Go 仿真实践：免疫治疗门诊排队、irAE 与床位挤兑建模

免疫检查点抑制剂（ICI）在临床上很成功，但到了医院运营层面，输注中心立马变成了一个复杂系统：随机到达、随机服务时长、多站点串联、多资源并发，还有低概率但高冲击的免疫相关不良反应（irAE）。拍脑袋改流程多半是按下葫芦浮起瓢，用离散事件仿真（DES）先在虚拟世界里跑一跑，能提前看清拥堵点，对比不同策略——包括最棘手的'重症患者占着输液椅等抢救床位'这种挤兑效应。这篇文章基于 Go 实现了一个可扩展的 DES 框架，逐步加入患者分型、预约模板、药房预配、irAE 分级以及 ResusBay 抢床逻辑，最后给出核心代码。

把门诊流程抽象成可计算的图模型

通常一位 ICI 患者日间路径是：签到 → 化验 → 医生评估 → 药房 → 输注 → 观察 → 离院。这是一条串行链路，但每个节点都有各自的队列和容量（并发服务数）。真正造成排队波动的不只是服务时间长短，还有到达的聚集性、医生评估中可能发现的 irAE 以及突发事件导致的资源占用链。

我们关注的 KPI 包括：各站点平均和 P90 等待时间、全程总逗留时间、超时率（比如逗留超过 4 小时的患者比例）、以及各资源利用率。只用平均数看问题很容易被乐观带偏，尾部分位才是投诉、加班和安全风险的来源。

为什么用离散事件仿真，而不是排队论公式

DES 让系统时间只在事件发生的时刻向前跳——患者到达、开始服务、结束服务、突发 irAE、释放资源等等。这样很自然地处理串联依赖、多患者类型、优先级队列和资源耦合。相反，用 M/M/c 之类的解析解很难应对这些复杂因素，而 DES 只要在事件逻辑里描述清楚就行。

数据结构与事件机制

一个最小可用的仿真状态包括：患者对象（记录到达和各站起止时间、类型、irAE 状态）、每个站点的 FIFO 队列、每个站点的资源容量和当前占用，以及一个事件优先队列（最小堆）。最小堆让取最早事件和插入新事件都是 O(log N)，对于事件驱动仿真非常高效。

资源利用率的计算：每次服务开始时直接累加服务时长到 BusyMin 里；重症 irAE 导致输液椅额外占用的那段时间，通过追加一个'释放输液椅'事件补到 BusyMin 中。这种简化在策略对比时够用，如果想画出分钟级利用率热图，可以再叠加时间片统计。

随机性：服务时长的分布选择

医疗服务时长通常有下界（不可能为负）且右偏长尾。对数正态分布天然适合这个形状，所以对签到、化验、医生、药房、观察和抢救时长都用 LogNormal 生成，并做上下界截断。输液时长则根据患者类型（短输注、长输注、联合输注）设定不同参数。实际项目中，参数需要从历史数据拟合和校准——校准精度远比分布选型重要。

策略映射到代码：预约模板与药房预配

预约模板本质上是控制到达时间序列的输入过程。仿真中实现了两种简单策略：Uniform 均匀分散在 6 小时窗口内；Staggered 让短输注集中在上午，长/联合输注安排在下午，舒缓峰值。这直接改变了队列堆积的形态。

药房预配可以简化成服务时间归零。现实中这么做的前提是提前 30 分钟配好、考虑取消率和失效窗口，这些都可以在事件层逐步扩展。

免疫治疗特有的冲击：irAE 分级与床位挤兑

轻中度的 irAE 会让观察时间延长，但严重 irAE 会触发一个连锁反应：需要抢救床位（Resus）。如果床满了，患者就带着输液椅在输注区等待转运，椅子被占着不能给下一位用，导致输注排队时间急剧上升。这就是经典的挤兑——不是床位数不足，而是床位周转卡住输液资源。

关键实现细节：发生严重 irAE 后，不是立刻释放输液椅。先留一段准备时间（15-30 分钟），然后进入 Resus 队列；等到真正拿到床位开始抢救时，才触发释放输液椅事件。这多出来的'占位时间'显著影响 P90 和超时率。

核心代码（Go）

下面贴出类型定义和核心结构体。完整的事件循环、到达生成、服务处理、策略配置等逻辑因为篇幅原因未全部展开，但基于这些类型可以很容易地搭建一个可运行的原型。

package main

import (
	"container/heap"
	"fmt"
	"math"
	
	
	
	
)


 PatientType 

 (
	TypeShort PatientType = 
	TypeLong
	TypeCombo
)

 Station 

 (
	SignIn Station = 
	Lab
	Doctor
	Pharmacy
	Infusion
	Observation
	Resus 
	Done
)

 String()  {
	 s {
	 SignIn:
		 
	 Lab:
		 
	 Doctor:
		 
	 Pharmacy:
		 
	 Infusion:
		 
	 Observation:
		 
	 Resus:
		 
	:
		 
	}
}

 IrAEGrade 

 (
	IrAENone IrAEGrade = 
	IrAEMild
	IrAEModerate
	IrAESevere
)

 String()  {
	 g {
	 IrAEMild:
		 
	 IrAEModerate:
		 
	 IrAESevere:
		 
	:
		 
	}
}

 Patient  {
	ID                  
	PType               PatientType
	Arrive              
	Start               [Station]
	End                 [Station]
	Wait                [Station]
	ServiceDur          [Station] 
	InfusionInterrupted 
	InfusionReleased    
	InfusionPlannedEnd        
	InfusionHoldStartTime      
}

 EventType 

 (
	EvArrival EventType = 
	EvServiceDone
	EvIrAE
	EvQueueEnter 
	EvReleaseInfusion 
)

 Event  {
	T     
	Type  EventType
	PID   
	At    Station
	index 
}

 EventPQ []*Event

 Len()  {
	 (pq)
}

 Less(i, j )  {
	 pq[i].T < pq[j].T
}

 Swap(i, j ) {
	pq[i], pq[j] = pq[j], pq[i]
	pq[i].index, pq[j].index = i, j
}

 Push(x any) {
	e := x.(*Event)
	e.index = (*pq)
	*pq = (*pq, e)
}

 Pop() any {
	old := *pq
	n := (old)
	e := old[n]
	*pq = old[:n]
	 e
}


 Queue []

 Enq(pid ) {
	*q = (*q, pid)
}

 Deq() (, ) {
	 (*q) ==  {
		 , 
	}
	pid := (*q)[]
	*q = (*q)[:]
	 pid, 
}

 Resource  {
	Cap     
	InUse   
	BusyMin 
}


 Sim  {
	DayMinutes 
	Rand       *rand.Rand
	Patients   []*Patient
	Events     EventPQ
	Queues     [Station]*Queue
	UrgentQueues [Station]*Queue
	Resources  [Station]*Reso
}