模块化结构和医院住院护理的交付:医疗保健功能和功能障碍的网络科学视角

背景

受COVID-19大流行影响，卫生系统应对日益增长的卫生保健需求的能力一直是政府和公众长期关注的问题。卫生系统由不同的人和物质组成，在不同的地点以不同的方式相互作用。以科学的方式来表示这些系统的功能和功能障碍是具有挑战性的。我们描述了一个网络科学的方法来解决这个困境。

具有大量急诊病例的综合医院是卫生系统的资源密集型组成部分。我们提出，这些实体中的护理交付服务是模块化的，它们的结构和功能可以被当代网络科学有效地分析。我们在2019年和2020年对澳大利亚医院的研究中探索了这种可能性。

方法

我们访问了2019年和2020年两家综合医院的整个医院行政患者级别数据的月度快照。我们用网络图来表示组织的住院服务，并利用鲁万算法等方法探讨了网络图的结构特征。我们将图形拓扑特征与护理交付中可观察到的功能和功能障碍方面联系起来。

结果

我们构建了一系列以临床单元和标记病房为节点，以特定病房中单位治疗的患者为边的整体机构二部医院图。文中提供了图形示例。群落结构的算法识别证实了图的模块化结构。它们的功能含义很容易被领域专家识别。拓扑图特征可能与功能和功能失调问题有关，例如与COVID-19相关的服务变化和医院拥挤程度。

讨论与结论

当代网络科学是当今科学技术进步发展最快的领域之一。网络科学证实了医疗保健服务结构的模块化性质。它对于理解医疗保健系统的功能和功能障碍，以及以新的和有趣的方式重新定义医院容量等问题具有相当大的希望。

在COVID-19大流行期间，人们一直关注卫生系统应对SARS-CoV-2感染者需求的能力。人们一直担心，由于医疗需求过多，医院可能会在这种压力下崩溃。然而，医院并不是易碎的物体。它们也不是静止的防御工事，可以被入侵的势力所压倒。它们是复杂的、进化的人类人工制品，其设计包括一系列机制[1以平衡机构的生存能力和个别患者的相互竞争的需求，这些需求得到护理他们的工作人员的进一步支持。

生物医学研究和实践适当地关注为患者和社区确定正确的生物医学和心理社会护理。然而，正确的护理是一个系统的产物，该系统的要素包括在正确的时间、正确的地点向正确的病人提供正确的护理，以及在可能的情况下，在正确的第一时间提供正确的护理。在这方面，提供护理既是构成护理系统的各组成部分之间相互作用的功能，也是所需的技术能力的功能。但是，需求的复杂性和必要反应的多样性意味着，以科学可靠的方式表示所涉及的相互作用具有挑战性[2并制定系统级别功能的度量标准，这些指标涵盖系统平稳运行和功能失调的时间段。例如，急诊科的问题导致未能达到启动有意义治疗的具体目标[3.]。在医院接收病人方面出现了明显的延误，排队运送病人的救护车数量明显增加。这些结果指标都没有提供任何关于部门内患者资源组织的见解，当它运行顺利或处于紧张状态时。在工作紧张期间出现的内部组织问题得到解决后，部门的运作立即得到改善[1,3.]而不需要任何新的资源。一项为期五年的检讨显示，改善情况一直维持不变[1]。这是护理系统内的组织，以及这些有组织的系统对患者相关结果的潜在影响，这是本文所关注的。

因此，我们的工作计划的目标是，首先，创建一个定量的、结构化的表示，说明在提供患者护理时所涉及的人力和物质资源如何协同工作[4作为一个运作的整体。然后，探讨该表征与医院功能和功能障碍的其他测量之间的关系。由于所涉及系统的复杂性，需要一定程度的抽象。尽管如此，我们一直在努力牢记我们重新设计现实世界医疗保健系统的累积经验[3.,5,6]。

在目前的研究中，在牢记目标的同时，我们选择关注卫生服务提供的一个组成部分，而不是全面的服务。公立医院不是一个单一的功能实体。例如，门诊类型的服务不同于住院服务。同一天的程序活动又不一样了。我们目前分析的主要焦点是过夜住宿服务，当有证据表明功能障碍时，这是公众关注的一个重要来源。我们将隔夜护理概念化为三个一般功能层内部和之间相互作用的产物。

