基于离散事件仿真的航空医疗后送卫勤决策支持模拟系统设计

张晓丽，张家康，张莉莉，张蓝宁，郑媛憬，钟方虎

（空军特色医学中心，北京 100142）

0 引言

航空医疗后送又称空运医疗后送，是医疗后送的重要方式，具有机动、敏捷、时效性高的优点，适合危重伤员的快速转运和远距离后送[1]。“在正确的时间，选择正确的空运后送工具，对伤员进行正确的处置，将其送到正确的救治地点”是英、美等发达国家军队空运医疗后送普遍遵循的原则和理念[2]。少量伤员的空运后送较为简单，按照救治阶梯逐级后送或越级后送到合适的救治机构即可，而批量伤员空运后送的组织和规划较为复杂，涉及的因素较多，如根据航线规划伤员的后送地点、根据救治机构的能力规划空运后送的路线、根据伤情对空运伤员进行分类、根据伤员的需求申请卫生物资和专业人员等[3]。如何针对战场环境和灾害情况，伤员数量、伤情、伤势等科学调派卫生资源，做好批量伤员航空医疗后送过程的统筹与决策，一直是空军卫勤保障的重难点问题。仿真技术的日趋发展完善为医疗后送的决策形成提供了一种新的选项。目前，我军还没有基于仿真技术的专用航空医疗后送决策支持系统。本文对灾害救援、大规模作战等场景下的批量伤员空运医疗后送的决策过程进行模拟，设计基于离散事件仿真的平战时批量伤员航空医疗后送卫勤决策支持模拟系统，针对卫生资源合理配置和科学调派的问题提供决策支持工具，能够科学统筹航空医疗后送的过程管理，大大提升卫勤指挥人员的决策水平和能力[4]。

1 系统设计

1.1 设计思路

决策支持系统是一种通过数据、模型和知识以人机交互的方式辅助决策者进行半结构化或非结构化决策的计算机应用系统[5]。决策者能够在系统中分析问题、整理数据、建立模型、模拟决策实施过程，并通过调用各种分析工具对决策实施效果进行评估，寻找较优的决策方案，以提高决策的水平和质量。决策可按性质分为3类：一是结构化决策。决策场景的复杂度较低，能够通过确定的模型来描述决策场景及规则，并能够通过适当的算法计算出最优决策方案。二是非结构化决策。决策场景具有很高的复杂度，无法通过确定的模型来描述决策场景及规则，也无法通过适当的算法计算出最优决策方案。三是半结构化决策。决策场景的复杂度介于以上二者之间，能够通过确定的模型来描述决策场景及规则，并能够通过适当的方法评估决策方案的实施效果，以寻找相对较优的决策方案[6]。

批量伤员通过分级救治体系进行救治与后送的决策过程无法通过建立简单明确的模型及适当的算法直接计算出最优决策方案。结构化决策的思路和方法不适合用于空运医疗后送的决策过程，采用半结构化决策的思路来设计决策支持系统较为合适。航空医疗后送卫勤决策支持模拟系统不仅能对航空医疗后送的决策进行建模，包括建立任务场景模型和拟订决策方案等，还要能够对决策的实施情况进行定量分析，以评估其效果，用户可在效果评估的基础上对决策方案做出改进，并通过多次迭代上述过程得到最优方案[7]。

1.2 总体设计

本系统支持模拟航空医疗救援决策场景，并对决策实施过程进行仿真推演，用户基于仿真结果对决策方案进行完善和改进，而后可基于改进后的方案再次建模和推演，经过多次迭代后得出较优的决策方案。系统辅助用户进行决策的运行流程如图1所示。

图1 系统决策过程

1.3 网络架构

系统采用浏览器/服务器（Browser/Server，B/S）架构开发，用户通过PC客户端浏览器访问系统。系统网络架构如图2所示。

图2 系统网络架构图

客户端与服务端之间的交互使用超文本传输协议（hyper text transfer protocol，HTTP），采用超文本标记语言（hyper text markup language，HTML）访问与Ajax交互方式相结合的方式，Ajax交互数据需要符合 JSON（JavaScript object notation）格式标准。Ajax异步交互能力使得用户界面的呈现更加平滑，响应速度比传统页面更快。低冗余度的JSON格式数据可以降低客户端与服务端数据交互的带宽占用，有利于提高系统的访问性能。

