir l’ensemble des horizons temporels stratégique, tactique et opérationnel. L’objectif principal de ces outils est de pouvoir agir : • en amont sur le dimensionnement de la structure en termes d’effectif, sur la mise en place et la comparaison de règles d’organisation en termes de planning et d’affectation des ressources, de gestions des flux (humains, matériel, d’information) ; • pendant le fonctionnement du système pour faire évoluer et adapter les règles d’organisation et d’affectation des ressources et réagir aux événements aléatoires ; • en aval pour évaluer la performance du système. Avant tout accompagnement au changement et conception d’outils d’aide à la décision, il convient de comprendre le système existant et d’appréhender au mieux le système futur. Pour cette raison, le recueil et la spécification de la connaissance sont des phases capitales dont la qualité et le détail sont primordiaux Vol. 19 – N°2, 2011 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:16 3 3 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management pour la conception d’outils d’aide à la décision. Pour formaliser la connaissance du NHE et concevoir des outils d’aide à la décision, nous avons choisi de suivre la méthodologie ASCI (Analyse, Spécification, Conception, Implantation) que nous présentons après avoir donné un aperçu de la littérature sur les études liées aux systèmes hospitaliers et sur les méthodes et outils les plus couramment employés. Afin d’illustrer nos propos, nous présentons ensuite l’application de cette méthodologie sur des services du NHE. 2004) propose les différentes décompositions des flux physiques (Fontant et al., 2003), d’information (Bounekkar et al., 2004) et financiers d’un système hospitalier (Moedbeck et al., 2004 ; Leclercq et al., 2003). De nombreux travaux traitent de la modélisation, la simulation et l’optimisation des flux de patients et ont pour objectifs, par exemple, de : • diminuer les temps d’attente des patients ; • optimiser l’utilisation des ressources ; • planifier et ordonnancer un ensemble d’acti- vités ; • mesurer la satisfaction des patients ; Revue de la littérature • … Le patient, élément central de tout système hospitalier, induit des flux matériels, humains, financiers et génère de la valeur. (Dallery, Le (Chauvet, 2009) donne quelques exemples de problèmes traités ces dernières années sur les systèmes hospitaliers. Tableau 1 - Problèmes traités sur les systèmes hospitaliers. Problèmes traités Références Artiba A., Briquet M., Colin J., Dontaine A., Gourc D., Pourcel C., Stock R. (2004). Modélisation d’établissement de santé. 2ème conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Colin J., Briquet M., Schaefers J. (2003). Le patient, un client au centre des flux. 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Doheny, J.G., and Fraser J.L. (1996). MOBEDIC – A decision modelling tool for emergency situation, Expert system with applications, vol 10. Ducq Y., Vallespir B., Doumeingts G. (2004). Utilisation de la méthodologie GRAI pour la modélisation, le diagnostic et la conception d’un système hospitalier. 2ème conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Modélisation, simulation et Faure S., Vermeulun B., Wieser P. (2003). Modélisation et réingénierie des systèmes hospitaliers. 1ère conférence francophone en optimisation Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Hadges P., Bellou A., Grandhaye J.P., Bayad M. (2003). Modélisation de la prise en charge des patients du service des urgences. In 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Moreno L., Aguilar R. M., Piñeiro J. D., Estévez J. I., Sigut J. F. and González C. (1996). Using KADS methodology in a simulation assisted knowledge based system: application to hospital management. Expert Systems With Applications, vol. 10, No. 1, pp. 17-27. Rohleder T.R., Bischak D.P. and Baskin L.B. (2007). Modeling patient service centers with simulation and system dynamics. Health Care Management Science 10:1–12. Vissers J.M.H. (1998). Health care management modelling: a process perspective. Health Care Management Science 1, 77–85. Système d’Information Blanc J.X. (2003). Le soin apporté aux soins : de la modélisation des processus de soins à la mise en place d’un système d’information de gestion et de management de la qualité. 2ème conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Fabbe-Costes N., Romeyer C. (2003). La traçabilité des activités de soins par les systèmes d’information hospitaliers : un constat d’échec ou un phénomène émergent. 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Mesure de la satisfaction des patients Hollingsworth B., Dawson P.J., Maniadakis N. (1999). Efficiency measurement of health care: a review of non-parametric methods and applications. Health Care Management Science 2, 161–172. Planification des lits Akcali E., Côté M.J., Lin C. (2006). A network flow approach to optimizing hospital bed capacity decisions. Health Care Management Science 9: 391–404. 