在分析具有固定要素且需求可变的复杂系统时，三元结构是常见的。例如传统的电话、电力传输系统[7]。三方结构亦广泛应用于医疗运筹学的联合研究领域[8]。在这里提出的三方结构中，主要或基础层(对应于运筹学中的操作层)由直接的患者-护理-提供者接触组成。然后是政治、官僚和管理的顶层，政策和对人力和物质资源的控制(对应于运筹学中的战略层面)，结合管理结构，如将服务分配给部门或部门，如组织图所示。最后，与运筹学中的战术层相对应，我们假设有一个功能中间层，由支持直接提供护理的日常组织和人力和物理交互的后勤组成。正是在这一功能中间层内，机构过夜能力面临的压力可能会被传导(例如，COVID-19导致对个人防护设备和呼吸机的需求增加)，也可能被缓冲(例如，我们如何才能最好地重新组织资源，以满足需求激增?)因此，这个中间层是我们感兴趣的层，也是我们在可量化和可概括的表示方面努力的重点。

目前的研究是基于这样一个命题，即医疗保健功能结构的组织可以最好地理解使用模块化的结构，并使用现代网络科学的科学和技术方法进行分析。使用假设检验格式，零假设是住院医疗流程的网络图具有随机图结构。检验假设是网络图[7有一种不太可能偶然发生的结构。

模块化与网络科学

几年前，西蒙[9阐述了复杂的生物和人类系统组织的一般理论。他认为许多复杂的系统是由子系统组成的，子系统又包含它们自己的子系统，以一种等级的方式。他的关键主张是，这种系统内的交互将由半自治的、相互作用的、近乎可分解的或模块化的实体组成。模块化系统的重要优点是，故障的影响可以包含在模块化组件中，并且模块化系统可以一次一个模块地适应不断变化的环境，而不会破坏整个系统的完整性。我们之前重新设计医疗保健流程的经验强调了西蒙的工作与医疗保健相关的可能性[1]。鲍德温及克拉克[10]提供了一个基于Simon的近似可分解性概念的模块的准操作定义。“模块是一个单元，它的结构元素彼此之间紧密相连，而与其他单元中的元素之间的联系相对较弱。显然，存在不同程度的连接，因此存在模块化的等级”([10] p.63)。层次模块化现在已被确定为广泛的生物和人类创造的系统的组织原则[10]。虽然在医疗保健领域已经探索了模块化，但这主要是关于“即插即用”模块化组件互操作性和狭隘的改进[11]。相比之下，通过类比介入心脏病学领域的变化可以看到当前工作方案重点的一个例子。

心脏支架从裸金属到药物洗脱的发展是一个重要的治疗进步。这种新型支架可以作为一种特定的改变应用于日常使用中，即模内工艺的改变。另一项重要的心脏技术——植入式除颤器——在任何规模上的应用，都涉及一个更大的系统重新设计，其中包括许多模块化组件[12,13以及它们之间的相互作用。这里特别感兴趣的是模块间功能结构及其相互作用的定量表示的发展。然而，虽然模块化可以用两个词来描述，也可以用各种符号矩阵来描述[14,15直到网络科学的进步使模块化能够作为定量的系统度量来研究，它才很难量化[16]。

网络科学被称为关系科学[17]，一门研究系统各组成部分如何协同工作的科学[18]。作为一门科学学科，网络科学依赖于网络图属性的某些基本方面，在考虑网络科学分析的产品时，了解这些基本方面是很重要的。网络将感兴趣的现象表示为一系列点，称为节点或顶点，由边成对连接，线表示连接节点的任何东西。在网络图的制作过程中[17]，数据被格式化，然后作为一个邻接矩阵进行分析，其中节点构成行标题和列标题。矩阵单元格识别一对节点是否相互作用。当将邻接矩阵内的相互作用模式映射为平面上的图时，得到的图具有拓扑性质。也就是说，它的空间和几何关系在连续变形(如拉伸、扭曲或弯曲)下得以保留，而不是被撕裂。可以使用一系列数学工具来表示并分析构成拓扑描述网络的实体之间的互连[7,19]。

复杂系统的网络图的一个重要特征是，图的结构可以根据原假设来检验，即图描述了一个随机[20.]，或零状态系统。正如erdjgs和Rény所描述的[20.]，在随机图中，节点随机连接。因此，在任意一对节点之间存在一条边的可能性简单地遵循概率定律，并且相互连接的模式遵循高斯分布或正态分布。这样就可以计算具有各种特定非正态特征的图族成员的概率(或者更确切地说，非概率)。

