Sağlık Sektöründe Vardiya Planlaması: Radyoloji Teknisyenleri İçin Yasal Düzenlemeler ve Eşitliğin Göz Önünde Bulundurulması

Öz

Amaç: Bu çalışma, yasal düzenlemelere ve çalışan tercihlerine odaklanan, radyoloji teknisyenleri için karma tamsayı çizelgeleme modeli sunmaktadır. Radyoloji teknisyenleri, katı yasal ve sağlık kısıtlamalarına tabi olmalarına rağmen literatürde yeterince temsil edilmemektedir. Bu çalışmanın temel özellikleri arasında toplam çalışma saatleri ve gece vardiyası görevlendirmelerinin dengelenmesi, gönüllü fazla mesai tercihlerinin, radyasyon güvenliği düzenlemelerinin ve cinsiyete duyarlı teknisyen gereksinimlerinin dikkate alınması yer almaktadır. Yöntem: Model, fazla mesaiye gönüllü olan teknisyenler arasında iş yükünü dengelemek amacıyla çok haftalık çizelgeleme için geliştirilmiştir. Model, Türkiye'deki bir kamu hastanesinde doğrulanmıştır. Bulgular: Önerilen model, iş gücü yönetiminde ölçülebilir ve köklü iyileştirmeler sağlamıştır. Toplam çalışma saatlerindeki standart sapma 53,92'den 2,95'e düşerek yaklaşık %95'lik bir iyileşme göstermiştir. Benzer şekilde, gece vardiyası dağılımındaki standart sapma 2,19'dan 0,61'e düşmüştür. Model, 1,34 saniyelik kısa bir sürede optimal bir çözüm üreterek yasal düzenlemelere ve personel tercihlerine %100 uyum sağlamıştır. Özgünlük: Bu çalışma, radyasyon güvenliği kısıtlamalarını bireysel tercihlere dayalı bir eşitlik çerçevesiyle birleştiren özgün bir model sunmaktadır. Özellikle teknisyenlerin yasal haklarını korurken ve cinsiyete duyarlı teknisyen gereksinimlerini dikkate alırken operasyonel verimliliği saniyeler içinde en üst düzeye çıkararak literatüre katkı sağlamaktadır.

Anahtar Kelimeler

• Vardiya Planlaması
• Sağlık Hizmetleri Operasyonları
• Sağlık Personeli Çizelgelemesi
• Radyoloji Teknisyeni Çizelgelemesi
• Adil Vardiya Planlaması
• Vardiya Planlamasında Eşitlik
• Sürdürülebilir İş Gücü Yönetimi
• Sağlık Politikası
• Sağlık Sistemleri

Destekleyen Kurum

Bu çalışma için herhangi bir kurumdan finansal destek alınmamıştır.

Proje Numarası

Bu çalışma herhangi bir proje kapsamında gerçekleştirilmemiştir.

Etik Beyan

Bu çalışmanın özgün bir çalışma olduğunu; çalışmanın tüm aşamalarında (hazırlık, veri toplama, analiz) bilimsel araştırma ve yayın etiği ilkelerine uygun davranıldığını; çalışmada kullanılan tüm kaynaklara uygun biçimde atıf yapıldığını ve kaynakçada yer verildiğini beyan ederim. Aksi bir durumun tespiti hâlinde, doğabilecek tüm etik ve hukuki sorumlulukları kabul ettiğimi bildiririm.

Shift Scheduling in Healthcare: Considering Legal Regulations and Workload Fairness for Radiology Technicians

Öz

Purpose: This study presents a mixed integer scheduling model for radiology technicians that focuses on legal regulations and employee preferences. Radiology technicians are underrepresented in literature despite being subject to strict legal and health constraints. Key features of this study include balancing total working hours and night shift assignments, considering voluntary overtime preferences, radiation safety regulations, and gender-sensitive technician requirements. Methodology: The MIP model was developed for multi-week scheduling to balance workload among technicians who volunteer for overtime. The model has been validated in a public hospital in Türkiye. Findings: The proposed model has resulted in measurable and radical improvements in workforce management. The standard deviation in total working hours decreased from 53.92 to 2.95, showing an improvement of approximately 95%. Similarly, the standard deviation in night shift distribution decreased from 2.19 to 0.61. The model achieved 100% compliance with legal regulations and personnel preferences by generating an optimal solution in a short time of 1.34 seconds. Originality: This study presents an original model that combines radiation safety constraints with an equity framework based on individual preferences. It makes a contribution to literature, particularly by maximizing operational efficiency in seconds while protecting the legal rights of technicians and by considering gender-sensitive technician requirements.

Anahtar Kelimeler

• Shift Scheduling
• Healthcare Operations
• Healthcare Staff Rostering
• Radiology Technician Scheduling
• Fair Shift Scheduling
• Equity in Shift Scheduling
• Sustainable Workforce Management
• Health Policy
• Health Systems

Destekleyen Kurum

No financial support was received from any institution for this study.

Proje Numarası

Bu çalışma herhangi bir proje kapsamında gerçekleştirilmemiştir.

Etik Beyan

I declare that this study is an original work; that scientific research and publication ethics were strictly observed throughout all stages of the study (preparation, data collection, and analysis); and that all sources used in the study were properly cited and included in the reference list. I acknowledge that I accept full ethical and legal responsibility in the event that any situation contrary to this declaration is identified.

