Auswertung der Kapazität einer Klinik für stationäre Pflege

Problem:




Beim Bau einer modernen Klinik müssen sich die Fachleute des Gesundheitswesens mit einer endlosen Liste von wichtigen Fragestellungen und wichtigen anstehenden Entscheidungen auseinandersetzen. Der Verwaltungsbezirk Stockholm in Schweden war dabei, eine neue hochspezialisierte Klinik zu bauen. Die Gesundheitsverwaltung des Verwaltungsbezirks hatte die Fragestellung, ob sie angesichts der aktuellen Investitionen und hinsichtlich verschiedener betrieblicher und strategischer Aspekte ,ein akzeptables Level an Pflege erreichen würde. Sie nutzten die Simulationsmodellierung in AnyLogic, um Antworten auf ihre Fragen zu finden.


Wenn die Simulationsmodellierung für komplexe Fragestellungen herangezogen wird, ist das erste entwickelte und verwendete Modell selten auch das letzte. Die korrekte Verwendung der Simulation führt fast immer sowohl zur Diskussion als auch zum Verstehen der Fragestellung, was oft dazu führt, dass neue Fragen aufkommen und der Geltungsbereich des Modells dementsprechend erweitert oder geändert werden muss.


Während der Fokus der ersten Modellversion die gesamte Kapazität und der gesamte Umfang der Pflege war, erlaubte die zweite Version den Usern das Experimentieren mit verschiedenen Szenarien der Patientenbelegung in der stationären Pflege. Die zweite Version gab ihnen auch die Möglichkeit, Patienten in verschiedene klinische Gruppen mit Alleinstellungsmerkmalen aufzuteilen und bot ihnen ein Tool für die Entscheidungsfindung, um abzuwägen, wie den Anforderungen durch verschiedene stationäre Pflegeressourcen entsprochen werden konnte.


LÖSUNG:




Um reale Probleme mittels Simulation bestmöglich zu lösen, muss die für die Modellierung verantwortliche Person nicht nur gute Fähigkeiten im Bereich der Modellierung haben, sondern auch ein tiefes Verständnis für strategische und/oder betriebliche Herausforderungen der Industrie (in diesem Fall – Gesundheitswesen). Dadurch wird gewährleistet, dass er / sie in der Lage ist, den Kern des Problems zu erfassen, zu interpretieren und es manchmal neu darzulegen, um so ein besseres Modell mit mehr Wert zu erstellen. In diesem Projekt war es die Kompetenz in den Bereichen Strategie, Management und Produktion, die es dem Modellierer ermöglichten, seine Vision des Problems zu entwickeln und die Zielsetzung der Simulation so zu ändern, dass die Fragen beantwortet werden konnten, die den Interessenvertretern wirklich wichtig waren.


Vor dem Simulationsprojekt war der Fokus der Bemühungen tendenziell auf verschiedene organisatorische Teile der Klinik gerichtet (Notaufnahme, stationäre Behandlung, Operationssäle etc.), aber nicht auf die Klinik als Gesamtheit. Das ist ein gefährlicher Weg, da die Klinik an sich ein System ist, und Wechselbeziehungen innerhalb dieses Systems berücksichtigt werden müssen. Das Modell wurde so konzipiert, dass der systematische Ansatz wiedergespiegelt wurde.


Im ersten Modell wurde jeder organisatorische Teil in stark vereinfachter Form mit der diskret-ereignisorientierten Simulation beschrieben, in Form von wichtigen Prozessen und primären Ressourcen. Dann wurden diese Teile miteinander verbunden, um verschiedene mögliche Patientenströme zu modellieren. Danach war es möglich, mit einer unbegrenzten Anzahl an hypothetischen Szenarien zu experimentieren, indem mit den Aspekten der Nachfrage (ankommende Patienten), Ressourcen-Level (Anzahl an Betten, Zimmer, etc.), Zeiten mit Schwankungen (erwartete stationäre Aufenthaltsdauer, erwartete Dauer der Operationen, etc) und Strategien ,wie die Patienten durch die Klinik geleitet werden sollten, experimentiert wurde.

Simulationsmodell Klinik

Erste Version des Klinikmodells

Simulation Gesundheitswesen

Zweite Version des Klinikmodells


Die zweite Version des Modells teilte die stationären Patienten in klinische Gruppen auf. Dadurch sollten die sehr unterschiedlichen Eigenschaften und Anforderungen in unterschiedlichen Fällen besser berücksichtigt werden. Ebenso sollte besser erkannt werden, ob eine diskutierte Zuordnung der Patientenkategorien, aufgrund der verschiedenen Alternativen, gut ausgewogen oder sogar möglich war. Das Modell erhielt auch ein anderes Design, sodass es visuell klar als neues Modell erkennbar war, auch wenn der Großteil der Logik gleich war.