纽曼(18]清楚地说明了Simon [9]在拓扑模块性方面有对应关系。人们发现，稀疏系统(边缘数量与节点数量具有相同数量级的系统)的许多拓扑具有一个内部结构，其中可以识别节点的集群或社区[16]。如Simon [9]群落内的节点之间相互连接紧密，而与其他群落的节点之间连接稀疏。Newman开发了一个定量参数，用于指定网络图的整体模块化。模块化值接近1，最大值，意味着网络具有非常强的模块化结构。在实践中，0.3至0.7的值在具有可识别社区的网络中很常见[18]。社区检测有多种算法可供选择[16];模块化作为一种渐变现象已经在各种各样的系统的网络图中得到了证明[16]。

将医疗保健系统描述为网络图并不新鲜。许多基于网络图的医疗保健相关研究已经发表。这包括大量使用社会网络分析的研究文献[21,22,23]。最近，与医疗保健有关的研究[24,25基于统计物理学家对网络科学的更定量的贡献，已经开始出现。其中一些主要与患者在网络中的移动有关[26,27,28]。到目前为止，使用社区检测方法来描述运营层面医疗保健服务的功能组织的工作还很有限。这种缺陷[24]在下面描述的研究中得到了解决。

构建医疗网络图

网络可以用许多不同类型的图来表示。我们构造了一系列无向二部图[29,30.](由两种类型的节点组成的图表)，以指定的病房和临床单位为节点。病人将与他们的护理相关的单位和病房连接起来，形成边缘。

指定的病房不仅标识一组物理资源;它代表护理和其他病房特定群体的工作人员，参与在该病房管理的病人的护理。负责诊断、护理计划和治疗等特定领域的医生和相关保健从业人员通常在指定的临床单位工作。这些单位可以在不同的地点提供护理。一个临床单位可能只在一个病房(例如，一个老年医学小组可能在一个老年医学评估和管理指定病房提供住院治疗)或在多个病房(心脏病学单位可能在一个冠状动脉护理病房和两个心脏病指定病房治疗患者)中发挥作用。相反，一个指定的病房及其地理位置上的工作人员可以在一个或多个临床单位的护理下接待患者。

网络图可以是无向的，如果存在一个从属节点到另一个节点的依赖关系，则可以是有向的。然而，这两种类型的图表可以用相似的方法进行分析。在医院和卫生服务部门，病人护理是许多不同工作人员群体之间团队合作的产物:这种团队合作最好的表现是无定向的互动。

这里报告的所有分析都是在匿名数据集上进行的。这些研究是按照相关卫生当局的机构伦理审查进行的，如下所述。

网络图是算术产物。它们的效用取决于领域专家对它们的可解释性。与多学科范围的医疗保健领域专家召开了一系列会议，他们审查了二部无向图。他们的评论导致了对图的模块化结构的新颖分析。

数据源

目前的研究[25]使用了来自强制患者级别数据系统(患者管理数据集)的匿名医院数据。在澳大利亚，这些数据系统遵循详细的国家指导方针[31]。匿名化过程阻止了个体患者的识别，但这类数据集包含与患者相关的数据。出于保护隐私的考虑，这些文件并没有随时提供给公众使用。

访问了两家澳大利亚公立综合医院(医院1和2)的匿名管理数据集。两所医院均为大量集水区人口提供一系列二级和三级护理服务。第二医院还提供一系列全国性的超级专业服务。它不提供儿科、妇科或产科服务。如上所述，两家医院都收集强制性住院病人管理数据。医院1还开发了一个可搜索的患者旅程数据库，每次患者在医院内的不同位置之间移动时，该数据库都会在住院患者数据上叠加计算机化的时间和位置戳。这使得在提取数据时可以识别病房和临床单位。医院2的治疗病房和单位均为出院时的记录。两家医院的数据涵盖了2019年全年，截至2020年9月。医院1的数据收集不能扩展。 After that time any data extraction procedures would have had to be undertaken by analysts who were required to work exclusively on immediate COVID pandemic issues. For Hospital 2, the data collection was extended to cover the remaining months of 2020.

