Strategische uitgifte bij
bloedtransfusie
Bachelorscriptie
M.F.M. Ettema
10786449
Universiteit van Amsterdam
Faculteit Economie en Bedrijfskunde
Supervisors:
N.M. van Dijk
J.H.J. van Sambeeck
Inhoudsopgave
Inhoudsopgave iii 1 Introductie 1 2 Probleembeschrijving 3 2.1 Alloimmunisatie . . . 3 5 2.2 Dynamische voorraad . . . 3 2.3 Introductie MDP . . . 4 2.3.1 Beslissingsmomenten . . . 4 2.3.2 Toestanden . . . 5 2.3.3 Acties . . . 5 10 2.3.4 Overgangskansen . . . 5 2.3.5 Opbrengsten . . . 5 2.4 Optimalisatiecriterium . . . 6 2.4.1 Gemiddelde opbrengsten. . . 6 2.4.2 Verdisconteerde opbrengsten . . . 6 15 2.4.3 Eindige tijdshorizon . . . 63 MDP met constante voorraad 7 3.1 Toestandsruimte . . . 7 3.2 Acties . . . 7 3.3 Overgangskansen . . . 8 20 3.3.1 ABO transities . . . 8 3.3.2 Transities algemeen . . . 9 3.4 Opbrengsten . . . 10 3.5 Oplossing . . . 10 3.6 Resultaten. . . 10 25
INHOUDSOPGAVE
4 Continue Tijd MDP 12
4.1 Beslissingsmomenten . . . 12
4.2 Toestandsruimte . . . 12
4.3 Acties . . . 13
4.3.1 Binnenkomst pati¨ent . . . 13
30 4.3.2 Binnenkomst bloedunit . . . 13 4.3.3 Weggooien bloedunit . . . 13 4.4 Overgangskansen . . . 13 4.4.1 Aankomst . . . 13 4.4.2 Uitgifte . . . 13 35 4.4.3 Oud bloed. . . 14 4.4.4 Restrictie intensiteiten . . . 14 4.4.5 Overgang . . . 14 4.5 Opbrengsten . . . 14 4.6 Uniformisatie . . . 15 40 5 Discrete Tijd MDP 16 5.1 Beslissingsmomenten . . . 16 5.2 Toestand . . . 16 5.2.1 Toestand ABO . . . 16 5.2.2 Toestand algemeen . . . 17 45 5.3 Acties . . . 17 5.3.1 Acties ABO . . . 17 5.3.2 Acties algemeen . . . 18 5.4 Overgangskansen . . . 18
5.4.1 Binnenkomst pati¨ent . . . 18
50 5.4.2 Binnenkomst voorraad . . . 18
5.4.3 Weggooien oud bloed . . . 18
5.4.4 Transitiematrix . . . 19 5.5 Opbrengsten . . . 19 5.5.1 Compatibiliteit ABO. . . 19 55 5.5.2 Compatibiliteit algemeen . . . 20 5.6 Oplossing . . . 21 6 Discussie 22 6.1 Houdbaarheid van bloed . . . 22
6.2 Donorpopulatie . . . 22
INHOUDSOPGAVE
6.3 Geplande vraag . . . 23
6.4 Uitbreidingen . . . 24
6.4.1 Nieuwe bloedunit aan voorraad toevoegen of niet . . . 24
6.4.2 Vraag naar meerdere eenheden . . . 24
6.4.3 Tijdsafhankelijke intensiteiten. . . 24
65
7 Conclusie 26
Bibliografie 27
Hoofdstuk 1
Introductie
70
Elk jaar zijn er in Nederland 250.000 mensen die een bloedtransfusie ondergaan. Bij de
bloed-transfusie krijgen de pati¨enten rode bloedcellen, bloedplaatjes en/of plasma toegediend. Deze
behandeling wordt bij verschillende pati¨enten toegepast, onder andere slachtoffers van ongevallen, pati¨enten die een operatie ondergaan waarbij veel bloed verloren kan gaan en pati¨enten die
wor-den behandeld voor vormen van kanker of verschillende bloedziekten. [9] Tegenover deze 250.000
75
pati¨enten die elk jaar een bloedtransfusie ondergaan staan 720.000 donaties van bijna 325.000
verschillende donoren. Niet elke donatie wordt gebruikt voor een bloedtransfusie voor pati¨enten.
Sanquin doet ook onderzoek met het gedoneerde bloed. [8]
Bij bloedtransfusies is het belangrijk dat het bloed van de donor een goede match is met het bloed van de pati¨ent. Het bloed van de donor mag hiervoor geen antigenen bevatten die niet in het
80
bloed van de ontvanger zitten. Het is lastig om het donorbloed goed te matchen met de pati¨ent. Er zijn veel verschillende antigenen waarop gematcht kan worden. In het onderzoek van van Sambeeck, van der Schoot, Schonewille, van Dijk en Jansen [5] wordt op maximaal 16 verschillende antigenen
gematcht. Onderscheid kan worden gemaakt tussen 216 = 65536 verschillende bloedgroepen.
Een ziekenhuis kan niet al deze verschillende bloedgroepen op voorraad hebben waardoor het
85
onmogelijk wordt om precies de juiste bloedgroep aan de pati¨ent te geven. Vaak is het ook niet
geheel bekend welke antigenen wel of niet in het bloed zitten van zowel de pati¨ent als de donor.
Het is ook hierom onmogelijk om op al deze antigenen te matchen.
Ziekenhuizen kunnen geen oneindige voorraad bloed hebben. Naast dat het veel geld kost om grote hoeveelheden bloed op voorraad te hebben is het ook niet wenselijk om een veel groter
90
aanbod aan bloed in een ziekenhuis te hebben dan dat er vraag naar bloed is. Bij een grote voorraad en weinig vraag zal er bloed weggegooid moeten worden omdat het bloed niet oneindig houdbaar is.
Het is dus van belang dat ziekenhuizen het bloed op een manier uitgeven zodat zo veel mogelijk pati¨enten geholpen kunnen worden. Bij de uitgifte van bloed zal niet enkel gekeken worden naar de
HOOFDSTUK 1. INTRODUCTIE
opbrengsten van de uitgifte op dat moment, maar ook naar de mogelijke uitgiften in de toekomst. Voor een ziekenhuis is het belangrijk om een goede strategie te hebben met betrekking tot het
uitgeven van bloed, zodat op lange termijn zo veel mogelijk pati¨enten geholpen kunnen worden. Er
zijn veel verschillende uitgifte strategie¨en mogelijk. Een mogelijke strategie is om een pati¨ent altijd een identieke bloedgroep te geven mits deze op voorraad is. Ook is het mogelijk om compatibel
100
uit te geven. Er wordt dan alleen bloed gegeven dat geen antigenen bevat die de pati¨ent zelf
niet in zijn/haar bloed heeft. Ook is het mogelijk om combinaties van deze strategie¨en te maken.
