ICB主导的应用研究项目
这些研究项目由 ICB 的同事牵头，并由研究人员提供支持，旨在解决 ICB 的优先领域问题。.
寻找项目： 使用“Ctrl + F”快捷键打开浏览器的查找功能。然后使用关键词搜索你感兴趣的主题项目。最好尝试几个不同的关键词，例如“出生”、“孕产”、“母性”或“出生”。.
更年期睾酮：证据和处方实践综述——《药学杂志》
更深入地研究了关于更年期女性使用睾酮处方的证据基础，分析了区域处方集的影响以及近年来需求的激增。.
提高医疗保健领域模拟技术的应用：用户驱动的开源患者流程建模工具开发
PathSimR模型是一款功能强大的仿真模型，由BNSSG专门开发，用于模拟医疗保健中的患者诊疗路径。该软件提供免费且灵活的解决方案，已在BNSSG以及其他NHS系统中应用于各种项目和工作。本文将详细介绍该软件的开发过程，并阐述其工作原理和功能。.
优化复杂出院路径中急症护理和中期护理能力的平衡
平衡急性医院和社区护理之间的容量和患者流动是一个复杂的规划问题，需要考虑患者入院时间的不确定性和住院时间的长短不一。通过各种情景模拟，我们的模型有助于揭示这一路径上的最佳容量分配方案。该模型是在新冠疫情爆发后的最初几个月内建立的。.
探索财务上可持续的举措，以解决精神科重症监护室异地安置问题
当本地医疗资源不足以满足需求时，就会出现异地安置的情况。这种情况在高危精神健康护理领域尤为常见，患者可能需要被送往距离较远的其他医疗机构。我们使用 PathSimR 模型构建的模型考虑了各种医疗资源不足的情况，以期降低此类情况发生的可能性。.
新冠疫情后择期手术等候名单恢复情况建模
新冠疫情爆发后，择期手术的等候名单显著增加。在疫情恢复初期，许多‘错过的转诊’病例最终会有多少能够恢复，尚不明朗。当地开展了建模研究，以了解在不同比例的病例恢复情况下，等候名单的可能规模和等候时间。该模型也被应用于英格兰全国范围。.
通过灵活利用床位容量优化急性卒中诊疗路径
我们使用 PathSimR 模型对 BNSSG 规划的未来集中式卒中诊疗路径进行了建模。建模过程包括路径模型的校准，并利用该模型回答了在不同时间段需要多少灵活容量的问题，以确保绝大多数患者在入院超急性卒中单元时不会遇到延误。.
通过可扩展的候补名单模型支持新冠肺炎选择性康复
本文报告了BNSSG采用的建模方法，该方法基于对未来需求和容量水平的不同假设，用于估算各医疗机构和专科的未来候诊名单规模。该模型简单易用且可扩展，目前已应用于英格兰所有医院信托机构和专科，并按月更新预测结果。.
试图消除延迟转诊的虚假经济效益：排队论的一些教训
这项研究挑战了以往的普遍认知，即在运转良好的医疗保健系统中，必须“消除”延迟转诊（有时被称为‘占用床位’）。该研究运用排队论的数学方法发现，推行此类政策可能并不经济，因为它需要占用大量的社区医疗资源来应对即使是最罕见的需求高峰，而大部分时间里，这些资源都将处于闲置状态。.
实施推荐的紧急护理和治疗概要计划（ReSPECT）
ReSPECT 流程是一项倡议，旨在为未来紧急情况下无法做出或表达选择的人提供个性化的临床护理和治疗建议。. 这项举措在疫情期间于当地实施。分析的目的是确定ReSPECT表格实施过程（在第一波新冠疫情期间）的公平性，以及此后患者及其当地医疗机构互动方式的任何相关变化。这将有助于为未来有关ReSPECT表格使用的委托决策提供依据。.
利用超本地化人口健康管理来提高新冠疫苗接种率
IBNSSG ICB委托开展了地方宣传活动，鼓励那些接种疫苗意愿较低的人群接种新冠疫苗。这些分析将帮助我们了解这些宣传活动的有效性，以便我们未来改进组织涉及大量人群的地方和国家卫生项目的方式。.