服务端包含应用服务器与数据库服务器。应用服务器用于部署系统，数据库服务器则部署MySQL数据库系统，用于存储系统数据。数据库服务器可以选择性地部署集群或双路热备等。应用服务器与数据库服务器的分离有利于提高系统的安全性，同时有利于提高系统的稳定性和负载能力。如果对数据库服务器进行集群部署或双路热备，数据存储的安全性和稳定性都会得到有效保障，同时数据访问的性能也会明显提升。应用服务器、数据库服务器可以分布到多个物理主机上，也可以集中在一台物理主机上，以便于节约部署成本，同时具备扩展能力。

1.4 技术架构

系统的技术架构如图3所示。系统架构分为PC客户端、服务端两部分，采用B/S结构部署，其中应用服务器采用Tomcat 9.0。整个系统采用Java语言开发，符合J2EE规范。

图3 系统技术架构图

1.4.1 PC客户端

客户端通过浏览器访问系统，系统界面以Web页面的形式呈现，使用基于HTTP的Ajax异步通信技术实现与服务端之间的通信，数据传输采用JSON格式。

客户端页面使用HTML5、JavaScript（ES6）、UmiJS、ReactJS、Ant Design等技术或框架构建。HTML5实现页面的基本元素和布局。JavaScript（ES6）实现页面的动态响应和与后端的Ajax异步通信。ReactJS用于渲染和控制页面所需全部UI组件。Ant Design是系统的基础Web UI组件库，基于ReactJS环境运行，提供页面的大部分基础UI组件。

1.4.2 服务端

服务端采用J2EE技术体系构建，采用经典3层架构设计，将系统分为展示层、业务层和数据层。

展示层基于SpringMVC框架构建，实现系统的页面展示、页面流转并响应用户交互请求。Spring－MVC框架主要包含View视图和Controller控制器2个部分，View视图用于完成页面展示，Controller控制器则用于控制页面流转和响应交互请求。

业务层基于SpringIOC框架构建，实现系统的所有业务逻辑，以Service服务的形式向展示层提供业务逻辑调用接口，展示层通过向下调用Service服务实现宏观业务操作。

数据层基于Mybatis持久层框架构建，以数据库访问对象（data access object，DAO）数据访问接口的形式向业务层提供数据访问能力，业务层通过向下调用DAO数据访问接口实现数据读写。数据层还整合Spring框架的事务管理模块以实现数据一致性。

系统架构中采用了成熟先进的Shiro安全认证框架，对 URL（uniform resource locator）路径、展示层接口、Service服务接口等多个层级进行访问权限控制，确保系统的安全性。

2 功能模块设计

航空医疗后送卫勤决策支持模拟系统功能结构图如图4所示，包含决策建模、仿真推演、基础数据管理、系统管理等主要功能模块。决策建模模块支持建立伤员批量后送的决策场景模型，模型包括伤员如何批量生成、伤员的预期生存曲线、救治链如何构建、卫生资源如何配置等要素。仿真推演模块支持在已建立的决策模型基础上对后送过程进行模拟仿真。基础数据管理和系统管理模块为系统运行提供基础支撑。用户首先建立决策场景模型，然后基于模型进行仿真推演，再依据仿真结果对决策方案进行效果评估并优化决策方案。

图4 系统功能结构图

2.1 决策建模

2.1.1 伤员生成建模

该功能模块用于模拟批量伤员的生成情况，可以管理和配置伤员生成器，并使用伤员生成器生成批量伤员的模拟数据；还可以预设战役类型并基于战役类型配置伤员生成器。

（1）战役类型管理。该模块用于管理战役类型并预设各类战役的基础参数，系统可根据预设参数自动构建伤员生成器。

（2）伤员生成器管理。该模块用于管理伤员生成器。用户可在该模块创建伤员生成器，并在生成器中预设救援任务时长、伤员到达率及变化趋势、伤员救治状态、伤情码构成比例等参数[8]。系统调用伤员生成器后自动生成随时间轴分布的批量伤员模拟数据，即伤员流。用户可基于伤员流进行模拟训练或将伤员流输入决策模型进行仿真推演。批量伤员模拟数据（伤员流）样例如图5所示。