邻接矩阵、网络图和团体检测:。识别功能结构和网络图特征

对于医院1和2，根据每个月的快照建立邻接矩阵。快照也被合并为日历年矩阵。在邻接矩阵中，病房和单元的完整集合构成列标题和行标题，共享患者的存在与否构成单元内容。这不是一个累积的过程;只记录整体数据提取时刻的环节。数据提取基于每个月的同一日期，根据一周的某一天随机抽取数据。虽然有数据可用于加权与所涉及患者数量相关的边缘，但如前所述，除非另有说明，否则研究是在未加权的无定向数据上进行的。

使用专门的开源软件Gephi分析矩阵数据[32(版本0.9.2)。广泛应用的Louvain社区检测算法[33]用于检测模块，结果图使用ForceAtlas2算法显示[34]。ForceAtlas2是Gephi中的一个力导向布局程序，用于空间化网络。Gephi程序允许计算各种图形参数，包括模块化参数。

为每家医院准备了每月快照和复合日历年数据库的网络图。首先为节点和边的整个种群生成图。在适当的时候，制作了减法图，其中只制作了紧急入院图，或只制作了选择性入院图。

关联图确定了功能结构，以衡量医院功能障碍

领域专家审查了整个节点总体的图。他们指出，这些图表很容易解释，指出了网络内模块化结构的异质性。少数模块似乎比其余模块表现出更大程度的内部一致性。还有人提出，整体图表一致性的变化可能与急诊科过度拥挤的时期有关。这些问题在医院1中进行了进一步探讨，其数据包括医院拥挤事件结局的替代测量。

网络图是一种无记忆的图。为了对网络构成的变化进行纵向表示，需要在图之间建立联系，以便对不同模块随时间的行为提供一些见解。对重复出现的病房单元组合被用于连接图中的一系列模块，从而可以识别每个医院模块结构范围的时间变异性(相关程序的完整细节可从相应作者请求获得)。

计算每个医院中确定的模块化结构的变异系数(cv)，并在表中显示1．cv是数据集中一组值的标准差与其平均值的比值。根据经验，我们将cv值0.2作为阈值，将所谓的高相干性模块(cv < 0.2)与其余模块分开。每家医院都有三个这样的高一致性模块。

医院1的快照数据库包含一个替代的拥挤测量方法，即午夜之前已接受入院，但仍未分配住院床位的患者数量(延迟安置患者)。通过计算延迟安置患者数量与医院1快照中每月模块化值之间的相关性来检验延迟安置患者数量与模块化值之间的关系。对具有和没有高相干性模块的网络进行了相关性检查。

功能结构和网络图特征的识别

数字1显示每个医院的两对图表。其中一对是2019年的合成图，另一对是2020年3月的月度快照图。所示图表取自一系列图表，其中包括2019年和2020年的单个月度快照和综合快照。所有的图在形式上都是二部的。节点用代表病房或临床单位的缩写进行标记。标签标识了模块元素的通常临床功能。节点的大小表示相邻边数量的变化:即节点的度，而不是它们的边权值。网络图是拓扑图。可以在不改变底层交互的情况下改变图的表示和格式。节点可以是矩形和椭圆形，也可以全是圆形。 The colours are applied by the computer program, and the colouring is unique to each generated graph.

网络图证实了病房单元结构的模块化性质，两家医院都通过这种结构提供住院护理。图1医院复合图的模性值。1(a, 2019年)为0.714，医院2 (b, 2019年)为0.734。医院1的2020年3月(c, 2020)图的模块化值为0.71，医院2 (d, 2020)的模块化值为0.77。模块化结构在整个研究期间均可识别。数字2显示两家医院截至2020年9月的月度模块化得分。

2020年快照涵盖COVID - 19大流行的初始阶段。第一医院作为社区医院参与应对大流行，而第二医院是指定的SARS-CoV-2应对医院，由于预计大流行的需求，选择性入院受到限制。在那个阶段，虽然SARS-Cov19(一种呼吸道病毒)的发病率尚不清楚，但人们认为重要的是确保有足够的资源，包括在负压环境中的呼吸机等强化治疗设施，以及支持这些设施的工作人员。

网络图似乎对功能的变化有响应。在无花果。21号医院在COVID-19大流行初期表现出模块化的短暂增加，而2号医院在同一时期表现出更明显、更持续的增加。为两家医院构建了“减法”图，其中邻接矩阵完全重新填充了仅被指定为急诊或仅被指定为选择性入院的患者。对于医院2(图。1， d 2020)，入学人数出现了显著且相当短暂的整体减少，未取消的剩余选修课集中在有限的几个模块中。

