Bedrijfscase
Patiëntenlogistiek op de ICV van het VUmc
Voorwoord
Het voor u liggend verslag beschrijft de bedrijfscase: Patiëntenlogistiek op de Intensive Care Volwassenen (ICV) van het VU Medisch Centrum (VUmc) te Amsterdam. Deze bedrijfscase is het afsluitende onderdeel van de bachelorfase van de studie Bedrijfswiskunde en Informatica (BWI) aan de Vrije Universiteit (VU) te Amsterdam. Studentenbedrijf IntensiVu Consultancy heeft zich in een drie maanden durend onderzoek, verdiept in de bedrijfscase met als doel om dit rapporterende verslag over de bedrijfscase te schrijven en een aantal daar uit voortkomende adviezen te geven. Het verslag dient hoofdzakelijk als rapport en naslagwerk voor de opdrachtgever van de bedrijfscase: Hoofd ICV van het VUmc, Prof. Dr. A. Girbes. Tevens is het een naslagwerk voor alle betrokkenen bij de bedrijfscase en kan het als studieobject worden gebruikt voor de geïnteresseerde lezer. In het verslag zijn de verschillende oplossingsmogelijkheden van de bedrijfscase beschreven in aparte paragrafen binnen het hoofdstuk ‘Oplossingsmogelijkheden’. De kern van het verslag laat zich lezen in de managementsamenvatting. In het hoofdstuk ‘Aanbevelingen’ wordt meer uitgebreid ingegaan op de resultaten van het onderzoek van de bedrijfscase. Het hoofdstuk ‘Inzichten naar aanleiding van data-onderzoek’ en de grafische bijlagen dienen als extra illustratie voor zaken die in de verschillende hoofdstukken aan bod komen. Zonder de hulp van de opdrachtgever, Hoofd afdeling ICV van het VUmc, Prof. Dr. A. Girbes, begeleider van de VU, Dr. G.J. Franx, verpleegkundig manager van afdeling ICV van het VUmc, de heer K. Aij en beleidsadviseur cluster IV van het VUmc, Ir. A. de Bruin, was het niet mogelijk geweest om de bedrijfscase uit te voeren en dit verslag samen te stellen. IntensiVu Consultancy wil deze personen in het bijzonder hartelijk danken voor hun betrokkenheid. Ook wil IntensiVu Consultancy de personen die op de achtergrond betrokken waren bij het project danken voor hun inbreng.
IntensiVu Consultancy, augustus 2005 Maarten van den Beld Hima Chander Hong-Vu Dang Adnan Fiaz Aicha Martijn Youbraj Paudel Jaap de Rue
1
Inhoudsopgave 1. MANAGEMENTSAMENVATTING...................................................................................... 3 2. INLEIDING ............................................................................................................................... 4 2.1. DE SITUATIEBESCHRIJVING .................................................................................................................. 4 2.2. DE PROBLEEMBESCHRIJVING ............................................................................................................... 5
3. VOORONDERZOEK ............................................................................................................... 7 3.1. DATA EN ANDERE INFORMATIE ............................................................................................................ 7 3.2. BEDRIJFSBEZOEKEN ............................................................................................................................. 7
4. OPLOSSINGSMOGELIJKHEDEN ....................................................................................... 8 4.1. SCHAALVOORDELEN .......................................................................................................................... 10 4.1.1. Data onderzoek ......................................................................................................................... 10 4.1.2. Inzichtmodel schaalvoordelen................................................................................................... 12 4.1.3. Resultaten.................................................................................................................................. 15 4.2. EFFECTEN OP BLOKKERINGKANS BIJ GELIJKE AANKOMSTENSTROOM ................................................ 17 4.3. OK-PLANNING SCENARIO’S ............................................................................................................... 18 4.3.1. Data onderzoek ......................................................................................................................... 18 4.3.2. Inzichtmodel OK en OK-planning............................................................................................. 21 4.3.3. Resultaten.................................................................................................................................. 23
5. INZICHTEN NAAR AANLEIDING VAN DATA-ONDERZOEK.................................... 25 5.1. DE VUISTREGEL ................................................................................................................................. 25 5.2. OPNAMES........................................................................................................................................... 26 5.3. LIGDUREN.......................................................................................................................................... 29 5.4. SEIZOENSINVLOEDEN......................................................................................................................... 31
6. AANBEVELINGEN................................................................................................................ 34 7. APPENDICES ......................................................................................................................... 36 APPENDIX I : AFKORTINGENLIJST SPECIALISMEN ..................................................................................... 36 APPENDIX II: GEMIDDELDE, MEDIAAN EN STANDAARDDEVIATIE VAN LIGDUREN PER SPECIALISME PER JAAR IN UREN 37 APPENDIX III : VERDELING VAN DE LIGDUREN ......................................................................................... 38 APPENDIX IV: OPNAMES IN DE WEEK ....................................................................................................... 41 APPENDIX V: BOXPLOTS LIGDUREN PER SPECIALISME ............................................................................. 43 APPENDIX VI: GESORTEERDE LIGDUREN [2002 & 2003].......................................................................... 44 APPENDIX VII: GESORTEERDE LIGDUREN PER SPECIALISME [2004] ......................................................... 47
2
1. Managementsamenvatting
Onderstaande samenvatting beschrijft zeer beknopt de conclusies van dit verslag en daarmee ook de inhoud van het onderzoek voor de bedrijfscase: Patiëntenlogistiek op de ICV van het VUmc. Voor een uitgebreid verslag dienen ook de overige hoofdstukken gelezen te worden. Het onderzoek heeft aan kunnen tonen dat er schaalvoordelen te behalen zijn bij het inzetten van meer bedden. Bij een hoger aantal bedden kan bij eenzelfde bezettingsgraad een lagere blokkeringkans behaald worden. Ook toont het onderzoek aan dat het reserveren van een vast aantal bedden voor elk afzonderlijk specialisme geen goed idee is. Dit resulteert namelijk in onacceptabel hoge blokkeringkansen. Gezien het huidig hoge aantal blokkeringen zal de bezettingsgraad bij het inzetten van meer bedden nauwelijks dalen. Ten eerste omdat bij inzet van meer bedden de huidige geblokkeerde patiënten nu daadwerkelijk opgenomen kunnen worden, maar ook omdat er sprake zal zijn van een aanzuigende werking. Bij een grotere ICV zal het aantal aangeboden patiënten, door bijvoorbeeld andere ziekenhuizen, hoogstwaarschijnlijk toenemen. Deze twee punten zullen er ondanks de inzet van meer bedden, toch voor zorgen dat de bezettingsgraad hoog blijft, alleen zal de blokkeringkans dankzij de schaalvoordelen dalen. Ook heeft het onderzoek aangetoond dat er verbeteringen te behalen zijn bij de planning van de operaties op de OK afdeling. Wanneer operaties die tot een IC-opname leiden van minder dan 2,5 dag in het begin van de week gepland worden en operaties die tot een langere IC-opname aan het eind van de week, resulteert dit in een gelijkmatiger verdeling van de bezetting van de ICV. Ook wordt zo de leegstand van bedden in het weekend tegengegaan. Ook een betere spreiding van operaties leidt tot verbeteringen. Wanneer de operaties zo gepland worden dat de druk op de IC over de werkweek genomen gelijk verdeeld is, zal dit tot verbeteringen leiden. Op deze manier kan bij een zelfde bezettingsgraad een lagere blokkeringkans behaald worden. De verrichte simulaties die in het hoofdstuk Oplossingsmogelijkheden worden beschreven geven wel een indicatie voor de huidige blokkeringkans. Deze blokkeringkans ligt vermoedelijk rond de 30%. Voor een uitgebreider overzicht van de aanbevelingen dient het hoofdstuk ‘Aanbevelingen’ te worden gelezen. Een vervolgonderzoek naar het totale kostenverhaal van de hierboven genoemde punten zou zeer nuttig zijn om investeringsbeslissingen kracht bij te zetten. Daarbij zal met name ook gekeken moeten worden naar de kosten van blokkeringen, die meestal leiden tot langere ziekenhuisopnames.
