Thesis projects
Progetti di tesi di Laurea Magistrale (English below)
Progetto 1: Programmazione Lineare Intera per l'ottimizzazione dei tempi di attesa nella chirurgia ambulatoriale (outpatient surgery) [Assegnato]
Il progetto di tesi consiste nella formulazione di uno o più modelli di programmazione lineare intera multi-obiettivo (deterministici e/o stocastici) per l'ottimizzazione del tempo d'attesa indiretto (giorni in lista d'attesa) e diretto (minuti/ore tra l'orario programmato e quello effettivo) dei pazienti chirurgici di una clinica outpatient. Al fine di valutare l'impatto nel tempo, si utilizzerà un approccio di tipo rolling horizon, che permetterà l'ottimizzazione del tempo d'attesa indiretto medio nel corso delle settimane. Data la complessità computazionale del problema, una particolare classe di metaeuristiche che prende il nome di Particle Swarm Optimization verrà impiegata per minimizzare i due tipi di tempi d'attesa e approssimare il fronte di Pareto per un supporto alle decisioni. Una possibile ulteriore analisi è quella della fairness rispetto a varie classi di pazienti (es. classi di urgenza o specialità). Per questo progetto verranno usati open data e dati generati artificialmente, in modo tale da studiare l'effetto della metodologia proposta in diversi contesti operativi.
Progetto 2: Sequenziamento degli interventi chirurgici: un framework reattivo basato sulla programmazione lineare intera
Il progetto consiste nell'individuare la configurazione ottima dei Break-In-Moment (BIM), vale a dire dei tempi di rilascio delle sale operatorie che operano in parallelo durante l'arco della giornata. La minimizzazione dei Break-In-Interval (BII), vale a dire del tempo che intercorre tra due BIM consecutivi, permette infatti di garantire un rapido inserimento dei pazienti emergenziali. Verranno proposti modelli di Programmazione Lineare Intera per il sequenziamento delle sale operatorie prima dell'inizio dei blocchi operatori e durante (framework reattivo), che terrà conto dell'impiego delle risorse a disposizione (assegnamento paziente-equipe chirurgica e unità post-operatorie). Un'analisi di sensitività consentirà di studiare l'impatto del metodo proposto al variare dell'incertezza dei tempi operatori e del numero di pazienti emergenziali. Per questo progetto verranno usati open data e dati generati artificialmente, in modo tale da studiare l'effetto della metodologia proposta in diversi contesti operativi.
Progetto 3: Simulazione a eventi discreti per l'analisi dell'impatto di nuove fast-track al pronto soccorso basate su modelli predittivi
L'obiettivo del progetto di tesi è la modellazione del contesto operativo del caso di studio di un pronto soccorso lombardo attraverso un modello di simulazione a eventi discreti (DES), che permetta di valutare l'impatto di percorsi clinici alternativi rispetto a quelli implementati nella realtà. Uno di questi è una fast-track che consente l'esecuzione di alcuni test (es. raggi X, TAC, ecografia), dopo il triage e prima ancora della prima visita medica, in modo da minimizzare l'EDLOS (Emergency Department Length-Of-Stay - tempo di degenza nel pronto soccorso) dei pazienti con codici d'urgenza minori. Nella realtà tali esami possono essere prescritti da un triagista specializzato, in grado di decidere con una certa accuratezza quando un paziente ha bisogno di tali esami. Alcune analisi di scenario basate su dati reali consentiranno di valutare l'impatto della/e fast track e di individuare le policy migliori per la sua implementazione (es. confidenza sul bisogno effettivo dell'esame, livello di affollamento del pronto soccorso, numero di medici disponibili, coda presso la risorsa richiesta, ecc.) rispetto a diversi indici di performance. Dati da un caso di studio reale in Lombardia.
Progetto 4: Pianificazione dei posti letto per l'ottimizzazione del flusso di pazienti regionale durante un'ondata pandemica
L'obiettivo del progetto di tesi è la formulazione di modelli di Programmazione Lineare Intera per la selezione dei reparti ospedalieri della rete di strutture regionali da chiudere e destinare al ricovero di pazienti Covid-19 nel corso di un'ondata pandemica. Tale problema si presenta in seguito all'aumento della richiesta di posti letto rispetto a quelli precedentemente dedicati ai pazienti Covid. Verranno proposti dei modelli di programmazione lineare intera con l'obiettivo di minimizzare il disagio dei pazienti affetti da altre patologie (allungamento tempi di attesa, distanza di percorrenza, ecc.) tenendo conto di aspetti di fairness (sul paziente, sul territorio, ecc). Tali modelli saranno integrati all'interno di un framework che sfrutta dei modelli predittivi per l'ottimizzazione con lookahead e la simulazione per delle analisi di scenario. Per il progetto saranno usati gli Open Data delle Schede di Dimissione Ospedaliera (SDO) della Regione Lombardia.
