מסגרת ניסויית להתאמה בין רופא למטופל בהתאמה וביכולת בייעוץ מקוון

סיכום

פרוטוקול זה מציג מסגרת ניסויית ניתנת להרחבה להתאמה בין רופא למטופל בפלטפורמות ייעוץ רפואי מקוונות. על ידי שילוב משותף של תאימות קלינית ממוקדת מטופל וקיבולת שירות מצד הרופא במודל ניקוד היברידי, שיטה זו ממקסמת את דיוק ההתאמה, מצמצמת זמני המתנה של המטופלים ומבטיחה חלוקה מאוזנת של עומס העבודה של הרופאים.

תקציר

פלטפורמות ייעוץ רפואי מקוונות בקנה מידה גדול דורשות התאמת רופא-מטופל יעילה בעזרת אלגוריתם כדי לאזן בין התאמה ממוקדת מטופל ליעילות תפעולית. הגישות הקיימות לעיתים קרובות ממעלות את התאימות הקלינית או את יכולת הרופא באופן עצמאי, מה שמוביל לזמני המתנה ממושכים ולעומסי עבודה לא שווים. פרוטוקול זה מציג מסגרת ניסיונית ניתנת להרחבה לשילוב משותף של תאימות וקיבולת בציון התאמה היברידי. באמצעות מאגר נתונים מדומה הכולל 240 רופאים, 3,600 בקשות מטופלים ו-9,785 זוגות מועמדים, השיטה מכמת תאימות (למשל, יישור התמחות, התאמת מצבים) וקיבולת (למשל, יחס עומס, זמן המתנה משוער). המסגרת מעריכה זוגות מועמדים באמצעות ציון היברידי ומשווה ביצועים לאסטרטגיות מבוססות כללים, תאימות בלבד, ואסטרטגיות מדד קיבולת בלבד ב-12 תיבות הערכה. תוצאות מייצגות מראות שהמסגרת ההיברידית משיגה איכות התאמה מעולה, כולל דיוק ממוצע בדרגה 1 של 0.740 וציון F1 של 0.714. יתרה מזאת, הוא מניב יעילות תפעולית גבוהה עם קצב מילוי קיבולת של 0.825 וזמן המתנה ממוצע קצר מוערך של 5.52 שעות. על ידי מקסום שביעות רצון ממוצעת של מטופלים (4.43/5.00) והפחתת חוסר איזון עומסים (0.195), מסגרת זו מספקת פרוטוקול מעשי לניתוב חכם לייעוץ וניהול פלטפורמה.

מבוא

ייעוץ רפואי מקוון הפך לאמצעי חשוב יותר ויותר של מתן שירותי בריאות, ומרחיב את הגישה לשירותים רפואיים מעבר למפגשים פנים אל פנים קונבנציונליים^. בסין, התרחבות הטלרפואה באינטרנט התחזקה על ידי פיתוח מדיניות, צמיחת שוק ואינטגרציה עמוקה יותר עם מערכת הבריאות הרחבה, מה שהופך את הייעוץ הדיגיטלי לרכיב חשוב יותר ויותר בארגון הבריאות². ראיות רחבות היקף מבתי חולים אינטרנטיים מצביעות על כך ששירותי ייעוץ מקוונים פועלים כיום בקנה מידה משמעותי, ומשמשים כחלק משמעותי ממתן שירותים שגרתיים ולא כתוספת שולית³. במקביל, טלרפואה אסינכרונית הרחיבה את תחום הטיפול מרחוק על ידי מתן דפוסי אינטראקציה גמישים, שיפור הנגישות ובמקביל להגדלת המורכבות התפעולית של פלטפורמות הייעוץ הדיגיטליות⁴.