3
2. Inleiding
2.1. De situatiebeschrijving Het grootste aantal patiënten dat behandeld wordt op de afdeling Intensive Care Volwassenen, van het VUmc, komt binnen na een ingrijpende operatie alvorens tot overplaatsing naar de medium- of normal- care verpleegeenheid wordt overgegaan. Een kleinere hoeveelheid van de patiënten wordt direct vanaf de Spoed Eisende Hulp opgenomen op de afdeling ICV. Ook nog zijn er opnames van patiënten die van de verpleegafdelingen binnen het eigen ziekenhuis komen en patiënten die vanuit een ander ziekenhuis komen. De ICV van het VUmc is gevestigd op twee locaties binnen het VUmc, te weten de locaties D6 en D7. Sinds vier jaren functioneren deze twee locaties als een twee-eenheid op het gebied van intensive care. Afdelingslocatie D6 heeft 14 bedden en afdelingslocatie D7 heeft 12 bedden. In totaal zijn er dus 26 bedden. Op de ICV worden patiënten met direct levensbedreigende aandoeningen behandeld. Daarom worden de zogenaamde vitale orgaanfuncties van de patiënten continu gemonitored. De ICV is een zeer kostbare afdeling (qua personeel en materieel) en wordt gekenmerkt door een zeer hoge bedbezettingsgraad. Dikwijls gaat deze bezettingsgraad richting de 100%, afhankelijk van de exacte definitie van bezettingsgraad (de gebruikte definitie van bezettingsgraad voor dit onderzoek volgt later in dit verslag). De werkdruk op de ICV is daarmee erg hoog en ook is het lastig de doorstroom van patiënten te garanderen. Soms kan bijvoorbeeld een geplande operatie die tot IC opname leidt niet doorgaan of een van elders komende patiënt niet worden opgenomen, omdat er geen plaats meer is op de ICV. Een uitzondering wordt gemaakt voor spoedpatiënten, die te allen tijde moeten worden opgenomen. De ligduren van de patiënten op de ICV worden gekenmerkt door een zeer grote spreiding. Naar aanleiding van een bezoek aan de afdeling ICV van het VUmc, waar in het hoofdstuk ‘Vooronderzoek’ nog op wordt teruggekomen, is een stromenschema opgesteld van de patiëntenstromen van en naar de afdeling ICV. Dit schema ziet er als volgt uit:
4
Komt zelf
Ambulance
Schiphol Andere Ziekenhuizen
Spoed Eisende Hulp
Operatie Kamer Verpleegafdeling
Huis
Patiënten die komen te overlijden
Intensive Care Special Care (Cardio)
Medium Care Spoed Semi spoed
2.2. De probleembeschrijving De karakteristieken van de afdeling ICV zoals die in de situatiebeschrijving naar voren komen (hoge bedbezetting, kostbaar en tevens zeer bekwaam personeel, kostbare bedden en apparatuur, intensieve zorg en veel patiëntenstromen) vormen de basis van de hoofdprobleemstelling van het onderzoek. We hebben te maken met tegenstrijdige belangen, aan de ene kant zo min mogelijk patiënten weigeren en aan de andere kant een hoge bedbezetting behouden. De hoofdprobleemstelling laat zich dan als volgt definiëren:
Hoe kan het aantal momenteel op de ICV geweigerde patiënten zo veel mogelijk worden beperkt, als een hoge bedbezettingsgraad moet worden gehandhaafd?
Nergens anders dan op de afdeling ICV is het zo belangrijk dat de efficiëntie heel hoog is. Het is een afdeling waar het gaat om het behandelen van zeer zieke mensen die op de rand van de dood balanceren. Als door het verbeteren van de patiëntenlogistiek meer patiënten kunnen worden behandeld (lees: minder patiënten hoeven worden geweigerd), dan wordt een uiterst wenselijke situatie bewerkstelligd. De vraag is dus hoe deze situatie kan worden bewerkstelligd. Om goed antwoord hierop te vinden moet worden nagegaan welke factoren er invloed hebben op de bedbezetting van de ICV. Hieronder volgt de beschrijving van de belangrijkste factoren:
5
Spoedgevallen Spoedgevallen zijn zeer onvoorspelbare gebeurtenissen die relatief veel voorkomen in de patiëntenstroom naar de ICV. Aangezien een spoedpatiënt ‘nooit’ geweigerd wordt, kan dit ongewenst tot situaties leiden waarbij op een volle ICV plaats moet worden gemaakt voor deze patiënt. Flexibiliteit is hier een vereiste. OK en OK-planning Bij het in kaart brengen van de patiëntenstromen blijkt het grootste gedeelte van de patiënten afkomstig te zijn van een OK. Op dit moment is er geen volledige afstemming van de OKplanning op het aantal beschikbare bedden op de ICV. Dit zorgt voor suboptimale samenwerking en daarmee voor bijvoorbeeld het annuleren van operaties. Ook zorgt dit voor een suboptimale bedbezetting op de ICV. Aantal operationele bedden Het aantal operationele bedden is zelden gelijk aan het aantal aanwezige bedden op de ICV. Hieraan liggen ziekteverzuim, weekenden en tekort aan personeel ten grondslag. Minder operationele bedden betekent uiteraard dat er meer patiënten geweigerd moeten worden. Afgezien van het aantal operationele bedden is ook een onderdeel van het onderzoek om te kijken welke invloed het inzetten van extra bedden heeft op de bezettingsgraad en kans op weigeren van een patiënt op de ICV. Patiënten uit andere ziekenhuizen Het VUmc is een ziekenhuis dat steeds meer een regiofunctie gaat vervullen. Dit betekent voor de ICV dat er in toenemende mate vanuit andere kleinere ziekenhuizen patiënten moeten kunnen worden opgenomen. Momenteel is dit door de hoge bedbezetting moeilijk mogelijk. Voor de opdrachtgever van het project, is het van belang dat het onderzoek hem inzicht geeft in de patiëntenstromen op de ICV die intuïtief voor hem duidelijk zijn, maar wellicht kracht bij kunnen worden gezet met behulp van wiskundige analyse of tenminste een wiskundige kijk erop. IntensiVu Consultancy heeft met behulp van de uitgebreide data analyse van historische data en het zelfgeschreven simulerende computermodel (eveneens gebaseerd op historische data), ingespeeld op deze wens van de opdrachtgever.
6
3. Vooronderzoek
De tijdslijn van het project is in de kern verdeeld in een vooronderzoeksfase en twee hoofdonderzoeksfasen, die beide een data analyse gedeelte en een inzichtmodel gedeelte behelzen. Dit hoofdstuk dient als de verslaglegging van de vooronderzoeksfase. De vooronderzoeksfase was de opstartfase van het project waarin vooral nog geen concrete einddoelstelling voor het volgende onderzoek voor ogen was. Het was de fase waarin IntensiVu Consultancy zijn naam kreeg, de taken binnen het team werden verdeeld, er werd ingelezen in de stof, er data werd verkregen met betrekking tot de ICV, een Plan van Aanpak werd gemaakt en er een website werd gemaakt. Eveneens waren er drie bedrijfsbezoeken aan het VUmc, waarvan één met de opdrachtgever Prof. Dr. A. Girbes en twee met verpleegkundig manager van de ICV, de heer K. Aij.
3.1. Data en andere informatie Bij de start van het project was er de beschikking over een selecte hoeveelheid data. Er was een jaarverslag van het kalenderjaar 2003 en een enorm patiënten opnamebestand waarin onder andere alle opnames op de ICV van de jaren 2002, 2003 en 2004 stonden, evenals de ligduren per opname, evenals het specialisme van herkomst van een opname, evenals de datum van opname. Al deze gegevens golden als relevante data voor het onderzoek. Het jaarverslag verschafte inzicht in het wel en wee op de ICV van het VUmc in beschrijvende zin, maar gaf ook inzicht in de cijfers van de afdeling. Er moet hierbij wel gezegd worden dat de cijfers uit het patiënten opnamebestand niet geheel overeen kwamen met de cijfers uit het jaarverslag. Voor het onderzoek is gebruik gemaakt van de cijfers uit het opnamebestand. Tijdens het onderzoek was er meer data nodig dan voorhanden was met het hierboven genoemde bestand. Met medewerking van het clusterbureau van het VUmc, in het bijzonder Ir. A. de Bruin, werd benodigde data zeer adequaat verkregen. Op de verkregen data wordt nog verder ingegaan in de hoofdstukken over de onderzochte oplossingsmogelijkheden in dit verslag.