Progetto 5: Predizione e ottimizzazione degli abbandoni al Pronto Soccorso
Il fenomeno degli abbandoni di pazienti che non sono ancora stati visitati ha importanti effetti sull'efficienza del pronto soccorso e sulla sicurezza del paziente. Nonostante il grande interesse nella letteratura medica e il grande numero di analisi statistiche, c'è una lacuna di approcci della ricerca operativa per far fronte a questo problema. In questo progetto si propongono dei modelli di programmazione lineare intera per il problema di assegnamento medico-paziente che tengono in considerazione il rischio di abbandono come obiettivo alternativo o complementare a quelli del tempo di attesa e della fairness. Tale rischio viene stimato e modellato attraverso delle tecniche di classificazione e regressione. I modelli vengono impiegati all'interno di uno schema reattivo in grado di far fronte all'incertezza e alla dinamicità del problema, replicata attraverso un modello di simulazione a eventi discreti. Dati da un caso di studio reale in Lombardia.
Master degree thesis projects
Project 1: Integer Linear Programming for the optimization of waiting times in an outpatient clinic [Already assigned]
The thesis project consists in the formulation of one or more multi-objective (deterministic or stochastic) integer linear programming models for the optimization of the indirect (days in the waiting list) and direct (minutes/hours of waiting time between scheduled and actual hours) of surgical patients in an outpatient clinic. In order to assess the impact over time, a rolling horizon approach will be used, which will allow the optimization of the average indirect waiting time over the weeks. Given the computational complexity of the problem, a particular metaheuristic class called Particle Swarm Optimization is used to minimize the two types of waiting times and to approximate the Pareto front for decision support. A possible further analysis is that of correctness with respect to various groups of patients (e.g., classes of urgency or specialty). For this project, open data and synthetic data will be used, in order to study the effect of the methodology in different operational contexts.
Project 2: Surgical case sequencing: a reactive framework based on integer linear programming
The project consists in identifying the optimal configuration of the Break-In-Moments (BIM), i.e. the release times of the operating rooms that operate in parallel throughout the day. The minimization of Break-In-Interval (BII), that is the time elapsing between two consecutive BIMs, allows the rapid insertion of emergency patients. Integer Linear Programming models will be proposed for the sequencing of operating rooms before the start of the operating blocks and during their execution (reactive framework), which will take into account the use of available resources (assignment of patient-surgical team and post-operative units). A sensitivity analysis will allow the study of the impact of the proposed method on varying the uncertainty of the operating times and the number of emergency patients. For this project, open data and artificially generated data will be used, in order to analyze the effect of the proposed methodology in different operational contexts.
Project 3: Discrete event simulation based on predictive models for evaluating the impact of new fast-tracks in the emergency department
The objective of the thesis project is the modeling of the operational context of a case study about a Lombard emergency department through a discrete event simulation model (DES), which allows the evaluation of the impact of alternative clinical pathways compared to those implemented in the reality. One of these is a fast-track that allows the execution of some tests (e.g. X-rays, CT, echography), after triage and even before the first medical visit, in order to minimize the EDLOS (Emergency Department Length-Of-Stay) of patients with lower emergency codes. In reality, these tests can be prescribed by a specialized triage nurse, able to decide with some accuracy when a patient needs such tests. Some scenario analyses based on real data will allow us to evaluate the impact of the fast track(s) and to identify the best policies for its implementation (e.g., confidence in the actual need for the exam, level of emergency department crowding, number of physicians available, queue at the requested resource, etc.) with respect to different performance indices. Data from a real case study in Lombardy, Italy.
Project 4: Bed planning for the optimization of the regional patient flow during a pandemic wave
The objective of the thesis project is the formulation of Integer Linear Programming models for the selection of hospital wards from the network of regional structures to be closed and allocated to the hospitalization of Covid-19 patients during a pandemic wave. This problem arises following the increase in the demand for beds compared to those previously dedicated to Covid patients. Integer Linear Programming Models will be defined with the goal of minimizing the discomfort of patients suffering from other pathologies (lengthening of waiting times, traveling distance, etc.) taking into account fairness criteria (single-patient, sub-areas, etc.). Mathematical Programming models will be integrated into a framework that uses predictive models for lookahead optimization and simulation for scenario analysis. The Lombardy region's Open Data of the Hospital Discharge Forms (SDO) will be used for the project.
Project 5: Prediction and optimization of patients who leave without being seen (LWBS) at the emergency department
LWBS phenomenon has important effects on the efficiency of the emergency department and patient safety. Despite the great interest in the medical literature and a large number of statistical analyses, there is a lack of studies in operations research & management science approaches to address this problem. This project proposes integer linear programming models for the doctor-patient assignment problem, considering the LWBS risk as an alternative or complementary objective to waiting time and fairness. This risk is assessed and modeled through classification and regression techniques. The models are employed within a reactive framework capable of dealing with the uncertainty and dynamicity of the problem, which is replicated through a discrete-event simulation model. Data from a real case study in Lombardy, Italy.