Kaynakça

1. Alaouchiche, Y., Ouazene, Y., Yalaoui, F. ve Hicham, C. (2024). "Workload Balancing for the Nurse Scheduling Problem: A Real-World Case Study from a French Hospital", Socio-Economic Planning Sciences, 95, 102046. https://doi.org/10.1016/j.seps.2024.102046
2. Al-Mudahka, I. and Alhamad, R. (2022). "On a Timetabling Problem in the Health Care System", RAIRO-Operations Research, 56, 4347-4362. https://doi.org/10.1051/ro/2022182
3. Baum, R., Bertsimas, D. and Kallus, N. (2014). "Scheduling, Revenue Management, and Fairness in an Academic Hospital Radiology Division", Academic Radiology, 21(10), 1322-1330. https://doi.org/10.1016/j.acra.2014.05.009
4. Burke, E. K. and Curtois, T. (2014). "New Approaches to Nurse Rostering Benchmark Instances", European Journal of Operational Research, 237(1), 71-81. https://doi.org/10.1016/j.ejor.2014.01.039
5. Cappanera, P., Visintin, F. and Rossi, R. (2022). "The Emergency Department Physician Rostering Problem: Obtaining Equitable Solutions via Network Optimization", Flexible Services and Manufacturing Journal, 34(4), 916-959. https://doi.org/10.1007/s10696-021-09426-7
6. Chawasemerwa, T., Taifa, I.W. and Hartmann, D. (2018). "Development of a Doctor Scheduling System: A Constraint Satisfaction and Penalty Minimisation Scheduling Model", International Journal of Research in Industrial Engineering, 7(4), 396-422. https://doi.org/10.22105/riej.2018.160257.1068
7. Chen, Y.-H., Jong, G.-P., Yang, C.-W. and Lee, C.-H. (2025). "Prolonged Overtime Predicts Worsening Burnout Among Healthcare Workers: A 4-Year Longitudinal Study in Taiwan", Healthcare, 13(15), 1859. https://doi.org/10.3390/healthcare13151859
8. El Adoly, A.A., Gheith, M. and Nashat Fors, M. (2018). "A New Formulation and Solution for the Nurse Scheduling Problem: A Case Study in Egypt", Alexandria Engineering Journal, 57(4), 2289-2298. https://doi.org/10.1016/j.aej.2017.09.007

9. Gerlach, M., Renggli, F.J., Bieri, J.S., Sariyar, M. and Golz, C. (2025). "Exploring Nurse Perspectives on AI-Based Shift Scheduling for Fairness, Transparency, and Work-Life Balance", BMC Nursing, 24, 1161. https://doi.org/10.1186/s12912-025-03808-0
10. Hamid, M., Tavakkoli-Moghaddam, R., Golpaygani, F. and Vahedi-Nouri, B. (2019). "A Multi-Objective Model for a Nurse Scheduling Problem by Emphasizing Human Factors", Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine, 233(10), 1053-1073. https://doi.org/10.1177/0954411919889560
11. IAEA. (International Atomic Energy Agency). (2018). "Occupational Radiation Protection" (Safety Standards Series No. GSG-7), https://www-pub.iaea.org/MTCD/Publications/PDF/PUB1785_web.pdf, (Accessed: October 10, 2025).
12. Karayel, S. D. and Atmaca, E. (2017). "The Nurse Scheduling Problem for Private Hospital", Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 111-132.
13. Lim, G. J., Mobasher, A. and Côté, M. J. (2012). "Multi-Objective Nurse Scheduling Models With Patient Workload and Nurse Preferences", Management, 2(5), 149-160. https://doi.org/10.5923/j.mm.20120205.03
14. O'Callahan, K., Sitters, S. and Petersen, M. (2024). "‘You Make the Call’: Improving Radiology Staff Scheduling With AI-Generated Self-Rostering in a Medical Imaging Department", Radiography, 30, 862-868. https://doi.org/10.1016/j.radi.2024.03.014
15. O'Connell, M., Barry, J., Hartigan, I., Cornally, N. and Saab, M. M. (2024). "The Impact of Electronic and Self-Rostering Systems on Healthcare Organisations and Healthcare Workers: A Mixed-Method Systematic Review", Journal of Clinical Nursing, 33(7), 2374-2387. https://doi.org/10.1111/jocn.17114
16. Özcan, E., Danışan, T., Yumuşak, R., Gür, Ş. and Eren, T. (2019). "Goal Programming Approach for the Radiology Technician Scheduling Problem", Sigma Journal of Engineering and Natural Sciences, 37(4), 1411-1420.
17. Puente, J., Gómez, A., Fernández, I. and Priore, P. (2009). "Medical Doctor Rostering Problem in a Hospital Emergency Department by Means of Genetic Algorithms", Computers & Industrial Engineering, 56(4), 1232-1242. https://doi.org/10.1016/j.cie.2008.07.016
18. Tucker, P., Brown, M., Dahlgren, A., Davies, G., Ebden, P., Folkard, S., Hutchings, H. and Åkerstedt, T. (2010). "The Impact of Junior Doctors’ Worktime Arrangements on Their Fatigue and Well-Being", Scandinavian Journal of Work, Environment & Health, 36(6), 458-465. [suspicious link removed]
19. UK Government. (2017). "The Ionising Radiation (Medical Exposure) Regulations 2017", https://www.legislation.gov.uk/uksi/2017/1322/contents, (Accessed: October 10, 2025).
20. Wolbeck, L. A. (2019). "Fairness Aspects in Personnel Scheduling", (Doctoral Dissertation, Freie Universität Berlin). Refubium. https://doi.org/10.17169/refubium-26050
21. Yilmaz, E. (2012). "A Mathematical Programming Model for Scheduling of Nurses’ Labor Shifts", Journal of Medical Systems, 36(2), 491-496. https://doi.org/10.1007/s10916-010-9494-z
22. Yuura, H., Miyamoto, T. and Hidaka, K. (2017). "An Integer Programming Model for Radiographer Scheduling Considering Skills and Training", Proceedings of the 2017 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), 889-893. https://doi.org/10.1109/IEEM.2017.8290020