3.2. Bedrijfsbezoeken Het bedrijfsbezoek ter oriëntatie op de bedrijfscase ‘Patiënten logistiek op de ICV van het VUmc’ vond twee weken na de aftrap van het project plaats. Het gesprek diende tevens als kennismaking van IntensiVu Consultancy met de opdrachtgever. In een klein uur werden belangrijke vragen van IntensiVu Consultancy voorzien van antwoorden en was er een rondleiding over de, voor een buitenstaander hectische en zeer indrukwekkende, vloer van de ICV. Door het gesprek met de opdrachtgever Prof. Dr. A. Girbes en het opstellen van het stromenschema dat in de inleiding van dit verslag reeds is geplaatst, werd ons duidelijk dat de OK en de OK-planning één van de belangrijkste complicerende factoren was voor de drukke logistiek van patiënten op de ICV. Een tweede bedrijfsbezoek aan de ICV werd belegd met verpleegkundig manager de heer K. Aij. Er werden antwoorden verkregen op vragen die waren gerezen na het eerste bedrijfsbezoek. Ook werd een derde en laatste bedrijfsbezoek gepland waarin data zou worden verkregen over operationele bedden gedurende het jaar.
7
4. Oplossingsmogelijkheden
In dit hoofdstuk wordt beschreven waar gezocht kan worden naar oplossingen.
P ersoneelsuitval
W eekendsluiting
E lectieve patiënten
H et sluiten van bedden
S poedgevallen
V raag IC V bedden > aanbod
IC V vaak 100% vol
V aak vroeg ontslaan van patiënten
T eveel w eigeringen
Bovenstaand diagram geeft schematisch de in de inleiding beschreven hoofdproblematiek, van het onderzoek naar de patiëntenlogistiek op de ICV van het VUmc, en de gevolgen en oorzaken hiervan, weer. De gevolgen staan in de ronde ballonnen, links en rechts onder het feitelijke probleem. De oorzaken staan in de vertakte rechthoekige balkjes boven het probleem. In de probleemstelling in de inleiding van dit verslag wordt in het bijzonder het huidige aantal weigeringen genoemd als de richting van het onderzoek. Dit is dan ook de uitgangsbasis geweest bij het kiezen van de nader te onderzoeken oorzaken van het probleem. In het onderzoek was de blik al snel gericht op de knelpunten ‘Aantal operationele bedden’ en ‘OK en OK-planning’, zoals die tevens in de inleiding van dit verslag worden beschreven als de complicerende factoren. De andere twee belangrijke knelpunten ‘Spoedgevallen’ en ‘Patiënten uit andere ziekenhuizen’ zijn feitelijk nauw verbonden met de knelpunten ‘Aantal operationele bedden’ en ‘OK en OKplanning’ maar zijn niet specifiek opgenomen in het onderzoek.
Hoe kan het aantal momenteel op de ICV geweigerde patiënten zo veel mogelijk worden beperkt, als een hoge bedbezettingsgraad moet worden gehandhaafd?
IntensiVu Consultancy heeft, naar aanleiding van het blik-richten op het onderzoek naar de twee hoofdknelpunten, de oplossingsmogelijkheden van de bovenstaande hoofdprobleemstelling, opgedeeld in drie benaderingswijzen van het onderzoek. De eerste benaderingswijze richt zich op het onderzoek naar het mogelijk behalen van schaalvoordelen. Dit wordt beschreven in de paragraaf ‘Schaalvoordelen’. Alvorens met een
8
simulatieprogramma resultaten zichtbaar konden worden gemaakt, moesten eerst alle patiëntenstromen uitgebreid aan een studie worden onderworpen. Deze datastudie, maar ook de werking van het simulatieprogramma is eveneens beschreven in de paragraaf ‘Schaalvoordelen’. De tweede benaderingswijze is een kort onderzoek geweest naar de effecten op de blokkeringkans bij een gelijkblijvend aantal aankomsten. Dit wordt beschreven in de paragraaf ‘Effecten op blokkeringkans bij gelijke aankomstenstroom’. De derde benaderingswijze richt zich op het onderzoek naar de voordelen die te behalen zijn door het ‘beter’ plannen van de electieve stroom van patiënten. De electieve patiëntenstroom komt voor het grootste deel van de OK’s, dus het onderzoek naar betere planning hiervan is gedaan met testen van verschillende OK-planningen. De benaderingswijze wordt beschreven in de paragraaf ‘OK-planning scenario’s’. Ook hier is een uitgebreide datastudie naar relevante gegevens voor het vaststellen van de verschillende scenario’s van groot belang geweest. De beschrijving van deze datastudie is eveneens te lezen in de paragraaf ‘OK-planning scenario’s’. In alle drie de oplossingsmogelijkheden is gebruik gemaakt van de termen blokkeringkans en (bed)bezettingsgraad. De blokkeringkans betreft in dit onderzoek de blokkering van electieve patiënten, dus patiënten die gepland kunnen worden, immers spoedpatiënten worden altijd geholpen.
De bezettingsgraad betreft in dit onderzoek de daadwerkelijke gelegen tijd van patiënten in minuten gedeeld door de totaal beschikbare verpleegtijd op de ICV in minuten maal 100%. Deze definitie wijkt enigszins af van de definitie die in het ziekenhuis wordt gehanteerd, waarbij bezettingsgraad soms de 100% kan overstijgen.
9
4.1. Schaalvoordelen
Bij schaalvoordelen gaat het om het onderzoeken van de invloed van de grootte van de afdeling ICV op de bezettingsgraad en de blokkeringkans. Hierbij is onder andere het aantal operationele bedden op de ICV bepalend voor de bedbezettingsgraad en de kans op weigeren van patiënten. Zoals eerder vermeld, bestaat de afdeling ICV uit 26 bedden waarvan dagelijks bedden gesloten worden bijvoorbeeld vanwege ziekte van het personeel. In de extreme gevallen dat slechts 10 of minder bedden operationeel zijn, kan worden gezegd dat de ICV maar hooguit 10 bedden heeft. De effecten van het hebben van meer of minder bedden wordt beschreven in dit hoofdstuk. Zijn er schaalvoordelen te halen als bijvoorbeeld meer bedden worden geplaatst. Een schaalvoordeel, in het geval van bedden op de ICV, betekent dat zowel de bedbezettingsgraad toeneemt als de kans op weigeren van patiënten afneemt. Allereerst wordt in dit hoofdstuk het data onderzoek beschreven. Vervolgens zal het gebruikte computer inzichtmodel worden beschreven, alsmede de resultaten die hier uit voorgekomen zijn.
4.1.1. Data onderzoek Het modelleren van de patiëntenstromen naar de ICV vereist eerst een kwantificering van deze stromen. Onderscheiding van deze stromen is weergegeven in het stromenschema dat in de inleiding al aan bod is geweest. Een precieze kwantificering van alle stromen is echter niet mogelijk om het simpele feit dat niet elke stroom expliciet in de data is gegeven. De focus in dit onderzoek ligt dus meer op het kwantificeren van de stroom patiënten afkomstig uit electieve operaties. Dit zijn operaties die dus van tevoren zijn ingepland en tot een opname op de ICV hebben geleid. Tot een opname wordt de aankomst van een patiënt gerekend wanneer deze op de ICV opgenomen wordt. Een aankomst is een gebeurtenis die tot een opname kan leiden, een blokkering is een aankomst die niet tot een opname leidt. De historische aankomsten die niet geaccepteerd zijn, komen niet terug in de data en blijven dus ook buiten het bereik van het onderzoek. Uit het onderzoek blijkt dat maar liefst 46% van alle opnames het gevolg zijn van electieve operaties. Verder is ook gebleken dat 93% van deze opnames binnen kantooruren plaatsvinden. Onder kantooruren wordt de tijd tussen 8:00 en 18:00 verstaan. In plaats van 17:00 is er dus 18:00 gekozen, omdat bepaalde operaties kunnen uitlopen. Door deze definitie van kantooruren is ook gebleken dat ongeveer 66,6% van alle opnames binnen kantooruren plaatsvindt. Van deze opnames is 64% electief. Naast de electieve stroom van patiënten zijn er natuurlijk ook patiënten die niet electief zijn. Deze stroom van patiënten wordt gedomineerd door spoedopnames. Het is namelijk bekend dat buiten kantooruren, negen van de tien opnames een opname van hoge spoed is. De overige 10% kan worden toegeschreven aan heropnames en/of opnames vanuit andere ziekenhuizen. Binnen kantooruren is deze verhouding anders omdat nu ook de electieve stroom een rol speelt. Het percentage spoed is in dit geval ongeveer 36%.