ככל שהפלטפורמות הללו מתרחבות, לא ניתן לשפוט את ביצועיהן רק לפי זמינות טכנית. חוויית המטופל ואיכות השירות הפכו לתוצאות מרכזיות של מתן טיפול דיגיטלי⁵. מחקרים עדכניים הראו כי השימוש במערכות ייעוץ מקוונות קשור להבדלים מדידים בחוויית המטופל, במיוחד בנוגע לגישה, נוחות ותהליכי תור⁶. עם זאת, ייעוץ דיגיטלי יוצר גם עומס עבודה נוסף לרופאים, כולל טיפול בהודעות ועבודה מחוץ לשעות הקליניות השגרתיות, מה שהופך את ניהול היכולת לדאגה תפעולית מרכזית⁷. אתגר זה מתעצם בשל החלוקה הלא אחידה של הביקוש בין רופאים, משום שסימני שירות גלויים כמו ביקורות, דירוגים ומידע פרופיל נוסף יכולים לכוון את תנועת המטופלים לתת-קבוצה מוגבלת של רופאים בולטים⁸. לכן, הקצאת רופא-מטופל בפלטפורמות ייעוץ מקוונות אינה רק בעיית חיפוש בצד המטופל, שכן רופאים עשויים גם להראות העדפות תגובה סלקטיבית כאשר הם מתמודדים עם בקשות ייעוץ הטרוגניות⁹.

מנקודת מבטו של המטופל, הבחירה בייעוץ מקוון היא רב-ממדית במהותו. המשתמשים שוקלים בו זמנית את זמן ההמתנה, הכשרת הרופא, רמת בית החולים, מצב השירות ועלות הייעוץ בעת בחירת אפשרויות הטיפול¹⁰. בהתאם למורכבות זו, סקירה שיטתית עדכנית קבעה כי פלטפורמות ייעוץ רפואי מקוונות זקוקות למנגנוני המלצה המלצות המסייעים להפחית עומס מידע וליישר טוב יותר את צורכי המטופלים עם משאבי הרופאים¹¹. מחקרים מתודולוגיים החלו בהתאם להכניס גישות התאמה מובנית, כולל התאמה דינמית יציבה תחת מידע חלקי, כדי לשפר את ההקצאה בין רופא למטופל בסביבות ייעוץ מקוון¹². מחקרי המלצות עדכניים הדגישו עוד כי התאמת רופא-מטופל צריכה לשפר את יעילות ההקצאה תוך הפחתת ריכוז יתר של ביקוש סביב רופאים בולטים מבתי החולים^{המובילים.} ראיות בשיטות מעורבות מראות הטרוגניות משמעותית בהעדפות רפואה מרחוק, מה שמעיד כי לוגיקת הקצאה אחידה לכולם אינה סביר שתספיק בסולם^{פלטפורמה 14}. למרות ההתקדמויות הללו, הספרות הקיימת נוטה להתייחס לגורמים הקשורים להתאמה ולמגבלות יכולת הרופאים כבעיות נפרדות, אף על פי שפלטפורמות הייעוץ המקוונות חייבות לנהל בו-זמנית התאמה יחסית ויכולת ספיגת שירות¹¹.

כדי להתמודד עם הפער הזה, שיטה זו שואפת להקים מסגרת ניסיונית ניתנת להרחבה להתאמה בין רופא למטופל המודעת להתאמה ולקיבולת בפלטפורמות ייעוץ רפואי מקוונות רחבות היקף. ההיגיון מאחורי טכניקה זו הוא שאופטימיזציה של ההעדפה הקלינית או יכולת השירות של הרופא בבידוד מובילה לזמני המתנה ממושכים, עומסי עבודה לא שווים וחוויות ייעוץ לא אופטימליות. היתרון העיקרי של אסטרטגיה היברידית זו על פני טכניקות חלופיות מבוססות כללים או הקצאה חד-מטרה הוא יכולתה למודל יחד את צרכי המטופלים, מאפייני הרופא ומגבלות השירות הדינמיות לשמירה על איזון עומס עבודה ושביעות רצון גבוהה^{של מטופלים.} על ידי פירוט בניית ציון ההתאמה ההיברידי ותהליך ההערכה המבוסס קיפול, פרוטוקול זה מספק בסיס מעשי לניתוב ייעוץ חכם. הקוראים יכולים לנצל את המסגרת המתודולוגית הזו כדי לקבוע האם לוגיקת התאמה מודעת כפולה מתאימה לאופטימיזציה של מיון, הקצאת משאבים וניהול תהליכי עבודה באפליקציות הבריאות הדיגיטליות הספציפיות שלהם.