Zo kan aan een pati¨ent een identieke bloedgroep gegeven worden zolang deze op voorraad is, is
de identieke bloedgroep niet meer op voorraad dan kan naar een compatibel alternatief gekeken worden. Voor dit probleem zal een mathematisch model opgesteld worden waarmee de compatibele
105
uitgiftestrategie bepaald kan worden.
Hoofdstuk 2 zal een uitgebreide probleembeschrijving bevatten. Hoofdstuk 3 bevat een uitge-werkte modelformulering van een MDP met een constante voorraad. Vervolgens wordt in hoofd-stuk 4 het probleem beschreven als een Continuous-Time Markov Decision Process. In hoofdhoofd-stuk 5 zal een Discrete Time MDP beschreven worden. Hoofdstuk 6 bevat de discussie van het onderzoek
110
met mogelijke uitbreidingen voor het model. Vervolgens worden in hoofdstuk 7 de conclusies van dit onderzoek gegeven.
Hoofdstuk 2
Probleembeschrijving
2.1
Alloimmunisatie
115
Voor dit onderzoek bekijken we een voorraad met bloedunits. Als een pati¨ent om bloed vraagt zal
een unit uit de voorraad gehaald worden. Sanquin geeft een pati¨ent het liefst bloed van dezelfde
bloedgroep als de pati¨ent heeft. Daarvoor moeten alle verschillende bloedgroepen op voorraad
zijn. Het is echter niet altijd mogelijk om de pati¨ent identiek bloed, bloed van exact dezelfde
bloedgroep als hij/zij zelf heeft, te geven. Niet altijd is deze bloedgroep op voorraad. In dat geval
120
kan ook een andere bloedgroep gegeven worden, mits deze bloedgroep geen antigenen bevat die de pati¨ent zelf niet in zijn bloed heeft.
Bij het geven van bloed met antigenen die de pati¨ent zelf niet heeft, kan alloimmunisatie
optreden. Alloimmunisatie is een reactie van het immuunsysteem op onbekende antigenen.[11]
Bij een bloedtransfusie of een transplantatie kunnen bloedcellen met onbekende antigenen in het
125
bloed van de pati¨ent terecht komen. Door het matchen van het donorbloed met de pati¨ent kan
deze alloimmunisatie voorkomen worden.
Om alloimmunisatie te voorkomen zal het bloed compatibel uitgegeven worden. Bij het
compa-tibel uitgeven zal op ABOD niveau de bloedgroep O−het meest gevraagd worden. Deze bloedgroep
bevat geen antigenen en kan dus door elke pati¨ent ontvangen worden.
130
2.2
Dynamische voorraad
De voorraad zal niet hetzelfde blijven over de tijd. De voorraad verandert bij elke vraag naar een bloedunit en elke binnenkomst van bloed. Als een nieuwe unit de voorraad inkomt, heeft deze een bepaalde kans om van bloedgroep ψ te zijn. Deze kansen worden gegeven door verdeling van de bloedgroepen onder de populatie. De beschikbare voorraad is van invloed op de keuze welke
135
HOOFDSTUK 2. PROBLEEMBESCHRIJVING
het lastig maken om te bepalen welk bloedunit aan de pati¨ent gegeven zal worden.
2.3
Introductie MDP
Op elk beslissingsmoment zal een beslissing gemaakt moeten worden. Vanuit elke toestand kan een andere beslissing genomen worden. De beslissingen zijn niet afhankelijk van eerder gemaakte
140
beslissingen. Ook zijn de overgangskansen enkel afhankelijk van de toestand waarin het systeem zich bevindt. Het maakt hierbij niet uit hoe het systeem in de desbetreffende toestand gekomen is.
In een Markov beslissingsproces zal een persoon een beslissing maken die niet alleen effect heeft op de opbrengst op dat tijdstip, maar ook op de toestand en eventuele opbrengsten in de toekomst.
145
Bij het maken van de beslissing is het doel om de verwachtte opbrengst over de lange termijn te maximaliseren. Een uitgebreide beschrijving van Markov beslissingsprocessen is the vinden in het werk van Puterman. [4]
Puterman beschrijft het Markov Decision Process aan de hand van vijf eigenschappen:
1. Beslissingsmomenten 150 2. Toestanden 3. Acties 4. Overgangskansen 5. Opbrengsten
2.3.1
Beslissingsmomenten
155In een Markov Decision Process worden beslissingen genomen op bepaalde beslissingsmomenten. Hierbij is T de set van beslissingsmomenten. De verzameling T is een deelverzameling van de niet-negatieve re¨ele tijdslijn. Deze deelverzameling kan discreet of continu zijn en met een eindige of een oneindige horizon.
Discreet
160
In het geval dat de beslissingsmomenten alleen op discrete tijdstippen plaats kunnen vinden wordt de verzameling T met de beslissingsmomenten gegeven door: T := {t|t = 1, 2, ..., N } waarbij N < ∞ bij een eindige horizon en N = ∞ bij een oneindige horizon.
HOOFDSTUK 2. PROBLEEMBESCHRIJVING
Continu
Als deze deelverzameling continu is zijn er drie mogelijkheden waarop de tijdstippen beschreven
165
kunnen worden:
• Elk moment in de tijd kan een beslissing worden gemaakt
• Bij een gebeurtenis die op een random moment kan plaatsvinden, zoals een aankomst bij een wachtrij.
• Op tijdstippen gekozen door de persoon die de beslissing zal maken.
170
De verzameling van de beslissingsmomenten wordt gegeven door het interval T = [0, N ]. Hierbij is N < ∞ bij een eindige horizon en N = ∞ bij een oneindige horizon.
2.3.2
Toestanden
Op het moment dat een beslissing genomen moet worden bevindt het systeem zich in een bepaalde toestand s. De verzameling van deze verschillende mogelijke toestanden S waarbij geldt: s ∈ S
175
2.3.3
Acties
Niet in elke toestand zijn dezelfde acties mogelijk. De verzameling mogelijke acties is dus afhan-kelijk van de toestand waarin het systeem zich bevindt. De verzameling wordt weergegeven door A(s). Uit deze verzameling wordt een actie a gekozen (a ∈ A). Bij elke vraag naar bloed zal een
beslissing gemaakt worden welke van de aanwezige items bloed aan de pati¨ent gegeven zal worden.
