Seminario di Alta Formazione su “Appropriatezza e variabilità
nelle decisioni regionali e aziendali”.
Stefano Villa
Ricercatore Universitario, Università Cattolica del Sacro Cuore, Facoltà di Economia.
Docente corso di laurea (triennale e specialistica) in Economia e gestione delle aziende e dei servizi sanitari, Università Cattolica del Sacro Cuore, sede di Roma.
Responsabile Area Progetti CERISMAS (Centro di Ricerche e Studi in Management Sanitario) dell’Università Cattolica del Sacro Cuore (www.cerismas.com)
Coordinatore Laboratorio Logistica del Paziente
La gestione della variabilità a livello aziendale.
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Agenda Intervento
2
• La gestione della variabilità in sanità • Focus sulla gestione dei flussi dei pazienti• Due esemplificazioni tratte dall’esperienza del Laboratorio
Logistica del Paziente • Messaggi chiave
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Variabilità Quali tipi di variabilità
Variabilità Naturale
Variabilità ineliminabile, imprevedibile ed insita/connaturata allo stato delle cose
Variabilità Artificiale
Variabilità eliminabile attraverso interventi di natura organizzativa e in alcuni casi legata a comportamenti scorretti ed inadeguati. E’ causata da disfunzioni nei processi.
Un
ivers
ità C
attolica
del S
acro
Cu
ore
FONTE TIPOLOGIA
Naturale Artificiale
Clinica X
Comportamenti X X
Volumi di attività / flussi di pazienti
X X
Fonti e tipologia di variabilità nelle aziende sanitarie
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Variabilità nei flussi dei pazientiLe possibili conseguenze
80
90
100
110
120
130
140
150
160
170
180
15-g
en
29-g
en
12-f
eb
26-f
eb
12-m
ar
26-m
ar
9-ap
r
23-a
pr
7-m
ag
21-m
ag
4-gi
u
18-g
iu
2-lu
g
16-lu
g
30-lu
g
13-a
go
27-a
go
10-s
et
24-s
et
8-ot
t
22-o
tt
5-no
v
19-n
ov
3-di
c
PR
ES
EN
TI
PRESENZA MEDIA
SPRECO DI CAPACITA' PRODUTTIVA
USO INEFFICIENTE DELLE RISORSE...
QUANDO LA DOMANDA E' >> DELLA CAPACITA' PRODUTTIVA
QUANDO LA DOMANDA E' << DELLA CAPACITA' PRODUTTIVA
RITARDICOLLI DI BOTTIGLIAINTERVENTI CANCELLATISOVRACCARICO DI LAVORO ERRORI PAZIENTI IN APPOGGIO
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Parte significativa della variabilità dei flussi dei pazienti è variabilità artificiale quindi eliminabile con l’organizzazione adottando, in particolare, gli approcci e gli strumenti della logistica e dell’operations management.
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Riferimenti bibliografici
Aiken L, Sloane D, Sochalski J (2002) Hospital nurse staffing and patient mortality, nurse burnout, and job dissatisfaction. JAMA The Journal of the American Medical Association 288–16:1987–1993
Litvak et al. (2005) “Managing Unnecessary Variability in Patient Demand to Reduce Nursing Stress and Improve Patient Safety” Journal on Quality and Patient Safety Volume 31 Number 6: 330-338
Vissers J. and Beech R. (2005) Health Operations ManagementRoutledge Health Management Series, New York.
Walley P, Steyn R (2006) Managing variation in demand: lessons from the UK National Health Service. J Healthc Manag 51 (5):309–320
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Fonte dei dati
Laboratorio Logistica del Paziente (LLP) L’LLP è un gruppo di lavoro interaziendale e multi-professionale sui temi della gestione dei flussi dei pazienti nelle strutture sanitarie. L’LLP è frutto della partnership tra tre centri di ricerca: il CERISMAS dell’Università Cattolica, il CERGAS dell’Università Bocconi e il CUSAS dell’Università degli Studi di Firenze (Facoltà di Medicina e Chirurgia).
Riferimenti bibliografici Bensa G., Prenestini A., Villa S. (2008) “La logistica del paziente in ospedale: aspetti concettuali, strumenti di analisi e leve di cambiamento” in Anessi Pessina E., Cantù E. L’aziendalizzazione della sanità in Italia, Rapporto OASI 2008, Egea, Milano
Villa S. (2012) “L’operations management a supporto del sistema di operazioni aziendali. Modelli di analisi e soluzioni progettuali per il settore sanitario” CEDAM, Padova.
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Processi primari
Attività Clinico Assistenziali
P. S. AmbulatorioBlocco
OperatorioAree di
Degenza
Profili di cura, auit clinico, PDTA
OPERATIONSMANAGEMENT
Farmaci, dispositivi medici, beni economali
Logistica del paziente
Logistica delle cose
Piattaforme logistico produttive
Un
ivers
ità C
attolica
del S
acro
Cu
ore
PL
PL PL
PL
Come disegno il LAY-OUT e come organizzo gli spazi?