פרוטוקול

מאגר הנתונים של ההערכה ששימש בפרוטוקול זה דומה חישובית מהתפלגויות תפעוליות מצטברות ולא מזוהות, ולא כלל נתוני משתתפים אנושיים בפועל או מזוהה. כתוצאה מכך, המחקר נחשב פטור מסקירה אתית מלאה על ידי מועצת הביקורת המוסדית (IRB) של אוניברסיטת נינגבו-טק (פטור מס' NT9918276).

1. הכנת נתונים והגדרת קבוצה

1. הקם מאגר רופאים הכולל 240 רופאים פעילים באינטרנט בשמונה תחומי ייעוץ: רפואה פנימית, קרדיולוגיה, נוירולוגיה, דרמטולוגיה, ילדים, גינקולוגיה, אורתופדיה ופסיכיאטריה.
2. הוצא והגדר את המשתנים הבאים עבור כל רשומה רפואית: התמחות, מין, תואר מקצועי (מתמחה, רופא אחר, סגן ראש או ראש), רמת בית חולים (ראשי, משני או שלישוני), שנות עיסוק, שנות ניסיון בייעוץ מקוון, דמי ייעוץ, קיבולת ייעוץ יומית נומינלית, עומס יומי נוכחי, דירוג היסטורי, זמן תגובה ראשונה ממוצע, שיעור קבלה היסטורי, שיעור שירות מעקב, ואופן ייעוץ נתמך (טקסט, טקסט בתוספת קול, או טקסט בתוספת קול ועוד וידאו).
3. הקם מאגר בקשות מטופלים הכולל 3,600 בקשות ייעוץ.
   הערה: כדי להקשר את הממד הזמני של ההערכה, מאגר זה מכויל לייצג תקופת פעולה רציפה של 30 יום, הכוללת גם ימי חול סטנדרטיים וגם סופי שבוע. מסגרת זמן זו נועדה ללכוד שינויים מחזוריים שגרתיים בביקוש המטופלים תוך החרגה מפורשת של תקופות לא שגרתיות (למשל, חגים לאומיים מרכזיים או התפרצויות מגפות שיא) כדי לקבוע קו בסיס יציב ויציב להערכת ביצועים אלגוריתמית.
4. הוציא והגדר את המשתנים הבאים עבור כל בקשה למטופל: גיל, מין, התמחות יעד, רמת חומרה (נמוכה, בינונית או גבוהה), רמת דחיפות (שגרתית, דחופה או עדיפות), תקרת תקציב, מגדר רופא מועדף (זכר, נקבה, או ללא העדפה), מצב ייעוץ מועדף (טקסט, קול או וידאו), ביקורים קודמים בפלטפורמה, רמת מעורבות דיגיטלית, ספירת מחלות נלוות, דרגת עיר, ותקופת מגע מועדפת.
5. נקה את מאגר הנתונים על ידי החרגת רשומות עם ערכים חסרים בהתמחות, דמי ייעוץ, קיבולת יומית, עומס נוכחי, זמן תגובה ממוצע, חומרה, דחיפות, תקרת תקציב, אופן ייעוץ מועדף או מגדר רופא מועדף. ודא שכל הרשומות השמורים שלמות לפני שממשיכים ליצירת זוגות.

2. יצירת זוגות מועמדים

1. יצירת זוגות מועמדים של רופא-מטופל באמצעות כלל שליפה של התמחות ראשונה. לכל בקשת מטופל, יש לאסוף את הרופאים הראשונים שמתאימים למומחיות המיועד של המטופל.
2. הרחיב את חלון האיסוף לממחים סמוכים בתדר גבוה שעדיין פעילים בפלטפורמה באותו יום רק אם פחות משני רופאים פעילים עם קיבולת ייעוץ נותרת זמינים במומחיות הראשונית היעד הראשוני.
   הערה: בפרוטוקול זה, "סמיכות" מוגדרת מבנית על ידי דפוסי הפניות קליניות קבועות וחפיפה אנטומית או סימפטומטית (למשל, ניתוב מטופל מקרדיולוגיה לרפואה פנימית כללית), בעוד ש"תדירות גבוהה" מתייחסת ספציפית להתמחויות המדורגות ברבעון העליון (25% העליונים) של נפח בקשות הייעוץ היומיות ההיסטוריות בפלטפורמה.
3. קשר כל מטופל לשניים עד ארבעה רופאים מועמדים, במטרה להגיע למספר ממוצע אמפירי של כ-2.72 מועמדים לכל בקשה. קבע את שכבת הזוג המועמדת הסופית המכילה 9,785 זוגות. ראו איור 1 לשיטת העבודה הכוללת של הלימוד.