180
2.3.4
Overgangskansen
De kans om van toestand s naar toestand t te gaan is afhankelijk van de actie a die is gekozen. Deze kans wordt geschreven als p(s, a, t). Het is niet altijd mogelijk om van toestand s naar toestand t te gaan in een enkele transitie. Voor een overgang die niet in ´e´en transitie mogelijk is,
is de kans p(s, a, t) = 0. Ook moet gelden datP
t,ap(s, a, t) = 1
185
2.3.5
Opbrengsten
Met de overgang van toestand s naar toestand t worden kosten gemaakt die afhankelijk zijn van deze twee toestanden. Bij een MDP is het gebruikelijk om niet de kosten maar de opbrengsten te defini¨eren. Kosten die bij de transitie gemaakt worden, zullen deze beschreven worden als negatieve opbrengsten. De functie r(s, t) beschrijft de kosten die gemaakt worden om van toestand s naar
190
HOOFDSTUK 2. PROBLEEMBESCHRIJVING
2.4
Optimalisatiecriterium
Er zijn verschillende criteria mogelijk om het Markov beslissingsproces te maximaliseren.
2.4.1
Gemiddelde opbrengsten
Een criterium is het maximaliseren van de gemiddelde opbrengsten. Aan elke transitie zijn
op-195
brengsten gekoppeld. Door het nemen van de gemiddelde opbrengsten kunnen gemakkelijk verge-lijkingen gedaan worden van de opbrengsten over verschillende tijdsperioden. Ook kan er over een oneindige horizon gekeken worden. De gemiddelde opbrengsten g onder een strategie π worden gegeven door (5.3) [4] gπ(s) = lim N →∞ 1 Nv π N +1(s) = lim N →∞ ∞ X n=1 Pπn−1rdn(s) (2.1)
2.4.2
Verdisconteerde opbrengsten
200Het criterium om de opbrengsten te verdisconteren en de som over al deze verdisconteerde op-brengsten te maximaliseren. Bij dit criterium wordt de aanname gedaan dat een opbrengst op dit tijdstip meer waard is dan een even grote opbrengst in de toekomst. Een opbrengst zal een steeds kleinere bijdrage leveren aan deze som als deze verder in de toekomst verkregen wordt.
2.4.3
Eindige tijdshorizon
205
Bij een eindige tijdshorizon zal een eindig aantal transities plaatsvinden. Met terugwaardse in-ductie kan de recursievergelijking worden opgelost en de strategie worden bepaald waarvoor de opbrengsten maximaal zijn.
Hoofdstuk 3
MDP met constante voorraad
210
Het probleem is door van Sambeeck geformuleerd als een Markov Decision Process.[6] Bij elke
tijdseenheid zal een bloedunit gevraagd worden en vervolgens zal ook een bloedunit toegevoegd worden aan de voorraad. Hierdoor blijft het aantal eenheden dat in de voorraad aanwezig is altijd
gelijk. Aan de hand van de bloedgroep van de pati¨ent en de aanwezige voorraad zal een bloedunit
uit de voorraad aan de pati¨ent gegeven worden. Dit is geformuleerd als de beslissing die gemaakt
215
moet worden.
3.1
Toestandsruimte
De toestand waarin het systeem zich bevindt wordt gegeven door de op dat tijdstip aanwezige
voorraad x en de bloedgroep van de pati¨ent ϕ. Het aantal antigenen waarop gematcht wordt is
m en de grootte van de voorraad is gelijk aan n. In dit geval geldt dat de grootte van de set met
220
mogelijke bloedgroepen (|F |) gelijk is aan 2m= M .
De grootte van de set met mogelijke voorraden is gelijk aan n + M − 1 n
De toestandsruimte S wordt dan gegeven door:
S := {s = (x, ϕ)|x ∈Nm0 ,X
ψ∈F
xψ= n, ϕ ∈ F } (3.1)
waarbij xψ ∈ N0 de hoeveelheid eenheden op voorraad van bloedgroep ψ is en ϕ ∈ F is de
gevraagde bloedgroep. .
225
3.2
Acties
Voorafgaand aan het toedienen van een bloedunit aan de pati¨ent zal eerst een beslissing gemaakt
HOOFDSTUK 3. MDP MET CONSTANTE VOORRAAD
wordt gegeven door A ⊆ F
A(s) := {ψ ∈ F |xψ> 0}∀s ∈ S (3.2)
Voor elke toestand s = (x, ϕ) ∈ S is de verzameling met mogelijke acties enkel afhankelijk van de
230
op dat moment aanwezige items in de voorraad (x) en niet van de gevraagde bloedgroep (ϕ).
3.3
Overgangskansen
Niet altijd is het mogelijk om van toestand s naar toestand s0te gaan in slechts ´e´en enkele transitie.
3.3.1
ABO transities
Als de grootte van de voorraad gelijk is aan twee en er wordt naar 2 antigenen gekeken dan volgt
235
de volgende graaf waarin de mogelijke overgangen, die in ´e´en stap te maken zijn, weergegeven zijn.
Figuur 3.1: Transities ABO
Naast deze overgangen naar een andere toestand is het ook mogelijk om weer terug te keren naar dezelfde toestand. Voor dit kleine voorbeeld waarbij slechts twee antigenen meegenomen worden en de voorraad ook slechts een grootte van twee heeft, zijn de transities nog te tekenen in een graaf. Bij grotere voorbeelden gaat dit erg lastig worden.
HOOFDSTUK 3. MDP MET CONSTANTE VOORRAAD
3.3.2
Transities algemeen
De kans om van toestand s = (x, ϕ1) ∈ S naar toestand s0= (z, ϕ2) ∈ S te gaan in de transitie is
afhankelijk van drie factoren
1. De bloedunit a ∈ A(s) die gegeven wordt om aan de vraag van de pati¨ent met bloedgroep
ϕ1 te voldoen.
245
2. De bloedunit ψ ∈ F die aan de voorraad wordt toegevoegd.
3. De bloedgroep ϕ ∈ F van de volgende pati¨ent.
De eerste factor is totaal afhankelijk van de beslissing die gemaakt wordt. Deze kan bepaald worden door de maker van de beslissing. Als gestart wordt met een voorraad x en gekozen wordt
om een bloedunit met bloedgroep a ∈ A aan de pati¨ent te geven dan zullen de volgende twee
250
vergelijkingen de voorraad weergeven: yi= xi− 1 als i = a yi= xi als i 6= a (3.3)
De tweede factor is de bloedunit ψ ∈ F die aan de voorraad toegevoegd wordt. Hierdoor verandert de voorraad nogmaals en volgen de volgende vergelijkingen:
zi= yi+ 1 als i = ψ zi= yi als i 6= ψ (3.4)
Het combineren van deze twee verzamelingen vergelijkingen geeft:
1. zi= xi ∀i ∈ F als a = ψ 255 2. zi= xi− 1 i = a, a 6= ψ zi= xi i 6= a, i 6= ψ, ψ 6= a zi= xi+ 1 i = ψ, a 6= ψ (3.5)
Hieruit volgen de overgangskansen voor een transitie van toestand s naar toestand s0 als actie
a ∈ A(s) gekozen wordt.