图5 批量伤员模拟数据（伤员流）样例

2.1.2 伤员生存建模

该模块用于对伤员生存情况进行建模。用户在该功能模块中配置伤员生存模型的基础参数，主要包括生存预测参数和保障任务参数（保障任务类型及发生率）。

（1）生存预测参数管理。该模块用于配置生存预测参数。系统实现了基于韦布尔公式的伤员生存算法，该算法可以基于生存预测参数对伤员在未来时间轴上的生存概率进行估算，生成基于时间轴的伤员生存概率曲线。生存概率曲线是用户形成救援后送决策方案的重要依据。需要针对低、中、高三级风险，现场急救、紧急救治（早期救治）、早期治疗、专科治疗四级救治阶梯，在30～720 min之间的若干时间节点，分别配置生存预测参数。

（2）保障任务参数管理。该模块用于配置保障任务参数，主要是设置各类保障任务的发生率。伤员救治和后送过程中，每次进入一个救治机构或后送机构，伤员都要陆续接受一系列的保障任务（救治措施），伤员接受每一种保障任务的概率不同，此功能模块就是用来设置保障任务发生的概率。需要针对现场急救、紧急救治（早期救治）、早期治疗、专科治疗四级救治阶梯分别设置保障任务的发生率，其中保障任务包含检伤分类、医技保障、重症监护、手术、病房治疗。

2.1.3 救治链建模

该模块用于对救治链进行建模。救治链模型由一系列机构模型（含救治机构与后送机构）及机构间的路由关系组成，其中机构模型由若干保障单元模型组成。

（1）保障单元模型管理。该模块可对保障单元进行建模，支持创建检伤分类、X射线检查、医技保障、重症监护、手术、病房治疗等多种类型的保障单元模型[9]。

（2）机构模型管理。该模块可对机构进行建模，支持创建机构模型并配置各项模型参数，支持在机构模型中添加各类保障单元模型。

（3）救治链模型管理。该模块可对救治链进行建模。救治链模型描述承担分级救治后送任务的机构链条，由若干救治机构、后送机构以及机构之间的路由关系组合而成。该模块支持创建救治链模型并配置各项模型参数，支持在救治链模型中添加若干机构并设置机构间的路由关系。仿真推演时，用户预先配置伤员流和救治链模型，系统将模拟每个伤员到达救治链并沿救治链向后流动直到离开的全过程。救治链模型样例如图6所示。

图6 救治链模型样例

2.1.4 卫生资源建模

该模块用于对救治链各节点中的卫生资源配置情况进行建模。仿真推演过程中，系统将基于卫生资源模型模拟伤员在救治过程中等待、占用、消耗卫生资源的情况[10]。

2.2 仿真推演

该模块能够对批量伤员救治后送的总体过程进行仿真推演。首先构建仿真脚本，包括设置任务时间、伤员流、救治链模型、卫生资源模型等。然后系统基于仿真脚本进行仿真推演，模拟批量伤员依次到达救治链并接受救治后送的总体过程。系统会记录任务过程中各时间节点上的伤员救治、后送、治愈、死亡情况，救治链各节点的运行情况、卫生资源消耗情况，并最终生成数据报告，为用户提供决策支持[11]。仿真推演的运算逻辑如图7所示。

图7 仿真推演运算逻辑

2.2.1 仿真脚本

该模块用于定义仿真脚本。包含定义仿真时长、伤员流、救治链模型、卫生资源模型等内容，支持检索、查看、新建、删除仿真脚本。

2.2.2 仿真作业

该模块基于离散事件仿真引擎构建，支持基于预先定义的仿真脚本进行仿真推演，可加载仿真脚本、执行仿真作业、记录仿真数据并生成数据报告。仿真作业执行过程如图8所示。具体如下：

