Фреймворк моделирования для оценки электронных рабочих процессов приказов в интегрированных медицинских записях

Почему невидимая цифровая бумажная работа важна

Каждый раз, когда врач назначает анализ крови, рентген или консультацию специалиста, этот запрос проходит по лабиринту внутри электронной медицинской записи (ЭМЗ). Если цифровой путь медленный или застревает, пациенты дольше ждут помощи, а персонал тратит время на выяснение статуса. В этой статье описан новый способ «тест-драйва» таких скрытых электронных рабочих процессов с помощью компьютерного моделирования, чтобы больницы могли безопасно изучать, как изменения в программном обеспечении, кадрах или спросе могут повлиять на задержки и накопления до того, как это почувствуют пациенты.

Превращение сырых кликов в понятную картину

Авторы сосредоточились на Администрации ветеранов — крупнейшей интегрированной системе здравоохранения в Соединённых Штатах. В её ЭМЗ фиксируется каждый шаг электронного приказа, но данные разбросаны по множеству технических таблиц и меток времени. Команда сначала перевела этот хаос событий в простой, универсальный набор состояний, который любой человек сможет распознать в процессе: приказ создан (Created), готов (Ready), зарезервирован для выполнения (Reserved), находится в процессе выполнения (InProgress) и, наконец, завершён (Completed), или он может закончиться в проблемных состояниях, таких как Failed, Exited или Error. Это отображение, основанное на международном стандарте для бизнес‑рабочих процессов, превратило беспорядочные логи в чистые, сопоставимые цифровые «трек‑записи», показывающие, как приказы на самом деле перемещаются по системе.

Построение виртуальной тестовой трассы для приказов

Используя эти стандартизованные треки, исследователи создали дискретно‑событийную симуляцию — компьютерную модель, которая воспроизводит движение тысяч приказов от состояния к состоянию во времени. Они откалибровали модель на реальных данных из пяти больниц для ветеранов, задав частоту переходов и типичные времена их выполнения, включая редкие, но очень длительные задержки. Затем они проверили, насколько хорошо моделируемое «время в системе» для приказов соответствует историческим данным, применив статистические тесты и сопоставительные графики. Смоделированные и реальные временные линии тесно совпали между учреждениями, особенно для типичных случаев, что дало уверенность в том, что виртуальная система ведёт себя похоже на реальную и может использоваться для экспериментов «что‑если».

Тестирование системы под нагрузкой

Далее команда использовала модель для решения практических задач: что произойдёт, если поступит больше приказов или если ключевые этапы ограничены персоналом или оборудованием? В одном наборе экспериментов они увеличили объём приказов и ввели ограничения на число приказов, которые могли обрабатываться на критических этапах, таких как переход из Reserved в InProgress или из InProgress в Completed. Когда ограничений не было, система поглощала более высокий спрос с лишь умеренным ростом очереди. Но как только появились лимиты, накопления быстро разрастались, и система испытывала трудности с достижением стабильного состояния, особенно при повышенной нагрузке. По сути, скромные ограничения ресурсов превращали управляемый всплеск в переломный момент, когда задержки и незавершённые приказы резко увеличивались — вывод, который может помочь в планировании кадров и мощностей.

Следуя объездным путям и петлям

Исследователи также изучили, как небольшие изменения в правилах маршрутизации распространяются по системе. Когда они усложнили возможность приказам напрямую переходить из Ready в Completed, больше приказов было вынуждено проходить через Reserved и InProgress. Это на время сократило общую пропускную способность и создало более длинные, запутанные маршруты, при этом некоторые приказы возвращались назад по нескольку раз и проводили в системе намного больше времени. Визуализируя наиболее распространённые пути и считая, как часто приказы «возвращаются» в ранние состояния, модель подчёркивает места, где переделки и повторная обработка незаметно потребляют время персонала. Сетевой анализ цифровых маршрутов показал, что три состояния — Reserved, InProgress и Completed — действуют как центральные узлы и потенциальные узкие места, где наиболее вероятно появление перегрузок и где более пристальный мониторинг принесёт пользу.

Использование цифрового двойника для поддержания движения ухода

Для неспециалистов главный вывод состоит в том, что авторы создали своего рода цифровой двойник для приказов в ЭМЗ: безопасную, основанную на данных песочницу, где руководители могут отрепетировать изменения до того, как они коснутся пациентов. Исследование показывает, что этот подход реалистично отражает, как электронные приказы перемещаются, где они застревают и как изменения политик или всплески спроса могут создавать скрытые очереди и задержки. Больницы могли бы использовать такие симуляции для тестирования новых правил, планирования на случай всплесков, наблюдения за ключевыми состояниями для раннего обнаружения проблем и сокращения бесполезной переделки. Сделав невидимую «водопроводную систему» цифровых приказов надёжнее, они помогут тому, чтобы за кулисами технологии поспевают за срочностью ухода за пациентами.

Цитирование: Chen, Y., Niu, H., Omitaomu, O.A. et al. A simulation framework for evaluating electronic order workflows in integrated health records. npj Health Syst. 3, 14 (2026). https://doi.org/10.1038/s44401-026-00067-2

Ключевые слова: электронные медицинские записи, моделирование рабочих процессов, операции в здравоохранении, цифровой двойник, Администрация ветеранов