p(s, s0, a) = fψ· fϕ1 als yi= xi, ∀i ∈ F en a = ψ fψ· fϕ2 als yi = xi− 1, i = a yi = xi, i 6= a, i 6= ψ en a 6= ψ yi = xi+ 1, i = ψ 0 anders (3.6)
HOOFDSTUK 3. MDP MET CONSTANTE VOORRAAD
3.4
Opbrengsten
Om te voorkomen dat bloed gegeven wordt aan de pati¨ent waarvan de bloedgroep niet compatibel
260
is, worden kosten aan deze actie gekoppeld. Bij het geven van een bloedgroep die niet compatibel
is met de bloedgroep van de pati¨ent wordt een kostenpost van 1 in rekening gebracht. Bij het
toedienen van bloed dat wel compatibel is worden geen kosten in rekening gebracht. De opbrengst van het toedienen van bloedgroep a ∈ A(s) in toestand s(x, ϕ) wordt gegeven door:
r(s, a) = 0 compatibel, ϕ ≥ a, ϕ ∈ F , a ∈ A(s) −1 anders (3.7)
3.5
Oplossing
265Er is gekozen om de gemiddelde opbrengsten te maximaliseren. Op tijdstip 0 zal de opbrengst
(Vn(s)) gelijk zijn aan 0 voor alle mogelijke begintoestanden. Er zijn op dat moment nog geen
transities geweest en er is dus nog geen bloed aan een pati¨ent toegediend. Met de recursierelatie
(3.8) kunnen de opbrengsten bepaald worden.
Vn+1(s) = max
a∈A(s)
{r(s, a) +X
s0∈S
p(s, s0, a)Vn(s0)}, ∀s ∈ S, n > 0 (3.8)
Met behulp van Odoni grenzen [2] voor n > 0 kan de limiet van de gemiddelde verwachte opbrengst
270 bepaald worden. B(n) = max s∈S{V n+1(s) − Vn(s)} (3.9) b(n) = min s∈S{V n+1(s) − Vn(s)} (3.10)
Hiervoor geldt dat als G = limn→∞n1V dan b(n) ≤ G ≤ B(n). Het Successive Approximation
Algorithm wordt gestopt als B(n) − b(n) < 10−3 wordt bereikt.
3.6
Resultaten
275
Met dit algoritme is het mogelijk het Markov beslissingsproces zoals hier geformuleerd is op te lossen. Het model heeft een grote toestandsruimte en bij het vergroten van het model loopt de rekentijd snel op waardoor het probleem snel al niet meer oplosbaar is. Met drie antigenen waarop gematcht wordt en een voorraadgrootte van tien items konden de berekeningen nog worden uitgevoerd. Voor een grotere voorraad of een situatie waarin op meer antigenen gematcht wordt
280
lukt dit al niet meer.
De aanname dat de voorraad altijd constant is, is een sterke aanname. In de werkelijkheid zal nooit meteen na een uitgifte een nieuwe bloedunit geleverd worden. Vooral voor voorraden
HOOFDSTUK 3. MDP MET CONSTANTE VOORRAAD
keuzeruimte wordt hierdoor sterk verkleind. Bij grotere voorraden is dit effect veel kleiner en is
285
dit model wel een goede benadering. In het volgende hoofdstuk wordt een model opgesteld waarbij niet de aanname van een constante voorraad wordt gemaakt. Dit model neemt het natuurlijke verloop van de hoeveelheden bloedunits op voorraad ook op. Er wordt een continue-tijds Markov beslissingsproces opgesteld voor dit probleem.
Hoofdstuk 4
290
Continue Tijd MDP
In het Continuous-Time Markov Decision Process (CTMDP) zal niet elke tijdseenheid een bloed-unit de voorraad verlaten en binnenkomen. Met een bepaalde intensiteit λ wordt een bloedbloed-unit
aan de voorraad toegevoegd. Met de intensiteit µ komt een pati¨ent binnen die om een bloedunit
vraagt. Bloed heeft ook een beperkte houdbaarheid. Deze houdbaarheid zal in dit model ook
295
meegenomen worden. Als een bloedunit te lang in de voorraad ligt is deze niet meer bruikbaar. Met intensiteit ν wordt een bloedunit weggegooid.
4.1
Beslissingsmomenten
Een beslissing moet gemaakt worden als een bloedunit uitgegeven wordt. Bij binnenkomst van
de pati¨ent is zijn/haar bloedgroep gegeven. Op basis van de bloedgroep van de pati¨ent en de
300
op voorraad aanwezige bloedunits wordt een beslissing gemaakt. In het CTMC model wordt voorafgaand aan elke transitie een beslissing genomen. Bij binnenkomst van een bloedunit is er echter weinig te kiezen en zal de actieset enkel bestaan uit het toevoegen van de nieuwe bloedunit aan de voorraad. Bij het weggooien van een bloedunit omdat deze te oud is, is ook geen echte keuze mogelijk.
305
4.2
Toestandsruimte
De toestand wordt gegeven door de op tijdstip t aanwezige voorraad x = (x1, x2, . . . , xM). Waarbij
xψde hoeveelheid van bloedgroep ψ op voorraad is. Als m het aantal antigenen waarop gematcht
wordt representeert volgt dat M = 2m. Als daarnaast nmax het maximale aantal eenheden dat
in de voorraad kan worden opgeslagen is, zal de grootte van de toestandsruimte gegeven worden
310 door nmax+ M − 1 nmax
HOOFDSTUK 4. CONTINUE TIJD MDP
4.3
Acties
4.3.1
Binnenkomst pati¨
ent
Op het moment dat een pati¨ent binnenkomt, zal een beslissing gemaakt moeten worden. Besloten
moet worden welke bloedgroep aan de pati¨ent gegeven wordt. De keuze die gemaakt wordt is
315
afhankelijk van de aanwezige voorraad en de bloedgroep van de pati¨ent. De actieset A, waaruit
een actie a gekozen wordt, is enkel afhankelijk van de beschikbare voorraad.
A(s) := {ψ ∈ F |xψ> 0}
4.3.2
Binnenkomst bloedunit
Op het moment dat een bloedunit binnenkomt zal besloten moeten worden of deze aan de voorraad wordt toegevoegd. In dit model is er geen mogelijkheid om een binnenkomende bloedunit te
320
weigeren zolang er nog plaats in de voorraad is. Er kan geen unit aan de voorraad toegevoegd worden als de voorraad vol is (P xψ= nmax).
4.3.3
Weggooien bloedunit
Bij het weggooien van bloed is er geen echte keuze mogelijk. De bloedunit moet weggegooid worden. De enige mogelijke actie is dan ook om de bloedunit weg te gooien.
