Supporting decision making in complex multiobjective problems : Practical tools and experiences from the healthcare context
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Business |
Doctoral thesis (article-based)
| Defence date: 2024-02-23
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2024
Major/Subject
Mcode
Degree programme
Language
en
Pages
54 + app. 78
Series
Aalto University publication series DOCTORAL THESES, 22/2024
Abstract
In many countries, healthcare organizations face increasing pressure for providing more services while at the same time suffering from lack of resources, both problems exacerbated by aging populations. This development highlights the importance of resource efficiency. At the same time healthcare decisions often have to take into account multiple, potentially conflicting objectives and complex dynamics. These overlapping requirements make them an interesting application area for multiobjective optimization tools. Recent developments in both computing power and algorithms have made such tools viable in supporting decision making related to healthcare problems of practical scope. This Dissertation develops multiobjective optimization approaches and explores their use in three practical healthcare decision making problems: i) mitigating the impacts of the COVID-19 epidemic, ii) improving the efficiency of the Finnish colorectal cancer screening program, and iii) designing a hospital network for carrying out hip and knee replacement surgeries. These approaches help accommodate robustness considerations as well as hidden or partial information about the decision-maker's preferences. The overall focus in the approaches is on modeling the problem setting in high enough accuracy for the solutions to provide practical insights, while at the same time being able to leverage multiobjective optimization techniques in finding the most promising solutions. The contributions of this Dissertation are two-fold: First, it presents multiobjective optimization approaches, supported by other analytical techniques, that can be used to develop decision recommendations for real-life, complex healthcare decision making problems. These approaches help generate insights that would have been difficult to obtain without the use of model-based tools. A second, more general contribution of the Dissertation is the demonstration of the usability, challenges, and benefits of multiobjective optimization in supporting decision making in problems of realistic scope in the field of healthcare.Useiden valtioiden terveydenhuoltojärjestelmiin kohdistuu kasvavaa painetta tarjota enemmän palveluita vähemmillä resursseilla. Tätä painetta vahvistavat muun muassa väestön ikääntyminen ja elinajanodotteen kasvu. Kyseinen kehitys korostaa resurssitehokkuuden roolia terveydenhuoltojärjestelmän kestävyydessä. Terveydenhuoltopäätöksissä täytyy usein huomioida myös useita ristiriitaisia tavoitteita sekä monimutkaista dynamiikkaa. Nämä vaatimukset tekevät terveydenhuoltoalasta mielenkiintoisen ja samalla haastavan kohteen monitavoiteoptimoinnin hyödyntämiselle osana päätöksenteon tukea. Viimeaikainen kehitys sekä laskentatehossa että algoritmeissä on tehnyt monitavoiteoptimoinnista käyttökelpoisen työkalun realistisen kokoluokan ongelmien ratkomiseen. Tässä väitöskirjassa kehitetään monitavoiteoptimoinnin työkaluja ja tutkitaan niiden soveltamista kolmen käytännön ongelman ratkaisemiseen: i) COVID-19-epidemian hallitsemiseen, ii) suomalaisen suolistosyöpien seulontaohjelman tehokkuuden parantamiseen sekä iii) sairaalaverkon suunnitteluun polvi- ja lonkkanivelleikkauksia varten. Kehitetyt mallinnusratkaisut auttavat huomioimaan parametriepävarmuuksiin liittyvät robustisuuskysymykset sekä käsittelemään päätöksentekijän preferensseihin liittyvää epätäydellistä ja piilotettua tietoa. Tutkimuksen painopiste on ongelmien tarpeeksi tarkassa mallintamisessa käytännön kannalta oleellisten havaintojen tekemiseen niin, että samalla voidaan hyödyntää monitavoiteoptimointia parhaiden ratkaisukandidaattien tunnistamisessa. Tämän väitöskirjan panos kirjallisuuteen on kahtalainen. Ensinnäkin väitöskirja esittelee monitavoiteoptimointiin perustuvia mallinnusratkaisuja, joita voidaan käyttää todellisten terveydenhuollon monimutkaisten järjestelmätason ongelmien ratkaisemiseen. Toinen, yleisemmän tason panos syntyy monitavoiteoptimointiin perustuvien lähestymistapojen käytettävyyden, hyötyjen ja haasteiden esittelystä ja havainnollistamisesta käytännön kannalta oleellisten terveydenhuoltojärjestelmään liittyvien ongelmien ratkaisemisessa.Description
Supervising professor
Vilkkumaa, Eeva, Assist. Prof., Aalto University, Department of Information and Service Management, FinlandThesis advisor
Liesiö, Juuso, Prof., Aalto University, Department of Information and Service Management, FinlandKeywords
multiobjective optimization, decision support, problem solving, healthcare, monitavoiteoptimointi, päätöksenteon tuki, ongelmanratkaisu, terveydenhuolto
Other note
Parts
-
[Publication 1]: Lauri Neuvonen, Matthias Wildemeersch, Eeva Vilkkumaa. Supporting strategy selection in multiobjective decision problems under uncertainty and hidden requirements. European Journal of Operational Research, Volume 307, Issue 1, May 2023.
Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202302082034DOI: 10.1016/j.ejor.2022.09.036 View at publisher
- [Publication 2]: Lauri Neuvonen, Mary Dillon, Eeva Vilkkumaa, Maija Jäntti, Sirpa Heinävaara, Ahti Salo. Optimizing the Finnish Colorectal Cancer Screening Program with Decision Programming. Submitted to European Journal of Operational Research, July 2023.
- [Publication 3]: Lauri Neuvonen. Supporting hospital network design to serve acute and elective patients by utilizing multi-objective optimization and partial preference information. 2023 EDSI Annual Conference, Nantes, France, June 4-7 2023.