See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/228729519

Simulation de la filière des urgences dans un contexte de réseau

Article · May 2010

CITATION READS

1 186

3 authors:

Tao Wang Eric Marcon

Université Jean Monnet, INSA Lyon Université Jean Monnet
35 PUBLICATIONS   134 CITATIONS    76 PUBLICATIONS   973 CITATIONS   

SEE PROFILE SEE PROFILE

A. Guinet
Institut National des Sciences Appliquées de Lyon
75 PUBLICATIONS   1,270 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

PREDAFLU View project

HRP2 Hopital Ressources Partage et Pilotage View project

All content following this page was uploaded by Eric Marcon on 07 September 2015.

The user has requested enhancement of the downloaded file.

8e Conférence Internationale de MOdélisation et SIMulation - MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
« Evaluation et optimisation des systèmes innovants de production de biens et de services »

SIMULATION DE LA FILIERE DES URGENCES

DANS UN CONTEXTE DU RESEAU

Tao Wang, Eric Marcon Alain Guinet

LASPI / IUT de Roanne LIESP / INSA de Lyon

20 av. de Paris 20, avenue Albert Einstein
42300 Roanne - France 69621 Villeurbanne - France
tao.wang@univ-st-etienne.fr alain.guinet@insa-lyon.fr
marcon@univ-st-etienne.fr

RESUME : l’encombrement des structures des urgences ne peut être imputé qu’à ces structures seules, il résulte en
une grande partie du dysfonctionnement de coordination et d’organisation de différents acteurs dans le réseau de prise
en charge des urgences. Cet article vous présente un simulateur développé dans le but d’évaluer les propositions
d’amélioration s’inscrivant dans le cadre de la réorganisation des flux d’urgence et de la réallocation des ressources
du réseau. L’exploitation des résultats de simulation met en évidence non seulement l’efficience et l’efficacité de bonnes
propositions, mais aussi l’effet contreproductif de fausses propositions d’amélioration.

MOTS-CLES : Urgences médicales, Réseau de santé, Modélisation flexible, Simulation.