3. תפעול משתנים זוגיים

1. הגדר את כל המשתנים הזוגיים המשמשים בבניית ניקוד לפני ביצוע הבנצ'מרקינג. עיין בטבלה 1 להגדרות, ספים ומיפוי ציונים שנקבעו מראש.
2. קודד התמחות (S) כ-1 כאשר ההתמחות הרפואית זהה להתמחות המטופל היעד, ו-0 אחרת.
3. מצב קוד מתאים (M) כ-1 כאשר מצב התמיכה של הרופא מכסה במלואו את מצב המטופל המועדף, ו-0 אחרת.
4. קודד התאמה מגדרית-מועדפת (G) כ-1 כאשר המטופל בוחר ללא העדפה או כאשר מין הרופא תואם להעדפה מוצהרת, ו-0 אחרת.
5. קוד הנגישות (A) מתאימה ל-1 כאשר שכר הרופא נמוך או שווה לתקרה התקציבית של המטופל, 0.5 כאשר התשלום לא עולה על התקציב ב-20%, ו-0 כאשר התשלום עולה על התקציב ביותר מ-20%.
6. נרמול דירוג הרופא ההיסטורי באמצעות טווח רמת הרופא הנצפה (מינימום 4.10, מקסימום 4.98). חשב את ציון האיכות המנורמל (Q) באמצעות הנוסחה הבאה:
   (1)
   הגדר ערכים מתחת ל-4.10 לאחר החיתוך ל-0, וערכים מעל 4.98 ל-1.
7. הגדר התאמת דחיפות-תגובה (U) בהתבסס על דחיפות המטופל וזמן התגובה הראשונה הממוצע של הרופא כפי שמפורט בטבלה 1.
8. חשב את יחס עומס הרופאים על ידי חלוקת העומס היומי הנוכחי בקיבולת היומית הנומינלית. חשב את המשבצות שנותרו באותו יום על ידי הפחתת העומס היומי הנוכחי מהקיבולת היומית הנומינלית.
9. חשב את זמן ההמתנה המשוער (בשעות) באמצעות הנוסחה הבאה:
   
   מבנה זה משמש כהערכה היוריסטית בהשראת עקרונות תור בסיסיים, שבהם זמן התגובה הראשונה הממוצע של הרופא מופחת על פי שיעור השימוש בזמן אמת (עומס יומי נוכחי / קיבולת יומית).
   הערה: גורם התאמת הדחיפות מוגדר ל-0.80 לבקשות עדיפות, 0.90 לבקשות דחופות, ו-1.00 לבקשות שגרתיות. גורמי התאמה אלו מיושמים כמשקלים תפעוליים מוגדרים מראש כדי לאכוף ניתוב מועדף למקרים חמורים, ולא כמקדמים שמקורם אמפירית.

4. בניית ניקוד התאמת

1. בנה את מסגרת ההתאמה באמצעות מודול תאימות ומודול קיבולת, כפי שמפורט באיור 2.
2. חשב את ציון התאימות כצירוף ליניארי משוקלל של גורמי ההתאמה ממוקדי המטופל:
   (3)
3. חשב את ציון הקיבולת מציון יחס העומס (L), ציון החריץ הנותר (R) וציון זמן ההמתנה (W). הקצה את הציונים הקטגוריים עבור , , ועל בסיס הספים המוגדרים בטבלה 1. חשב את ציון הקיבולת כך:
   (4)
4. חשב את הציון ההיברידי הסופי על ידי שילוב רכיבי התאימות והקיבולת:
   (5)
5. קבע את סכמת המשקל 0.60–0.40 לפני ההערכה.
   הערה: יחס זה שנקבע מראש מונחה על ידי עיקרון יסודי של שירותי בריאות. התאמה קלינית והתאמה ממוקדת מטופל חייבות לשמש כקריטריון הניתוב העיקרי להבטחת בטיחות רפואית, תוך הטלת עונש מתמטי משמעותי על מגבלות קיבולת חמורות, בהתאם לספרות המיון המקובלת שמעדיפה התאמה קלינית על פני קצב תפעולי.
6. אין לכוון את המשקולות הללו לאחר בדיקת התוצאה כדי למנוע התאמת יתר ולהבטיח שחזוריות.
   הערה: חוקרים המאמצים פרוטוקול זה מומלצים מאוד לבצע ניתוחי רגישות מקיפים או להשתמש בטכניקות קבלת החלטות אובייקטיביות רב-קריטריות (למשל, תהליך ההיררכיה האנליטית [AHP] או משקל אנטרופיה) כדי להתאים את המסגרת לעומס התפעולי הספציפי של הפלטפורמה שלהם.