10
electief Binnen kantooruren 42,66 Buiten kantooruren 3,34 totaal 46
spoed 23,94 30,06 54
totaal 66,6 33,4 100
Tabel 1
kans op spoed binnen kantooruren: 0,36 kans op spoed buiten kantooruren: 0,9 Tabel 2
De bovenstaande splitsing van het aantal opnames is een eerste manier om naar de patiëntenstromen te kijken. Een andere manier is die van het kijken per specialisme. De afzonderlijke specialismen leveren elk hun eigen aandeel in de patiëntenstromen naar de ICV. Dit aandeel wordt zowel uitgedrukt in opnames als in ligduren. De ligduren worden uitgedrukt in de tijd dat een bed daadwerkelijk bezet is door een patiënt. De volgende grafiek laat het percentage opnames per specialismen zien over de jaren 2002, 2003 en 2004. Er zijn negen specialismen afgebeeld die een significant percentage opnames voor hun rekening namen. De overige specialismen zijn onder de categorie ‘REST’ geplaatst. De betekenis van de afkortingen is te vinden in Appendix I. Opnames per specialisme 50% 45%
Percentage opnames
40% 35% 30% 2002 25%
2003
20%
2004
15% 10% 5% 0% CAR
CCH
HLK
ICV
INW
KNO
LON
NCH
NEU
REST
Specialismen
Figuur 1
In bovenstaande grafiek is duidelijk te zien dat CCH een groot deel van de opnames voor zijn rekening neemt gevolgd door HLK. Deze twee specialismen samen (afhankelijk van het jaar) verzorgden tussen de 54 en 66% van alle opnames op de ICV. Van de andere 7 specialismen steken alleen nog ICV en NCH boven de 5% uit. De overige specialismen spelen dus niet een grote rol bij de opnames van patiënten. Dit wil echter niet zeggen dat ze geen invloed hebben op de patiëntenstromen van en naar de ICV. Deze hangt namelijk ook nog samen met de ligduren van de patiënten. Om deze samenhang aan te tonen worden nu niet de ligduren en opnames afzonderlijk bekeken maar gecombineerd tot verpleeguren. Deze vormen namelijk een maatstaf voor de capaciteit waarop beslag is gelegd door een bepaald specialisme.
11
In Figuur 2 is de grafiek hiervan te zien met wederom dezelfde specialismen. Capaciteit per specialisme 60
Aantal verpleeguren (duizenden)
50
40 2002
30
2003 2004
20
10
0
Figuur 2
CAR
CCH
HLK
ICV
INW
KNO
LON
NCH
NEU
REST
Specialismen
Het is nu veel duidelijker te zien dat niet alleen CCH veel capaciteit opeist, maar dat ook HLK een groot aandeel hierin heeft. Dus ondanks dat CCH een groot deel van opnames verzorgt, valt door de vele lage ligduren van de patiënten het beslag op de capaciteit lager uit dan verwacht. Naast HLK en CCH valt ook op dat ICV en NCH een redelijk aandeel van de capaciteit opeisen. Het dalende aantal opnames voor ICV in de jaren 2003 en 2004 heeft dus niet tot lagere capaciteitseisen geleidt. De oorzaak hiervan ligt in de hogere ligduren van ICV-patiënten. Voor NCH geldt dit ook, dit specialisme heeft wel weinig opnames verzorgd maar doordat deze patiënten waren die lang gelegen hebben is het aantal verpleeguren voor NCH redelijk groot geworden.
4.1.2. Inzichtmodel schaalvoordelen Om inzicht te krijgen in de patiëntenstromen van de ICV is door IntensiVu Consultancy een simulatieprogramma geschreven. Dit programma is gezien het doel ervan, het inzichtmodel genoemd. Voor het maken van het inzichtmodel moesten vooraf de grote lijnen van hoe de logistiek op de ICV in elkaar zit, bekend zijn. Het data onderzoek verschafte hierbij veel relevante informatie. Omdat niet alle facetten van de patiëntenstromen programmeerbaar waren, zijn vooraf verschillende aannames gedaan ter inperking van de zeer complexe logistiek op de ICV. In de eerste opzet van het programma was het doel om te kijken naar hoe de verhoudingen tussen de blokkeringkans en de bedbezettingsgraad (bezettingspercentage) was, bij verschillende aantallen bedden en bij toenemend aantal patiëntenaankomsten. De resultaten volgen aan het einde van dit hoofdstuk. Allereerst zal het inzichtmodel verder worden beschreven. Onderstaand plaatje geeft schematisch weer hoe de patiëntenstroom op de ICV verloopt. Volgens dit plaatje is het inzichtmodel geprogrammeerd.
12
Figuur 3
Om tot het versimpelde schema te komen als in ‘figuur 3’ zijn er om dit te programmeren de volgende aannames gedaan: •
Getrokken ligduren zijn werkelijk gerealiseerde ligduren, soms korter dan de wenselijke ligduur door vervroegde ontslagen, soms langer door volle MC of verpleegafdeling. De ligduren zijn getrokken uit alle gerealiseerde ligduren van 2002 t/m 2004. We nemen aan dat deze ligduren representatief zijn voor alle jaren en dat de verhouding van het aantal patiënten voor alle specialismen gelijk blijft.
•
Vertrek is altijd mogelijk, de tijd die extra gelegen wordt door een te volle MC of verpleegafdeling zit al in de data, dus op zich niet zo een groot probleem.
•
Patiënten komen aan volgens een Poisson proces met verschillende aankomstintensiteiten binnen en buiten kantooruren.
•
Een stochastisch proces dat onlosmakelijk verbonden is met de Poisson verdeling, is het Poisson proces. Dit is een telproces dat het aantal optredens van een bepaalde gebeurtenis telt over de loop van de tijd. De gebeurtenissen kunnen van velerlei aard zijn: de aankomst van klanten bij een bank, de aankomst van telefoongesprekken bij een telefooncentrale, de binnenkomst van noodoproepen bij een alarmcentrale, etc.
•
Een Poisson proces is een telproces wanneer het gaat om een onbegrensd grote populatie van potentiële klanten, waarbij de klanten zich onafhankelijk van elkaar gedragen.
•
Het aankomstproces van klanten heet een Poisson proces als het proces de volgende eigenschappen heeft: a. de klanten komen één voor één aan b. de aantallen aankomsten in disjuncte tijdsintervallen zijn onafhankelijk van elkaar
13
c. de kansverdeling van het aantal klanten dat aankomt in een gegeven tijdsinterval heeft een Poisson verdeling waarvan de verwachtingswaarde evenredig is met de lengte van het tijdsinterval. Het Poisson proces geeft een goede modelbeschrijving in veel praktische situaties. Het aankomstproces van patiënten in een ziekenhuis wordt goed beschreven door een Poisson proces. Je hebt een zeer grote populatie van patiënten: ieder afzonderlijk persoon gedraagt zich weliswaar volgens een bepaald patroon maar de samenvoeging van al deze typisch onafhankelijke patronen leidt tot een totaal aankomstproces dat zich goed laat beschrijven door een Poisson proces. •
De aankomstintensiteit binnen kantooruren (08:00-18:00) is verschillend van de aankomstintensiteit buiten kantooruren, maar fluctueert niet gedurende de perioden. Dit betekent dat de aankomstintensiteit van 08:00 tot 18:00 uur gelijk blijft. De aankomstintensiteit is van 18:00 uur tot 08:00 uur lager, maar de aankomstintensiteit gedurende een periode blijft wel gelijk. We nemen ook aan dat er geen seizoensinvloeden zijn, het aanbod van patiënten is gedurende een jaar constant. De verdeling van de specialismen blijft gedurende een jaar ook gelijk. (Neurochirurgie heeft bijvoorbeeld in elke maand dezelfde aankomstintensiteit).
