共享病床下的医疗旅游医院容量管理：患者行为与混合仿真

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

医疗旅游研究长期被两条线分割：旅游管理一侧解释病人为何跨境（价格、等待、质量感知与目的地吸引力），运营研究一侧把跨境病人当作需要排期的“案例”。两条线都没有回答一个具体问题：当国际病人与本地病人从同一批床位、同一批专家、同一批号源中取用时，科室应当如何配置资源。本文的切入点是模型结构本身——医院容量模型惯用 DES 刻画流程，而把病人行为当作外生扰动或直接省略；作者主张，若渠道选择、换医、中途放弃、服药依从性导致病情恶化这些机制在系统内部生成需求，省略它们会让管理者看到的运营风险系统性偏低。

缺口由三条文献线的交叉得到。其一，混合 ABS+DES 已用于骨科门诊（Kittipittayakorn & Ying, 2016）、过期妊娠门诊（Viana et al., 2018）、急诊留观与病房准入（Landa et al., 2026）、临床人员的分布式态势感知（Alhaider et al., 2025），但均不涉及医疗旅游场景或本地—国际共用科室。其二，医疗旅游运营研究（Rezaeiahari & Khasawneh, 2017/2020；Bakhshandeh & Mirzapour Al-e-Hashem, 2024；Zhou et al., 2022）把游客视作待排期的对象，行为至多以变异形式进入。其三，床位池化与准入研究（Bekker et al., 2017；Izady & Mohamed, 2021；Gong et al., 2022）与设计实验（Baril et al., 2014；Corsini et al., 2024；Gjerloev et al., 2026 的综述指出 86 项设计实验仅 7 项在医疗领域）各自只动一根杠杆。本文把三者合一：双群体共用的科室、行为内生的混合模型、对管理决策的 16 因子联合筛选。

I. Theoretical Framework & Hypotheses（理论框架与假设）

本文不提出形式化的行为理论，其分析框架由三块构成：混合仿真范式、病床池化与准入规则、以及模型结构敏感性。DES 负责护理流程的时序与资源占用，ABS 负责病人在流程节点上的决策；两者的耦合点是双向闭环——病人的决定改变流向各资源的流量，流量改变等待，等待又反过来改变病人的决定（换医、放弃、转渠道）。这一闭环正是纯 DES 无法表达的反馈，也是本文与既有混合模型在建模意图上的差别：行为不是被外部施加的变异，而是由模型内部的规则生成。

病床共享的立论来自排队网络的池化效应：在大规模系统中共享少量床位即可获得接近完全池化的收益（Bekker et al., 2017）；当病人愿意等待的时间较短时，按专科分组的溢出病区优于专用病区与完全柔性病区（Izady & Mohamed, 2021），且床位分配可在其内部优化（Gong et al., 2022）。本文据此规定只有临床相容的科室可互借床位：心内科、内科、乳腺肿瘤共享，整形外科（择期为主）与儿科（需专用病区）不参与。

M. Materials & Methods（材料与方法）

范式与软件：DES 与 ABS 的混合建模，平台为 AnyLogic（Borshchev, 2013）。流程层走登记→分诊→问诊（结果分为出院、居家治疗或申请住院）→入院排队→住院→出院，多数病种需要多次复诊；主体层含病人 agent、医生 agent 与科室 agent，医生 agent 携带固定周排班（诊室、查房、线上、线下、阅片五种状态），流程层只有在其处于允许该服务类型的状态时才排入约诊。

agent 数与仿真周期：科室 agent 5 个（心内、内科、整形外科、儿科、乳腺肿瘤）；全科医生 agent 3 名（持续在岗）；专科医生 agent 在筛选基线下 14 名（1/6/2/2/3），对比配置下 19 名（3/5/3/3/5）。病人 agent 按到达率逐批生成，对比配置每日 16 人、300 天报告期约 4,640 人次到达；筛选用每日 24 人、每次 365 天。论文未报告同时在场的病人 agent 峰值。时间推进为事件驱动，无固定时间步长；每次运行先跑 10 天预热期，不计入任何统计。

16 因子 256 次部分因子设计：全因子需 2¹⁶=65,536 次，本文取 1/256 的 256 次分数设计，用 R 的 FrF2 包（Grömping, 2014）生成，分辨度 V（定义关系最短字长为 5），主效应不与二因子交互混杂、二因子交互彼此不混杂，但两者都可与高阶交互混杂（按效应稀疏原则假定高阶项很小）。每个设计点只跑一次（unreplicated），残差同时含仿真变异与未拟合的高阶效应。

筛选模型：对每个绩效指标拟合 Y=β₀+Σβ_ix_i+Σβ_ijx_ix_j（i=1…16），系数在 5% 水平显著即保留交互项，不施加层级约束、不做多重比较校正、排除三阶及以上交互。每个响应检验 16 个主效应与 120 个二因子交互，六个响应共 816 项，纯偶然预计约 40 项被保留，因此单个小系数只当作待确认线索而非既定效应。

标定与验证：输入来自对 Takhte Jamshid 医院与 Mehr Clinic 两处医生和员工的访谈（路径、渠道、分诊、排班、入院、优先规则、相容借床、恶化触发路径），服药依从性组件另由现场研究、专家意见与问卷诱导共同确定；服务时间按专科与就诊类型取三角分布。验证按 Sargent (2010)、Robinson (2014) 与医疗仿真报告规范（Monks et al., 2019；Zhang et al., 2020）分三层报告：概念结构是否符合诊疗流程、输入是否贴合案例、模拟行为在运营上是否合理（队列水平与吞吐是否收敛到稳定模式）。作者明言这支撑的是表面效度与案例贴合，不是对独立医院数据的预测性验证；受访人数与角色未做可报告记录，复现性受限。