Simulation à événement discret a été prouvée efficace en

1 INTRODUCTION
Face à une forte augmentation du nombre de passages
depuis ces dernières années, les structures des urgences
(SU) connaissent des difficultés d’adaptation et de
graves dysfonctionnements qui aboutissent à un engor-
gement chronique de ces structures et à des temps
d’attente excessifs. Les différentes études ont permis de
révéler différentes causes [Cour des Comptes 2006,
DREES 2003a, 2003c, 2006, MeaH 2007a], parmi elles :
le vieillissement de la population et l’afflux massif des
personnes âgées, la difficulté de la participation des pro-
fessionnels libéraux à la permanence des soins, la charge
lourde liée au rôle complexe de la structure des urgences
dans la prise en charge de la précarité, la détresse so-
ciale.
Ces différentes causes révèlent des problèmes de coordi-
nation en amont des urgences (mauvaise répartition des
rôles entre acteurs, absence d’échanges d’information,
mauvaise collaboration des acteurs, …), des problèmes
d’organisation au sein des SU (système d’information,
affectation des ressources, …) et des problèmes de colla-
boration en aval des urgences (manque chronique de lits
d’hospitalisation en raison de la non mutualisation de ces
ressources, organisation inadaptée des services de soins
de médecine et de chirurgie à l’intégration de l’urgence,
absence d’échanges d’information, …). La réflexion sur
ces problématiques et l’élaboration de propositions
d’amélioration, nous a amené à concevoir un outil d’aide
à la décision pour le pilotage des acteurs confrontés à la
prise en charge des flux d’urgence, dans une vision glo-
bale intégrant l'ensemble des interactions entre les diffé-
rents partenaires (coordinateurs et effecteurs) et entre les
différents flux de patients (urgents et programmés).
tant qu’un outil d’aide à la décision dans le cadre
d’amélioration des flux de patient et d’optimisation des
ressources dans le système de santé [Sheldon et al.
2004]. Un système sophistiqué comme le système de
santé peut être modélisé et simulé dans un environne-
ment virtuel, différentes propositions innovantes seront
par la suite testées en introduisant des scénarios alterna-
tifs dans le modèle de simulation sans pour autant boule-
verser le système réel. L’étude d’amélioration du service
d’urgence remonte au début des années 70. Hannan et al.
ont analysé de différentes politiques de décision admi-
nistrative pour la gestion du service d’urgence [Hannan
et al. 1974], Kumar and Kapur ont utilisé un modèle de
simulation dans leur étude d’analyse des emplois du
temps des infirmières [Kumar and Kapur 1989]. La ré-
duction de la durée de séjour, l’affectation des médecins
urgentistes dans un service d’urgence ont aussi été abor-
dées [McGuire 1994, Rossetti et al. 1999]. Tous ces tra-
vaux de recherche sont basés sur un service d’urgence
concret influencé par des politiques locales de santé,
telles que le schéma d’organisation sanitaire, le mode de
gestion des hôpitaux, et l’allocation des ressources hu-
maines et matérielles.
Nos études commençaient également par l’analyse des
flux de patient et de l’affectation des ressources des ser-
vices d’urgence, mais graduellement on s’est aperçu que
l’encombrement des services ne peut être imputé sim-
plement qu’à ces services seuls, il résulte en une grande
partie du dysfonctionnement de coordination et
d’organisation de différents acteurs dans le réseau de
prise en charge des urgences. Les participants de la per-
manence des soins devraient assumer la responsabilité de
maintenir la continuité et l'égalité de l'accès aux soins,
notamment aux heures habituelles de fermeture des cabi-
nets médicaux, durant la nuit, le week-end, et les va-
 MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
cances. L’accès direct aux urgences incite paradoxale-
ment la venue en masse des patients, notamment ceux de
pathologie bénigne. En plus, le conflit chronique entre
patients d’urgence et patients programmés au sujet des
lits d’hospitalisation alourdit le travail de planification
des ressources et entrave la fluidité au service d’urgence.
Quelles mesures nous aideront à mieux réguler le flux
des urgences et à apporter les soins de qualité aux pa-
tients dans toute la filière de prise en charge des ur-
gences ?
Autour de cette question, beaucoup de discussions ont
été abordées par la Mission nationale d'expertise et d'au-