4 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:16 Vol. 19 – N°2, 2011 4 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management Etape indispensable à la simulation et à l’optimisation des systèmes, la modélisation fait appel à des méthodes, formalismes et langages très divers. Nous les présentons brièvement suivant l’ordre de leur apparition dans la littérature, en reprenant la classification proposée dans (Vernadat, 1999). De manière non exhaustive, on peut citer : • l’approche cartésienne qui s’appuie sur l’analyse des fonctions que doit remplir le système : CIMOSA (CIM Open System Architecture) (Cimosa, 1993), GRAI (Graphe de Résultats et Activités Interreliés) (Petit et Doumeingts, 2002), PERA (Purdue Enterprise Reference Architecture) (Williams, 1992), GERAM (Generalised Enterprise Reference Architecture and Methodology), (Geram, 1999), … • l’approche systémique dans laquelle la modélisation est abordée selon deux points de vue complémentaires, les données et les traitements : Merise, IDEF1x, le langage Express. • l’approche objet qui consiste à créer une représentation informatique des éléments du monde réel auxquels on s’intéresse, sans se préoccuper de l’implémentation, ce qui signifie indépendamment d’un langage de programmation. On peut citer la méthode OMT de Rumbaugh, la méthode BOOCH’93 de Booch, la méthode OOSE de Jacobson et un langage plus récent dont les trois méthodes précédemment citées sont à l’origine, le langage UML (Unified Modelisation Language) (Kim et al. 2003)… • l’approche orientée processus qui semble la plus naturelle pour la description des processus hospitaliers et en particulier des parcours suivis par les patients. La norme ISO 9001 définie un processus comme un système organisé d’activités qui utilise des ressources (personnel, équipement, matériels et machines, matière première et informations) pour transformer des éléments entrants en éléments de sortie dont le résultat final attendu est un produit. De nombreux outils et langage sont orientés processus : ARIS (Architecture of Integrated Information Systems) (Sheer, 2001), SCOR (Supply Chain Operations Reference) (SCC, 2003), MECI (Modélisation d’Entreprise pour la Conception Intégrée) (Pourcel et Gourc, 2002)… Dans des travaux récents (Hernandez-Matias et al., 2008) énumère des outils et méthodes pour l’analyse et la modélisation des systèmes industriels en montrant que si chacun fournit des solutions à plusieurs problèmes dans le secteur manufacturier, aucun n’est suffisant pour analyser et modéliser d’autres types de systèmes complexes. Ce constat est valable pour les systèmes hospitaliers dont la complexité et les spécificités sont, par exemple, liées à la nature même des clients : les patients (parcours, règles de priorité, …). Le parcours du patient dans le système va pouvoir évoluer en fonction de l’état du patient mais également de la disponibilité des ressources à l’instant t. Pour illustrer ces propos, citons l’exemple d’une patiente prise en charge pour un accouchement voie basse qui, suite à des complications, finira par bénéficier d’une intervention en urgence pour césarienne. De même, les ressources humaines nécessaires pour une opération élémentaire (niveau le plus fin de découpage) sont le plus souvent fixes dans un système de production et dépassent rarement un à deux opérateurs pour une même opération, alors que dans les systèmes hospitaliers, on peut avoir jusqu’à six opérateurs pour une même opération élémentaire avec des règles de gestion complexes en terme de préférences et de priorités. Ces spécificités doivent pouvoir être prises en compte dans le langage de modélisation utilisé. Après avoir recensé les problèmes liés aux systèmes hospitaliers, nous en avons conclu que les solutions apportées ne se limitaient qu’à des problèmes spécifiques des systèmes hospitaliers. De plus, comme le soulignent (Jun et al., 1999), les travaux qui portent sur la simulation de systèmes composés eux-mêmes de plusieurs organisations ou systèmes, comme cela est le cas pour un établissement hospitalier, sont pratiquement inexistants. Nous avons donc choisi de développer une méthodologie de modélisation qui présente des avantages en adéquation avec les difficultés rencontrées par les hôpitaux. En effet, la méthodologie de modélisation choisie (ASCI) nous permet de comprendre et de modéliser une structure hospitalière en utilisant différents outils et langages de modélisation permettant de s’adapter à la spécificité de chacun des systèmes la composant. Proposition d’une méthodologie La méthodologie ASCI La méthodologie ASCI (Gourgand et Kellert, 1991) est basée sur la conception : • d’un modèle de connaissance dans lequel est formalisée la connaissance du système ; Vol. 19 – N°2, 2011 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:16 5 5 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management • d’un ou plusieurs modèle(s) d’action (mo- • La dernière étape est celle de la prise de déci- dèles informatiques) qui peuvent être conçus à partir de modèles