公共管理与资源配置的连接：本文的决策变量正是公共医疗资源配置的核心口径——床位与专科人力（容量）、转诊入口（渠道）、入院排序（优先规则与公平）、号源长度（排班密度）。把病人行为内生，等价于把“需求会随政策和等待而变化”这一公共管理常识写进模型，从而检验“增床还是增人”“扩线上还是守线下”“游客优先会不会挤占本地人”这类政策权衡在仿真中是否成立。

对照设计：混合模型与“纯 DES 版”在同一配置下比较，后者保留流程、资源配置与借床例程，移除五类行为机制（放弃、换医、行为相关的渠道选择、依从性效应、行为相关的问诊时长）。差异因此是组合效应，不归因于任一机制。两版独立随机种子运行，混合 30 次、纯 DES 36 次（次数不等系运行排程所致），报告均值与 95% CI，用 Welch t 检验、Mann–Whitney 稳健性检验与 Holm 校正；住院入院等待时间为预设主要结局。

R. Results（结果）

六个绩效指标与读取优先级：早期放弃（越少越好）、系统平均等待（越少越好）、医疗游客入院等待（越少越好）、预约前急诊（越少越好）、康复人数（越多越好）、专科医生利用率（越多越好）。案例方预设的权衡次序为：游客入院等待 > 系统平均等待 > 早期放弃 > 预约前急诊 > 康复人数 > 专科利用率。

交互：对游客入院等待，最具信息量的是 MO、KO、LO，均在 M 高、O 低或线上份额低时最优——在测试的入院规则下，线上入口反而拉长游客等待，其对系统的收益来自本地渠道。急诊侧的关键是专科数与号位间隔的交互（FP、GP、JP）：P 处于低水平时急诊最低，此后增加医生边际作用很小，说明“收紧号位”是测试区间内的主导杠杆。利用率侧的关键是床位与专科数的交互（AF）：床位高、专科少时利用率最高，说明床位受限时增加医生收益有限。Table 6 在案例优先级下给出示例设定：A–E 全取高、G 与 H 取低、J 取高、L 取低、F 取低、I 无保留效应，其余依主效应与交互面确定；作者强调这是测试区间内的示例而非最优策略。

混合 vs 纯 DES：对比配置刻意设为床位受限点（五科室床位 30/16/22/2/16，专家 3/5/3/3/5，号位 2 分钟，每日 16 人），全部床位数低于筛选用低水平，专家数在四个科室达到或超过基线。混合 30 次、纯 DES 36 次独立重复：

主要结局的 11.0 天差值约合 42%；Cohen's d=3.6，Mann–Whitney 结论一致，Holm–Bonferroni 校正后五个受检指标仍全部 p<0.001。游客专属等待（8.1 对 4.7 天）仅作报告不作检验，因为两版模型贡献该均值的病人群体不同（纯 DES 版不会生成“放弃后重新出现”的游客）。稳健性：在床位受限点把需求提到每日 24 人，等床为 22.7（21.9–23.5）对 30.2（28.5–31.8）天，约低 25%（Holm 校正 p<0.001），但系统等待的差异此时不显著（p=0.067）；改用筛选用基线床位与专家数、每日 24 人时，两条入院队列都缩短，等床 2.9（2.5–3.4）对 8.3（5.8–10.8）天，约低 64%（校正 p<0.001），纯 DES 的队列波动明显更大，游客等待不再有清晰差别（2.6 对 3.7 天）。作者强调，这些区间与 p 值刻画的是仿真运行间的变异，不是真实医院的不确定性。

a / D. Discussion & Conclusion（讨论与结论）

管理含义：（1）住院容量优先于专科扩张——筛选中床位驱动两种等待，专科数对游客入院等待无任何保留效应，且 AF 交互显示床位受限时增加医生的边际收益很低；（2）渠道设计与准入优先权必须一起看——线上转诊排在入院队列后段，扩大线上份额会拉长游客等待，优先权则把游客的等待成本转嫁给本地病人，作者承认“能优先到什么程度”是管理判断而非模型能回答的问题；（3）号位间隔是最便宜的可动杠杆，2 分钟可降系统等待与急诊、提康复与利用率，但抬高早期放弃并加重专家负荷，且不能解除住院瓶颈；（4）模型结构本身影响结论——纯 DES 版在放弃、急诊、康复三项上“更好看”，只是因为相应通路不存在，简化模型会系统性低报运营风险。

公共管理与资源配置含义：对卫生主管部门而言，本文把“增床 vs 增人”“扩线上 vs 守线下”“本地优先 vs 游客优先”这三类常见政策争论放进同一个可比较框架，并给出方向性结论：在床位受限时先动床位和入院规则，数字渠道扩容须与准入规则配套，否则会把成本转嫁到最缺议价能力的一方。但作者也提醒，这类结论目前只能用于筛选假设与暴露权衡，不能直接充当预算裁定的依据。

局限：结论来自伊朗一家医院；验证只有案例贴合与表面效度，两版模型都未与实测等待时间比对，42% 的差距衡量的是模型结构敏感性而非可节省的等待；筛选每个设计点单次重复，约 40 项保留效应可能纯属偶然；对照只覆盖三个运营点且行为机制整组移除，无法分离单一机制；借床例程按实现从不真正增加床位（转移量常为零或负，负值还会压低借入科室的床数），而运行日志不记录科室床位数，因此结果并未真正评估床位共享，且这一缺陷可能以不同幅度影响两版的对照；行为输入固定为诱导值，10 天预热期未按入院队列收敛时间调校，外部冲击不在模型内。未来工作包括修正借床规则、变动行为输入、分离各行为机制、重复筛选设计并在其他医院检验该框架。