Im Fokus beider Modellversionen standen die physikalischen Ressourcen statt der personellen Ressourcen. Dieser Ansatz wurde gewählt, da es in Dimensionierungsentscheidungen für Gebäude und Investitionen wichtiger ist, die Kapazitätsbeschränkungen, die durch die physikalischen Ressourcen auferlegt werden, zu berücksichtigen. Für eine optimale Modellierung der personellen Ressourcen müssen außerdem Kriterien wie die Zeitplanung, Planungsstrategien und verschiedene Kompetenzkategorien und Rollen, die in einem Mikromodell relevant sind, berücksichtigt werden. In einem Fall von mittlerem Abstraktionslevel, wie diesem hier, sind sie jedoch für eine Berücksichtigung oft nicht geeignet.


ERGEBNIS:




Die Statistiken die das Modell lieferte, beinhalteten die erzielte Nutzungsrate an Pflegeleistung und Ressourcen. Diese halfen bei der Einschätzung, ob die Klinikkapazität akzeptabel war.


Mit dem Modell konnte die Pflegeleistung hinsichtlich durchgeführter Operationen, geleisteter stationärer Pflege etc. unter Berücksichtigung des Szenarios und der Umstände, bewertet werden. Damit konnten mögliche Risiken und Herausforderungen genau bestimmt und diskutiert werden, und gleichzeitig die Ressourcennutzung betrachtet werden.


Wichtige Schlussfolgerungen, die durch dieses Modell gezogen wurden, bestätigten, was viele Interessenvertreter lange Zeit behauptet hatten, nämlich dass das Ressourcenlevel für die stationäre Pflege viel geringer war als nötig. Durch das Modell und die Argumentation des Projektmanagers der Simulation wurden die Entscheidungsträger jedoch ermutigt, Maßnahmen zu ergreifen und das Problem zu bewältigen.


Bei komplexen Sachverhalten, oft mit Interessenkonflikten, sind die Hauptvorteile durch die Nutzung der dynamischen Modelle oft eher qualitativer als quantitativer Natur (auch wenn die Zahlen von Bedeutung sind). Die Gründe hierfür sind:

  • Die Modelle sammeln alle relevanten Größen, Sachverhalte, Parameter, Indikatoren etc. an einer Stelle (das Modell) und visualisieren es. Dieses dient oft als Katalysator für das Verständnis und die Diskussion.
  • Die Modelle ermöglichen die Berücksichtigung einer unbegrenzten Anzahl von Szenarien, sodass alle Interessenvertreter ihre Annahmen testen können (was letztendlich dazu führt, dass die gegnerischen Meinungen besser verstanden werden). 
  • Im Gesundheitswesen werden Entscheidungen sehr stark von der Politik beeinflusst. Darüber hinaus bedeuten wichtige Kompetenz und Bildung in diesem Bereich normalerweise einen hohen Grad an medizinischem Wissen und evidenzbasiertes Denken, statt Betriebsführung und Systemdenken. Deshalb ist es wichtig, Sachverhalte wie die, die durch dieses Projekt abgedeckt wurden, leicht verständlich zu machen. Die Simulation kann Entscheidungsträgern im Gesundheitswesen helfen, Diskussionen in einer besseren Richtung voranzubringen und als Konsequenz bessere Entscheidungen zu treffen.

Dieses Modell diente auch als Vorlage für andere Modelle in Fällen, in denen die Fragestellung die Analyse von Prozessen in bestehenden Kliniken war. Die Logik dieses Modells kann als generisch betrachtet werden, da sie die Planer befähigt, die Klinik als ein System zu betrachten und zu bewerten, ob das System ausgeglichen ist oder nicht.