•
We onderscheiden qua spoed alleen 2 gevallen, namelijk spoed en geen spoed, dus geen semi-spoed. Spoed kansen zijn als volgt: tijdens kantooruren: 25%, buitenkantooruren ~90%. Spoedpatiënten worden altijd opgenomen ongeacht of de ICV afdeling vol is of niet. De spoedkansen fluctueren niet tijdens kantooruren of er buiten. Niet-spoedpatiënten kunnen wel geweigerd worden. In werkelijkheid zijn er ook semi-spoed patiënten, deze patiënten moeten niet per direct opgenomen worden, maar wel ongeveer binnen een week. Voor een semi-spoedpatiënt hoeft in principe niet direct een bed vrijgemaakt te worden. We nemen aan dat het altijd lukt om deze in te plannen.
•
Als een situatie ontstaat waarbij een patiënt vervroegd ontslagen wordt (door een spoedpatiënt bij een volle ICV), nemen we aan dat de patiënt die gekozen wordt voor vervroegd ontslag die patiënt is die de grootste fractie van zijn ligduur erop heeft zitten. Eigenlijk is dit al in de data verwerkt, maar het is niet te zien aan de data of een patiënt te vroeg ontslagen is of niet en we weten ook niet wat de eigenlijke ligduur zou zijn.
•
Het aantal operationele bedden is bepaald met behulp van data hierover in 2004. Voor elke dag in dit jaar was op drie tijdstippen (08:00 uur, 16:00 uur, 24:00 uur) bekend hoeveel bedden operationeel waren voor afdeling 7D. Deze gegevens hebben we geëxtrapoleerd naar de afdeling 6D. De gegevens zijn gesorteerd naar de dag in de week en er wordt drie maal daags bekeken wat het aantal operationele bedden voor de komende acht uur is. Wanneer een bed gesloten dient te worden terwijl deze bezet is, wordt gewacht tot de patiënt ontslagen is, pas daarna wordt het bed gesloten.
•
Andere momenten waarop een bed niet beschikbaar is, is de tijd waarin een bed schoongemaakt wordt. We nemen aan dat dit altijd een uur kost. Gedurende deze tijd wordt een patiënt niet geblokt, maar wordt de patiënt opnieuw “aangeboden” wanneer het bed schoongemaakt is.
14
Om resultaten uit het inzichtmodel te halen, moeten aan de invoerkant slechts twee waarden in worden gevuld, te weten het aantal bedden en het aantal jaren waarover gesimuleerd dient te worden. Bij een groot aantal simulatiejaren, worden de resultaten betrouwbaarder, maar daar tegenover staat dat de rekentijd van het model sterk toeneemt. Aan de uitvoerkant van het model kunnen alle mogelijke variabelen die gebruikt zijn bij het programma worden weergegeven, echter zijn slechts de blokkeringkans en de bedbezettingsgraad relevant voor het onderzoek naar de mogelijkheid om schaalvoordelen te behalen.
4.1.3. Resultaten In de onderstaande grafiek zijn vier krommen uitgezet die elk een aantal bedden vertegenwoordigen. Bezettingsgraad vs Blokkeringkans
Bezettingsgraad vs blokkeringkans bij oplopend aantal 100 90 80
Blokkeringskans (%)
70 60 26 bedden 50
40 bedden
40
100 bedden 5 bedden
30 20 10 0 -10
0
10
20
30
40
50
60
70
80
90
100
Bezettingsgraad (%)
Figuur 4
Voor elk van deze krommen geldt dat van links naar rechts het aantal aankomsten toeneemt. Dit leidt tot steeds hogere bezettingsgraden en blokkeringkansen. De aankomstenstromen behorend bij deze 4 krommen zijn niet gelijk aan elkaar. Hoe meer bedden, hoe meer aankomsten. Er moet nog gezegd worden dat in bovenstaande figuur het aantal bedden het maximaal inzetbaar aantal bedden betreft. In praktijk wordt dit maximum lang niet altijd gehaald. Hiermee is rekening gehouden bij het opstellen van de figuur. Er is te zien dat bij een toenemend maximaal aantal bedden voor een toenemend aantal aankomsten een steeds verdere verschuiving is te zien van de kromme naar de rechter onderhoek. Deze verschuiving betekent dat bij meer bedden en een toenemend aantal aankomsten de verhouding tussen blokkeringkans en bezettingsgraad kleiner is. De blokkeringkans is lager bij een zelfde bezettingsgraad. Ook kan gezegd worden dat de bezettingsgraad hoger is bij een zelfde blokkeringkans.
15
De schijnbaar tegenstrijdige belangen van hoge bezettingsgraad en lage blokkeringkans zijn dus beide haalbaar als er meer bedden worden ingezet. Het enige wat er nog voor nodig is, is een voldoende grote stroom van aankomende patiënten. Immers als de patiëntenstroom op een gegeven moment achterblijft, zal de bedbezettingsgraad weer lager worden. Een vertaling naar de kosten is ook makkelijk uit bovenstaande grafiek te halen. Bij eenzelfde blokkeringkans, is bij een oplopend aantal bedden een hogere bezettingsgraad te behalen, dit resulteert dus in meer patiënten per bed. Meer patiënten betekent ook, meer patiënten die zorgdragen voor de kosten per bed en dus zullen de kosten per patiënt afnemen. Kosten 2
kostenfactor = 1/bezettingsgraad
1.9 1.8 1.7 10% 1.6
20% 30%
1.5
40% 1.4 1.3 1.2 1.1 1 5
26
40
100
Aantal bedden
Figuur 5
In deze grafiek wordt het verband weergegeven tussen de kosten en het aantal bedden bij geaccepteerde blokkeringkansen van 10%, 20%, 30% en 40%. De kosten zijn hier uitgerekend door de verhouding te nemen tussen de gerealiseerde bezettingsgraad en de maximaal haalbare bezettingsgraad van 100%. Als de bezettingsgraad lager uitvalt worden er in verhouding met een bezettingsgraad van 100% meer kosten gemaakt omdat een deel van de capaciteit onbenut blijft. De voordelen van schaalvergroting worden nu ook duidelijker. Bij een toenemend aantal bedden nemen namelijk de kosten per patiënt af. Deze afname is het sterkst te merken bij een laag aantal bedden, in de grafiek is bijvoorbeeld de afname in kosten tussen 5 en 26 bedden het grootst. Naarmate het aantal bedden toeneemt zal de kostenfactor langzaam de één naderen. Een bijkomend voordeel van schaalvergroting is relatief lagere overhead kosten. Deze zijn nog niet eens verwerkt in figuur 5, die alleen het effect weergeeft van een betere bedbezetting.
16
4.2. Effecten op blokkeringkans bij gelijke aankomstenstroom
De figuren 4 en 5 hebben betrekking op schaalvergroting, dat wil zeggen zowel de aankomstenstroom als het aantal bedden nemen toe. Al we uitgaan van een constante aankomstenstroom, krijgen we de volgende figuur. In deze grafiek is dus gekozen voor een vaste aankomstrate, zodanig dat er in één jaar 1500 patiënten worden opgenomen. Dit komt overeen met historische data, in de jaren 2002 t/m 2004 werden er immers ook ongeveer 1500 patiënten opgenomen. Bezettingspercentage en blokkeringskans vs. #bedden 100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
Bezettingsgraad Blokkeringskans
0
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
0
Tijd dat IC vol ligt
Bezettingsgraad
100
Aantal bedden
Figuur 6
Deze grafiek laat zien wat er zal gebeuren als er geen ‘aanzuigende werking’ van patiënten is. De bezettingsgraad neemt wel af bij een toenemend aantal bedden, maar minder dan verwacht. Omdat er in de praktijk wel een ‘aanzuigende werking’ op zal treden, zal de bezettingsgraad nauwelijks dalen als het aantal bedden wordt uitgebreid, bijvoorbeeld van 26 naar 30. De blokkeringkans zal echter wel dalen als gevolg van de schaalvoordelen. Verder is in de bovenstaande grafiek te zien dat bij een toenemend aantal IC bedden de bezettingsgraad minder snel afneemt dan de blokkeringkans. Het gaat ook om deze verhouding en niet zo zeer om de absolute getallen. Uit dit plaatje kan worden afgelezen dat er al veel winst gehaald kan worden bij het plaatsen van zes meer bedden. Met winst is hier niet bedoeld dat het financieel aantrekkelijk is om meer bedden te plaatsen. Het gaat hier puur om winst op het vlak van minder blokkeringen. Dit zal overigens leiden tot minder onnodige verpleegdagen op
de normal care verpleegafdelingen. Wel moet hierbij opgemerkt worden dat de lijn voor de bezettingsgraad in werkelijkheid minder steil zal zijn. Vanwege de aanzuigende werking van het groter aantal beschikbare bedden op het aantal patiënten, zal de bezettingsgraad minder snel dalen.