5. בחירת משחקים והשוואת אסטרטגיה

1. בצע בנצ'מרקינג על פני 12 קיפולי הערכה חוזרים. לכל קיפול, דגמו 300 בקשות מטופלים ללא החלפה מתוך מאגר המטופלים המלא.
   הערה: שיטת הדגימה האקראית הפשוטה הזו משמשת במכוון לסימולציה של הטבע הסטוכסטי והבלתי צפוי של זרמי הגעת מטופלים האופייניים לפלטפורמות ייעוץ מקוונות בזמן אמת, במקום להטיל איזון מבני מלאכותי על הביקוש הנכנס.
2. שמור את כל זוגות המועמדים המקושרים לבקשות שנבדקו בתוך הקפל הרלוונטי.
3. השווה ארבע אסטרטגיות הקצאה מובחנות באופן עצמאי על אותה שכבת זוג מועמד ספציפית לקיפול:
   1. לבסיס מבוסס כללים, דרג מועמדים לפי התאמה מדויקת למומחיות, אחר כך לפי דמי ייעוץ נמוכים יותר, ולבסוף לפי דירוג היסטורי גבוה יותר.
   2. באסטרטגיה של תאימות בלבד, בחרו את המועמד עם ציון ההתאמה הגבוה ביותר.
   3. באסטרטגיה מבוססת קיבולת בלבד, בחרו את המועמד עם ציון הכושר הגבוה ביותר.
   4. לאסטרטגיה ההיברידית, בחרו את המועמד עם הציון ההיברידי הגבוה ביותר.
4. בחרו את הרופא המועמד עם הציון הסופי הגבוה ביותר בהתאם לאסטרטגיה כהתאמה סופית לכל בקשה של מטופל.
5. פתור כל תיקו (ציונים זהים לשלוש ספרות עשרוניות) על ידי בחירת המועמד עם זמן ההמתנה המשוער הנמוך יותר, אחריו ציון תאימות גבוה יותר, ולבסוף דירוג היסטורי גבוה יותר.

6. חישוב תוצאה

1. חשב את התוצאות העיקריות: דיוק בדרגה 1, ריקול, וציון F1.
2. הקצו תוצאות אמת קרקעית לכל 9,785 זוגות המועמדים לפני השוואת ביצועים באמצעות התפלגויות הסתברותיות שמקורן במאגר הנתונים האמפירי הבסיסי.
   הערה: השתמשו בסביבה סינתטית מסומנת במלואה כדי לאפשר חישוב דיוק ושחזור לכל זוגות המועמדים. התאמה מוצלחת מושגת אם הייעוץ הושלם, ושביעות רצון המטופלים היא 4.0 בסולם של 5 נקודות, ואין ביקור חוזר של 14 יום עקב חוסר שביעות רצון או חוסר התאמה.
3. חשב דיוק בדרגה 1 כיחס המשחקים הסופיים שנבחרו העומדים בקריטריון ההצלחה במשחק.
4. חשב את הזיכרון כיחס כל זוגות המועמדים המוצלחים בתוך קיפול שנבחרו נכון על ידי האסטרטגיה. הסקת תוצאות לזוגות מועמדים לא נבחרים מהסביבה הסינתטית המסומנת במלואה שנקבעה בשלב 6.2.
5. ודא שמדד השליפה תופס במדויק את יכולת האלגוריתם לזהות את כל ההתאמות התיאורטיות האפשריות במאגר המועמדים המדומה.
6. חשב את ציון ה-F1 באמצעות הנוסחה הבאה:
   (6)
7. חישוב תוצאות משניות: שיעור מילוי קיבולת, זמן המתנה ממוצע, שביעות רצון ממוצעת של מטופלים, שיעור סיום ייעוץ, שיעור מעקב במשך 7 ימים, ושיעור שיפור מדווח.
8. חשב את מדד חוסר האיזון בעומס כדי להעריך את אי-האחידות של התפלגות עומס העבודה של הרופאים בכל קיפול:
   (7)
9. ממוצע את ההערכות הספציפיות של 12 פי כדי לקבל את ערכי הסיכום ברמת האסטרטגיה באמצעות שיעורי הציון המקוריות.
10. לבצע ניתוח רגרסיה לוגיסטית רב-משתנית בתוך תת-קבוצה של התאמות סופיות נבחרות כדי לזהות גורמים ברמת זוג הקשורים באופן עצמאי להתאמה מוצלחת.
11. כלול את המשתנים הבלתי תליים שנקבעו מראש בהתבסס על רלוונטיות תיאורטית: ציון התאמה, ציון קיבולת, זמן המתנה משוער, התאמה לנגישות, התאמת התמחות, התאמה להעדפה מגדרית, רמת חומרה ורמת דחיפות.
12. השתמש באסטרטגיית בחירת משתנים בכפייה במקום בגישה מדורגת כדי לשמר את המבנה התיאורטי של המודל.
13. העריך את הרב-קולינאריות באמצעות מקדם האינפלציה השונות (VIF). ודאו שכל ערכי ה-VIF נשארים מתחת ל-5.0 לפני הערכת המודל הסופית.
14. הגדר מובהקות סטטיסטית כ-p דו-זנבי < 0.05, ודווח על התוצאות כיחסי סיכויים מותאמים (aORs) עם רווחי ביטחון (CIs) תואמים של 95%.

