Titelaufnahme

Titel
A comparative analysis of system dynamics and agent-based modelling for health care reimbursement systems / von Patrick Einzinger
VerfasserEinzinger, Patrick
Begutachter / BegutachterinBreitenecker, Felix
Erschienen2014
UmfangX, 169 S. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Diss., 2015
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)System Dynamics / agentenbasierte Modellierung / Systemtheorie / Stochastisches Dynamisches System / Gesundheitswesen / Arztvergütung
Schlagwörter (EN)System Dynamics / Agent-Based Modelling / Systems Theory / Stochastic Dynamical System / Health Care / Physician Reimbursement
Schlagwörter (GND)Gesundheitswesen / Arzt / Vergütung / Stochastisches dynamisches System / Modellierung / System Dynamics / Agent <Informatik>
URNurn:nbn:at:at-ubtuw:1-76714 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
A comparative analysis of system dynamics and agent-based modelling for health care reimbursement systems [3.43 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

System Dynamics und agentenbasierte Modellbildung sind zwei Methoden zur Modellierung dynamischer Systeme. Beide basieren auf dem Konzept, dass einfache Regeln und Zusammenhänge komplexes dynamisches Verhalten hervorbringen können. Trotzdem gibt es wesentliche Unterschiede: Agentenbasierte Modelle werden beispielsweise als flexibler angesehen, haben aber im Normalfall einen höheren Rechenaufwand. Ein zentrales Ziel der vorliegenden Studie ist daher, die beiden Modellierungsansätze hinsichtlich ihrer Gemeinsamkeiten und Unterschiede zu vergleichen. Darüber hinaus soll eine Antwort darauf gegeben werden, unter welchen Bedingungen eine der Methoden zu bevorzugen ist oder wie sich die beiden Methoden gegenseitig ergänzen können. Diese Fragestellungen wurden dabei von Modellierungsprojekten des Autors zum Vergleich von Bezahlungssystemen für Ärztinnen und Ärzte im niedergelassenen Bereich des Gesundheitssystems motiviert. Ein weiteres Ziel dieser Arbeit ist daher herauszuarbeiten, wie agentenbasierte Modellierung und System Dynamics in diesem Forschungsfeld angewandt werden können. Als gemeinsame systemtheoretische Basis für beide Methoden wird das Konzept eines stochastischen dynamischen Systems eingeführt. Es deckt Ansätze mit stochastischen Elementen, wie etwa agentenbasierte Modellierung, ab, enthält aber auch deterministische dynamische Systeme als Spezialfall. Tatsächlich definiert ein System-Dynamics-Modell über die Äquivalenz zu Differentialgleichungssystemen ein dynamisches System. Für agentenbasierte Modelle wird eine formale Definition auf der Basis der Stochastic Discrete Event System Specification (DEVS) gegeben. Anschließend werden beide Methoden anhand verschiedener Aspekte wie ihrer Eignung für die Modellierung von Heterogenität, der Konsequenzen von Aggregierung und der Abbildung von Feedback vergleichend analysiert. Es wird gezeigt, wie das Konzept einer Rate in einem gewissen Sinn äquivalent sowohl in System Dynamics als auch in der agentenbasierten Modellbildung für die Beschreibung von Veränderung verwendet wird. Die vergleichenden Analysen lassen darauf schließen, dass sich beide Methoden gut ergänzen, wenn im Modellierungsprozess zuerst die wichtigsten dynamischen Zusammenhänge mit einem System-Dynamics-Modell untersucht werden. Dieses muss dabei Aspekte, die mit System Dynamics schwer abzubilden sind, vorerst nicht berücksichtigen, kann aber später über eine Transformation in ein äquivalentes agentenbasiertes Modell übergeführt werden. Der Ansatz wird in der Arbeit anhand eines Modells der Bezahlung von Ärztinnen und Ärzten demonstriert, mit dem der Einfluss unterschiedlicher Bezahlungssysteme sowohl auf den Behandlungsstil der Ärztinnen und Ärzte als auch auf die Gesundheit der Bevölkerung untersucht werden kann und das jeweils in einer Version für beide Methoden vorgestellt wird. Die hier vorgestellten Modellstrukturen können als Grundlage für zukünftige Forschung in diesem Anwendungsfeld dienen, und der vorgeschlagene Modellbildungsprozess bietet die Möglichkeit, die Stärken von System Dynamics und agentenbasierter Modellbildung mit geringem Zusatzaufwand zu vereinen.

Zusammenfassung (Englisch)

System dynamics and agent-based modelling are two methods for modelling dynamical systems. While both emphasize that complex dynamics can evolve from simple rules and relationships, they have also important differences. Agent-based models are considered to be more flexible, but normally have a higher computational demand than system dynamics models. The central goal of this study is therefore to compare both approaches and investigate their similarities and differences. Moreover, it tries to answer the question of under which conditions one of the two methods is preferable or how they could complement each other. The motivation for these research questions comes from the author's modelling work on the study of reimbursement systems for physicians in extramural health care. A further goal is therefore to investigate how agent-based modelling and system dynamics could be applied to this field of research. The thesis puts both methods on a common system-theoretic basis as it introduces the concept of a stochastic dynamical system, which is able to cover approaches that include randomness, such as agent-based modelling, but also contains deterministic dynamical systems (in particular system dynamics models) as a special case. It is then shown that system dynamics defines a dynamical system via its equivalence to differential equation systems. For agent-based modelling, a formal definition based on the Stochastic Discrete Event System Specification (STDEVS) is given. The thesis then presents a comparative analysis of the two methods regarding several aspects such as their suitability for modelling heterogeneity, the consequences of aggregation, and the representation of feedback. It is shown that the concept of a rate is used to describe change equivalently both in system dynamics and agent-based modelling. The thesis argues that the two methods can complement each other beneficially if the most important dynamical relationships of a problem are first analysed with a system dynamics model, which does not have to incorporate aspects such as heterogeneity that are hard to capture in the method. On the contrary, a transformation can later lead to an equivalent agent-based model for further development. The approach is demonstrated for a physician reimbursement model, which allows for a comparison of the dynamic impact of different reimbursement systems both on physicians' treatment style and on the population's health and which is presented in both a system dynamics and an agent-based version. Future research in this application area can build upon the model structure developed here, and the proposed modelling process has the ability to combine the strengths of the two methods with little additional effort.