图8 仿真作业执行过程

首先，执行初始化。即加载救治链模型和卫生资源模型并创建虚拟沙盘，然后将伤员流数据导入虚拟沙盘。而后，执行仿真推演，即以事件驱动的方式不断推进时间轴并更新沙盘状态。沙盘中的伤员在事件驱动下沿着救治链节点向后流动，用于模拟伤员接受救治与后送的过程。每次更新沙盘状态时，系统会通过伤员生存模型自动计算伤员的生存状态。同时，伴随伤员救治后送的流动过程，系统会持续更新卫生资源的调度与消耗情况。

2.2.3 仿真报告

该模块支持用户查阅仿真报告。系统将仿真推演的数据以数据报表的形态呈现给用户，用户通过查阅仿真报告评估救治链构成和卫生资源配置的合理性，并对决策方案进行改进。用户可以基于改进后的方案在系统中再次进行建模和仿真推演以验证改进效果。

2.3 基础数据

该模块用于管理系统进行模拟仿真时用到的基础数据，包含基础数据字典、伤情码、资源品类。2.3.1 数据字典

该模块用于对系统运行所需的基础性数据进行标准化、编码化管理，为系统各模块提供结构化的数据支撑。系统的各个功能模块可通过字典编码调用数据字典中的数据项。该模块允许用户查看、新建、编辑、删除、启用、禁用、排序字典及字典项。数据字典管理界面如图9所示。

图9 数据字典管理界面

2.3.2 伤情码

该模块支持新建、编辑、删除、启用、禁用、排序、检索伤情码。伤情码是在对伤员的伤情、伤势、伤部、伤类等信息进行归纳、整理和划分的基础上生成的。伤情码管理界面如图10所示。

图10 伤情码管理界面

2.3.3 资源品类

该模块用于管理资源品类，包含卫生人员、卫生装备、医用消耗品等。该模块支持检索、查看、新建、编辑、复制、删除、排序资源品类。资源品类管理界面如图11所示。

图11 资源品类管理界面

2.4 系统管理

2.4.1 用户管理

该模块用于管理用户账户及账户的角色权限，允许对用户账户信息进行检索、查看、新建、编辑、删除等操作以及对用户账户进行启用、禁用和角色限定等权限管理。

2.4.2 日志管理

该模块支持对用户操作日志进行查询和管理。可按照用户名、时间段、日志类型等多个条件综合查询用户操作的日志信息，支持批量清除历史日志和查询日志记录的详情信息。

3 关键技术

3.1 伤员生成模拟

伤员生成模拟功能用于模拟批量伤员的生成情况。系统使用泊松分布函数随机生成随时间推移持续生成的伤员模拟数据，并根据预设的伤情构成、伤势比例等参数随机生成伤员的伤情、伤势等[12]。伤员流的生成步骤如下：

（1）将时间轴切分为若干连续时间段，然后利用泊松分布概率公式获得每个时间段内的伤员到达的随机数，并生成相应数量的伤员对象，进而获得一系列沿时间轴分布的伤员对象。泊松分布概率公式如下：

式中，λ为强度参数，代表单位时间内随机事件的发生次数；k为时间变量。系统以伤员平均到达数作为强度参数λ，获得某时间段内的伤员到达随机数。

（2）基于平均已负伤时间、已接受的救治分级、平均已救治时间、伤情码构成比例等预设参数，为伤员对象的属性赋值，并输出赋值后的伤员对象。

3.2 伤员生存模拟

伤员生存模拟功能用来模拟伤员对象在分级救治过程中的生存情况。伤员在某个时刻的生存概率由基于韦布尔概率分布原理推导出的公式计算得出[13]。韦布尔分布的概率密度公式如下：

式中，t为时间变量；λ为比例参数；k为形状参数。

基于韦布尔分布概率密度公式，可以推导出韦布尔分布的累积分布公式：

再根据韦布尔分布的累积分布公式推导出伤员生存概率公式：

该公式能够计算伤员在某个时间点之后仍然存活的概率。

伤员生存概率公式需要预先配置λ、k参数才能进行计算，配置伤员生存模型，也就是配置伤员生存概率公式中的λ、k参数，而后即可通过输入时间变量t来计算伤员在某个时间点的生存概率。λ、k参数的取值和伤势分级、已负伤时间、已采取的救治措施及采取措施的时间等要素相关，因此，要分别为不同的伤势分级、不同的救治阶段、不同的接受救治时间配置不同的λ、k参数。伤员生存模型配置界面如图12所示。