תוצאות

מאפייני בסיס של מאגר הרופאים ומאגר הבקשות של המטופלים

מאגר הנתונים האנליטי המדומה כלל 240 רופאים ו-3,600 בקשות ייעוץ למטופלים. מאפייני הבסיס של שני צידי מערכת ההתאמה מסוכמים בטבלה 2, ודפוסי ההתפלגות בצד הפלטפורמה מוצגים באיור 3.

מתוך 240 הרופאים, 128 (53.3%) היו נשים. הקבוצה הראתה ממוצע ניסיון קליני של 9.34 שנים, דמי ייעוץ ממוצעים של 68.08 דולר, קיבולת ייעוץ יומית נומינ...

דיון

הפרוטוקול הנוכחי מדגים מסגרת התאמה מודעת להתאמה ויכולת בין רופא למטופל במסגרת ייעוץ רפואי מקוון רחבת היקף. האסטרטגיה ההיברידית השיגה את הביצועים הכוללים המאוזנים ביותר מבחינת דיוק התאמה, זמן המתנה, ניצול קיבולת, שביעות רצון מטופלים וחלוקת עומס העבודה. תוצאה זו קריטית כי ייעוץ דיגיטלי לא רק מרחיב את הגישה אלא גם מעביר את העבודה הקלינית לפעילות לאחר שעות העבודה, ומגדיל את העומס הנסתר כאשר לוגיקת ההקצאה מפספסת את קליטת השירות. עדויות עדכניות מראות כי ביקוש דיגיטלי מוגבר קשור לעלייה בעבודת ר...

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה

שם	חברה	מספר קטלוג	הערות
זוגות מועמדים של רופא-מטופל	שנוצרו על ידי המחקר	לא חל	נגזרות משתנה זוגיות ובחירת התאמה (9,785 זוגות מועמדים)
IBM SPSS Statistics	IBM Corp.	https://www.ibm.com/products/spss-statistics	ניתוח סטטיסטי (גרסה 27)
Microsoft Excel	Microsoft Corporation	https://www.microsoft.com/microsoft-365/excel	ניהול נתונים ותקציר תיאורי (גרסה 2021)
רשומות בקשות מטופלים	שנוצרו על ידי המחקר	לא חל	מאפייני בסיס מצד המטופל ופרמטרים העדפה (3,600 בקשות ייעוץ)
רשומות רופאים	שנוצרו על ידי המחקר	לא חל	מאפייני בסיס מצד הרופא ופרמטרים קיבולת (240 רופאים פעילים)
Python	קרן תוכנת Python	https://www.python.org	סימולציה, בניית ציון והשוואה (גרסה 3.11)