dit hospitaliers (MeaH) et le Projet Hôpitaux en Réseaux
: Prévoir, Partager et Piloter (HRP3). Inspiré des résul-
tats valides de ces travaux et des techniques de simula-
tion industrielles, un ensemble de six propositions
d’amélioration ont été conçues en vue de clarifier leur
efficacité et efficience dans le contexte du réseau de san-
té :
1. Mise en place du numéro d’appel unique,
2. Mise en place de MMG (maison médicale de garde),
3. Mise en place d’un Workflow de régulation en
amont,
4. Adoption de l’accès unique aux urgences,
5. Création d’un parcours rapide au sein du SU
6. Réalisation de l’affectation des lits par SIH (système
d’information hospitalier).
2 RESEAU DE PRISE EN CHARGE DES
URGENCES
Le réseau de santé est issu d’une collaboration des
professionnels de santé, répondant aux besoins de prise
en charge des patients. Le réseau de prise en charge des
urgences est l’une des filières du réseau de santé, dont la
mission est de répondre à des demandes inopinées de
toute nature et en tout lieu. De fait, elle se positionne en
« front line » de l’ensemble des structures de prise en
charge. Différents acteurs interviennent dans le réseau
des urgences, ils peuvent être catégorisés selon leurs
rôles et positions sur le parcours de la prise en charge des
urgences : les urgences pré-hospitalières, les services
d’accueil et le traitement des urgences, la prise en charge
en aval des urgences, ainsi que la poursuite ultérieure des
soins dans les établissements de Soins de Suite et
Réadaptation (SSR) et Hospitalisation à domicile
(HAD).
Le processus de prise en charge des patients aux
urgences est par conséquent décomposé en quatre phases
illustrées par la Figure 1 :
Figure 1 : La filière de la prise en charge des urgences
En amont de la filière, les urgences pré-hospitalières sont
assurées principalement par le SAMU et le pompiers
SDIS qui disposent chacun d’un centre de régulation des
appels d’urgence. Ils organisent le transport des patients
par les moyens les plus adéquates, et orientent les
patients vers la structure de soins adaptée à la pathologie
à traiter. Parallèlement, SOS Médecins est un réseau de
70 associations d'urgentistes libéraux, réparties sur
l'ensemble du territoire Français. Ces associations
fonctionnent 24h/24 en étroite collaboration avec le
SAMU. Dans le cadre de la Permanence des Soins, les
médecins de ville et les MMG fonctionnent
alternativement dans le temps pour la prise en charge des
patients en collaboration avec les structures des
urgences.
Quant à la Structure des Urgences, elle reçoit chaque
jour de l'année et 24h/24 toute personne se présentant
spontanément ou acheminée par des ambulances, ou des
véhicules du SAMU ou du SDIS, en attente de soins
dans les différents domaines médicaux et chirurgicaux.
Une équipe pluridisciplinaire composée de médecins
urgentistes, de spécialistes ainsi que d'infirmiers et
d'aides soignants, est présente pour assurer une prise en
charge de qualité dans les délais les plus courts.
En aval des urgences, les patients nécessitant une
hospitalisation à l’issue des urgences sont reçus dans les
services d’hospitalisation. En fonction de l’état du
patient et de sa pathologie, différentes unités de soins
contribuent à l’hospitalisation en aval des urgences à
l’hôpital : Unité d’Hospitalisation de Courte Durée
(UHCD), Unité d’hospitalisation Poly-pathologique
(UHP), unités neuro-vasculaires (UNV) et services
spécialisés dans le cadre de l’hospitalisation
conventionnelle.
En aval de l’aval des urgences, l’objectif est d’assurer la
continuité de soins hors de l’hôpital, dans les
établissements SSR, ou par le dispositif de
l’hospitalisation à domicile (HAD), surtout pour les
patients âgés, poly-pathologiques, de forte dépendance
physique, psychique ou sociale.
A cet effet reproduisant les caractéristiques majeures du
contexte du réseau d’urgence, nous proposons de
développer un simulateur qui comprendrait l’amont des
urgences (SAMU, SDIS, MMG, et Médecins de ville),
trois établissements hospitaliers disposant d’une
structure des urgences, et l’aval des urgences
(Etablissements SSR, HAD, et Maisons de repos).
L’enjeu du simulateur est donc d’apporter une vision
globale sur la performance des propositions
d’amélioration à travers l’évaluation quantitative de
différents scénarios.
 MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
Figure 2 : Schéma du réseau des urgences
Le schéma présenté ci-dessus (Figure 2) définit le