图12 伤员生存模型配置界面

λ、k参数的取值通过专家调研法获得。专家依据经验和历史数据，对不同伤势分级的伤员在不同的时间节点接受不同分级的救治措施后第t分钟仍然存活的概率进行评估，然后利用数学分析软件将概率数据与伤员生存概率公式的概率曲线进行拟合，最终找到拟合度较高的λ、k参数，用于建立伤员生存模型。伤员生存概率模拟样例图如图13所示。

图13 伤员生存概率模拟样例图

由图13可知，某伤势为中度风险的伤员，如果在第30分钟获得现场急救，则在第285分钟仍然存活的概率为39．88%；如果在第120分钟获得现场急救，则在第285分钟仍然存活的概率为25．43%（数据仅供演示使用，与现实有差距）。

3.3 离散事件仿真

仿真引擎采用事件驱动方式进行推演。伤员进入机构、离开机构、伤员按照工作序列进行救治或后送、救治任务单元的状态变化、伤员生存状态的变化等，都会在时间轴的相应时间点产生离散事件，仿真引擎依照时间顺序处理这些事件并推进仿真时钟。离散事件仿真引擎的事件驱动流程如图14所示。

图14 离散事件仿真引擎的事件驱动流程

4 应用效果

使用系统中的仿真方法对某救治链在假想场景中的保障效果进行评估，找出其资源配置中可能存在的短板，并形成优化方案。优化方案与专家组采用经验评估法得出的结论相近，说明通过系统中的仿真方法形成决策支持具有一定的现实意义。

首先，使用系统对已有救治链资源配置情况进行建模，再使用系统的仿真引擎对批量伤员到达该救治链并接受救治与后送的过程进行推演，得到的仿真结果数据如图15所示。伤员通过率仅有87．89%，低于预期水平。分析认为资源配置中的固定翼飞机的飞行数量可能不足，考虑将固定翼飞机每日飞行数量增加若干班次。

图15 基于原有救治链模型得到的仿真结果

对原有救治链模型进行修改，将固定翼飞机每日飞行数量增加1个班次。基于修改后的模型再次仿真推演，得到的仿真结果数据如图16所示。伤员通过率提升到93．85%，与原有救治链模型相比有了明显提升。

图16 固定翼飞机每日飞行数量增加1个班次后的仿真结果

再次对救治链模型进行修改，将固定翼飞机每日飞行数量增加2个班次。再次仿真推演，得到的仿真结果数据如图17所示。伤员通过率为93．52%，虽然与原有模型相比有了明显提升，但是与增加1个班次后的通过率相近，没有明显差异。说明将固定翼飞机每日飞行数量增加2个班次并不比增加1个班次效果更好。

图17 固定翼飞机每日飞行数量增加2个班次后的仿真结果

最终，为了以较低的成本达到更好的保障效果，提出了将原有救治链中的固定翼飞机每日飞行数量增加1个班次的优化方案。该方案与专家组采用经验评估法得出的意见相近。

5 结语

随着医疗救护飞机的发展和时效救治的要求，航空医疗后送将成为伤员医疗后送的首选方式[6]。针对战场环境、灾害情况、伤员数量、伤情、伤势等科学调派卫生资源，做好批量伤员航空医疗后送过程的统筹与决策，是提高航空医疗后送效率的关键因素[13]。本课题组设计的航空医疗后送卫勤决策支持模拟系统能够对抗震救灾、大规模作战等环境背景下的批量伤员航空后送过程进行仿真推演，并依据推演结果对救治链构成及卫生资源配置进行优化，为决策者科学决策提供依据，为提升航空医疗救援能力提供有效的支撑。

本文设计的系统在建模细化方面还存在不足，不利于得出更加贴近实际的仿真结果。如：救治链模型不够细致导致救治过程推演细节不足；系统基于伤势等级对伤员进行归类并预测其生存状态，而没能在伤势登记中进一步细分具体伤类，因此，获得的结果仍然不够精准。这些不足容易导致仿真推演数据与现实情况的贴合度降低。未来还需要对建模场景进行更加深入的研究，找到更加细化的建模方法，以提升系统的应用效果。