17
4.3. OK-planning scenario’s
De electieve patiëntenstroom afkomstig van de OK is de stroom waar de ICV enige invloed op kan uitoefenen. Deze invloed houdt in dat men kan bepalen of men een patiënt aanneemt of niet. Het liefst zou men ook willen bepalen wanneer deze patiënt aangenomen moet worden. De huidige samenwerking tussen de ICV en OK is niet van dien aard dat er met de OK-planning volledig rekening wordt gehouden met de situatie op de ICV. Deze onvolledige samenwerking zorgt soms voor een zodanig volle ICV dat er geen patiënten meer kunnen worden opgenomen. De oplossing die in dit hoofdstuk beschreven wordt, concentreert zich op het aspect van een betere OK-planning. Er wordt gekeken naar twee verschillende plan scenario’s en de mogelijke verbeteringen die deze scenario’s bewerkstelligen met het oog op de hoofdprobleemstelling van het onderzoek.
4.3.1. Data onderzoek Het data onderzoek dat gedaan is om tot een betere OK-planning te komen heeft zich voornamelijk gericht op de ligduren. In het onderzoek is, zoals in het hoofdstuk ‘Schaalvoordelen’ staat beschreven, naar voren gekomen dat 46% van de opnames het gevolg zijn van electieve operaties. Binnen deze opnames is echter nog niet gekeken naar de ligduren. In het volgende cirkeldiagram en grafieken wordt dieper hierop ingegaan. Verhouding kort- & langliggers, onderverdeeld in spoed & electief
electief-lang 6%
spoed-kort 30%
electief-kort 40%
spoed-lang 24%
Figuur 7
Met kort- & langliggers wordt hier gedoeld op patiënten die een korte of een lange ligduur hebben. De grens voor een korte ligduur ligt op 2.5 dag. Waarom hiervoor is gekozen wordt nader toegelicht in het gedeelte waar de oplossingen worden uiteengezet.
18
In Figuur 3 is te zien dat er een groot deel van opnames, patiënten zijn die tot de kortliggers behoren. De verhouding tussen kort- & langliggers verschilt ook enorm tussen electieve opnames en spoedopnames. De verklaring ligt hier wellicht in het feit dat patiënten die een lange ligduur hebben voornamelijk het gevolg zijn van spoedopnames. Het cirkeldiagram geeft wellicht een simpel beeld maar geeft ook redenen om de ligduren nog verder te analyseren. De splitsing tussen kort- & langliggers is in principe voor het simpele beeld gemaakt, maar er kunnen ook meerdere categorieën gedefinieerd worden. In Figuur 7 is gekeken naar een indeling van 8 categorieën, in de vorm van hele dagen. Verdeling van de ligduren 100% 90%
Percentage opnames
80% 70% 60%
2002 2003
50%
2004 40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
4 tot 5 dag
5 tot 6 dag
6 tot 7 dag
7 en hoger
Figuur 8
In deze grafiek is gekeken naar alle opnames. Het hoge percentage opnames van patiënten die korter dan 2 dagen liggen maakt nog eens duidelijk dat een goede doorstroom van deze patiënten tot een significante verbetering kan leiden. Maar ook de patiënten die langer dan 7 dagen liggen, zijn van belang. Deze kunnen namelijk een bed bezet houden wanneer dat juist niet gewenst is. Als men dat bij de ICV van tevoren zou weten zou hiermee dus rekening gehouden kunnen worden. Wanneer men zich gaat bezighouden met de OK-planning dan ziet men dat het de specialismen zijn die daarin een prominente rol spelen. De vraag rijst dan welke specialismen de boventoon voeren en met welke specialismen men dus absoluut rekening moet houden. Hiervoor wordt gekeken naar het aantal opnames dat afkomstig is van de OK per specialisme.
19
Opnames vanuit OK 100% 90%
Percentage opnames
80% 70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% CAR
CCH
HLK
ICV
NCH
INW
KNO
LON
NEU
REST
Specialismen
Figuur 9
Net zoals in het geval van Figuur 1, is hier te zien dat het CCH en HLK zijn die de meeste opnames verzorgen. Het verschil met Figuur 1 is echter dat juist CCH een zeer grote rol speelt bij de opnames vanuit de OK. Uit de bovenstaande figuur zou men concluderen dat het CCH is waarop men zich kan concentreren voor wat betreft de OK-planning. Wederom is het echter zo dat men de opnames nooit los van de ligduren kan bekijken. Om deze reden wordt dus ook gekeken naar de verdeling van de ligduren van alle patiënten van bovenstaande specialismen afzonderlijk van elkaar. In onderstaand grafiek is alleen het specialisme CCH afgebeeld, de overige specialismen staan in Appendix III. Verdeling van de ligduren CCH 100% 90% 80%
Percentage opnames
70% 60% 2002 2003
50%
2004 40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
4 tot 5 dag
Figuur 10 Verdeling van de ligduren van alle CCH-patienten
20
5 tot 6 dag
6 tot 7 dag 7 en hoger
Uit het jaarverslag van 2003 en figuur 11 hieronder is te halen dat de afdeling CCH een mediaan van de ligduur heeft van 23,3 uur. Dit betekent dat ruim de helft van alle CCH-patiënten de ICV binnen 24 uur verlaat. Uit de bovenstaande grafiek kan afgelezen worden dat ongeveer 65 % van de CCH-patiënten 24 uren of minder op de ICV liggen. Combineren van deze gegevens met die van het jaarverslag laat zien dat tussen de ligduren 23,3 uur en 24 uur, nog eens 15% van alle CCH patiënten wordt ontslagen. Het vermoeden is dat de groep patiënten die een ligduur heeft van tussen de mediaan van de ligduren (23,3 uur) en 24 uur om administratieve redenen zo groot is (15% van alle CCH patiënten). Het is duidelijk te zien dat er bij CCH een hoger percentage patiënten korter dan 2 dagen ligt dan in het algemeen ( zie Figuur 8). Ook zijn er minder patiënten die langer liggen dan 7 dagen. Bij opnames van CCH-patiënten kan men dus rekening houden met een overwegend korte ligduur. Dit geldt niet voor de andere specialismen. Voor bijvoorbeeld HLK zijn er meer patiënten die langer dan 7 dagen liggen. Voor INW geldt zelfs dat dit er meer zijn dan patiënten die korter dan 2 dagen liggen. Waarom dit van belang is wordt uitgebreid behandeld in het volgende deel van dit verslag, ‘Inzichtmodel OK en OK-planning’ Mediaan ligduren per specialisme 5 4
Ligduren(dagen)
4 3 3 2 2 1 1 0 CAR
CCH
HLK
ICV
INW
KNO
LON
NCH
NEU
REST
Specialismen
Figuur 11
In bovenstaand figuur zijn de medianen van de ligduren in dagen van de verschillende specialismen weergegeven.