P-NEWS：针对危重入院患者的个性化早期预警评分
该项目旨在通过及早干预，在问题恶化之前进行纠正，从而减少重症监护室的入院人数。他们计划利用患者观察和先进的分析技术，为每位患者准确评估病情恶化的风险。国家早期预警评分（NEWS）是一种“一刀切”的评分系统，用于衡量患者的病情严重程度。然而，NEWS并未考虑诊断和既往病史等重要因素。该项目旨在改进NEWS评分系统，以便更早地预测病情恶化。.
该项目是英国健康数据研究南部地区改善医疗保健伙伴关系的一部分。.
人口分割方法比较
根据个体属性和/或医疗保健活动将人口划分为特定群体是人口健康管理 (PHM) 的关键组成部分。然而，人口划分方法多种多样，各有优缺点。本项目回顾了 16 种最常用的方法，旨在确定哪种方法最适合回答特定类型的问题。研究结果为我们在 PHM 项目中选择合适的划分方法提供了依据。.
揭示英国国家医疗服务体系（NHS）转诊治疗的动态过程
转诊至治疗时间 (RTT) 衡量的是等待时间在 18 周以内的患者比例，是英国国民医疗服务体系 (NHS) 择期手术绩效的主要指标，用于监测患者等待计划治疗的时间。对于医疗保健系统而言，了解并模拟 RTT 路径的动态变化至关重要，这样才能可靠地预测未来的等待时间，并评估转诊和容量变化的影响。我们的计算机模拟模型已被广泛应用于此类目的，适用于不同的医院信托机构和临床专科。.
模拟患者转诊和出院延误情况下的患者就医路径容量
如果没有足够的床位，临床路径可能会受阻，导致患者虽然符合出院条件却无法转诊至后续科室。这对患者和医院都极为不利。然而，估算所需的最佳床位并非易事。虽然电子表格方法快捷简便，但通常会低估所需的床位数。本文提出了一种更稳健的方法，提供了一个可定制且可重复使用的计算机模型，并将其应用于未来卒中诊疗路径的床位估算。.
人口健康管理：识别和描述未感染新冠病毒的高危人群的持续健康需求：一项横断面队列研究
在新冠疫情初期，约有3万名易感人群被要求居家隔离，以保护自己免受新冠病毒感染。然而，当时人们对这部分人群知之甚少。通过关联数据，我们在居家隔离人群中识别出了六个不同的群体。了解这些群体有助于我们更好地为患者提供个性化建议，并支持当地基层医疗团队在患者居家隔离期间更好地管理他们的健康状况。.
新冠肺炎疫情情景模型用于缓解重症监护室容量依赖性死亡
疫情初期，管理者和临床医生几乎无法获取足够的信息来了解需要多少重症监护床位才能满足可能的需求。这一点至关重要，因为将普通床位改造成重症监护床位并非易事。然而，如果改造的床位数量过少，则可能导致部分患者无法获得所需的护理。为了解决这个问题，我们迅速开发了一个新冠肺炎患者流动计算机模拟模型，并将其作为应对2020年春季大量病例的关键初期响应措施之一。.
模拟 COVID-19 对择期手术等待时间的影响
虽然新冠疫情的直接影响体现在急诊医疗服务上，但很快人们就意识到，2020年春季推迟择期治疗的决定将对候诊时间产生严重影响。问题是，这种影响究竟有多大？我们又能以多快的速度恢复正常？为了解答这些问题，我们对一个用于模拟转诊至治疗（RTT）动态的现有工具进行了重新校准，并利用该工具预测了疫情初期各种可能情景下的候诊时间。.
利用实时预测来改进新冠肺炎急性病床容量的管理
随着第二波疫情的爆发，医院床位占用率迅速上升，医院规划人员需要预测未来几天的入院人数。为此，我们构建并部署了一个简单的时间序列预测模型，用于日常预测所有本地医院的急诊和重症监护病床占用情况。这有助于确保准备足够数量的床位，并根据需要开设新的感染病房。.
