Forschung in der Logistik mit der Reaktion auf den Ebola-Ausbrüche hat ergeben, dass eine oft übersehene, aber entscheidende, Faktor bei der Ressourcen-Bereitstellung zu behandeln, die Opfer der Krankheit ist, wie viele Menschen in Therapie-Zentren sind Ebola-negativ.
Personen mit negativem Testergebnis nehmen Bett-Raum und Verarbeitungskapazität benötigt, für diejenigen, die zugezogen haben Krankheit. Genauere Prognosen von Ebola-negativen Fällen, gepaart mit optimierten Tests Verfahren zur Verringerung Ihres Aufenthalts, erhöht die Effizienz der Behandlung in den Einrichtungen und lässt response-Programme effektiver.
Nun, studentische Forschung aus dem MIT Center for Transportation and Logistics (CTL) produziert hat eine Methodik für die Erreichung dieser Verbesserungen. Die Arbeit wurde geleitet von Robert C. Regenfälle III 2019 Absolvent des MIT supply-chain-management-blended master-Studiengang (SCMb), ein Programm-manager mit dem PAE-in Ost-Afrika. Die Ergebnisse sind nicht nur wichtig für die Bekämpfung von Ebola; die Methodik kann auch genutzt werden, um mehr zu entwickeln wirksame Antworten auf andere endemische Krankheiten.
Resource planning
Es hat umfangreiche Forschung auf die Dynamik der Ebola-Krankheit-übertragung und die Interventionen zur Bekämpfung der Ausbrüche von Ebola. Allerdings vergleichsweise wenig-Stipendium ist verfügbar auf der Betriebs-und Logistik-management-Elemente der response-Programmen.
Der neue CTL-Forschung hilft, diese Lücke zu füllen. Die Studie entwickelt ein umfassenderes Modell zur Prognose erforderlich, Raum und Material und Personal zu verhindern, service-Ausfälle, die während einer Reaktion auf einen Ausbruch von Ebola.
Das Modell basiert auf einem nominalen Ebola-Ausbruch mit Parametern aus vorherigen Antworten. Zum Beispiel, Patienten-Aufenthaltsdauer für die Ebola-positiven Patienten basierend auf historischen Werten, aus der Sierra Leone-Antwort während der 2014-15 West-Afrika-Ausbruch. In dieser Antwort, die überlebenden blieben in der Behandlung Zentren für 15.3 Tage im Durchschnitt, während die tödlichen Fälle waren für durchschnittlich 4,6 Tage. In der Durchführung von sensitivitätsanalysen für Modell CTL-Studie analysiert 16 Szenarien mit unterschiedlichen Parametern. Die Einzugsgebiete für den Vergleich ausgewählt Bereich zwischen 100.000 und 1,2 Millionen Einwohnern zu reflektieren abgelegenen ländlichen Einstellungen sowie den großen städtischen Zentren.
Umfassenden Prognose
Zentral für eine solche response-Programmen ist die Isolierung und Behandlung von Verdachtsfällen und bestätigten Ebola-Patienten. Responder müssen genügend Betten, Material und leicht verfügbaren klinischen Sorgfalt, um zu verhindern, dass Störungen in diesen wichtigen Bereichen. Jedoch die Vorhersage von Ressourcen-Anforderungen, um die Bedürfnisse von Patienten in einem bestimmten Ausbruch ist eine Herausforderung.
Externe Faktoren wie die Größe des at-risk-Bevölkerung und den Ausbruch und die Verbreitung von endemischen Krankheiten im Einzugsgebiet, Einfluss darauf, wie viele Menschen sind isoliert. Faktoren, die spezifisch für die einzelnen Therapie-Zentren, einschließlich der Wirksamkeit der epidemiologischen Fähigkeiten, Diagnose-turnaround-Zeit, und die Todesraten, die den Fluss der Zulassungs-und wie lange Patienten den Aufenthalt in Einrichtungen.
Diese Faktoren machen jede Ebola-Antwort einzigartige. Diese Einzigartigkeit, kombiniert mit der sehr variable Art der Ausbrüche, stellt die historischen Daten Häufig verwendet, um die prognostizierte Nachfrage auf die Ressourcen, die viel weniger wertvoll. Alternative Prognose-Methoden sind notwendig, um für die Variabilität des Auftretens und weniger angewiesen auf die Vergangenheit zahlen.
„Die Anstrengungen zur Verbesserung der Ebola-Prognose in der Regel konzentrieren sich auf die Vorhersage der infizierten Bevölkerung“, sagt Jarrod Goentzel, Direktor des MIT der Humanitären Supply Chain Lab und Regnet‘ graduate advisor. „Aber unsere Forschung fand das primäre Treiber der operativen Kapazitäten und service-Anforderungen Individuen test negativ für die Krankheit—nicht die Patienten, die infiziert sind.“
Ebola-negativen Fällen isoliert von den endemischen Krankheiten Bevölkerung in der Regel stellen die Mehrheit der Patienten über die response-Zeit. In den Szenarien analysiert, Ebola-negativen Patienten verbraucht 57-88 Prozent der service-Kapazitäten. Außerdem, die Größe des Ebola-freie Gruppe steigt proportional mit dem Einzugsgebiet, Bevölkerung und hat ein größeres potential zu überwältigen Ressourcen, vor allem in städtischen Ausbrüche.
„Future-forecasting-Studie müssen mehr umfassende, integrieren diese Bevölkerung“, sagt Regnet.
Diagnostische Verbesserung
Neben der besseren Prognose, die Forscher sagen, Ebola-Ausbruch Antworten würde profitieren von der verbesserten operativen management, insbesondere in der Zeit, die für diagnostische Tests.
Optimierte Tests für die Krankheit hat einen signifikanten Einfluss auf die Effizienz der Behandlung in den Zentren. Die Erhöhung der Geschwindigkeit von Labor-Ergebnisse—D. H., die Verringerung der Zeit von der Probenentnahme zur Diagnose-Ergebnis—Rückgänge Patienten, Länge des Aufenthalts für Ebola-negativen Individuen. Behandlung Zentren mit keine vor-Ort-Diagnose-Funktion muss der transport der Proben und auf Ergebnisse warten, wobei bis zu drei Tagen. Zentren mit Diagnose-Operationen ein Ergebnis produzieren in 12 Stunden.
In den ländlichen Szenario mit geringem Einzugsgebiet, Bevölkerung Z Verbesserung reduziert die Bettenkapazität um 50 Prozent. In der städtischen Einstellung mit 1,2 Millionen Einwohnern, die Behandlung Zentrum Größe ist reduziert von 82 Prozent, einfach durch die Beschleunigung der Diagnose-Geschwindigkeit.
Steigende Nachfrage
Zusätzliche Forschung ist erforderlich, um diese vorläufigen Modell robuster zu zeigen und eine breitere Palette von Ausbruch-Szenarien und Einstellungen in die Methodik. Solche Feinheiten würde mehr robuste Planungs-Optionen für Responder.
Aber diese explorative Forschung unterstreicht die Notwendigkeit für eine Verbesserung der Vorhersage des Ebola-negativen Bevölkerung und optimierte Diagnose-Operationen, insbesondere für die Ausbrüche in dicht besiedelten Regionen.