périmètre de la simulation incluant les principaux acteurs
du réseau des urgences. Les trois centres de traitement
des urgences seront tous modélisés dans le modèle de
simulation. Quant aux flux des patients, les flèches
pointillées représentent les flux d’entrée des patients, les
entrées sont multiples selon le choix des patients et des
différents motifs de recours aux urgences. Les flèches
reliant les acteurs illustrent les flux orientés des patients
dans le réseau, d’un acteur émetteur à un acteur
d’accueil. Pour chacune des entités du réseau, nous
allons réaliser un méta-modèle. En effet, notre objectif
n’est pas de faire un dimensionnement des ressources
nécessaires pour chaque entité, mais d’appréhender sa
contribution à la performance globale de la prise en
charge.
3 LES SIX PROPOSITIONS D’AMELIORATION
La figure en Annexe illustre le processus de prise en
charge des urgences dans le contexte du réseau. Durant
les travaux de recherche dans le cadre du projet régional
Hôpitaux en réseaux : Prévoir, Partager et Piloter [HRP3,
2009], nous avons pu identifier des goulots
d’étranglement sur la chaîne logistique de la prise en
charge des urgences. Ainsi des propositions
d’amélioration ont été faites notamment sur les points
d’entrée et de croisement des flux de patients. Basé sur
ces résultats de recherche, les scénarios de simulation ont
été conçus par la suite sur les points à améliorer. Dans
notre simulateur, les six scénarios sont listés ci-dessous :
3.1 Mise en place du numéro d’appel unique.
Le SAMU et le SDIS peuvent tous les deux recevoir les
appels d’urgence, le SDIS peut transférer les appels
d’urgence mal adressés au SAMU pour régulation. Ainsi
30% des appels au centre 15 du SAMU proviennent du
centre 18 du SDIS, ceci représente environ 6,3 millions
appels d’urgence par an. Il se peut que le SDIS réagisse à
un appel d’urgence en envoyant une équipe de pompiers,
puis sollicite une intervention du SAMU sur le lieu de
secours. Dans ce genre de cas, les décisions prises de
manière successive ne favorisent pas la qualité de prise
en charge des urgences en termes des coûts et délai de
secours.
Cette proposition prévoit que les centres de régulation
des appels d’urgence 15 et 18 sont remplacés par un seul
centre de régulation doté d’un numéro d’urgence unique,
tout appel d’urgence passe par le centre de régulation des
appels et il sera ensuite dirigé vers le ou les services les
plus adaptés.
3.2 Mise en place de MMG.
Une MMG sera implantée sur un territoire où elle était
absente, une partie des recours aux urgences seront pris
en charge ensuite par la MMG. Une fois la MMG est
implantée, il est possible de configurer ses horaires
d’ouverture selon les trois horaires suivants : de 20h à
24h en semaine, de 14h à 20h le samedi, et de 8h à 20h
le dimanche.
3.3 Mise en place d’un Workflow de régulation en
amont.
Au lieu de transporter le patient dans une SU choisie
aléatoirement, le SAMU sélectionne à l’aide d’un
Workflow une SU en fonction de son délai de prise en
charge actuel, et de son taux d’occupation des
ressources, calculé dynamiquement durant la simulation.
Le patient non urgent sera envoyé dans l’hôpital où le
taux d’occupation des box est le plus faible. En cas de
saturation dans les trois hôpitaux, le patient sera pris en
charge par la structure des urgences où il y a le moins
d’attente. Pour les patients urgents, le critère de décision
est basé sur le rapport entre le nombre d’attentes et le
nombre de lits disponibles. Si personne n’est en attente,
le patient sera envoyé vers l’hôpital où il y a plus de lits
disponibles. Si aucun lit n’est disponible, le patient sera
envoyé vers l’hôpital où il y a le moins d’attente.
3.4 Adoption de l’accès unique aux urgences.
Contrairement à la situation actuelle où les SU doivent
prendre en charge tout patient qui se présente, même s’il
ne relève pas de l’urgence, l’accès direct aux SU sera
fermé, et toute demande de recours aux urgences passe
par un centre de régulation des urgences.
3.5 Création d’un parcours rapide au sein de SU.
Un ou deux box de consultation et des ressources
humaines seront dédiés à la prise en charge des patients
relevant de la permanence des soins dont la durée de
passage est généralement courte. Ces patients ont
rarement besoin d’examens complémentaires et d’avis de
spécialistes, ils retournent donc à domicile après une
consultation.
 MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie

3.6 Réalisation de l’affectation des lits par SIH.
L’affectation des lits ne s’effectue actuellement qu’avec
la présence d’un gestionnaire de lits de 9H30 à 16H00 en
semaine. Hors ces plages horaires, les patients
nécessitant une hospitalisation doivent attendre aux
urgences. Cette proposition introduit l’affectation des lits
en 24h/24 par le SIH, dans lequel la disponibilité des lits
dans les unités d’hospitalisation a été renseignée et est
mise à jour.
4 MODELE DE SIMULATION FLEXIBLE
Le processus de prise en charge des urgences est
modélisé avec le logiciel de simulation ARENA version
8.0 (Figure 3). ARENA est un outil graphique
commercialisé par Rockwell Automation, facilitant la
simulation industrielle et l’animation des systèmes. Il
repose sur le principe d’une modélisation hiérarchique et
modulaire, et élargit son extensibilité par la
programmation SIMAN et VBA.
c'est-à-dire, de constituer dynamiquement un scénario à
simuler. L’utilisateur peut choisir à partir de l’interface
de configuration, un seul scénario ou une combinaison
de plusieurs scénarios à simuler. Il existe en total 256
combinaisons possibles des scénarios, y compris le
scénario représentant la situation actuelle. A l’issu de
chaque simulation, l’utilisateur peut récupérer à travers
les indicateurs de performance prédéfinis, les résultats de
simulation.
5 EXPERIMENTATION
Les données introduites dans le modèle de simulation
s’appuient sur des recueils chez les acteurs modélisés et
sur des études statistiques issues des rapports d’activité
régionaux et nationaux. Ces données concernent les flux
des patients, leur répartition selon différentes trajectoires
de prise en charge, les temps de traitement, les coûts de
prise en charge, les ressources allouées aux acteurs (i.e.,
personnels, lits), et les emplois du temps des acteurs. Le
nombre d’arrivées est défini par tranche horaire d’une
heure, suivant la distribution de densité de probabilité
suivante {2,5 ; 2,2 ; 1,8 ; 1,6 ; 1,4 ; 1,2 ; 1,1 ; 1,6 ; 3 ; 5 ;
6,6 ; 6,4 ; 5,2 ; 5,3 ; 6,8 ; 6 ; 5,7 ; 5,8 ; 5,9 ; 5,6 ; 5,5 ; 4,7
; 4 ; 2,8}, (i.e., chaque nombre correspond à la densité de
probabilité d’arrivée d’une urgence durant la tranche
horaire à partir de [0h, 1h[).