• Come ri-progetto i processi?• Quale livello tecnologico e di
informatizzazione?
Come programmo la capacità produttiva?
Blocco Operatorio Magazzino Centrale
Un
ivers
ità C
attolica
del S
acro
Cu
ore
D1
E1A1
B1
C1
60%
65%
70%
75%
80%
85%
90%
95%
100%
30 35 40 45 50 55
Indice di rotazione
Ta
sso
di o
ccu
pa
zio
ne
III
III IV
F1
H1
Esiste un problema di capacità produttiva?
Un
ivers
ità C
attolica
del S
acro
Cu
ore
80
90
100
110
120
130
140
150
160
170
180
15-g
en
29-g
en
12-f
eb
26-f
eb
12-m
ar
26-m
ar
9-ap
r
23-a
pr
7-m
ag
21-m
ag
4-gi
u
18-g
iu
2-lu
g
16-lu
g
30-lu
g
13-a
go
27-a
go
10-s
et
24-s
et
8-ot
t
22-o
tt
5-no
v
19-n
ov
3-di
c
Pre
sent
i Presenza Md 133
Valore minimo 87
Valore massimo 177
Range 90
Valore medio 133
Deviazione standard 19
Coefficiente di variazione 14%
Indicatori statistici della variabilità
Andamento presenze pazienti chirurgici (15 Gennaio – 15 Dicembre)
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Andamento pazienti Urgenti/Non Urgenti
nel corso dell’anno 1/2
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Andamento pazienti Urgenti/Non Urgenti
nel corso dell’anno 2/2
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
15-g
en
29-g
en
12-f
eb
26-f
eb
12-m
ar
26-m
ar
9-a
pr
23-a
pr
7-m
ag
21-m
ag
4-g
iu
18-g
iu
2-lug
16-lug
30-lug
13-a
go
27-a
go
10-s
et
24-s
et
8-o
tt
22-o
tt
5-n
ov
19-n
ov
3-d
ic
Pre
se
nti
Non Urgenti UrgentiNumeri indice Non Urgenti Urgenti
Valore minimo 0,42 0,62
Valore massimo 1,45 1,32
Range 1,03 0,70
Valore medio 1,00 1,00
Deviazione standard 0,21 0,13
Coefficiente di variazione 21% 13%
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Indici di variabilità dei pazienti chirurgici per tipologia urgenti e non urgenti
(15 Gennaio – 15 Dicembre)
Un
ivers
ità C
attolica
del S
acro
Cu
ore
80
100
120
140
160
180
200
220
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
Settimane (N=50)
Am
me
ss
i
Quali sono le possibili cause della variabilità?
Andamento pazienti ammessi per settimana (con e senza festività)
Ammessi
80
100
120
140
160
180
200
220
2 3 4 5 6 7 8 9 10 11 12 13 14 17 18 19 20 21 22 23 24 25 26 27 28 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Settimane (N=40)
Am
me
ss
i
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Valori assoluti N=50 N=40
Valore massimo 214 214
Valore minimo 88 126
Range 126 88
Valore medio 169 177
Deviazione standard 28 18
Coefficiente di variazione 17% 10%
Quali sono le possibili cause della variabilità? Andamento pazienti ammessi per settimana
(con e senza festività)
Un
ivers
ità C
attolica
del S
acro
Cu
ore
La variabilità dei flussi dei pazienti NON è legata ai casi urgenti ed è solo parzialmente influenzata dagli andamenti stagionali.
E’ quindi importante individuare gli elementi di variabilità artificiale eliminabili con un migliore governo delle piattaforme produttive dove si realizzano i percorsi di cura.
Due esempi tratti dal Laboratorio Logistica del Paziente: 1.La programmazione del blocco operatorio; 2.Il processo di dimissioni.
Un
ivers
ità C
attolica
del S
acro
Cu
ore
L’analisi delle aree produttiveL’esempio della sala operatoria
Amb.Amb. Discharge Room
Discharge RoomT. I.T. I. RepartoRepartoRepartoReparto S. O.S. O. Recovery
RoomRecovery
Room
Area Produttiva Leader
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Quale impatto sulle aree produttive?
