1.2 研究思路与方法
鉴于医疗服务系统的特点，本书的研究思路是通过建模、分析和优化广泛意义上医疗系统的分诊、顾客选择、资源配置等相关的医疗服务问题，阐释顾客（即病人或潜在的病人）参与和体验对服务系统的影响，帮助医疗服务系统实现提高基于诊疗精确性的服务质量和提高基于时间的服务效率的双重目标，并通过定量分析，论证提供医疗信息服务的必要性和可行性，调整病人管理流程或改变医疗保险制度在促进医疗资源分配、提高医疗质量方面的价值，提出优化管理的建议。
本书主要运用策略排队论和计算机仿真的研究方法，其背景知识将在本节中详细介绍。
1.2.1 策略排队论
策略排队论（strategic queueing）是结合博弈论和排队论研究阻塞环境中的服务管理及顾客自治性（customer autonomy）的重要理论。长期以来，用于建模服务系统的是传统排队论模型，往往假定顾客到达和服务时间都服从一定的概率分布，忽略了顾客的行为和服务者的行为。事实上，顾客可以将他们的效用最大化，每个顾客的最优行为又受到服务系统管理者的决策和其他顾客行为的影响。顾客的个体最优选择所导致的平衡点不一定是整体最优的。经济学家早已发现了类似的现象，但在排队的情境下分析顾客的优化选择行为始于P.Naor（Naor，1969）。Naor最先研究服务系统中的顾客自治性，他证明了顾客的集合均衡行为（aggregate equilibrium behavior）的存在性，以及该行为从整个社会最大化社会福利的角度来看未必最优。在Naor的研究之后，许多其他文献研究了在阻塞环境中均衡点上的顾客和服务者行为。对这些文献，Hassin和Haviv提供了全面的综述（Hassin &Haviv，1997）。策略排队论的这些成果成为本书部分章节的主要理论基础。
策略排队论模型的特点是能够在排队论的总体框架下更丰富地刻画顾客的自主决策过程：顾客的策略可以是加入或不加入服务系统的队列（纯策略），也可能是一个0~1之间的概率（混合策略），通常叫做加入概率。顾客的决策基于服务系统的拥挤情况和得到该服务的报酬，因而顾客效用函数包含所有其他顾客的加入概率（决定系统的拥挤情况）和提供服务者的策略（通常涉及服务水平，包括质量和效率，有时也涉及服务价格）。在医疗领域，如果给定其他病人和服务管理者的决策，每个病人当前的策略都使其效用最大；同时，给定病人的决策，服务管理者当前的策略使其效用最大，则此时系统达到了均衡点。在均衡点，医疗服务的总需求既不是一个给定的值，也不是一个给定的概率分布函数，而是所有个体顾客的均衡点行为被集合起来求得的结果。管理者的问题是如何通过服务设计引导顾客选择一定的均衡点策略，以实现管理者利益或者社会福利最大化。
除了顾客选择模型以外，策略排队论还需要一个排队论模型来刻画服务的总需求、资源配置与顾客等待时间之间的关系。大部分策略排队论研究基于M/M/1或M/M/K的排队论模型，因为这些模型都有性能参数的精确计算或较为简洁的近似计算公式，便于数学推导。当建立面向实际的决策支持系统和更复杂的排队论模型时，可以使用C语言或仿真软件建立仿真系统，则简化的理论分析的结果可以作为仿真的指导原则。
1.2.2 计算机仿真方法
对于许多医疗领域的问题，很难运用常规的数学建模方法，或者不得不简化很多必要的细节。而仿真模型灵活性强，能够模拟不确定性和复杂性高的动态系统，所以仿真建模方法在医疗系统得到了广泛的应用，主要用于医疗情境、医疗管理假设、医疗政策以及医疗流程再造方面的模拟和测试（Paul，Reddy，&DeFlitch，2010）。本书主要运用仿真软件Arena来模拟和测试医院急诊部病人流动的管理（见第4章）。下面简要介绍一些目前在医疗领域运用比较成功的仿真模型及其常用的仿真软件。
目前医疗领域的仿真模型有很多种，其中使用最广泛的是离散事件仿真模型（Discrete-event Simulation Model），一般使用软件Arena，SIMUL8，ExtendSim等；其次是系统动力学模型（System Dynamics），常用软件有VENSIM，ADAMS，POWERSIM等；还有蒙特卡洛模型，使用水晶球软件（Crystal Ball）。
离散事件仿真模型特别适合模拟过程和系统，在一个特定的时间点，当诸如客户到达或服务活动完成等事件发生时，系统会迅速发生变化（Banks，Carson，&Nelson，2000）。一个系统被细化到各个因素或者变量，进而研究不同系统、不同变量之间的相互关系或者互动（Rashwan，Abo-Hamad，&Arisha，2015），这种方法特别适合模拟排队系统（Priya &Vivek，2013）。在医疗领域，离散事件仿真模型因其适应性和灵活性而应用广泛，结合不同软件能够解决各种问题。