网络图以节点组之间存在模块交互为特征，具有许多反映所表示系统的重要功能特征的数学属性。节点的度是指直接连接到该节点的其他节点的数量。如前所述，在节点之间的相互连接是随机的图中，度的总体分布将是正态分布，本质上是高斯分布。将会有一个平均值或平均连接数，并且极低可能出现极端连接数。具有模块化结构的网络图是复杂的系统，因此，它们通常具有不太可能偶然发生的非线性节点度分布[35]。在网络科学界存在一些争议，复杂的图在多大程度上共享一个特征节点度分布，在这个分布中，有大量的节点具有小的度，还有少量的节点具有大得多的度，后者在概率分布中形成一个胖尾[36,37]。这种分布可能遵循幂律分布，或其他非线性的肥尾分布[35,36]。关于幂律和其他分布的含义的广泛讨论可在[7]。

数字3.(1)原始和直线对数-对数分布明显是非高斯分布。MATLAB分析计算[38]证实指数函数更适合该分布。具体来说，指数型分布(威布尔型)的MSE(均方误差)为0.00006，而拟合正态分布的误差为0.0001。类似的发现在医院(2)威布尔分布是一种指数分布，产生一个胖尾的概率。

网络图识别结构与急诊患者延迟入院的关系

在领域专家审查后进行的模块化结构研究方面，1号医院的次阈值模块包括一个与精神健康相关的模块、一个妇女保健服务模块和一个老年病学评估单元。在第二医院，还有一个精神健康科、一个急性医疗评估科和一个血液科、肿瘤科和癌症科。在两家医院中，超阈值cv模块是更普遍的急诊和外科服务。

通过计算医院1快照中延迟安置患者数量与模块性之间的相关性，检验了延迟安置患者数量与模块性之间的关系。延迟安置患者的数量从最低的9人到最高的24人不等。为了避免任何侵犯隐私的可能性，没有提供每个快照延迟患者数量的详细说明。图中显示了第一医院模块化的逐月变化情况。1．延迟放置数与整体快照模块化参数之间的相关性在统计上不显著(r= 0.33)。

我们重新检查了模块化，排除了三个低cv模块，基于这样的假设，这些服务并没有密集地涉及占延迟安置患者大多数的大量医疗和外科病例[39]。其余快照的平均模块化得分从0.73下降到0.66，分布范围从0.613到0.706。相关性增加到r= 0.48 (p< 0.05)，较低的模块化与延迟安置患者数量的增加有关。我们重复了该分析，排除了数据集中作为择期患者入院的患者，相关性略微增加到r= 0.53 (p< 0.05)。

现代综合医院每天都要接待病人和医护人员之间的大量接触。虽然大多数遭遇都有令人满意的结果，但仍有大量遭遇受到各种问题的不利影响[40]。我们在引言中指出，对医疗功能障碍的分析必须与对功能的理解联系起来，而对功能的定量测量可能是一种结构化的测量。

在这组研究中，我们用二部网络图表示了两家综合医院住院服务功能的重要方面。当指定的病房(以及其中以病房为基础的临床工作人员)和指定的临床单位形成网络节点时，患者将它们连接起来，边和二部图表示住院设施中提供临床护理的临床结构。这里展示的图表代表了两家大型澳大利亚公立医院的住院服务，他们的日常工作包括管理大量急诊患者。这些图表既涵盖了正常需求时期，也涵盖了对SARS-CoV-2的第一波反应。

通过将出现的模块化结构与相似数量元素之间相互作用的随机图进行比较，我们能够拒绝过程由随机图表示的零假设。所确定的结构不是偶然相互作用的结果。然而，网络模块是一个纯粹的“算术”组合过程的产物。所代表的模块化系统在多大程度上有意义，因为它们是从真实世界系统中衍生出来的?也就是说，虽然组合学可以创建可靠的数学结构，但它们是有效的现实世界表示吗?