Pour l’évaluation quantitative des différents scénarios,

nous avons élaboré un ensemble de 55 indicateurs de
performance répartis suivant trois catégories : patient,
acteur, et réseau (Tableau 1). Ces indicateurs couvrant
des aspects du triptyque coût – délai – qualité et
d’efficience, nous permettent de clarifier les points forts
et les points faibles des scénarios.

Coût Qualité Délai Efficience

Patient Coût Temps d’attente Délai
moyen par d’un box de con- total de
patient. sultation au SU. prise
Temps d’attente en
d’un lit en unité charge.
d’hospitalisation.
Acteur Coût par Niveau de satura- Nombre de
acteur tion des res- patients pris
(SAMU, sources. en charge
SDIS, par acteur.
MMG, SU,
Médecins
libéraux,
Unité
d’hospitalis
ation)
Réseau Coût par Nombre de
catégorie patients par
de patient. parcours.
Coût total Nombre de
du réseau. patients par
catégorie.

Figure 3 : Le modèle de simulation ARENA Tableau 1 : Le récapitulatif des indicateurs d’évaluation

Le modèle de simulation est capable de recevoir les L’expérimentation consiste à lancer 256 simulations
paramètres de configuration provenant d’une interface correspondant à l’ensemble des combinaisons de
utilisateur, afin d’orienter le comportement du modèle,
 MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
scénarios, chaque simulation inclut 30 réplications de 60
jours suite à une montée en charge de 3 jours pour
chacune entre elles. Après avoir analysé les résultats de
simulation, nous avons pu identifier deux cas typiques
qui mettent en évidence non seulement l’efficience et
l’efficacité de bonne proposition, mais aussi l’effet
contreproductif de fausse proposition d’amélioration.
Dans les figures 4 et 5, les histogrammes montrent la
comparaison en termes du temps d’attente dans les trois
hôpitaux, entre l’existant (Rouge) et la situation simulée
en appliquant une proposition d’amélioration (Bleu).
1. Scénario améliorant la performance du réseau
d'urgence - Adoption de l’accès unique aux urgences
La suppression de l’accès direct aux services d’urgence
oblige tout le monde à appeler le centre de régulation des
urgences. Parmi ceux qui ne relèvent pas d’urgence, une
grande partie sont résolus par des conseils médicaux ou
orientés vers les professionnels de la permanence de
soins (Médecins de ville, MMG). Nous constatons donc
une forte baisse au niveau des temps d’attente de box de
consultation. Au lieu d’être soigné par le service
d’urgence avec un coût moyen de 250 euros, le patient
non urgent reçoit les soins beaucoup moins coûteux dans
un cabinet médical ou une MMG.
Figure 4: Comparaison du temps d’attente an appliquant
l’accès unique aux urgences
2.Scénarios dégradant la performance du réseau
d'urgence - Création d’un parcours rapide au sein de SU
Aux urgences, les patients sont pris en charge en
fonction de la gravité de leur état. Les patients relevant
de la permanence des soins sont donc les moins
prioritaires. La création d’un parcours rapide au sein de
SU est une réponse pour réduire les temps d’attente des
patients les moins urgents. Ces patients ne mobilisant
que les ressources propres à la structure d’urgence sont
traités dans le cadre du parcours rapide indépendamment
des autres. Dans nos expérimentations, le parcours rapide
a été créé dans les hôpitaux B et C en utilisant 10% de
leur box de consultation.
L’amélioration du service est absente en fonction des
résultats de simulation, cependant le temps d’attente du
box de consultation a fortement augmenté. Par l’effet de
seuil – saturation du service d’urgence, la création du
parcours rapide n’apporte pas d’amélioration attendue,
mais fait augmenter le temps d’attente de box. D’où
vient l’illusion d’amélioration du parcours rapide ? Nous
avons beaucoup réfléchi sur cette question, plusieurs
causes ont été par la suite identifiées. Il se peut que le
service ne fût pas saturé initialement avant la création du
parcours rapide, la diminution du temps d’attente des
patients non urgents contribue à la diminution du temps
d’attente moyen de l’ensemble des patients. Il est aussi
possible qu’une ressource supplémentaire est ajoutée
pour le parcours rapide, lors qu’un médecin généraliste
filtre à l’entrée du service d’urgence en sélectionnant les
patients non urgents, ou qu’un médecin urgentiste vient
renforcer le parcours rapide. On a pu aussi constater que
le médecin travaille plus vite que d’habitude, lorsqu’il
est conscient de sa présence dans un parcours rapide.
Figure 5: Comparaison du temps d’attente en appliquant
la création du parcours rapide
6 CONCLUSION
Le simulateur présenté dans cet article permet aux
professionnels de santé impliqués dans la prise en charge
des urgences, de simuler et d’évaluer l’efficacité et