325
4.4
Overgangskansen
4.4.1
Aankomst
De aankomsten van een nieuwe unit bloed die aan de voorraad toegevoegd kan worden zijn wille-keurig en onafhankelijk van eerdere of toekomstige aankomsten. De aankomst van een unit bloed in de voorraad heeft een aankomstintensiteit van λ. De bloedunit heeft een kansverdeling van
330
verschillende bloedgroepen volgens de populatieverdeling fψ. De voorraad is echter niet oneindig
groot. Er kan alleen een nieuwe unit in de voorraad komen als geldtP
ψxψ≤ nmax
4.4.2
Uitgifte
De pati¨enten die bloed nodig hebben zullen op willekeurige momenten aankomen. Deze momenten
zijn homogeen verspreid over de tijd en onafhankelijk van elkaar. Met een intensiteit van µ wordt
335
om ´e´en eenheid bloed gevraagd. Bij de uitgifte van een zakje bloed wordt een actie uit de actieset gekozen. De actieset is enkel afhankelijk van de beschikbare voorraad op tijdstip t. Er kan namelijk op elk tijdstip enkel voor een bloedgroep gekozen worden als deze ook daadwerkelijk op voorraad
HOOFDSTUK 4. CONTINUE TIJD MDP
is. (xa> 0) De pati¨ent die om een eenheid bloed vraagt heeft bloedgroep ϕ met een kansverdeling
fϕ waarbij deze kansverdeling de populatieverdeling volgt.
340
4.4.3
Oud bloed
Het bloed kan niet oneindig lang bewaard worden. De maximale houdbaarheid van rode bloedcellen is 35 dagen. Met intensiteit ν is er een unit bloed niet meer geschikt voor transfusie en zal dus weggegooid moeten worden. Elke unit bloed uit de voorraad heeft dezelfde kans om weggegooid te worden.
345
4.4.4
Restrictie intensiteiten
Het is van belang dat de aankomstintensiteit (λ) groter is dan de intensiteit dat een item de voorraad verlaat (µ + ν). Als dit niet het geval is raakt op lange termijn de voorraad ’leeg’.
4.4.5
Overgang
Het combineren van de aankomsten en de uitgiften geeft de overgangskansen.
350 q(x, a, x0) = λfψ1P xψ≤nmax x 0 γ= xγ+ 1, γ = ψ µfϕ x0γ= xγ− 1, γ = ψ = a νxψ x0γ= xγ− 1, γ = ψ (4.1)
4.5
Opbrengsten
Om te zorgen dat pati¨enten zo vaak mogelijk compatibel bloed toegediend krijgen wordt een boete
gegeven als een pati¨ent geen compatibel bloed krijgt. Er zijn geen kosten verbonden aan de
bin-nenkomst van een nieuwe bloedunit. Bij het weggooien van een bloedunit worden kosten gerekend net als bij de keuze van een bloedgroep die niet compatibel is met de bloedgroep van de pati¨ent.
355
Deze kosten voor het weggooien van bloed liggen aanzienlijk lager dan bij het toedienen van
niet-compatibel bloed of een pati¨ent weigeren. Het weggooien van bloed moet wel geminimaliseerd
worden, maar is niet zo ernstig als het niet goed kunnen helpen van een pati¨ent. De opbrengsten
zijn niet afhankelijk van de toestand van de voorraad na de transitie. Enkel is van belang welke voorraad er aanwezig was voor de uitgifte en de gekozen actie.
360 r(s, a) =
−10 bij niet compatibel uitgeven
−1 bij weggooien bloedunit
0 anders
HOOFDSTUK 4. CONTINUE TIJD MDP
4.6
Uniformisatie
In het artikel van Serfozo[10] wordt aangetoond dat een Continuous-Time Markov Decision
Pro-cess ook geschreven kan worden als een Discrete-Time MDP. Onder het gemiddelde opbrengsten criterium komen de twee MDP’s overeen met betrekking tot de verwachte gemiddelde opbrengsten en de beslissingen. In het continue tijd MDP blijft het systeem voor een onbepaalde tijd in
toe-365
stand s. Deze verblijfstijd heeft een exponenti¨ele verdeling met parameter λ(s, a) ≥ 0. Vervolgens gaat het systeem naar toestand t ∈ S met kans q(s, a, t). Bij de uniformisatie wordt het CTMDP omgeschreven in een proces waarbij er een transitie van s naar t plaatsvindt met een exponenti¨ele verdeling met parameter B. Waarbij B zo gekozen wordt dat geldt:
X
t6=s
q(s, a, t) ≤ B < ∞ (4.3)
Met de overgangskansen (4.1) krijgen we:
370
λ + µ + νX
ψ
xψ≤ B < ∞ (4.4)
Er zal over een klein tijdsinterval gekeken worden naar de overgangen. Hierbij is de kans dat in dit tijdsinterval twee of meer transities plaatsvinden verwaarloosbaar klein. [1]
p(x, a, x0) = λ Bfψ1P xψ≤nmax x 0 γ = xγ+ 1, γ = ψ x0γ = xγ, γ 6= ψ µ Bfϕ x 0 γ = xγ− 1, γ = ψ = a x0γ = xγ, γ 6= ψ ν Bxψ x 0 γ = xγ− 1, γ = ψ x0γ = xγ, γ 6= ψ 1 − Bλ − µ B − ν B P ψxψ x0γ = xγ, ∀γ (4.5)
Het kleine interval waarin gekeken wordt is van grootte h = B1. In dit tijdsinterval bestaat een kans op een transitie naar een andere toestand. Ook is het mogelijk dat er geen transitie plaatsvindt. In matrixnotatie kan de uniformisatie als volgt geschreven worden:
375
P = I + 1
Hoofdstuk 5
Discrete Tijd MDP
In het vorige hoofdstuk is het continue-tijds Markov beslissingsproces omgeschreven naar een discrete-tijds Markov beslissingsproces. In dit hoofdstuk wordt het DTMDP verder uitgewerkt voor het uitgeven van bloedunits.
380
5.1
Beslissingsmomenten
Kenmerkend aan een discrete-tijds Markov beslissingsproces is dat op elk discreet tijdstip een beslissing gemaakt moet worden. Deze beslissing wordt gevolgd door een transitie naar een ’nieuwe’ toestand. In dit model is het ook mogelijk dat er geen gebeurtenis plaatsvindt. Dan vindt een transitie plaats die terugkeert naar dezelfde toestand.
385
5.2
Toestand
De toestand s wordt gegeven door de aanwezige voorraad en het bloedtype van de pati¨ent. De
aanwezige voorraad wordt gegeven door een vector met het aantal aanwezige units per bloedgroep.
