Un modèle de loi bidimensionnelle : application aux différentes durées liées à l'activité chirurgicale
Journal de la société française de statistique, Volume 149 (2008) no. 3, p. 3-22

For the simulation and/or management (planning, organization, start-up) of complex systems such as a group of operating theatres on a hospital site, models of underlying phenomena are required. The objective of this study is to offer to managers a tool to assist them in the planning of surgical operations and the allocation of time slots. Using periods of time of different lengths which were observed (and stored in a data warehouse) during surgical operations, taken from two different hospital sites, we propose a bivariate probability distribution model based on Pearson III law. Our study relates to about 10,000 observations.

Pour la simulation et/ou le pilotage (planification, ordonnancement, lancement) de systèmes complexes tels qu'un ensemble de blocs opératoires dans un site hospitalier, il est nécessaire de disposer de modèles des phénomènes sous-jacents. L'objectif de ce travail est de proposer aux chirurgiens un outil d'aide à la planification des interventions chirurgicales et à l'affectation des plages horaires. A partir des durées de différentes grandeurs observées (et archivées dans un entrepôt de données) lors d'interventions chirurgicales et en provenance de deux sites hospitaliers différents, nous proposons un modèle de loi de probabilité bidimensionnelle basé sur la loi Pearson III (loi gamma avec décalage). Notre étude porte sur environ 10.000 observations.

Keywords: bivariate probability distributions, bivariate Pearson III distribution, operating times of surgery, planning of surgical operations
@article{JSFS_2008__149_3_3_0,
     author = {Combes, Catherine and Dussauchoy, Alain and Meskens, Nadine},
     title = {Un mod\`ele de loi bidimensionnelle : application aux diff\'erentes dur\'ees li\'ees \`a l'activit\'e chirurgicale},
     journal = {Journal de la soci\'et\'e fran\c caise de statistique},
     publisher = {Soci\'et\'e fran\c caise de statistique},
     volume = {149},
     number = {3},
     year = {2008},
     pages = {3-22},
     language = {fr},
     url = {http://www.numdam.org/item/JSFS_2008__149_3_3_0}
}
Combes, Catherine; Dussauchoy, Alain; Meskens, Nadine. Un modèle de loi bidimensionnelle : application aux différentes durées liées à l'activité chirurgicale. Journal de la société française de statistique, Volume 149 (2008) no. 3, pp. 3-22. http://www.numdam.org/item/JSFS_2008__149_3_3_0/

[1] Bondesson L. (1992). Generalized Gamma convolutions and related class of distribution and densities, Springer Verlag, Berlin. | MR 1224674 | Zbl 0756.60015

[2] Combes C. (2001). Couplage simulation à événements discrets et datamart appliqué aux établissements de soins : une application au service de chirurgie. XIXe congrès INFORSID 01, Genève, Suisse, 355-373.

[3] Combes C., Meskens N., Dussauchoy A. (2006). Aide au dimensionnement des ressources matérielles d'un service d'endoscopie par l'analyse des données et la simulation, 6e Conférence Francophone MOSIM : « MOdélisation et SIMulation pour l'Analyse et l'Optimisation des Systèmes Industriels et Logistiques » - Rabat (Maroc), Edition Lavoisier, volume 2, 1419-1428.

[4] Diday E. (1986). Order and overlapping clusters by pyramids, Multidimensional Data Analysis, De Leeuw J. and al Eds, D.S.W.O. Press, Leiden, 201-234.

[5] Dussauchoy A. (1967). Développement de Gram-Charlier pour les vecteurs aléatoires - Applications, Thèse de 3e cycle, Université de Lyon.

[6] Dussauchoy A., Berland R. (1972). Lois Gamma à deux dimensions, C.R.A.S., Paris, Série A, 274, 1946-1949. | MR 303578 | Zbl 0239.60023

[7] Dussauchoy A., Berland R. (1975). A multivariate Gamma distribution whose marginal laws are Gamma, Statistical Distributions in Scientific Work, Vol 1, G. P. Patil, S. Kotz, J. K. Ord Eds, D. Reidel, Dordrecht, The Nerherlands, 319-328.

[8] Fei H., Combes C., Meskens N., Chu C. (2006). Endoscopies scheduling problem : a case study, Conférence INCOM 06, Saint-Etienne (France), vol 3, 635-640.

[9] Gradshteyn I.S, Ryzhik I. M. (2000). Table of Integrals Series and Products, Editors Alan Jeferey and Dan Zwillinger, (Academics Press Eds), USA. | MR 1773820 | Zbl 0981.65001

[10] HYFRAN (2002). HYdrological FRequency ANalysis, Chaire en hydrologie statistique, http://www.inrs-eau.uquebec.ca/activites/groupes/chaire_hydrol/chaire9.html.

[11] Kotz S., Balakrishnan N., Johnson N. L. (2000). Continuous Multivariate distributions, Vol 1 : Models and applications, John Wiley and sons INC, New York. | MR 1788152 | Zbl 0946.62001

[12] May J.H., Strum D.P., Vargas L.G. (2000). Fitting the LogNormal distribution to surgical procedure times, Decision Sciences, 31(1), 129-148.

[13] Nadarajah S. (2005). Reliability for some bivariate Gamma distributions, Decision Mathematical Problems in Engineering, Hindawi Publishing Corporation, 2, 151-163. | MR 2184260 | Zbl 1094.62132

[14] Nelsen R. B. (1999). An Introduction to Copulas. Lectures notes in statistics, Springer, New York. | MR 1653203 | Zbl 0909.62052

[15] Roberts F. (1979). Graph theory and the social sciences, in Applications of graph theory edited by R.J. Wilson and L.W. Beineke, Academic press. | MR 567125 | Zbl 0444.92018

[16] Strum D.P., May J.H., Vargas Ph. D. (2000). Modeling the Uncertainty of Surgical Procedure Times : Comparison of Log-Normal and Normal Models, Anesthesiology, 92, 1160-1167.

[17] Zhou J., Dexter F. (1998). Method to Assist in the Scheduling of Add-on Surgical Cases - Upper Prediction Bounds for Surgical Case Durations Based on Log-Normal Distribution, Anesthesiology, 89, 1228-1232.