l’efficience de leur service par l’adoption d’une ou
plusieurs de nos propositions d’amélioration. Les six
propositions d’amélioration ont été modélisées et
simulées de manière intégrale dans le simulateur,
l’utilisateur peut choisir à partir de l’interface de
configuration, un seul scénario ou une combinaison de
plusieurs scénarios parmi le total de 256 possibles.
L’exploitation des résultats de simulation met en
évidence non seulement l’efficience et l’efficacité de
bonnes propositions, mais aussi l’effet contreproductif
de fausses propositions d’amélioration.
Vu la complexité du réseau d’urgence par le nombre
d’acteurs et le nombre des activités qu’ils réalisent, nous
avons opté pour la représentation des processus de prise
en charge des patients des acteurs les plus importants.
 MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
Par soucis de généricité nous avons reproduit dans les
processus d’activité les comportements les plus
fréquents. Le niveau de précision des modèles de
processus a parfois été dégradé pour certains acteurs afin
d’assurer une cohérence intégrale dans notre modèle de
simulation. Les coûts calculés par le simulateur sont
communiqués à titre indicatif, et servent uniquement à
comparer l’efficience entre deux situations choisies par
l’utilisateur.
REMERCIEMENTS
Ce présent travail est supporté par le cluster de recherche
COSPI de la région Rhône-Alpes, nous tenons ici à le
remercier.
REFERENCES
DREES, (2003a), Les usagers des urgences: Premiers
résultats d’une enquête nationale, Etudes et Résultats
N 212
DREES, (2003b), Les systèmes de santé danois, suédois
et finlandais, décentralisation, réformes et accès aux
soins, Etudes et Résultats N 214
DREES, (2003c), Motifs et trajectoires de recours aux
urgences hospitalières, Etudes et Résultats N 215
DREES, (2005), Réformes des systèmes de santé
allemand, néerlandais et suisse et introduction de la
concurrence, Etudes et Résultats N 445
DREES, (2006), L’activité des services d’urgences en
2004: Une stabilisation du nombre de passages.
Etudes et Résultats N 524
Hannan, E.L. et al. (1974) A simulation analysis of a
hospital emergency department, In 1974 Winter
Simulation Conference Proceedings, p.379-388,
Washington, DC
HRP3, (2009) Interface web de simulateur du réseau des
urgences, http://filieresdurgence.insa-lyon.fr/
Kumar, A. and R.Kapur, (1989) Discrete Simulation
Application - Scheduling Staff for the Emergency
Room, In 1989 Winter Simulation Conference
Proceedings, p.1112-1120, IEEE, Washington, DC
Le Spégagne, D., and M. Cauterman, 2005, Rapport de
fin de mission. Temps d'attente et de passage aux
urgences, Mission Nationale d’Expertise et d’Audit
Hospitaliers.
MeaH, (2006), Retours d'expériences-Bonne pratique
observée dans les services, 16 mars 2006,
www.meah.sante.gouv.fr/meah/index.php?id=505
MeaH, (2007a), Réduire les temps de passage aux
Urgences : avril 2005 – décembre 2006. Rapport
Final juillet 2007, www.meah.sante.gouv.fr/meah/
uploads/tx_meahfile/20070702_UrgencesV2_RapportFi
nal_V3.pdf
MeaH, (2007b), Améliorer la gestion des lits dans les
hôpitaux et cliniques : avril 2005 – mars 2007,
Rapport Final mars 2007
McGuire, F., (1994) Using Simulation to Reduce Length
of Stay in Emergency Departments, In 1994 Winter
Simulation Conference Proceedings, p.861-867
Orlando, Florida
Peck,J., and S. Kim (2008) Improving Emergency
Department Patient Flow Through Optimal Fast
Track Usage, Annals of Emergency Medicine,
Volume 52, Issue 4, Supplement 1, October 2008,
p.88
Rapport de la Cour des Comptes, (2006), Les urgences
médicales : constats et évolution récente.
www.ccomptes.fr/Cour-des-
comptes/publications/rapports/rp2006/12-urgences-
medicales.pdf
Rossetti, M.D. et al., (1999) Emergency department
simulation and determination of optimal attending
physician staffing schedules, In 1999 Winter
Simulation Conference Proceedings, p.1532-1540,
Phoenix, Arizona
Sheldon H. et al., (2004) Discrete-event simulation of
health care systems, chapter 8, Patient Flow:
Reducing delay in healthcare delivery, p. 211-252.
Wang, T., A. Guinet, A.Belaidi, B. Besombes (2007)
Modeling and Simulation of emergency services with
ARIS and Arena, Production Planning & Control,
The Management of Operations, Volume 20 Issue 6,
p.484-495.
Zhang, T., and A. Guinet (2007) Aide au Pilotage des
Organisations en Réseau, Coordination du Réseau de
Prise en Charge des Urgences, Master thesis.
Joines, J.A. and C.R. Houck, 1992. Genetic Algorithm
Optimization Toolbox for Matlab. Department of
Industrial Engineering, Technical Rapport No. 92-01,
North Carolina State University, Raleigh, North
Carolina.
 MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie

Annexe- Le réseau des urgences simulé

View publication stats