图表具有表面效度和内容效度。所有病房、临床单位和患者均有代表。病房和临床单位之间的联系有一个明确的模式，很容易被解释为代表有关医院内的护理模式。这些模式并不代表多个孤立病房单元“筒仓”的功能结构[41,42或其他刚性结构，当受到压力时会破碎。相反，病房和单元被划分为许多不同但相互关联的社区或模块。模块的组成成员以各种方式紧密相连，但也与其他社区或模块相连，尽管在较小程度上，这种模式符合模块化系统的更普遍描述[9]。这些模块是异构的，包含少量高一致性模块，这些模块代表具有不同接入配置文件的高度专门化服务，以及大量较一般的服务。

为每个月的快照和累积数据生成图形。月图比累积图更稀疏，这适用于月快照图中边缘数量较少的情况。但是，月度图和累计图之间的底层模块化结构是相似的，并且对领域专家来说是有意义的。模性参数，一个渐变的，如果不是参数的，客观度量模性图和匹配随机图之间的差异[18]，证实了所涉及功能结构的模块化性质。模块参数每月变化的程度有限(图2)。2)，但在基于COVID的限制期间，医院功能发生变化期间，其价值发生了变化。医疗保健系统的网络图对医疗保健的底层系统的变化有一个结构有效性的测量。网络图中节点的度分布是网络科学中一个活跃的课题[43]，并值得在医疗保健领域进行进一步研究。

网络图是状态度量。它们代表了特定时间点的网络。它们是描述性的，而不是预测性的。尽管如此，我们发现了侧重于医疗和外科急诊管理的图形子系统的模块化度量与午夜在医院内部等待住院病床的急诊患者数量之间的关系。这样确定的患者数量可观通常被视为医院功能障碍的一个指标。模块化度量代表了组织性和随机性之间的移动，在医院1中，模块化子系统越随机，延迟入院的患者数量越多。因果关系尚未建立，但相关功能结构组织中增加的随机性可能预测相关系统的充血和功能障碍，这是相当有趣的，需要进一步研究。系统模块化可能是系统功能状态定量度量的候选度量。

这些图证实，虽然网络图中的每个模块都有不同的功能标识，但系统中有有限数量的“快捷”直接链接到其他模块。这种系统特征在网络科学中通常被称为“小世界性”[44,45]。有大量急诊负荷的综合医院需要能够应对初级和次级诊断组合较不常见的患者。模块化系统中“小世界”通信的灵活性有助于维护临床服务之间的信息和专业知识交换，而不会破坏常用的功能和临床路径。

这些研究有很多局限性。只有两家医院参与其中，而且它们都属于同一个医疗经济体系。这些研究仅使用了医院产生的大量数据中的有限数量。尽管我们可以很好地从诊断服务中获得数据，但我们没有将它们包括在这里报道的研究中，主要是因为它们的普遍使用意味着它们对这里研究的结构性问题知之甚少。进一步调查是有必要的。此外，我们在分析中没有包括所有紧急服务。我们只包括那些在医院的急诊科病人，他们被指定为住院病人，等待被安置在医院的主体。在这项研究和其他医疗保健研究可以合并成一个完整的医院连接体之前，还需要做更多的工作[46]的功能相互作用。

我们把我们的分析局限于一种组合算法。其他形式的分析是可能的，但鲁万算法被广泛使用[47]，并将我们的分析限制在一个算法上，极大地简化了不同图之间的比较。我们没有将我们的研究扩展到非临床[39]服务，尽管我们怀疑后者在结构上也可能是模块化的。

虽然日常流程中的管理监督本身在我们能够获得的数据中并不容易识别，但经验表明，它在模块化结构中具有重要作用。当模组间的入侵似乎比现有捷径所能容纳的范围更大时，可能需要高级管理人员干预，以管理边界上的摩擦[6]。在接近满负荷运转的机构中，这不是一个陌生的问题，但难以管理的模块间紧张关系可能会因各种外部压力而加剧。然而，也可能是模块化系统的潜在稳健性使机构在经历了一段时间的紧张之后能够重新平衡。

影响

网络科学应用于一系列医疗保健相关问题的兴趣正在兴起[48,49,50,51,52]。目前的工作对卫生服务研究和实践有许多影响。它将网络科学应用于机构内护理系统的详细分析，补充了现有的关于医疗机构移动的网络科学研究[24,28]。

网络图是拓扑图。它们表示交互，而不管交互发生在哪里。这使得网络科学与评估和改进虚拟医疗服务与现有(和持续)内部服务的集成高度相关，这是应对COVID-19大流行的一个突出问题[53]。此外，有了功能系统的量化措施，在外部产生的需求激增时，改善现有医院和医疗保健服务的尝试可能会变得更加微妙。我们先前描述了一种基于模拟的策略，用于评估需求变化和医院资源获取对医院拥挤事件的影响[39]。该战略对应纳入或排除在分析之外的医院资源作了纯粹的经验区分。基于网络的研究可以将此类决策建立在更一般化的基础上，使机构能够确定与具体结果相关的组成资源，并在与拥堵相关的延误等领域规划有针对性的干预措施。两项研究中使用的管理数据意味着在其他环境下的复制将很简单。毫无疑问，随着研究人员和临床医生熟悉网络科学技术，卫生服务研究项目的工作将出现许多其他机会。