d’évaluation de la performance (modèle analytique, modèle de simulation), de méthodes d’optimisation (modèle mathématique, …) ou d’un couplage de modèles ; • d’un modèle de résultats qui permet à partir du modèle d’action d’obtenir les indicateurs nécessaires pour aider à la décision et pouvoir agir éventuellement sur le système (structure, règles de fonctionnement). sion qui permet éventuellement d’agir sur le système en modifiant le modèle de connaissance afin d’obtenir les résultats attendus (ex : modification de règles de gestion, de règles d’affectation des ressources, de contraintes…). La conception puis l’utilisation de ces modèles pour la conception, la configuration, le pilotage d’un système complexe constituent le processus de modélisation. Ce processus est itératif et composé de quatre étapes (). Nous donnons sur cette figure des exemples de méthodes, de langages et d’outils. • La première étape permet de recueillir et formaliser la connaissance afin d’obtenir d’une part le modèle de connaissance du système, d’autre part un module de données permettant d’alimenter les modèles d’action à venir. • La seconde étape consiste à traduire le modèle de connaissance en vue d’obtenir un ou plusieurs modèles d’action. Il pourra s’agir par exemple de traduire le modèle de connaissance dans un langage de simulation ou encore en langage mathématiques si l’on souhaite faire de l’optimisation. • La troisième étape à passer du modèle d’action au modèle de résultat qui est lui-même élaboré en fonction des objectifs de la modélisation. Il s’agira de déterminer et mettre en forme les indicateurs, tableaux de bords et/ou graphiques pertinents pour la prise de décision. Figure 1 - Processus de modélisation. 6 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 Dans la section suivante, nous nous intéressons plus particulièrement à la première étape de recueil et formalisation de la connaissance. Les autres étapes seront abordées dans la partie expérimentation. Les cinq niveaux descriptifs du modèle de connaissance Pour l’élaboration du modèle de connaissance d’un système hospitalier nous proposons (Chauvet, 2009) une décomposition hiérarchique du système en cinq niveaux descriptifs () : • Un hôpital étant divisé en pôles et en services, la « structure générale » représente l’ensemble des pôles avec leurs relations et propose une vue d’ensemble du système hospitalier. • La « structure pôle » permet de montrer l’organisation en pôles. Un pôle est un regroupement de services ayant des activités de soins, de prévention, d’enseignement et de recherche communes ou complémentaires. Ils doivent être définis selon « une logique de simplification et de déconcentration ». Ils s’appuient sur des objectifs d’activité et de qualité, fondés sur un projet partagé entre les équipes et décliné dans le cadre d’un contrat conclu avec la direction. • Chaque pôle est composé de services : on retrouve des services administratifs, des services de soins (la médecine générale, la chirurgie, la neurologie, la pneumologie...), des services techniques (les laboratoires, la pharmacie…)… Le niveau « service » permet de donner l’ensemble des éléments qui composent un service. • Les « parcours patients » représentent l’ensemble des activités lié à la pathologie des patients (exemple : définition du processus de prise en charge d’un patient atteint d’une pathologie donnée). Son parcours est schématisé à partir de son entrée dans le service jusqu’à sa sortie. Son entrée dans le service déclenche un ensemble de processus décidé selon la nature des soins à apporter au patient. Son séjour peut donc engendrer différents volumes de flux et différents niveaux d’interventions de services ou d’acteurs externes. Vol. 19 – N°2, 2011 6 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management • Les « fonctions des acteurs » donnent l’en- • Sortie du patient : le lieu de sortie du patient semble des activités des acteurs hospitaliers (exemple : explications des activités de l’IDE d’un service durant 24h). Elles sont définies pour une journée d’un acteur pour chaque service. après son hospitalisation. • Suivi : les examens ou consultations après la sortie pour contrôler l’évolution de la santé du patient. Langages et outils utilisés La donne également les différents outils et langages utilisés dans le cadre du projet NHE pour chacun des cinq niveaux. Pour la formalisation et la spécification de la connaissance, nous avons suivi deux approches : • l’approche objet, avec le langage UML ; • l’approche processus, avec l’utilisation des langages ARIS et LAESH (Langage d’Analyse et d’Evaluation des Systèmes Hospitaliers). Ils bénéficient notamment de plusieurs formalismes avec lesquels nous pouvons représenter, par exemple, les pathologies des patients. Niveaux 1, 2 et 3 ASCI préconise une décomposition systémique du système étudié en trois sous-systèmes communicants : • le Sous-Système Physique (SSP) définit l’ensemble des ressources matérielles et humaines physiques ; • le Sous-Système Logique (SSL) est constitué des flux que le système doit traiter, des ensembles d’opérations concernant ces flux ; • le Sous-Système Décisionnel (SSD) contient les règles de gestion et de fonctionnement. Nous effectuons une telle décomposition pour les trois premiers niveaux du système étudié (structure générale, pôle et service) à l’aide de diagrammes de classes UML. Niveau 4 Pour déterminer les parcours patients, une liste des groupes de pathologie a été établie pour que les acteurs médicaux puissent décrire les différents groupes de pathologies composant l’activité de leur service. Ce recueil de la connaissance a été réalisé suivant une grille afin de concevoir les parcours patients. Pour chacune de ces étapes, des informations complémentaires ont été recueillies sur le déroulement des activités liées à la pathologie d’un patient : le jour de l’hospitalisation, les intervenants, le lieu, la durée de l’activité, le temps hors du service… La spécification de ces parcours a été réalisée avec une approche processus en utilisant, selon le système étudié, soit le langage ARIS et ses Chaînes de Processus Evénementielles soit le langage LAESH (Rodier, 2010). Nous verrons dans la section suivante, les éléments qui nous ont orientés pour le choix de l’un ou l’autre des langages. Niveau 5 Le cinquième niveau, composé des fonctions des acteurs, décrit les activités des acteurs hospitaliers réalisées durant vingt-quatre heures. Pour un type d’acteur, toutes les activités d’une journée sont décrites. Pour spécifier cette connaissance, nous utilisons les arbres de fonction du langage ARIS ou bien les diagrammes d’activités du langage UML. Pour recueillir la connaissance, des entretiens se sont déroulés en quatre étapes afin de tenir compte de l’évolution des unités de soins du système actuel vers une nouvelle structure : • Conception des plannings journaliers de la structure actuelle ; • Validation des plannings actuels, évaluation des changements organisationnels ; • Réponses aux questions sur la nouvelle structure avec la prise en compte des changements ; • Validation des futurs plannings de la nouvelle structure pour les acteurs hospitaliers. Figure 2 - Organisation des 5 niveaux. Cette grille est composée des étapes suivantes : • Pré-entrée/Entrée : examens et activités réalisés avant l’hospitalisation d’un patient. • Hospitalisation : ensemble des activités liées à une pathologie pour traiter un patient. • Examens : ensemble des examens effectués lors de l’hospitalisation d’un patient. Vol. 19 – N°2, 2011 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 7 7 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management Les groupes de travail participant à l’étude se composent, par exemple, des Agents des Services Hospitaliers (ASH), des Aides Soignants (AS), des Infirmières Diplômées d’Etat (IDE) et des cadres. Ces personnes effectuent un ensemble d’activités définissant leur fonction. Cet ensemble est analysé à partir de la structure existante et transposée sur la structure future en tenant compte des changements. Pour noter les tâches effectuées pour chaque fonction par journée, une trame de temps est constituée. Elle prend en compte les activités toutes les quinze minutes et dure vingt-quatre heures. Selon le système étudié, le recueil de la connaissance nous permet d’identifier des parcours patients plus ou moins complexes. Parcours patient : le choix du langage de modélisation La complexité d’un parcours est principalement liée à : • sa non linéarité ; • l’utilisation de « combinaison » (ou équipe) regroupant un nombre variable de ressources humaines nécessaires à la réalisation d’une même activité pouvant aller jusqu’à six ressources humaines en simultané, voire plus (exemple de l’équipe opératoire) ; • l’utilisation de probabilités et/ou de règles de gestion dans chaque parcours et dans les « opérations élémentaires » qui les composent (expressions booléennes sur les ressources, préférences,…). Cette section est consacrée au quatrième niveau qui est celui qui peut faire apparaître la complexité et les spécificités du système hospitalier étudié. Dans le langage ARIS, les Chaînes de Processus Evénementielles (CPE) permettent de décrire les différents processus d’un système à l’aide de fonctions et d’événements. Les Figure 3 - Parcours simplifié d’une catégorie de patiente dans le bloc obstétrique. 