4.3.2. Inzichtmodel OK en OK-planning Een aantal ingrijpende veranderingen in het inzichtmodel moesten worden doorgevoerd om het mogelijk te maken een bepaald plan scenario te toetsen op rendement. Gebruikmakend van de resultaten uit het hierboven beschreven data onderzoek zijn twee plan scenario’s uitgewerkt. Scenario 1 Het eerste scenario gaat uit van het basis inzichtmodel. Er wordt nu echter rekening gehouden met een verwachte ligduur van een patiënt na een OK. Alle verwachte kortliggers worden in het
21
begin van de week gepland. Dit geldt voor alle specialismen. Er wordt in het basis inzichtmodel rekening gehouden met het feit dat het ene specialisme vaker voorkomt dan het andere specialisme. Met een bepaalde kans is een patiënt van een specialisme een kortligger, maar wordt deze kans overschreden in de week dan zal over worden gegaan op het plannen van een langligger meestal aan het einde van de week. Het doel van dit scenario is om de kortligger in het begin van de week te plannen zodat ze voor het weekend weer van de ICV af kunnen. De langliggers aan het einde van de week zorgen voor een betere bezetting tijdens de weekenden. Hierbij is niet onderzocht wat de kosten zijn van het operationeel houden van bedden in het weekend. Onderstaand schema geeft het idee weer van het scenario ‘Kortliggers-Langliggers’.
Figuur 12
In bovenstaande figuur zijn 3 weken aangeduid, waarbij de grijze stukken de weekenden voorstellen. Omdat het hier om electieve patiënten gaat kunnen patiënten alleen doordeweeks gepland worden. Het bovenste staafje geeft een kortligger die gepland is aan het einde van het “planbare” gedeelte van week 1 aan en het tweede staafje geeft een kortligger die gepland is aan het begin van week 2 aan. Als een kortligger aan het einde van week 1 wordt opgenomen op de IC dan is er kans dat deze de IC in het weekend moet verlaten. Dit is ongewenst omdat het beter is als maximaal gebruik gemaakt wordt van de bedden in het weekend. Het zou derhalve beter zijn om langliggers aan het eind van de week te plannen zodat minder risico wordt gelopen om een patiënt te ontslaan in het weekend. Als een kortligger aan het begin van de week wordt opgenomen is er ook een grotere kans dat deze patiënt dezelfde week nog ontslagen wordt waardoor een bed doordeweeks vrijkomt, wat wenselijk is. De derde staaf geeft een langligger aan het begin van week 1 aan, die de IC in het midden van week 3 verlaat. De patiënt neemt 2 weekeinden in beslag. Als deze patiënt aan het einde van week 2 zou worden opgenomen, zou hij 3 weekeinden in beslag nemen en dus minder capaciteit doordeweeks verbruiken.
22
Scenario 2 Het tweede onderzochte scenario gaat eveneens uit van het basis inzichtmodel. Elk specialisme krijgt nu eigen vaste dagen waarop geopereerd moet worden. Deze dagen zijn toegedeeld op basis van aantal patiënten dat per jaar door het specialisme geopereerd dient te worden. In zoverre wordt rekening gehouden met de verwachte ligduur van een patiënt, dat het specialisme met de hogere verwachte ligduur aan het einde van de week moet gaan opereren. Het doel van dit scenario is om zoals hierboven beschreven met de vaste aangewezen dagen een zo gelijk mogelijke bezettingsgraad te krijgen op de ICV. Het verschil tussen scenario 1 en scenario 2 is dat bij scenario 1 bij de aankomst van een patiënt al bekend is of dit een kort – of langligger is, terwijl dit bij scenario 2 niet bekend is. Bij scenario 2 wordt naar de mediaan van de ligduur van een specialisme gekeken en aan de hand daarvan wordt dit specialisme een dag toegewezen waarop dit specialisme operaties uit kan voeren. Op deze manier kan het bij scenario 2 dus voorkomen dat er op maandag alsnog een langligger aankomt, terwijl dit bij scenario 1 is uitgesloten tenzij het verwachte aantal kortliggers voor die week is overschreden, dan pas wordt in scenario 1 een langligger toegelaten.
4.3.3. Resultaten In onderstaande grafieken zijn de voornaamste resultaten te zien van het onderzoek naar de twee plan scenario’s voor de OK. Figuur 13 laat twee lijnen zien die beide voor een aantal van 26 bedden op de ICV de verhouding voorstellen tussen de blokkeringkans (fractie tijd dat ICV 100% vol ligt) en het bedbezettingspercentage. De aankomstintensiteit van patiënten neemt van links naar rechts in de grafiek toe. Het scenario waarin geen planning van patiëntenaankomsten plaats vindt, oftewel een willekeurige verdeling van alle specialismen door elkaar heen, wordt beschouwd als het “normale” scenario. Het scenario wat als ‘normaal’ in de grafiek staat, is dezelfde lijn als de lijn die in de grafiek van het hoofdstuk ‘Schaalvoordelen’ staat bij 26 bedden. Tot een bezettingsgraad van ca. 75% zijn er nauwelijks verschillen waarneembaar, daarboven zien we echter een verbetering. Als we kijken bij een bezettingsgraad van 85 % dan zien we dat de fractie tijd dat de IC vol ligt bij de roze lijn ongeveer 30% bedraagt en bij de blauwe lijn ongeveer 35 %.
Fractie tijd ICV vol (%)
"Normaal" vs Scenario 1
100 90 80 70 60 50 40 30 20 10 0
Normaal Scenario 1
0 10 20 30 40 50 60 70 80 90 10 0 Bezettingspercentage (%)
Figuur 13
23
Dat wil zeggen dat er ongeveer 5/35 ≈ 14% minder blokkeringen zijn. Hierbij moet wel worden opgemerkt dat het om een bovengrens gaat voor wat betreft de verbetering bij beter plannen.
In de figuur 14 is op de x-as de bezettingsgraad en op de y-as het percentage blokkeringen uitgezet. Het normale scenario (blauwe lijn) gaat weer uit van geen planning van patiëntenaankomsten, dus een willekeurige verdeling van alle specialismen door elkaar heen. Voor scenario2 (rode lijn) zijn wederom de kortliggers in het begin van de week gepland en de langliggers aan het einde van de week. Het verschil met het vorige scenario is dat de kort/langliggers zijn bepaald aan de hand van de mediaan van de ligduur van elk specialisme. Aan de hand hiervan krijgt elk specialisme een vaste dag waarop patiënten gepland worden. Bij een bezettingsgraad van 85 % zien we dat het blokkeringpercentage bij de rode lijn ongeveer 15% en bij de blauwe lijn ongeveer 16% bedraagt. Dat wil zeggen dat er ongeveer 1/15 ≈ 6.7% minder blokkeringen zijn. "Normaal" vs. Scenario 2 100
Percentage blokkeringen
90 80 70 60 Normaal
50
Scenario 2
40 30 20 10 0 0
10
20
30
40
50
60
Bezettingsgraad
Figuur 14
24
70
80
90
100
5. Inzichten naar aanleiding van data-onderzoek
In het data onderzoek ten behoeve van de gepresenteerde oplossingen, zijn ook enkele aspecten naar boven gekomen die gedeeltelijk los staan van deze oplossingen. In dit deel van het verslag worden deze inzichten, in de vorm van grafieken, naar voren gebracht. Ten eerste wordt de vuistregel die men hanteert op de ICV voor het aantal patiënten per bed per specialisme toegelicht en getoetst met de data. Hierna komen de histogrammen voor de opnames per dag aan bod gevolgd door enkele boxplots en tevens de verdeling van de opnames over de week. Deze methodes worden ook toegepast voor de ligduren en ook hiervan worden de resultaten getoond. Ten slotte komen er nog enkele grafieken aan bod om eventuele seizoensinvloeden op de opnames of ligduren toe te lichten.
5.1. De vuistregel Op de ICV wordt een vuistregel gehanteerd om te bepalen hoeveel extra patiënten van een bepaald specialisme behandeld kunnen worden als één extra bed wordt ingezet op de ICV. Voor bijvoorbeeld CCH geldt dat voor 100 extra patiënten er één extra bed gedurende het jaar nodig is. Met behulp van het inzichtmodel hebben we deze getallen voor elk specialisme berekend. Wanneer we een simulatie uitvoeren voor een afdeling met 26 bedden, berekent het programma een blokkeringkans. We voeren nu een zelfde simulatie uit met een afdeling van 27 bedden waarbij we de aankomstintensiteit van één specialisme laten toenemen en de aankomstintensiteiten van de resterende specialismen fixeren. We variëren de aankomstintensiteit tot we op een zelfde blokkeringkans uitkomen als bij de simulatie met 26 bedden. De toename in het aantal extra patiënten voor dat ene specialisme, is dan precies het aantal patiënten dat gedurende één jaar behandeld kan worden. In onderstaand figuur zijn de resultaten weergegeven voor de zestien specialismen. Aantal patienten per extra bed per jaar 120
Aantal patienten
100
80
60
40
20
Specialisme
Figuur 15
25
V ER R E S T
O R T
N E U
H
N E F
N C
LO N
K N O
IN W
IC V
H LK
H E M
G Y N
H
G A S
C C
C A R
0
De gehanteerde vuistregel blijkt hiermee goed overeen te stemmen. In deze grafiek blijkt namelijk dat er 102,6 extra CCH-patiënten behandeld kunnen worden gedurende één jaar als resultaat van één extra bed.
