An Approach to the Modeling and Simulation of Intra-Hospital Diseases

• Lucas Maccallini ^[1] ; Diego Omar Encinas ^[1] ; Fernando Romero ^[1]
  1. [1] Universidad Nacional de La Plata

     Universidad Nacional de La Plata

     Argentina

     
• Localización: Journal of Computer Science and Technology, ISSN-e 1666-6038, Vol. 21, Nº. 2, 2021
• Idioma: inglés
• Títulos paralelos:
  • Un Acercamiento a la Modelización y Simulación de Enfermedades Intra-Hospitalarias
• Enlaces
  • Texto completo
• Resumen
  • español

    En esta publicación se presenta una versión preliminar de un simulador inicial para recrear una gran cantidad de escenarios y tomar decisiones ágiles en la planificación de un sistema real de sala de emergencias. Una modelización y simulación centrada en la prevalencia puntual de infecciones intrahospitalarias en una sala de emergencias y cómo se ve afectada por diferentes factores relacionados con la gestión hospitalaria. Para realizar el modelado del simulador se utilizó el paradigma de Modelado y Simulación Basado en Agentes (ABMS). Así, se clasificaron diferentes agentes intervinientes en el entorno de urgencias —pacientes y médicos, entre otros—. El usuario perteneciente al sistema de salud dispone de diferentes parámetros para configurar la simulación, como el número de pacientes, el número de camas disponibles, etc. En base a las pruebas realizadas y las mediciones obtenidas, se concluye que el modelo de propagación de la enfermedad relativo al tiempo y área de contacto de los pacientes tiene mayor precisión que el modelo puramente estadístico de la unidad de cuidados intensivos.

  • English

    This publication presents an approach to a simulator to recreate a large number of scenarios and to make agile decisions in the planning of a real emergency room system. A modeling and simulation focused on the point prevalence of intrahospital infections in an emergency room and how it is affected by different factors related to hospital management. To carry out the simulator modeling, the Agent-based Modeling and Simulation (ABMS) paradigm was used. Thus, different intervening agents in the emergency room environment — patients and doctors, among others— were classified. The user belonging to the health system has different data to configure the simulation, such as the number of patients, the number of available beds, etc.

    Based on the tests carried out and the measurements obtained, it is concluded that the disease propagation model relative to the time and contact area of the patients has greater precision than the purely statistical model of the intensive care unit.