8 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 Vol. 19 – N°2, 2011 8 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management CPE sont bien adaptées pour décrire les parcours patients simples (ne présentant pas une trop grande complexité). Pour les parcours plus complexes, les CPE nous ont semblé insuffisantes. La figure 3 montre le parcours simplifié d’une catégorie de patiente (femme enceinte) dans un bloc obstétrique. Ce parcours mobilise jusqu’à trois types de ressources passives (salle de consultation, d’accouchement et de césarienne) et cinq types de ressources actives (ressources humaines) qui peuvent être utilisées soit seules (activité 1 et activité 3 pour le médecin) soit en combinaison (activité 2 et activité 4). Ce parcours n’est pas linéaire : la patiente peut emprunter trois chemins distincts et quitter le système après l’activité 1, l’activité 2 ou l’activité 4. On observe une chronologie dans le déroulement des activités qui ne peuvent être réalisées qu’une fois l’activité précédente terminée. Compte-tenu de la complexité de ce type de parcours, nous avons proposé d’utiliser, pour modéliser les parcours complexes, le Langage d’Analyse et d’Evaluation des Systèmes Hospitaliers (LAESH) qui est une extension du Langage d’Aide à l’Evaluation des Systèmes (LAES) proposé il y a quelques années par le LIMOS. Les objectifs principaux du langage LAES sont les suivants (Chabrol, 1986) : • permettre la représentation de la structure et du fonctionnement du système pour la création d’un modèle de connaissance en utilisant une approche transaction. Un outil graphique adapté est utilisable ; • stocker le modèle obtenu sous forme d’un fichier dit « fichier de fonctionnement » en utilisant un langage de description simple ; • exploiter ce fichier par un logiciel réalisant les fonctions de production de modèle d’action ; • permettre l’utilisation d’outils d’évaluation (QNAP2, SIMAN,…). Un des avantages de ce langage est sa simplicité mais également sa souplesse qui permet d’envisager des extensions pour s’adapter au mieux aux systèmes étudiés. Le modèle de connaissance est à deux niveaux : le premier niveau, dit global, utilise les notions de phase et de chemin, et le second niveau, dit détaillé, donne le contenu de chaque phase. La représentation graphique globale est une arborescence faisant apparaître les différents chemins que peut emprunter un patient et les phases constituant les chemins. La donne la représentation globale de la catégorie de patiente présentée par la figure 3 et contenant trois phases et trois che- Figure 4 - Parcours simplifié d’une catégorie de patiente dans le bloc obstétrique. Vol. 19 – N°2, 2011 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 9 9 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management mins, ainsi que la représentation détaillée de la phase 3. Chaque phase fait l’objet d’une représentation graphique détaillée qui fait apparaître l’enchaînement des opérations élémentaires. La donne un aperçu de l’enchainement des deux opérations de la phase 3. La première opération (activité 3 de la ) mobilise la ressource passive « Salle d’accouchement » et la ressource active « Médecin Gynécologue » pour le temps T3. Les ressources actives mobilisées sont celles de la zone d’affectation n°2 et l’opération concerne la classe 1 (classe principale = le patient). La deuxième opération (activité 4 de la ) mobilise la ressource passive « Salle césarienne » et les ressources actives « Médecin Gynécologue », « Sage Femme » (en quantité 2), « Médecin Anesthésiste » et « Infirmier Anesthésiste » pour le temps T4. Les ressources actives mobilisées sont celles de la zone d’affectation n°3. Outre le niveau global et le niveau détaillé, LAESH permet de préciser l’ensemble des règles de gestion qui régissent le système tels que : les règles d’affectation des ressources aux secteurs/zones ou plannings, les règles de priorité ou de préférences… Selon la complexité des parcours étudiés nous avons donc utilisé soit des CPE Aris, soit le langage LAESH. Le compare les outils ARIS et LAESH. Expérimentation L’objectif principal de nos travaux est de fournir aux acteurs hospitaliers des outils d’aide à la décision permettant : • d’améliorer la prise en charge du patient en identifiant les éventuels dysfonctionnements (attente trop longue, manque de ressources) ; • de dimensionner les ressources humaines et matérielles nécessaires au fonctionnement du système pour une charge de travail de donné ; • de pouvoir tester différents scenarii d’organisation en amont de l’ouverture de la future structure (NHE). Nous avons mis en œuvre la méthodologie proposée sur deux entités du NHE qui présentent des fonctionnements très différents : une unité de soins et un bloc obstétrique. De manière non exhaustive, le tableau 3 recense les principales différences entre ces deux systèmes. Les particularités de ces systèmes nous ont conduit à utiliser des outils de modélisation différents pour formaliser les parcours patients. Pour le premier nous avons des parcours simples et linéaires, nous utilisons donc le langage ARIS. Dans le deuxième, les parcours sont plus complexes et ne sont pas linéaires, nous utilisons donc LAESH. Analyse et spécification des systèmes L’Unité de Soins Le NHE sera composé d’une quarantaine d’unités de soins (US) qui, compte tenu des pathologies traitées dans chacune, paraissent très différentes. Mais ces US utilisent le même type de ressources humaines, ont le même objectif (soigner…), et fonctionnent suivant des règles proches. Nos travaux se sont donc orientés sur le projet UGS (Unité Générique de Soins). Nous définissons l’UGS comme un ensemble de briques