利用现有的医疗保健数据源开发了两家综合医院住院护理系统的组织层和后勤层的二部网络图。这些图表一致地将医院结构表示为模块化。网络图的拓扑特征与其他一系列复杂的技术和社会系统的拓扑特征是一致的[54,55]，这意味着医院的组织特征可能与其他复杂系统的组织特征相似，但这一问题仍需要进一步研究。

网络图是一个纯粹的算术产品。它们的效用取决于它们是否有能力被有意义地解释，并与衍生它们的系统相关联。医疗保健图表由具有医疗保健系统详细知识的独立领域专家进行审查。对于每家医院，他们发现这些图表很容易解释，并且它们代表了包含可识别的专门模块组件的系统，以及一组组织更松散的一般医疗和外科模块。我们假设医院系统的压力，由护理需求的变化和计划中的重组所施加，将在组织和后勤中间层中确定。我们可以从两方面证实这一点。首先，通过演示更一般的医疗和外科服务的子图的模块化值与医院范围内的拥挤指标之间的关系。然后，通过证明图表结构对COVID-19大流行初期发生的变化做出了响应。在医疗保健上下文中，网络图的假设检验能力大大增强了，因为模块化度量的值来自对随机或零状态图的测试。

最后，网络图方法的一个挑战是，这些图是医院在某个时间点状态的度量。寻找网络图来表示网络变化方式的方法[56是网络科学理论和实践的一个迅速发展的领域。在这项研究中，我们在时间序列中开发了网络图之间的直接链接，作为进一步研究医疗保健网络图动态方面的前奏。

为当前研究生成和分析的数据集来自卫生保健当局授权的医院数据收集。它们包含各种常规收集的信息，包括个人诊断和人口统计信息。出于隐私原因，主要数据集不能公开。根据合理的要求，作者可以从管理数据集中获得匿名提取，以允许计算所描述的网络图。

我们要感谢Chris Horwood对数据源访问的支持。

数据分析部分由弗林德斯大学的NHMRC Near-Miss奖资助。弗林德斯大学没有参与数据的设计、收集、分析和解释，也没有参与手稿的撰写。

作者及隶属关系

1. 弗林德斯大学医学和公共卫生学院，澳大利亚南澳贝德福德公园5042号

   大卫·本·托维姆

2. 弗林德斯大学科学与工程学院，澳大利亚SA汤斯利5042

   Mariusz Bajger, Viet Duong Bui，秦绍文

3. 皇家阿德莱德医院，5000，南澳大利亚阿德莱德

   坎贝尔·h·汤普森

贡献

DBT、MB、SQ都对研究的设计、解释和撰写做出了同样的贡献。VDB主要负责数据分析，DBT和MB也有贡献。CHT为研究设计和解释做出了贡献，并提供了领域专业知识。作者阅读并批准最终的手稿。

作者的信息

DBT是一位精神病学家、临床流行病学家和医疗流程重新设计者。他是弗林德斯大学医学和公共卫生学院的教授，也是弗林德斯流行病学和生物统计学中心的成员。SQ是弗林德斯大学科学与工程学院的副教授，MB是讲师，VDB是研究助理。SQ和MB在医疗保健领域的计算机科学和工程方面都有丰富的经验，MB在医疗保健环境中网络图的数学分析方面有详细的经验。CHT是阿德莱德大学的高级肾内科医生和医学教授。作者曾在许多与医疗保健系统分析以及提高医疗保健的安全性和质量相关的项目中合作过。

相应的作者

对应到大卫·本·托维姆．

伦理批准并同意参与

所有实验方案都得到了南阿德莱德当地医疗网络研究治理和伦理委员会的批准。: 473.15)。所有方法均按照相关指南和规程进行。

这项研究没有直接涉及人类参与者。

发表同意书

不适用。

相互竞争的利益

作者宣称他们之间没有利益冲突。

出版商的注意

亚博最新娱乐网施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献弃权书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限