Deze vector wordt weergegeven door x waarbij xψ de hoeveelheid van bloedgroep ψ op voorraad
is. De bloedgroep van de pati¨ent wordt gegeven door ϕ
390
5.2.1
Toestand ABO
In het geval dat op twee antigenen gematcht wordt en de voorraad twee units bevat, wordt de set
met de mogelijke bloedgroepen gegeven door F = {O, A, B, AB}. De bloedgroep van de pati¨ent
komt overeen met ´e´en van de bloedgroepen uit deze set. Er geldt dus dat ϕ ∈ {O, A, B, AB} . De
voorraad (x) is een combinatie van twee items uit een set van vier bloedgroepen. Waarbij het
mo-395
gelijk is om een bloedgroep twee keer te kiezen. De volgorde van de items in de voorraad is niet van belang. x ∈ {(2, 0, 0, 0), (1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1), (0, 2, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1), (0, 0, 2, 0),
HOOFDSTUK 5. DISCRETE TIJD MDP
(0, 0, 1, 1), (0, 0, 0, 2)}
De set met mogelijke voorraden heeft een grootte van 10. De set met mogelijke bloedgroepen van de pati¨ent heeft een grootte van 4. In totaal heeft de toestandsruimte een grootte van 10 · 4 =
400
40.
5.2.2
Toestand algemeen
In het algemeen is het aantal antigenen waarop gematcht wordt gelijk aan m en de voorraadgrootte gelijk aan n. In dit geval geldt dat de grootte van de set met mogelijke bloedgroepen (|F |) gelijk is aan 2m.
405
De grootte van de set met mogelijke voorraden is gelijk aan n + 2m− 1 n waarbij m gelijk is
aan het aantal antigenen waar naar gekeken wordt. Er zijn dus 2mverschillende bloedgroepen die
in de voorraad kunnen zijn. De voorraadgrootte wordt weergegeven door n. De toestandsruimte S wordt gegeven door:
S := {s = (x, ϕ)|x ∈N20m,X
ψ∈F
xψ= n, ϕ ∈ F }
5.3
Acties
410
Op het beslissingsmoment kan bepaald worden welke bloedgroep aan de pati¨ent gegeven wordt. Er
kan alleen gekozen worden uit de bloedgroepen die ook daadwerkelijk op voorraad zijn (xψ> 0).
De actieset is enkel afhankelijk van de op dat moment aanwezige voorraad.
5.3.1
Acties ABO
In het geval dat m=2 en n=2 kan voor elk mogelijke voorraad de actieset gegeven worden.
415 voorraad actieset (2, 0, 0, 0) {O} (1, 1, 0, 0) {O, A} (1, 0, 1, 0) {O, B} (1, 0, 0, 1) {O, AB} (0, 2, 0, 0) {A} (0, 1, 1, 0) {A, B} (0, 1, 0, 1) {A, AB} (0, 0, 2, 0) {B} (0, 0, 1, 1) {B, AB} (0, 0, 0, 2) {AB}
HOOFDSTUK 5. DISCRETE TIJD MDP
bloedgroepen op voorraad zijn is slechts 1 actie mogelijk en kan er geen beslissing meer genomen worden.
5.3.2
Acties algemeen
420
De actieset A is een deelverzameling van F en enkel afhankelijk van de voorraad x. De actieset in toestand s kan als volgt worden omschreven:
A(s) := {ψ ∈ F |xψ> 0}
Elke actie a ∈ A kan gekozen worden.
5.4
Overgangskansen
De volgende drie gebeurtenissen zorgen voor een verandering in de aanwezige voorraad. Deze
425
gebeurtenissen zorgen voor een transitie van toestand s naar s0. Het is ook mogelijk dat er geen gebeurtenis plaatsvindt. Dan zal een transitie plaatsvinden waarin van toestand s naar toestand s gegaan wordt.
5.4.1
Binnenkomst pati¨
ent
De kans dat de binnenkomende pati¨ent de bloedgroep ϕ heeft wordt gegeven door het percentage
430
van bloedgroep ϕ in de populatie (fϕ).
5.4.2
Binnenkomst voorraad
De kans op een bepaalde bloedgroep wordt weergegeven door het percentage van die bloedgroep in
de populatie. Deze kansen kunnen worden weergegeven in een vector f waarbij fψhet percentage
van bloedgroep ψ in de populatie.
435
5.4.3
Weggooien oud bloed
Ook in het discrete-tijds-MDP model zal bloed weggegooid worden omdat het een beperkte houd-baarheid heeft.
HOOFDSTUK 5. DISCRETE TIJD MDP
5.4.4
Transitiematrix
De transitiematrix wordt gegeven door de overgangskansen van toestand s = x naar toestand
440 s0= x0 p(x, a, x0) = λ Bfψ1P xψ≤nmax x 0 γ = xγ+ 1, γ = ψ x0γ = xγ, γ 6= ψ µ Bfϕ x 0 γ = xγ− 1, γ = ψ = a x0γ = xγ, γ 6= ψ ν Bxψ x 0 γ = xγ− 1, γ = ψ x0γ = xγ, γ 6= ψ 1 − Bλ − µ B − ν B P ψxψ x0γ = xγ, ∀γ (5.1)
5.5
Opbrengsten
Om te voorkomen dat bloed gegeven wordt aan de pati¨ent waarvan de bloedgroep niet compatibel
is, worden kosten aan deze actie gehangen. Bij het geven van een bloedgroep die niet compatibel
is met de bloedgroep van de pati¨ent wordt een kostenpost van 10 in rekening gebracht. Bij het
445
toedienen van bloed dat wel compatibel is worden geen kosten in rekening gebracht. Als een bloedunit te oud is en weggegooid moet worden staat daar een boete van 1 op.
r(s, ϕ, a) =
−10 als a = ψ niet compatibel is met ϕ
−1 als een bloedunit weggegooid moet worden
0 anders
(5.2)
5.5.1
Compatibiliteit ABO
Een pati¨ent kan niet elk bloed ontvangen. Er kan geen bloed gegeven worden aan de pati¨ent
waarin antigenen zitten die de pati¨ent zelf niet in zijn/haar bloed heeft. In figuur 5.1 is te zien
450
welke bloedgroepen een pati¨ent kan ontvangen als enkel naar de A en B antigenen gekeken wordt.
bloedgroep aanwezige antigenen afwezige antigenen compatibele bloedgroepen
O A,B O
A A B O,A
B B A O,B
AB A,B O,A,B,AB
HOOFDSTUK 5. DISCRETE TIJD MDP
Figuur 5.1: Compatibiliteit ABO
Bloedgroep O kan aan elke pati¨ent gegeven worden en staat hierom bekend als de ’algemene gever’.
Bloedgroep AB kan enkel aan bloedgroep AB worden gegeven, maar een pati¨ent met bloedgroep
AB kan wel elke bloedgroep ontvangen.