conceptuelles permettant de modéliser toute unité de soins. Une UGS comprend l’ensemble des éléments communs à chaque US et est instanciable sur n’importe quelle US. Les unités de soins comptent un nombre important de parcours patients qui correspondent aux différentes pathologies prises en charge. Toutefois, comme nous l’avons vu dans le ces parcours sont linéaires et ne présentent pas de complexité particulière. Nous avons donc utilisé, pour la modélisation du système, le langage UML pour la décomposition systémique (diagrammes de classes) et ARIS pour les Tableau 2 - Comparaison de ARIS et de LAESH ARIS Système industriel, hospitalier Système hospitalier Niveau de granularité Macroscopique, mésoscopique, microscopique Macroscopique, mésoscopique, microscopique Choix des formalismes CPE, Arbres des fonctions Représentation graphique globale Représentation graphique détaillée Complexité des modèles Parcours linéaires Parcours complexes Combinaisons de ressources Basiques Complexes 10 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 LAESH Systèmes modélisés Vol. 19 – N°2, 2011 10 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management parcours patients (CPE) et les fonctions des acteurs (arbres de fonctions) Les variables d’entrée de l’outil d’aide à la décision sont : • les ressources humaines avec les différents plannings, l’effectif par planning et l’affectation de chaque ressource aux zones ou secteurs (ensemble délimité de plusieurs chambres d’hospitalisation) ; • la charge du système avec : – le nombre total de patients hospitalisé par demi-journée et la répartition de ces patients par « parcours » (pathologie) et par chambre ; – les activités représentant le fonctionnement global du service, qu’elles soient ou non liées aux patients ; – les activités spécifiques à chaque « parcours » ou pathologie ; – les activités aléatoires. Tableau 3 - Comparaison Unité de soins / Bloc obstétrique. Proportions approximatives activités programmées/aléatoires Parcours linéaires Complexité des parcours (règles de gestion, priorités…) Combinaisons de ressources humaines : nombres maximum de ressources en simultané sur une même activité Mouvement des patients entre différents lieux (ressources passives) La complexité du système est essentiellement structurelle et fonctionnelle avec de nombreux parcours patients et une complexité de ces parcours avec l’utilisation de probabilités et/ou de règles de gestion dans ces parcours et dans les « opérations élémentaires » qui les composent (expressions booléennes sur les ressources, préférences). Nous avons donc utilisé, pour la modélisation du système, le langage UML pour la décomposition systémique (diagrammes de classes) et les fonctions des acteurs (diagrammes d’activités) et LAESH pour les parcours patients. Les variables d’entrée de l’outil d’aide à la décision sont : • les ressources humaines avec les différents plannings, l’effectif par planning et l’affectation de chaque ressource aux zones ou secteurs (ensemble délimité de plusieurs chambres d’hospitalisation) ; • la charge du système avec : – le nombre total de patientes attendues par semaine, la répartition de ces patientes par « parcours » et leurs modalités d’arrivée (programmées, en urgence, lois d’arrivée) ; – les probabilités (complications, naissances multiples…) et règles de gestion liées à chaque parcours ; – les activités spécifiques à chaque « parcours » ou pathologie ; 90 / 10 % 10 / 90 % Oui Non Faible Elevée 3 6 Rare Fréquent Représentation Unité de Soins (US) Représentation Bloc Obstétrique (BO) Elément Witness Activité Patient Article Ressource passive (lieu) Ressource passive (lieu) Machine simple (US) Machine multi-cycles (BO) File d’attente activité File d’attente patient Stock Ressource active Ressource active Opérateur Chemin (routage) Chemin Traduction des modèles de connaissance et élaboration des modèles d’action Les modèles d’action sont des modèles de simulation à événements discrets réalisés avec le logiciel de simulation Witness (http://www.lanner.com). Le tableau 4 donne les principales règles de traduction des modèles de connaissance vers les modèles de simulation Witness. Dans le premier cas (US), le patient est statique puisqu’il est rattaché à son lit (machine). L’activité liée au patient est réalisée par des ressources actives (opérateurs) qui se déplacent. Dans le second cas (BO), le patient se déplace dans différents lieux (machines) afin de bénéficier de traitements réalisés par les ressources actives (opérateurs). Le tableau 5 donne les principaux éléments des deux modèles de simulation réalisés avec le logiciel de simulation Witness. On retrouve la complexité des modèles de connaissances à travers les modèles de simulation. Par exemple, pour l’unité de soins, un seul type de machine a été utilisé pour reproduire l’en- Vol. 19 – N°2, 2011 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 Bloc Obstétrique Tableau 4 - Traduction des modèles de connaissance en modèles de simulation Witness Le Bloc