The dynamic and evolving nature of complex systems influences the behaviour of individual parts and the performance of the whole system, which hinders the flexibility in modelling and applicability of the modelling approaches for various systems. Modelling approaches which are developed for other types of systems have limitations in capturing the behaviour of health systems. This can stem from the dependencies of models on the system structure, type and data structure. From the network perspective, health systems can have various representations, which are defined by each network topology, type and parameters. This makes it challenging to utilize an approach developed to analyse and model systems of other aspects and domains.    

The degree of flexibility of an approach depends on its scalability to be able to model a system that grows, its generality to model systems of various types, its adaptability to internal changes, and its flexibility to topology without the need for change. Additionally, flexibility should enable the approach adjustment with new functions and features to facilitate and analyse other aspects of a system easily. Network representation of complex health systems facilitates the application of network algorithms and network simulation methods to enhance the modelling approaches. This requires the adjustment of these algorithms and methods, which can be achieved by tuning, merging, modifying, and gaming procedures. Such adjustments increase the efficiency of a model to analyse different aspects of a system and overcome limitations.      

This thesis offers various network-agnostic computational approaches for modelling and validating complex health systems. For this, three different case studies are provided to explore which represent the complex societal, hospital and organisational systems, respectively. The proposed modelling approaches for these systems aim to facilitate the quantification of vertices and edges, classify the vertices’ behaviours, promote verification and validation, evaluate the systems' performances, and enhance the link prediction for a more accurate representation of the systems. 

The key contribution of this thesis is to offer approaches which can facilitate scalability, generality, adaptability, topological flexibility, and adjustability. This is achieved by adjusting the network algorithms and simulation methods based on the purpose of the modelling. Hence, 1) a gaming simulation approach is proposed to facilitate the quantification of the edges in a complex societal system, 2) ranking algorithm is merged with path analysis to quantify the vertices and identify the vertices persistency in a complex societal system, 3) ranking algorithm is merged with system dynamic simulation to facilitate the quantification of the vertices as the complex societal system evolve and change, 4) an agent-based network simulation is implemented along with network algorithms to identify the bottlenecks using flow and structural hole algorithms and evaluation the performances of the wards using percolation and perturbation algorithm in a complex hospital system, 5) a modification of flow algorithm is proposed to model the dynamic nonlinear flow of the patients in a complex hospital system, 6) a link prediction approach which merges the path analysis and non\_randomness algorithm to identify the missing links in a complex organizational system, and finally 7) a multi-network simulation to evaluate the performances of the organizations in parallel. 

The thesis provides two different classifications of the proposed approaches. The first classification indicates how each approach contributes to modelling the system based on the underlying system scale, type, dynamic, topology and model adjustability, and the second classification indicates the proper application of network algorithms and network simulation methods based on the underlying health system type and the purpose of the analysis.  

Each approach provides a holistic view of the systems through matrix or network representation to inform about their states and a view of the vertices’ dynamic behaviours to evaluate their performances.  

Den dynamiska och utvecklande karaktären hos komplexa system påverkar beteendet hos enskilda delar och hela systemets prestanda, vilket hindrar flexibiliteten i modellering och tillämpbarheten av modelleringsmetoderna för olika system. Modelleringsmetoder som utvecklats för andra typer av system har begränsningar för att fånga hälsosystemens beteende. Detta kan härröra från modellers beroende av systemstruktur, typ och datastruktur. Ur ett nätverksperspektiv kan hälsosystem ha olika representationer som definieras av varje nätverkstopologi, typ och parametrar. Detta gör det utmanande att använda ett tillvägagångssätt utvecklat för att analysera och modellera system av andra aspekter och domäner.

Graden av flexibilitet för ett tillvägagångssätt beror på dess skalbarhet för att kunna modellera ett system som växer, generalitet till modellsystem av olika typer, anpassningsförmåga till de interna förändringarna och flexibilitet till topologi utan behov av förändring. Dessutom bör flexibilitet möjliggöra tillvägagångssättjustering med nya funktioner och funktioner för att enkelt underlätta och analysera andra aspekter av ett system. Nätverksrepresentation av komplexa hälsosystem underlättar tillämpningen av nätverksalgoritmer och nätverkssimuleringsmetoder för att förbättra modelleringsmetoderna. Detta kräver justering av dessa algoritmer och metoder, vilket kan uppnås genom justering, sammanslagning, modifiering och spelprocedurer. Sådana justeringar ökar effektiviteten hos en modell för att analysera olika aspekter av ett system och övervinna begränsningar.

Denna avhandling erbjuder olika nätverks-agnostiska beräkningsmetoder för modellering och validering av komplexa hälsosystem. För detta tillhandahålls tre olika fallstudier för att utforska vilka som representerar de komplexa samhälleliga, sjukhus- respektive organisationssystemen. De föreslagna modelleringsmetoderna för dessa system syftar till att underlätta kvantifieringen av hörn och kanter, klassificera hörnens beteenden, främja verifieringen och valideringen, utvärdera systemens prestanda och förbättra länkförutsägelsen för mer exakt representation av systemen.

Det viktigaste bidraget för denna avhandling är att erbjuda tillvägagångssätt som kan underlätta skalbarhet, generalitet, anpassningsförmåga, topologisk flexibilitet och justerbarhet. Detta uppnås genom att justera nätverksalgoritmerna och simuleringsmetoderna utifrån syftet med modelleringen. Därför föreslås 1) en spelsimuleringsmetod för att underlätta kvantifieringen av kanterna i ett komplext samhälleligt system, 2) rankningsalgoritmen slås samman med väganalys för att kvantifiera hörnen och identifiera grenarnas beständighet i ett komplext samhälleligt system, 3) rankning Algoritmen slås samman med systemdynamisk simulering för att underlätta kvantifieringen av hörnen som komplexet samhälleliga system utvecklas och förändras, 4) en agentbaserad nätverkssimulering implementeras tillsammans med nätverksalgoritmer för att identifiera flaskhalsar med hjälp av flödes- och strukturella hålalgoritmer och utvärdering av avdelningarnas prestanda med hjälp av perkolations- och störningsalgoritmer i ett komplext sjukhussystem, 5) en modifiering av flödesalgoritmen föreslås för att modellera det dynamiska olinjära flödet av patienter i ett komplext sjukhussystem, 6) en länkförutsägelsemetod som kombinerar väganalysen och algoritmen för icke-slumpmässighet för att identifiera de saknade länkarna i ett komplext organisationssystem, och slutligen 7) en simulering av flera nätverk för att parallellt utvärdera organisationernas prestationer.

Avhandlingen ger två olika klassificeringar av de föreslagna tillvägagångssätten. Den första klassificeringen anger hur varje tillvägagångssätt bidrar till att modellera systemet baserat på den underliggande systemets skala, typ, dynamik, topologi och modellens justerbarhet; och den andra klassificeringen indikerar korrekt tillämpning av nätverksalgoritmer och nätverkssimuleringsmetoder baserat på den underliggande typen av hälsosystem och syftet med analysen.

Varje tillvägagångssätt ger en holistisk bild av systemen genom matris- eller nätverksrepresentation för att informera om dess tillstånd, och en bild av hörnens dynamiska beteenden för att utvärdera deras prestationer.