5.5.2
Compatibiliteit algemeen
455
Ook met meer antigenen kan gekeken worden of de bloedgroep van de donor (ψ) compatibel is met de bloedgroep van de pati¨ent (ϕ). De bloedgroepen van zowel de pati¨ent als de donor worden weergegeven in een vector waarbij de i-de term gelijk is aan 0 als dat antigen niet aanwezig is en 1
als deze wel aanwezig is. De bloedgroep A wordt dan weergegeven door de vector1 0
. Voor
de bloedgroepen die compatibel zijn voor een pati¨ent met bloedgroep A moet gelden dat er geen
460
antigenen B in het bloed zitten. Er moet dus gelden dat de vector ψ geen 1 op de tweede plaats in de vector heeft staan.
In het algemeen moet gelden dat ϕ ≥ ψ voor elk element in ϕ en ψ. Voor het ABO voorbeeld is
HOOFDSTUK 5. DISCRETE TIJD MDP ψ ϕ − ψ (0, 0) (1, 0) (0, 1) (1, 1) (0, 0) (0, 0) (1, 0) (0, 1) (1, 1) (1, 0) (−1, 0) (0, 0) (−1, 1) (0, 1) (0, 1) (0, −1) (1, −1) (0, 0) (1, 0) (1, 1) (−1, −1) (0, −1) (−1, 0) (0, 0)
Tabel 5.2: Compatibiliteit ABO
Dit kan ook gedaan worden als het aantal antigenen waarop gematcht wordt toeneemt.
465
5.6
Oplossing
De gemiddelde opbrengst g bij een strategie π wordt gemaximaliseerd.
gπ(s) = lim N →∞ 1 Nv π N +1(s) = lim N →∞ ∞ X n=1 Pπn−1rdn(s) (5.3)
Er kan een oplossing gevonden worden met behulp van voorwaarts dynamisch programmeren en
het DTMDP-model. De recursieformule (5.4) moet opgelost worden. Voor elke mogelijke actie
wordt gekeken naar de directe opbrengst en de verwachtte opbrengsten in de toekomst.
470 Vn+1(s) = max a∈A(s) r(s, ϕ, a) +X s0∈S p(s, s0, a)Vn(s0) (5.4)
waarbij voor n = 0 geldt Vn(s) ≡ 0, ∀s ∈ S. Op het tijdstip 0 hebben nog geen transities
plaatsgevonden en zijn er dus nog geen opbrengsten. Voor elke begintoestand is dit van toepassing.
Er kan gegekeken worden naar de Odoni grenzen. [2]
B(n) = max s∈S n Vn+1(s) − Vn(s)o, n > 0 (5.5) b(n) = min s∈S n Vn+1(s) − Vn(s)o, n > 0 (5.6)
Voor deze grenzen geldt: b(n) ≤ g ≤ B(n)
475
Deze Odoni grenzen zullen convergeren rondom de functie gπ(s) zoals bepaald in vergelijking (5.3). Met behulp van deze grenzen kan dus bepaald worden naar welke waarde de gemiddelde opbrengst zal convergeren. Er zal gestopt worden met itereren als B(n) − b(n) onder een vooraf bepaalde waarde komt.
Hoofdstuk 6
480
Discussie
6.1
Houdbaarheid van bloed
Bloed kan niet oneindig lang in de voorraad van een ziekenhuis blijven liggen. Bloedplaatjes gaan slechts zeven dagen mee. De rode bloedcellen kunnen langer worden bewaard, namelijk 35 dagen. Het langst kan je het plasma bewaren. Het plasma kan ingevroren worden en tot wel twee jaar
485
worden bewaard. [7]
Bij de uitgifte van bloed kan ook de naderende houdbaarheidsdatum van belang zijn. Bloed wat zijn houdbaarheidsdatum nadert zou eerder uitgegeven moeten worden dan bloed dat nog langer bewaard kan blijven. Dit kan ook in het model opgenomen worden.
In het model van Powell [3] wordt ook de leeftijd van het bloed dat op voorraad is bijgehouden.
490
Dit is vrij eenvoudig toe te voegen aan het model. Voor elk item wordt niet alleen bijgehouden welke bloedgroep het heeft, maar ook de leeftijd.
b = b1 b2 = Bloedgroep(A+, A−, . . .) Leeftijd(in weken)
Het bijhouden van de leeftijd van een bloedunit heeft een groot nadeel bij berekeningen aan het model. De toestandsruimte wordt hierdoor alleen vergroot en dat maakt het doorrekenen van het model erg complex.
495
6.2
Donorpopulatie
Donoren met bloedgroep O− komen in de donorpopulatie vaker voor dan in de gehele populatie.
Deze donoren worden ook vaker opgeroepen om bloed te doneren. Hierdoor zal deze bloedgroep vaker op voorraad zijn dan in het model aangenomen is. Dit is gunstig aangezien de bloedgroep
O− de algemene gever is en door elke pati¨ent kan worden ontvangen. De bloedgroepen O+ en
500
HOOFDSTUK 6. DISCUSSIE
in Nederland. De verdeling van bloedgroepen onder de donorpopulatie van Sanquin is te zien in
figuur 6.1.[8]. De verdeling van de bloedgroepen onder de Nederlandse bevolking is te vinden in
tabel6.1. [7]
Figuur 6.1: Verdeling bloedgroepen donorpopulatie
O A B AB totaal
Rhesus D-positief 0.3995 0.3570 0.0680 0.0255 0.85
Rhesus D-negatief 0.0705 0.0630 0.0120 0.0045 0.15
totaal 0.47 0.42 0.08 0.03
Tabel 6.1: Verdeling bloedgroepen over de populatie in Nederland
6.3
Geplande vraag
505
Bloedtransfusies bij pati¨enten met een bloedziekte of pati¨enten met een zware operatie worden
vaak van te voren ingepland. Voor een ziekenhuis is het dan al bekend wanneer de bloedtransfusie gaat plaatsvinden. Voor geplande bloedtransfusies wordt de gewenste bloedgroep vaak van te voren besteld bij de bloedbank. Op basis van deze bestellingen zal Sanquin bloeddonoren van de specifiek gevraagde bloedgroepen oproepen.
HOOFDSTUK 6. DISCUSSIE
6.4
Uitbreidingen
6.4.1
Nieuwe bloedunit aan voorraad toevoegen of niet
Bij de binnenkomst van een bloedunit kan een beslissing worden toegevoegd. Zo kan het on-wenselijk zijn om bepaalde bloedunit aan de voorraad toe te voegen. Als er bijvoorbeeld een voorraadgrootte van 5 eenheden is en er al 4 bloedunits van bloedgroep AB op voorraad zijn is het
515
niet wenselijk om er nog een bloedunit van bloedgroep AB aan toe te voegen. Het kan dan soms een goede strategie zijn om deze af te wijzen in de hoop dat de volgende bloedunit die aankomt een andere bloedgroep heeft.
