Une méthodologie de modélisation pour les systèmes hospitaliers

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