新冠疫情期间门诊远程医疗增加的影响：对英国一家大型医疗保健系统的患者调查和日常活动数据的回顾性分析
为了帮助减少医院感染，疫情初期大量门诊咨询从线下转移到了线上。通过分析大量患者调查问卷发现，更多受访者‘更喜欢’线上咨询而非线下咨询，认为线上咨询‘压力更小’的受访者人数是认为线下咨询‘压力更大’的受访者人数的七倍。这些结果有助于评估视频咨询在未来推广应用的可能性。.
新冠疫情高峰期分诊的价值：模拟建模研究
尽管英国国家医疗服务体系（NHS）在疫情第一年幸运地无需对重症监护病房入院患者实施分诊，但有时情况也确实非常危急。当此类资源的需求超过供给时，确保最需要帮助的人能够更便捷地获得医疗服务无疑至关重要。然而，目前尚缺乏足够的证据来证明实施分诊究竟能带来多大的益处。我们的研究填补了这一空白，发现如果需求超过供给，分诊可以将总寿命损失年数减少12%。.
新冠病毒大规模疫苗接种中心安全有效设计的运筹学研究
疫苗接种中心对于大规模开展新冠疫苗接种至关重要。然而，规划人员却缺乏足够的信息来指导这些接种点的配置，而这些接种点必须在几周内建成。在布里斯托尔阿什顿门接种点，研究人员利用计算机模拟建模来确定该中心的最大吞吐量，即每天可以接种疫苗的人数。模型输出结果被用于该中心运营初期至关重要的几个月。.
利用公共交通数据进行统计推断，预测放宽社会限制对英国非新冠肺炎紧急需求的影响
尽管大部分关注点都集中在新冠肺炎病例上，但社会限制措施也对非新冠肺炎住院人数产生了显著影响。例如，由于运动损伤和交通事故减少，当地医院的急诊需求也随之降低。2021年初，随着封锁措施逐步放松，研究人员利用回归模型，基于预期的公众流动性增长，预测了住院人数可能上升的幅度。.
解决 85% 平均床位占用率目标中的高估和不敏感性问题
长期以来，一项普遍认可且未受质疑的结论指出，医院应将平均床位占用率控制在 85% 以内，以平衡床位过少造成的患者安全风险和床位过多造成的经济损失。然而，单一指标无法反映实际情况的复杂性。我们的模型基于病房规模和专科，生成了一个‘查找表’，从而揭示了一系列更为精准的目标值，可供医院管理者和决策者参考。.
模拟第一波新冠疫情对心理健康服务的影响
在第一波疫情期间，人们对心理健康服务的‘积压’需求量存在诸多不确定性，担心解封后服务体系会面临巨大压力。为此，我们迅速构建了一个灵活的离散时间排队模型，并利用该模型分析了多种不同的需求轨迹和服务干预措施对缓解系统严重压力的潜在影响。.
建立基于SEIR模型的COVID-19感染、住院和死亡的本地化建模框架
尽管流行病学模型已被常规用于指导国家层面的决策，但在地方层面的规划方面却鲜有应用。最终，人们关注的关键指标是未来预期的新冠肺炎急性入院人数。为此，我们采用了一种类似‘SEIR’的隔室模型，并成立了一个跨系统、多学科的工作组，以构建各种可能的场景，其输出结果将用于指导地方应对措施，从而确定为安全满足未来需求所需的床位数。.
模拟新冠病毒大规模疫苗接种对急性住院人数的影响
在先前使用隔室‘SEIR’型模型的研究基础上，我们进行了一系列技术改进，以考虑疫苗接种对传播动态的影响。随后，我们利用该模型检验了与2021年初解封路线图相关的多种情景。预测结果验证了模型的准确性，2021年秋季住院病例的反弹幅度与模型预测的四分位距基本吻合。.
利用关联患者数据评估新冠长期症状对全系统医疗保健利用的影响
除了新冠肺炎感染对急诊医疗服务的直接影响外，人们还担心其长期影响（即所谓的‘长新冠’）可能会给其他医疗机构带来额外的压力。本研究利用英国国家卫生服务管理小组（BNSSG）的系统级数据集，识别出新冠肺炎确诊后三个月内医疗活动量出现统计学意义上的显著增长的证据。.