EVALUATION OF OUTPATIENT POLYCLINIC WORKFLOW IN TURKISH PUBLIC HOSPITALS USING DISCRETE-EVENT SIMULATION

Abstract

This study aimed to evaluate the operational performance of outpatient polyclinic workflows in Turkish public hospitals under high patient volume. A discrete-event simulation model was developed and calibrated using the 2024 official health statistics of the Turkish Ministry of Health. Patient arrivals were modeled as a Poisson process, while consultation times were generated from a lognormal distribution. Seven scenarios were evaluated with 30 independent replications, including the baseline condition, artificial intelligence-assisted reductions in consultation time, physician capacity expansion, a combined intervention, and a high-demand stress test. In the baseline scenario, the mean waiting time was 4.60 minutes, with a utilization rate of 0.928. A 10% reduction in consultation time decreased the mean waiting time by 68.3% to 1.46 minutes. Capacity expansion scenarios also produced statistically significant improvements under fixed demand conditions. However, the stress test scenario showed that increased demand could push the system into an unstable regime. The demand rebound sensitivity analysis indicated that the effectiveness of capacity expansion depends on demand assumptions, whereas combined strategies including service-time efficiency may be more robust under demand uncertainty.

Keywords

• Discrete-event simulation
• Outpatient workflow
• Queueing theory
• Healthcare management
• Artificial intelligence

TÜRK KAMU HASTANELERİNDE POLİKLİNİK İŞ AKIŞININ AYRIK OLAY SİMÜLASYONU İLE DEĞERLENDİRİLMESİ

Abstract

Bu çalışma, Türk kamu hastanelerinde yüksek hasta hacmi altında çalışan poliklinik süreçlerinin operasyonel performansını değerlendirmek amacıyla yürütülmüştür. Çalışmada, 2024 yılı T.C. Sağlık Bakanlığı resmi sağlık istatistikleri kullanılarak kalibre edilen bir ayrık olay simülasyonu modeli geliştirilmiştir. Hasta varışları Poisson süreci, muayene süreleri ise lognormal dağılım ile modellenmiştir. Temel durum, yapay zekâ destekli muayene süresi azalımı, hekim kapasitesi artışı, kombine müdahale ve yüksek talep stres testi olmak üzere yedi senaryo 30 bağımsız replikasyonla değerlendirilmiştir. Model çıktıları ortalama bekleme süresi, kullanım oranı ve kararlılık durumu üzerinden karşılaştırılmıştır. Temel durumda ortalama bekleme süresi 4,60 dakika ve kullanım oranı 0,928 olarak hesaplanmıştır. Muayene süresinde %10 azalma varsayan senaryoda bekleme süresi %68,3 azalarak 1,46 dakikaya düşmüştür. Kapasite artışı senaryoları da sabit talep altında istatistiksel olarak anlamlı iyileşme sağlamıştır. Ancak stres testi, talep artışının sistemi kararsız rejime taşıyabileceğini göstermiştir. Talep geri dönüşü duyarlılık analizi, kapasite artışının etkisinin talep varsayımlarına duyarlı olduğunu ve kombine stratejilerin talep belirsizliği altında daha dayanıklı olabileceğini göstermektedir.

Keywords

• Ayrık olay simülasyonu
• Poliklinik iş akışı
• Kuyruk teorisi
• Sağlık yönetimi
• Yapay zekâ

References

1. Davenport, T., ve Kalakota, R. (2019). The potential for artificial intelligence in healthcare. Future Healthcare Journal, 6(2), 94–98. https://doi.org/10.7861/futurehosp.6-2-94
2. Goldratt, E. M., ve Cox, J. (1984). The goal: A process of ongoing improvement. Croton-on-Hudson, NY: North River Press.
3. Green, L. V. (2006). Queueing analysis in healthcare. In R. W. Hall (Ed.), Patient flow: Reducing delay in healthcare delivery (pp. 281–307). Boston, MA: Springer. https://doi.org/10.1007/978-0-387-33636-7_10
4. Jacobson, S. H., Hall, S. N., ve Swisher, J. R. (2006). Discrete-event simulation of health care systems. In R. W. Hall (Ed.), Patient flow: Reducing delay in healthcare delivery (pp. 211–252). Boston, MA: Springer. https://doi.org/10.1007/978-0-387-33636-7_8
5. Karcıoğlu, U. B. (2025). The role of artificial intelligence in healthcare management on patient safety and operational efficiency: A meta-analytic evaluation. Journal of Healthcare Management and Leadership, 1(1), 8–21. https://doi.org/10.35345/johmal.1670414
6. Roemer, M. I. (1961). Bed supply and hospital utilization: A natural experiment. Hospitals, 35, 36–42.
7. Sağlık Bakanlığı. (2024). Sağlık istatistikleri yıllığı 2024. T.C. Sağlık Bakanlığı, Sağlık Bilgi Sistemleri Genel Müdürlüğü. URL: https://sbsgm.saglik.gov.tr/ Erişim Tarihi: 02.03.2026
8. Shanafelt, T. D., ve Noseworthy, J. H. (2017). Executive leadership and physician well-being: Nine organizational strategies to promote engagement and reduce burnout. Mayo Clinic Proceedings, 92(1), 129–146. https://doi.org/10.1016/j.mayocp.2016.10.004

9. Şahin, B., ve İlgün, G. (2019). Assessment of the impact of public hospital associations on the efficiency of hospitals under the ministry of health in Turkey with data envelopment analysis. Health Care Management Science, 22(3), 437–446. https://doi.org/10.1007/s10729-018-9463-5