Obstétrique Le bloc obstétrique (BO) du NHE sera composé de trois zones (zone de consultation, zone d’accouchement et zone de césarienne) Unité de soins 11 11 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management al., 2007 ; Chabrol et al., 2008 ; Rodier, 2010) pour le bloc obstétrique. Tableau 5 - Eléments des modèles de simulation Witness Unité de Soins Bloc Obstétrique Types d’article 1 8 Types de machines différentes 1 59 196 75 Cycle de production par machine (maximum) 1 40 Types de stock 1 4 Nombre total de stocks 196 32 Types d‘opérateurs 10 16 Chemins (pour routage) - 88 Modules - 5 Variables 63 123 Fonctions 20 4 3 360 21 300 Modèle d’action Witness Nombre total de machines Lignes de code (commentaires compris) Conclusion Nous avons montré l’intérêt de mettre en place une méthodologie pour la modélisation et la construction d’outils d’aide à la décision pour le CHU de Clermont-Ferrand. semble des ressources passives tandis que pour le bloc obstétrique 59 types de machines ont été utilisés, chacune de ces machines faisant appel à un code spécifique. Modèles de résultats Le modèle de résultats contient deux niveaux de résultats : • des résultats globaux : – occupation des lieux (salles, lits..) et des différents types de ressources humaines ; – temps passé dans le système par chaque patient ; – pour le bloc obstétrique, le nombre de naissances de chaque type (accouchement voie basse et césarienne) ; – le temps de retard des activités par rapport à leur heure de début/ de fin prévue. • des résultats détaillés : – pour chaque lieu : les temps et taux d’occupation et le nombre de prises en charge ; – pour chaque type de ressource humaine et chaque ressource humaine : les temps et taux d’occupation par lieu, par opération élémentaire ; – pour chaque patient : les temps de traitement et les temps d’attente globaux, par lieu ou par opération élémentaire. Nous ne détaillons pas ici ces modèles qui ont été plus largement présentés dans (Chauvet et al., 2008) pour l’unité de soins et (Chabrol et 12 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:17 La méthodologie de modélisation proposée repose sur les éléments suivants : • un processus de modélisation faisant intervenir les notions de modèle de connaissance, de modèle d’action et de modèle de résultats ; • une décomposition systémique en trois sous-systèmes (physique, logique et décisionnel) ; • une décomposition hiérarchique à cinq niveaux. Des modèles de simulation ont été conçus à partir de cette méthodologie. Le modèle de l’UGS a été instancié sur une première unité de soins. Le modèle pour du bloc obstétrique est installé dans les services de la maternité et de la polyclinique du CHU afin que les équipes médicales et paramédicales puissent tester différents scénarii d’organisation (affectation des ressources, plages horaires pour les interventions programmées…). Cet outil a été présenté, à la demande des médecins et sages femmes du CHU de Clermont-Ferrand, aux Journées Nationales de la Société Française de Médecine Périnatale à Marseille (octobre 2007), à la Journée Francophone de Recherche en Obstétrique et Gynécologie à Paris (décembre 2007) et aux Journées Nationales des Sages-Femmes Cadres à Nancy (octobre 2008). Références Akcali E., Côté M.J., Lin C. (2006). A network flow approach to optimizing hospital bed capacity decisions. Health Care Management Science 9: 391–404. Artiba A., Briquet M., Colin J., Dontaine A., Gourc D., Pourcel C., Stock R. (2004). Modélisation d’établissement de santé. 2ème conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Blanc J.X. (2003). Le soin apporté aux soins : de la modélisation des processus de soins à la mise en place d’un système d’information de gestion et de management de la qualité. 2ème conférence francophone en Gestion et Ingé- Vol. 19 – N°2, 2011 12 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management nierie de Systèmes Hospitaliers (GISEH), Mons. francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Bounekkar A., Brémond M., Clot D., Kabachi N., Lamure M., Robert D. (2004). Analyse des trajectoires patients au sein d’un établissement hospitalier. 2ème conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Fabbe-Costes N., Romeyer C. (2003). La traçabilité des activités de soins par les systèmes d’information hospitaliers : un constat d’échec ou un phénomène émergent. 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Chabrol M. (1986). Développement et utilisation de QNAP2 pour l’évaluation des performances par modèles analytiques, Thèse de doctorat, Université Blaise Pascal, Clermont-Ferrand. Faure S., Vermeulun B., Wieser P. (2003). Modélisation et réingénierie des systèmes hospitaliers. 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Chabrol M., Gourgand M., Rodier S. (2007). Obstetrical theatre suite modeling and simulation, Conference on Operational Research Applied to Health Services, Saint-Etienne, France. Fontant G., Durou D., Mercé C., Frontin P. (2003). Analyse et modélisation du parcours du patient. 