Solutions pilotées par modèle pour la planification des patients dans la gestion des admissions et des chirurgies

La planification efficace des patients est essentielle pour améliorer l’efficacité des ressources médicales et la satisfaction des patients dans le système de santé. Cette thèse présente des modèles mathématiques et des approches de solution pour le problème de planification des admissions de patients statiques/stochastiques et le problème de planification des cas chirurgicaux dans des salles d’opération flexibles sous incertitude. En raison de la complexité de ces problèmes, qui impliquent de multiples contraintes et incertitudes, des méthodes de résolution innovantes telles que l’optimisation en deux phases, l’approximation hybride de la moyenne des échantillons avec variable d’état (SAA-SV), la planification intégrée proactive et réactive, et l’optimisation de simulation en trois phases sont proposées. De plus, des approches de modélisation avancées comme l’agrégation de contraintes, la modélisation aléatoire basée sur des scénarios, et la modélisation à variable d’état sont développées pour créer des modèles de taille réduite afin d’améliorer l’efficacité de leur résolution. Des études computationnelles réalisées sur un ensemble d’instances de référence démontrent l’efficacité des méthodes proposées en comparaison avec les méthodes de l’état de l’art. Des expériences supplémentaires sont menées pour évaluer le rôle des composants clés des méthodes proposées.