More Case Studies

  • Entscheidungsunterstützung im Healthcare-Bereich durch hybride Simulationsmethoden – Mobile Stroke Units
    Schlaganfall ist eine der wichtigsten Ursachen für Behinderung von Menschen und verursacht hohe Pflege- und Rehakosten. Aufgrund einer alternden Bevölkerung ist in der Zukunft außerdem mit einer steigenden Inzidenz zu rechen. Patienten verlieren viel Zeit beim Transport in das Krankenhaus und in internen Krankenhausprozessen. MSUs wurden als eine neue Innovation zu Verbesserung dieser Problematik vorgeschlagen.
  • Simulationsmodellierung basierend auf Daten der Routineversorgung im Gesundheitswesen
    Entscheidungen von Fachleuten im Gesundheitswesen erfordern Tools für Planung, Tests und die Bewertung von neuen Technologien oder Eingriffen. Die komplexen Strukturen, Interaktionen und Abläufe im Gesundheitswesen machen Veränderungen und Innovationen zu einer kontinuierlichen Herausforderung.
  • Modellierung für pharmazeutische Distributionslager
    Cardinal Health, ein Milliarden-Dollar schwerer Arzneimittelvertrieb und Logistikunternehmen, vertreibt mehrere Produkte, von markengeschützten Arzneimitteln und Generika zu frei verkäuflichen Arzneimitteln, Artikel für Gesundheits - und Schönheitspflege und die eigene Hausmarke. Sie sind mit einer Vielzahl der typischen Herausforderungen eines Distributionslagers konfrontiert, die durch die Natur der pharmazeutischen Produkte viel komplizierter ist.
  • Simulation der Abläufe einer Entbindungsstation
    Das Modell simuliert die Entbindungsstation in einer Klinik, die zurzeit umgebaut wird. Ziel des Modells ist es, Diskussionen hinsichtlich der erforderlichen Ressourcen, Kapazität sowie der Arbeitsmethoden auf der neuen Station zu unterstützen. Das Projekt wurde für die Karolinska Universitätsklinik im Verwaltungsbezirk Stockholm, Schweden, ausgeführt.
  • Handling des gesamten Pflegebedarfs von Dialyse-Patienten
    Der Verwaltungsbezirk Stockholm (Schweden) ist wie jedes andere Land oder Region ständig gefordert, um die Bedürfnisse von verschiedenen Patientengruppen in der Gesundheitspflege zu bewältigen. Jede Gruppe kann als Teilkollektiv betrachtet werden, mit seinen eigenen Merkmalen, Eigenschaften und Herausforderungen.
  • Katastrophenschutz mit Hilfe der agentenbasierten Modellierung
    Battelle, weltweit die größte gemeinnützige, unabhängige Forschungs- und Entwicklungsorganisation suchte praktische operative Lösungen für Kriseninterventionen oder Einsätzen bei Naturkatastrophen und musste die Effektivität einer zum Schutz angeordneten Ausgangssperre für 48 Stunden, für das Szenario eines sogenannten Improvised Nuclear Device, d.h. einer improvisierten nuklearen Sprengvorrichtung feststellen. Ziel war die Eindämmung der Strahlendosis, die während einer unkoordinierten Massenevakuierung auf die Menschen einwirken würde; hierfür wurde die sofortige Evakuierung mit einer Ausgangssperre verglichen.
  • Auswertung von Programmen des Gesundheitswesens zur Reduzierung der Kaiserschnittrate
    Über die Jahre haben zahlreiche Forscher die Herausforderung erkannt, die Kaiserschnittrate zu reduzieren. Allan Mills, FSA MAAA ND, ein Versicherungsmathematiker in der Forschung, führte diese Forschung erstmals für den Staat Washington durch und seine Kollegen reproduzierten diesen Teil des Gesundheitswesens der Vereinigten Staaten in einem Simulationsmodell, das es den Interessenvertretern, insbesondere den Gesundheitsvertretern, Versicherern, Klinikern und Gesetzgebern ermöglicht, ihre Annahmen an einem Modell zu testen, um die richtigen Lösungen zu finden.
  • Gestaltung der Gesundheitspolitik mit Hilfe der Simulation
    Der Fachbereich Maschinen- und Anlagenbau der Universität Toronto, das Forschungszentrum für Technisches Gesundheitswesen (CRHE), reagierte auf den dringenden Wunsch nach Effizienz und Qualitätsverbesserungen im Kanadischen Gesundheitssystem.
  • Eine agentenbasierte Erklärung für die Änderung der Lebenssituation der psychisch kranken Bevölkerung
    Das Wohnumfeld der dauerhaft psychisch schwer kranken Bevölkerung in den Vereinigten Staaten hat sich über die letzten 60 Jahre stark verändert. Besonders deutlich wird das durch den prozentualen Anteil der Personen, die in Haft leben gegenüber dem prozentualen Anteil der Menschen, die in der Obhut des Gemeinwesens oder privaten Wohnungen leben.
  • Modellierung einer Pharmaprodukteinführung
    Eines der großen Pharmaunternehmen wandte sich an Bayser Consulting, um eine Strategie für eine Produkteinführung zu entwickeln. Es wurde Simulationsmodellierung angewandt, um die Interaktionen zwischen dem Pharmaunternehmen, Ärzten und Patienten zu reorganisieren.