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Chabrol M., Gourgand M., Rodier S. (2008). Modèle de connaissance générique et outils d’aide à la décision pour les blocs obstétricaux. Actes de la 7ème Conférence francophone de modélisation et simulation MOSIM’08, Paris, Vol 3, pp 1496-1505. GERAM. (1999). Generalised Enterprise Reference Architecture and methodology, Version 1.6.3, IFIP – IFAC Task Force. Chauvet J., Kemmoé S., Aleksy B. (2008). Proposition d’un modèle de connaissance générique des unités de soins. Actes de la 7ème Conférence francophone de modélisation et simulation - MOSIM’08, Paris, Vol 3, pp 1513-1522. Chauvet J. (2009). Une méthodologie de modélisation pour les systèmes hospitaliers : application sur le Nouvel Hôpital d’Estaing. Thèse de doctorat, Université Blaise Pascal, Clermont-Ferrand. Cimosa A. (1993). Open Systems architecture for CIM, Springer-Verlag, Berlin. Colin J., Briquet M., Schaefers J. (2003). Le patient, un client au centre des flux. 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Dallery Y. (2004). Les méthodes de la logistique industrielle au service de la santé : apports et limitations. 1ère Journée de l’Ingénierie de la Santé, Centrale Paris, France. Doheny, J.G., and Fraser J.L. (1996). MOBEDIC – A decision modelling tool for emergency situation, Expert system with applications, vol 10. Ducq Y., Vallespir B., Doumeingts G. (2004). Utilisation de la méthodologie GRAI pour la modélisation, le diagnostic et la conception d’un système hospitalier. 2ème conférence Gourgand M., Kellert P. (1991). Conception d’un environnement de modélisation des systèmes de production. 3ème congrès international de génie industriel, Tours. Hadges P., Bellou A., Grandhaye J.P., Bayad M. (2003). Modélisation de la prise en charge des patients du service des urgences. In 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. Hernandez-Matias J.C., Vizan A., Perez-Garcia J., Rios J. (2008). An integrated modelling framework to support manufacturing system diagnosis for continuous improvement, Robotics and Computer-Integrated Manufacturing 24, pp. 187–199. Hollingsworth B., Dawson P.J., Maniadakis N. (1999). Efficiency measurement of health care: a review of non-parametric methods and applications. Health Care Management Science 2, 161–172. Jun J.B., Jacobson S.H., Swisher J.R. (1999). Application of discrete-event simulation in health care clinics: A survey. Journal of the Operational Research Society, Volume 50, Number 2, 1, pp. 109-123(15) Kim C.H., Weston R.H., Hodgsin A. and Lee K. (2003). The complementary use of IDEF and UML modelling approaches. Computers in Industry, 50, pp.35-56. Leclercq P., Bennert A., Pirson M. (2003). Mise en pratique de l’Activité Based Costing Vol. 19 – N°2, 2011 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:18 13 13 Profil couleur : DØsactivØ Composite 150 lpp 45 degrØs Logistique & Management dans une unité de soins intensifs. In 1ère conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Lyon. tion et d’optimisation dans les systèmes hospitaliers. Application au Nouvel Hôpital Estaing. Thèse de doctorat, Université Blaise Pascal, Clermont-Ferrand. Moedbeck S., Praet J.C., Levecq P., Le Maire A. (2004). Analyse et modélisation des flux financiers en fonction du profil patient. In 2ème conférence francophone en Gestion et Ingénierie de Systèmes Hospitaliers (GISEH), Mons. Rohleder T.R., Bischak D.P. and Baskin L.B. (2007). Modeling patient service centers with simulation and system dynamics. Health Care Management Science 10:1–12. Moreno L., Aguilar R. M., Piñeiro J. D., Estévez J. I., Sigut J. F. and González C. (1996). Using KADS methodology in a simulation assisted knowledge based system: application to hospital management. Expert Systems With Applications, vol. 10, No. 1, pp. 17-27. Petit M., Doumeingts G. (2002). UEML – WP1 – Report on the State of the Art in Enterprise Modelling, rapport de recherche, Projet UEML: Unified Enterprise Modelling Langage, www.ueml.org. Pourcel G. et Gourc, D. (2002). Modélisation d’entreprise : la méthode MECI, Ecole de printemps, Modélisation d’entreprise d’Albi-Carmaux. Rodier S. (2010). Une tentative d’unification et de résolution des problèmes de modélisa- 14 Vol19_N2_2011.prn Vol19_N2_2011.VP jeudi 19 janvier 2012 13:14:18 Rumbaugh, J., Blaha, M., Premerlani, W., Eddy, F., Lorensen, W. (1991). Object-Oriented Modeling and Design, Prentice-Hall. Sheer A. I. (2001). ARIS 6 Collaborative Suite : Méthode ARIS, version 6. SCC (2003). Supply-Chain Operation Reference Model (SCOR), version 6.1. Supply Chain Council. Vernadat, F. (1999). Techniques de modélisation en entreprise : applications aux processus opérationnels, Editions Economica, Paris. Vissers J.M.H. (1998). Health care management modelling: a process perspective. Health Care Management Science 1, 77–85. Williams T. J. (1992). The Perdue Enterprise Reference Architecture and methodology, Instrument Society of America, research triangle Park, NC. Vol. 19 – N°2, 2011 14