Il carico di attività e la variabilità nel Blocco Operatorio
40%
45%
50%
55%
60%
65%
70%
75%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
% T
as
so
sa
tura
zio
ne
20
25
30
35
40
45
50
Nu
me
ro in
terv
en
ti
% Tasso di saturazione N. Interventi
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Blocco operatorio: distribuzione numero casi e tassi di utilizzo tra i diversi giorni della settimana
Indicatori attività blocco operatorio
LUN MAR MER GIO VEN SAB DOM Totale
Numero medio interventi 36 43 39 35 38 10 0 200Distribuzione % 18% 21% 19% 18% 19% 5% 0% 100%Tasso di saturazione 59% 62% 64% 61% 63% 11% 0%Casi Urgenti Numero Medio 3 4 6 3 4 2 0 21 Distribuzione % 12% 17% 28% 12% 19% 11% 1% 100%Casi Non Urgenti Numero Medio 33 39 33 33 34 7 0 179 Distribuzione % 18% 22% 18% 18% 19% 4% 0% 100%
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Blocco operatorio: numero casi e tassi di utilizzo in un giorno specifico di un mese campione
40%
45%
50%
55%
60%
65%
70%
75%
mercoledì 1 mercoledì 2 mercoledì 3 mercoledì 4 mercoledì 5
% T
asso
sat
ura
zio
ne
36
37
38
39
40
41
42
43
Nu
mer
o m
edio
in
terv
enti
Tasso di saturazione N. medio interventi
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Variability indexes
Min. 1
Max 9
Mean 5
St. Dev. 9
Variation 47%
Variabilità degli accessi in Terapia Intensiva
Un
ivers
ità C
attolica
del S
acro
Cu
ore
-
2,0
4,0
6,0
8,0
10,0
12,0
14,0
lunedì martedì mercoledì giovedì venerdì sabato domenica
Presenza Md Urgenti Presenza Md Non Urgenti Presenza Md Totale
Andamento presenze per giorno della settimana per pazienti urgenti, non urgenti e complessivi
della linea osteomuscolare chirurgica
Un
ivers
ità C
attolica
del S
acro
Cu
ore
PE
PO
POC
POM
AREE PRODUTTIVE
La visione d’insieme: interazione fra le Pipeline
Un
ivers
ità C
attolica
del S
acro
Cu
ore
La distribuzione degli arrivi per fascia oraria
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Analisi di sistema per la gestione dei flussiAnalisi pipeline per ora di dimissione
Pipeline entro 10 entro 12 entro 14 entro 16 entro 18 dopo le 18*
POC 26% 57% 84% 93% 97% 3%POM 9% 31% 63% 84% 94% 6%
Totale 16% 40% 69% 85% 94% 6%* fino alle 24.00
Presenza di una correlazione negativa (0,4) tra il tempo di permanenza al PS e la % di pazienti dimessi entro
mezzogiorno.
Un
ivers
ità C
attolica
del S
acro
Cu
ore
-3%
2%
7%
12%
17%
22%
27%
32%
ED Arrivals Discharges
Distribuzione accessi al PS e dimissioni
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Media Deviazione StandardIndice di correlazione
Tempi PS - Rapporto Dimessi/AmessiOspedale 1 -0,19Tempo medio di permanenza PS 187 24,26Rapporto dimessi/ammessi 1,00 0,44Ospedale 2 -0,18Tempo medio di permanenza PS 121,47 30,16Rapporto dimessi/ammessi 1,55 1,67Ospedale 3 -0,15Tempo medio di permanenza PS 91,59 16,35Rapporto dimessi/ammessi 1,05 0,39Ospedale 4 -0,14Tempo medio di permanenza PS 330 115Rapporto dimessi/ammessi 0,98 0,25Ospedale 5 -0,16Tempo medio di permanenza PS 247 31,48Rapporto dimessi/ammessi 1,15 0,62
Indici di correlazione tra tempi di permanenza al PS e tasso dimessi-ammessi
Un
ivers
ità C
attolica
del S
acro
Cu
ore
Risultati metodo delphi LLP 2012, Università Bocconi Milano 16 Novembre 2012
Obiettivo:Ottimizzare il processo di dimissioni
Soluzioni: • Ri-progettare l’organizzazione attorno al vincolo • Pianificare il processo di dimissioni 24 ore dopo l’accesso del
paziente in ospedale (da logiche “pull” a logiche “push”)• Utilizzare le tecniche di visual mapping• Incoraggiare i medici a scrivere le lettere di dimissioni il giorno
prima o entro le 9 del mattino del giorno delle dimissioni• Standardizzare e semplificare le lettere di dimissioni (esempio di
sovra-produzione) • Attivare specifici percorsi di dimissione (definiti con la farmacia)• Creare una discharge room• Definire accordi con strutture di riabilitazione (pubbliche e private)
con creazione di sistemi informativi condivisi • Potenziare i programmi di assistenza domiciliare
Un
ivers
ità C
attolica
del S
acro
Cu
ore
• La variabilità nella gestione dei flussi dei pazienti determina un impatto su qualità, efficienza e accesso alle cure
• Parte (rilevante) della variabilità è artificiale e quindi eliminabile con interventi di tipo organizzativo (migliore governo delle piattaforme produttive dove si realizzano i processi di cura)
• I database amministrativi sono una fonte di informazioni già disponibili nei sistemi informativi sanitari, esistono però significativi margini di miglioramento.
• Essenziale una visione d’insieme del sistema ospedale rispetto ad un focus esclusivo sulle singole aree produttive
• L’operations/logistica può offrire utili strumenti e modelli (separazione responsabilità clinica da responsabilità sulla logistica)
Messaggi chiave
Top Related