离散事件仿真模型常用的软件Arena使用了SIMAN处理器和仿真语言，兼备高级模拟器易用性和专用模拟语言柔性的优点，并且能与以通用过程语言（如VB，Fortran，C/C++等）编写的程序连接运行。许多大型公司用其模拟业务流程，应用范围非常广，例如制造、物流及供应链、服务、医疗等领域。在医疗仿真领域，Arena是应用最广的仿真软件，例如：Mielczarek通过Arena来模拟预期的人口统计数据的变化与急诊病人的预期数量及急救服务费用之间的关系，以帮助决策者安排下一年度的急救医疗服务供应链（Mielczarek，2014）。另一些文献研究将离散事件仿真模型与精益管理相结合来逐步改善医院流程，减少顾客等待时间（Robinson，Radnor，Burgess，&Worthington，2012）。Baril，Gascon，Miller，&Coté（2016）基于临床医学的数据，采用Arena对员工设定的不同改进方案进行仿真模拟，根据结果不断改进方案以减少肿瘤诊所的病人延误。在外科科室应用背景下，Day，Garfinkel，&Thompson（2012）利用医院的历史数据，检验在现有的调度方式下能否平衡两个相互竞争的目标：使外科医生既能以较大的可能性随时获得手术室，又能保持手术室的高利用率。在整形外科诊所，Arena还可用于确定能够减少顾客拥堵的策略，包括：优化人员配置水平、更好地调度病人并要求工作人员及时到达，使得患者在诊所的等待时间以及总时间显著减少（Rohleder，Lewkonia，Bischak，Duffy，&Hendijani，2011）。Zhou，Leung，&Pierskalla（2011）对于医院易逝品（如血小板）的库存管理，使用Arena基于真实的数据进行敏感性分析，通过大量的模拟实验来检验血小板库存管理的动态性，发现需求不确定性、交货时间、季节性和加急订单等因素会显著影响最优成本。
系统动力学模型常用于在战略的高度上研究整体的系统，可以了解系统的动态复杂性，与离散事件仿真模型在某种程度上形成互补，因此一些研究者会结合这两种模型来解决实际问题。例如：有学者在1999年便开发出基于整个英国国家卫生服务系统的总病人流（Total Patient Flow）模型，利用VENSIM软件，测试政府新的医疗措施：在不同医疗环节中提供“中间护理”对减少患者在整个医疗系统中的时间的效果，模拟患者在不同医疗系统之间（如社区医院与区综合医院之间）的流动模式（Wolstenholme，1999）。也有学者用系统动力学模型和ITHINK软件对住院患者的流动过程（特别是入院、出院过程）进行模拟以评估和优化病人的住院时间（Walker &Haslett，2001）。Viana，Brailsford，Harindra，&Harper（2014）利用系统动力学模型和离散事件仿真模型的互补性，综合使用两种模型，利用Simul8和VENSIM两种软件，研究社区衣原体的流行情况如何影响医院门诊部操作层面的决策。
蒙特卡洛模型和水晶球软件在医疗领域应用较早，但是目前主要用于疾病感染（Bradley，Garonzik，Forrest，&Bhavnani，2010；Bradley et al.，2008；Canut，Isla，Betriu，&Gascón，2012）、放射治疗（Paganetti，2012）、药剂研发风险管理（Kleczyk，2008）、药品开发剂量比例优化（Kuti，Dandekar，Nightingale，&Nicolau，2003）等方面。蒙特卡洛模型和水晶球软件在病人流动管理方面也有少量应用，但不及离散事件仿真模型和系统动力学模型广泛。早在1973年，便有学者利用蒙特卡洛模型来为大学医疗服务门诊制定经营策略，通过研究顾客的到达模式，制定出在空余时间增加患者预约数量的策略，并用蒙特卡洛方法对新旧策略下的情境进行模拟来检验新策略的效果，发现新策略显著提高了病人的服务产出率和医生的利用率（Rising，Baron，&Averill，1973）。2012年，蒙特卡洛模型和水晶球软件被应用于美国医院的观察室，以研究提高观察室在美国医院的普及率对所节省的成本的影响。研究发现，在医院中使用观察室以照顾在医院停留时间少于24小时的短期住院病人，与直接接收患者入院相比，不仅能缩短患者住院时间，还能节省成本达31亿美元（Baugh et al.，2012）。