6.4.2
Vraag naar meerdere eenheden
Niet elke pati¨ent heeft slechts 1 eenheid bloed nodig. Bij grote operaties worden vaak meerdere
520
bloedunits gebruikt. Bij de binnenkomst van de pati¨ent is dan niet alleen meer de bloedgroep van
de pati¨ent van belang, maar ook de gevraagde hoeveelheid. De overgangskansen (5.1) kunnen dan
herschreven worden tot (6.1).
p(x, a, x0) = λ Bfψ1P xψ≤nmax x 0 γ = xγ+ 1, γ = ψ x0γ = xγ, γ 6= ψ µ Bfϕ(k) x 0 γ = xγ− k, γ = ψ = a x0γ= xγ, γ 6= ψ ν Bxψ x 0 γ = xγ− 1, γ = ψ x0γ = xγ, γ 6= ψ 1 − Bλ −Bµ − ν B P ψxψ x 0 γ = xγ, ∀γ (6.1)
In dit geval bestaat de actieset uit de bloedgroepen die met minstens k eenheden op voorraad zijn.
A(s) := {ψ ∈ F |xψ≥ k}
Vooral bij kleinere voorraden is dit lastig. Het kan voorkomen dat er van geen enkele
bloed-525
groep k eenheden op voorraad zijn. Er kan dan gekozen worden om bloedunits van verschillende bloedgroepen toe te dienen, zolang deze maar allemaal compatibel zijn. Dan moet een beslissing
gemaakt worden over welke combinatie van verschillende bloedgroepen aan de pati¨ent gegeven zal
worden. Dit maakt het MDP nog lastiger aangezien de actieset erg groot wordt als combinaties van bloedgroepen toegediend gaan worden.
530
6.4.3
Tijdsafhankelijke intensiteiten
De intensiteiten kunnen afhankelijk zijn van de tijd. Zo komt er in het weekend geen nieuw bloed de voorraad in, maar is er wel vraag naar bloed. Ook de vraag naar bloed zal minder zijn aangezien veel geplande operaties op werkdagen plaatsvinden. Naast het weekend zijn ook vakanties periodes waarin minder bloed gedoneerd wordt en minder geplande operaties plaatsvinden. De intensiteiten
HOOFDSTUK 6. DISCUSSIE
λ en µ kunnen dan beschreven worden als functies in de tijd, λ(t), µ(t). Dit kan verwerkt worden
in de overgangskansen (5.1). De nieuwe overgangskansen worden gegeven door (6.2).
p(x, a, x0, t) = λ(t) B fψ1P xψ≤nmax x 0 γ = xγ+ 1, γ = ψ x0γ = xγ, γ 6= ψ µ(t) B fϕ x 0 γ = xγ− 1, γ = ψ = a x0γ = xγ, γ 6= ψ ν Bxψ x 0 γ = xγ− 1, γ = ψ x0γ = xγ, γ 6= ψ 1 − λ(t)B −µ(t)B − ν B P ψxψ x 0 γ = xγ, ∀γ (6.2)
Hoofdstuk 7
Conclusie
Bloedtransfusies zijn erg belangrijk voor de gezondheid van veel pati¨enten. Aangezien een
bloed-540
unit alleen compatibel uitgegeven kan worden, maakt het uitgeven van de bloedunits lastiger dan wanneer dit niet het geval is. Niet alleen de pati¨ent op dat tijdstip moet compatibel bloed
toege-diend krijgen, ook in de toekomst moeten zo veel mogelijk pati¨enten compatibel bloed toegediend
krijgen. De uitgifte van het bloed aan de pati¨ent heeft ook invloed op de beschikbare voorraad
voor toekomstige pati¨enten. Het is lastig om hierover een strategische beslissing te maken.
545
Dit onderzoek geeft een model voor het optimaal uitgeven van compatibele bloedunits aan
pati¨enten. Een wiskundig model is gegeven op basis van een vereenvoudigde situatie van de
voor-raad van een ziekenhuis. Bij de uitgifte van het bloed wordt rekening gehouden met de bloedgroep van de pati¨ent en de voorraad. Ondanks de vereenvoudiging van de situatie geeft het model inzicht in een goede strategie voor het uitgeven van de bloedunits. Eventueel kunnen eenvoudig extra
550
antigenen, waarop het bloed gematcht moet worden, aan het model worden toegevoegd. Ook andere toevoegingen, zoals de leeftijd van een item, kunnen worden toegevoegd.
Het model biedt een goed uitgangspunt voor een uitgifte strategie. Het model kan aangepast worden om beter aan te sluiten bij de werkelijke situatie.
Bibliografie
555
[1] N.M. van Dijk, S.P.J. van Brummelen, and R.J. Boucherie. Uniformization: Basics,extensions
and applications. Performance Evaluation, 118:8–32, 2018. 15
[2] A.R. Odoni. On Finding the Maximal Gain for Markov Decision Processes. Operations
Research, 17(5):857–860, 1969. 10,21
[3] W.B. Powell. Approximate Dynamic Programming: Solving the Curses of Dimensionality,
560
chapter Dynamic Resource Allocation Problems, pages 541–592. Wiley, 2011. 22
[4] M.L. Puterman. Markov Decision Processes: Discrete Stochastic Dynamic Programming. Wiley, 1994. 4,6
[5] J. H. J. van Sambeeck, C. E. van der Schoot, H. Schonewille, N. M. van Dijk, and M.P. Jans-sen. Mathematical Optimazation for Preventing Alloimmunization. artikel in voorbereiding,
565
2018. 1
[6] J.H.J. van Sambeeck. Persoonlijke notitie uitwerking compatibele uitgifte met constante
voorraad. 7
[7] Sanquin. https://www.sanquin.nl/donor/veel-gestelde-vragen-donor/. geraadpleegd
op: 19.06.2018. 22,23
570
[8] Sanquin. Sanquin, jaarverslag 2017. https://www.sanquin.nl/over-sanquin/
over-sanquin/jaarverslagen/jaarverslag-2017/, Juni 2018. 1,23
[9] Sanquin. Sanquin, pati¨entenfolder. https://www.sanquin.org/nl/
producten-en-diensten/transfusiegeneeskunde/patientenfolders/patientenfolder, april 2018. 1
575
[10] R.F. Serfozo. An Equivalence Between Continuous and Discrete Time Markov Decision
BIBLIOGRAFIE
[11] J.C. Zimring, L Welniak, J.W. Semple, P.M. Ness, S.J. Slichter, and S.L. Spitalnik ; NHLBI Alloimmunization Working Group. Current problems and future directions of transfusion-induced alloimmunization: summary of an nhlbi working group. Transfusion, 51(2):435–441,
580
Appendix
BIBLIOGRAFIE
Bloedgroep van de pati¨ent
bloedgroep O− O+ A− A+ B− B+ AB− AB+ O− x x x x x x x x O+ x x x x A− x x x x A+ x x B− x x x x B+ x x AB− x x AB+ x