Entegre sağlık kayıtlarında elektronik sipariş iş akışlarını değerlendirmek için bir simülasyon çerçevesi

Görünmez Dijital Evrakın Neden Önemi Var

Her doktor bir laboratuvar testi, röntgen veya uzman konsültasyonu istediğinde, bu talep elektronik sağlık kaydı (EHR) içinde bir labirentten geçer. Bu dijital yolculuk yavaşsa veya takılıyorsa, hastalar bakım için daha uzun süre bekler ve personel durum güncellemelerini kovalamak için zaman kaybeder. Bu makale, hastanelerin yazılım, personel veya talepteki değişikliklerin gecikmeleri ve birikmeleri nasıl etkileyebileceğini hastalar hissedene kadar güvenli biçimde keşfetmelerine olanak tanıyan, bu gizli elektronik iş akışlarını bilgisayar simülasyonu ile “test sürüşüne” çıkarma yöntemini anlatır.

Ham Tıklamaları Anlaşılır Bir Hikâyeye Çevirmek

Yazarlar odaklarını Amerika Birleşik Devletleri’nin en büyük entegre sağlık sistemi olan Gaziler Sağlık İdaresi (Veterans Health Administration) üzerine koydular. EHR her elektronik siparişin attığı her adımı kaydediyor, ancak veriler birçok teknik tablo ve zaman damgasına dağılmış durumda. Ekip önce bu olay karmaşasını herkesin bir süreçte tanıyabileceği basit, evrensel bir durum setine çevirdi: bir sipariş Oluşturuldu, Hazırlandı, İş için Rezerve edildi, İlerleme İçinde (InProgress) konumuna geçti ve sonunda Tamamlandı; ya da Başarısız, Çıkış yaptı veya Hata gibi sorunlu durumlarla sonlanabilir. İş akışları için uluslararası bir standarda dayanan bu eşleştirme, dağınık günlükleri siparişlerin sistem içinde gerçekten nasıl hareket ettiğini gösteren temiz, karşılaştırılabilir dijital “izlere” dönüştürdü.

Siparişler için Sanal Bir Test Parkuru Kurmak

Bu standardize edilmiş izlerle araştırmacılar ayrık olay simülasyonu—siparişlerin zaman içinde durumdan duruma nasıl ilerlediğini binlerce kez canlandıran bir bilgisayar modeli—oluşturdu. Modeli beş Gaziler hastanesinden gerçek verilerle kalibre ettiler; her geçişin ne sıklıkla gerçekleştiğini ve tipik olarak ne kadar sürdüğünü, nadir ama çok uzun gecikmeleri de dahil ederek girdiler olarak verdiler. Ardından simüle edilen “sistemdeki zaman”ın geçmişle ne kadar uyuştuğunu istatistiksel testler ve yan yana çizimler kullanarak kontrol ettiler. Simüle edilen ve gerçek zaman çizelgeleri tesisler arasında, özellikle tipik vakalar için, yakından uyuştu; bu da sanal sistemin gerçek sistem gibi davrandığına ve “ya olursa” deneyleri için kullanılabileceğine güven verdi.

Baskı Altında Sistemi Stres Testine Sokmak

Araştırma ekibi sonra modeli pratik sorular sormak için kullandı: Daha fazla sipariş gelirse ya da kritik adımlar personel veya ekipman tarafından sınırlanırsa ne olur? Bir dizi deneyde sipariş hacmini artırdılar ve Rezerve edilenden İlerleme İçine veya İlerleme İçinden Tamamlandı’ya geçiş gibi kritik adımlarda aynı anda kaç sipariş işlenebileceğine üst sınır koydular. Sınır olmadığında sistem, beklemede olan siparişlerde yalnızca ılımlı bir artışla daha yüksek talebi emdi. Ancak sınırlar getirildiğinde, birikmeler kabardı ve sistem özellikle yüksek talep altında kararlı bir duruma ulaşmakta zorlandı. Özetle, makul düzeydeki kaynak kısıtları yönetilebilir bir dalgalanmayı gecikmelerin ve tamamlanmamış siparişlerin hızla arttığı bir kırılma noktasına dönüştürdü—bu da personel ve kapasite planlamasına rehberlik edebilecek bir içgörü sunuyor.

Sapakları ve Döngüleri İzlemek

Araştırmacılar ayrıca yönlendirme kurallarındaki küçük değişikliklerin sistemde nasıl dalga yarattığını inceledi. Siparişlerin doğrudan Hazır durumundan Tamamlandı’ya kısa yol almasını zorlaştırdıklarında, daha fazla sipariş Rezerve ve İlerleme İçine zorla yönlendirildi. Bu durum bir süre için genel verimi azalttı ve bazı siparişlerin birden çok kez geri döndüğü, sistemde çok daha fazla zaman geçirdiği daha uzun, daha dolaşık yollar yarattı. En yaygın yolları görselleştirip siparişlerin ne sıklıkla daha önceki durumlara “geri döndüğünü” sayarak, model yeniden işleme ve tekrarlı elleçlemenin personel zamanını sessizce nerede tükettiğini ortaya koyuyor. Dijital güzergâhların ağ analizleri üç durumun—Rezerve, İlerleme İçinde ve Tamamlandı—merkezi düğümler ve tıkanıklığın en olası görüneceği, daha yakın izlemenin fayda sağlayacağı potansiyel darboğazlar olarak hizmet ettiğini gösterdi.

Bakımı Hareketli Tutmak İçin Bir Dijital İkiz Kullanmak

Uzman olmayanlar için temel çıkarım, yazarların EHR siparişleri için bir tür dijital ikiz inşa etmiş olmalarıdır: değişiklikleri hasta etkilenmeden önce prova edebilecekleri güvenli, veri odaklı bir kum havuzu. Çalışma, bu yaklaşımın elektronik siparişlerin nasıl hareket ettiğini, nerede takıldığını ve politika ayarlamaları veya talep sıçramalarının nerede gizli kuyruklar ve gecikmeler yaratabileceğini gerçekçi bir biçimde yansıtabileceğini gösteriyor. Hastaneler bu tür simülasyonları yeni kuralları test etmek, dalgalanmalara hazırlanmak, erken sorun işaretleri için kilit durumları izlemek ve israflı yeniden işlemleri azaltmak için kullanabilir. Bunu yaparak dijital siparişlerin görünmez altyapısını daha güvenilir hale getirebilir ve sahne arkasındaki teknolojinin hasta bakımının aciliyetiyle aynı hızda ilerlemesini sağlamaya yardımcı olabilirler.

Atıf: 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

Anahtar kelimeler: elektronik sağlık kayıtları, iş akışı simülasyonu, sağlık hizmetleri operasyonları, dijital ikiz, Gaziler Sağlık İdaresi