5.2. Opnames Van de opnames is al bekend hoe deze verdeeld zijn over binnen en buiten kantooruren, electief en niet-electief en per specialisme. Hoeveel opnames er per dag worden gedaan en hoe deze opnames over de week zijn verdeeld is echter nog niet bekend. Onderzoek hiernaar was niet helemaal bruikbaar voor onze oplossingen maar leidt wel tot een beter inzicht in de opnames op de ICV.
Opnames per dag 2003 80
70
70
60
60
50
50
Frequency
Frequency
Opnames per dag 2002 80
40 30 20
40 30 20
10
10
0 1
2
3
4
5
6
7
8
9
10 More
Aantal Opnames
0 1
2
3
4
5
6
7
8
9
10
Aantal opnames
Opnames per dag 2004 80 70
Frequency
60 50 40 30 20 10 0 1
2
3
4
5
6
7
8
9
10
11 More
Aantal opnames
Figuur 16: histogrammen
Het grote verschil in de grafieken ligt in de pieken. Voor 2002 en 2004 ligt de piek op 5 opnames per dag terwijl 2003 een piek heeft bij 3 opnames per dag. Ook is er een verschil in spreiding. De uitschieters ten opzichte van de piek liggen voor 2003 veel verder dan voor 2002 en 2004. Dit is duidelijker te zien in de boxplotten van de opnames per dag op de volgende pagina.
26
11 More
Figuur 17: Boxplots (ook alle verdere boxplots in verslag)
De boxplot is een grafische weergave waarbij datapunten gegroepeerd worden. Datapunten die binnen de tussen de ¼-kwantiel en de ¾-kwantiel vallen worden weergegeven in een rechthoek met in het midden van deze rechthoek een horizontale lijn voor de mediaan. In de rechthoek zitten dus 50% van de datapunten. Onder de onderste grens van de rechthoek bevindt zich 25% van de data en boven de bovenste grens nog eens 25%. De uitschieters aan de bovenkant worden als zodanig herkend wanneer deze binnen 1.5 tot 3 maal de ¾-kwantiel vallen. Hetzelfde geldt voor uitschieters aan de onderkant alleen nu word de ¼-kwantiel i.p.v de ¾-kwantiel gebruikt. Datapunten die daarboven of onder vallen worden als extreme uitschieters gezien.
27
Aankomsten 5
4.46
4.33
Aankomsten per dag
4.5
4.16
4
Gem.
3.5 3
St.dev
2.5 2
Median
1.5 1 0.5 0 2002
2003
2004
Jaren
Figuur 18: aankomsten
Uit bovenstaande grafiek blijkt dat de mediaan op vier opnames per dag ligt, wat ook al uit de boxplots bleek. In deze figuur is ook de standaarddeviatie af te lezen. Er is te zien dat deze over de drie jaren niet veel verschilt. De opnames zijn tot nu toe op verschillende wijzen gesplitst. Er is echter nog één manier waarop de splitsing tijdens het onderzoek gedaan is, namelijk op basis van dagen in de week. Er is gekeken hoe de opnames over de week waren verdeeld. Dit is gedaan voor het algemene geval, dus voor alle opnames, en voor de opnames van alle specialismen afzonderlijk. De volgende grafiek laat het algemene geval zien. Percentage opnames in de week
Percentage opnames
25%
20%
15%
2002 2003 2004
10%
5%
0% Ma
Di
Wo
Do Dagen
Vr
Za
Zo
Figuur 19: verdeling over de week
Aan de hand van de vorige bevindingen binnen dit verslag kon al geconcludeerd worden dat de meeste opnames doordeweeks zouden plaatsvinden. Echter, deze grafiek maakt ook duidelijk dat in het algemene geval de opnames redelijk gelijkmatig over de doordeweekse dagen zijn
28
verspreid. Om echt verschillen tussen de dagen op te merken wordt gekeken naar soortgelijke grafieken alleen dan per specialisme. Onderstaande grafieken laten de opnames van CCH en HLK zien. Opvallend aan de rechtergrafiek is dat de meeste opnames op de dinsdag en de donderdag plaatsvinden. Verder is te zien dat van de doordeweekse dagen in de meeste gevallen vrijdag het laagste aantal opnames heeft. Opnames in het weekend zijn hier veel lager dan op de doordeweekse dagen. Dit geldt in meerdere mate voor de linkergrafiek. Opnames van de CCH vinden veel meer doordeweeks plaats en zijn dan ook regelmatiger. Percentage opnames in de week HLK
25%
25%
20%
20%
15% 2002
10%
2003 2004
5% 0% mon
tue
wed
thu
fri
sat
A a n ta l o p n a m e s
A a n ta l o p n a m e s
Percentage opnames in de week CCH
15% 2002
10%
2003 2004
5% 0%
sun
mon
Dagen
tue
wed
thu
fri
sat
sun
Dagen
Figuur 20
De grafieken van de overige specialismen staan in Appendix IV. Deze specialismen leveren bijna allemaal de meeste patiënten doordeweeks en dan met name op de woensdag en donderdag. Verder zijn er nog enkele specialismen waarvan de opnames regelmatiger over de week verdeeld zijn, dus niet een scherpe daling in het weekend vertonen zoals in het algemene beeld. Het betreft hier Cardiologie (CAR), Intensive Care Volwassenen(ICV), Inwendige Geneeskunde (INW) en Neurochirurgie (NCH).
5.3. Ligduren Analyse van de ligduren zijn in het onderzoek voornamelijk aan bod gekomen als onderdeel van de oplossing voor de OK-planning. Er zijn echter ook andere perspectieven gebruikt om de ligduren te analyseren. Hiervan zullen enkele resultaten gepresenteerd worden in dit deel van het verslag. Van de ligduren zijn net als van de opnames enkele boxplots gemaakt. Ook zijn er voor enkele specialismen boxplots gemaakt. Deze zijn te zien in Appendix V.
29
Figuur 21: Boxplots van de ligduren 2002-2004
De boxplots geven nauwelijks een beter inzicht in de ligduren. De vele uitschieters maken de grafiek zelfs onleesbaar en maken de boxplots niet de juiste methode om ligduren te analyseren. Hiervoor wordt gebruik gemaakt van gesorteerde ligduren, zoals te zien in het volgende onderdeel. De volgende grafieken zijn gemaakt door de ligduren te sorteren en elke ligduur in deze volgorde weer te geven. Drie grafieken van de ligduren van 2002, 2003 en 2004 zijn hiervan het resultaat. Onderstaande grafiek is de grafiek van 2004. De overige grafieken staan in Appendix VI en VII, maar komen redelijk overeen met onderstaande grafiek.
30
Ligduur 2004 250
L ig d u u r(d ag en )
200
150
100
50
0 1
66 131 196 261 326 391 456 521 586 651 716 781 846 911 976 1041 1106 1171 1236 1301 1366 1431
Figuur 22: gesorteerde ligduren
Het is nu veel duidelijker te zien dat een groot deel van de patiënten een korte ligduur hebben. Bovendien geeft deze grafiek ook aantal benutte verpleeguren weer in de vorm van het oppervlak van het zwarte gedeelte. De blauwe lijn duidt het aantal opnames aan dat de helft van de totale capaciteit benutte, deze ligt dus op 93,8% van het totale aantal opnames. Het is dus opmerkelijk te noemen dat maar 6,2% van de opnames de helft van de capaciteit benut. Dit beeld is ook te zien in de jaren 2002 en 2003, ook in die jaren was het aantal patiënten met een extreem lange ligduur aan de lage kant.
5.4. Seizoensinvloeden De patiëntenstromen naar de ICV zijn zoals eerder al genoemd afhankelijk van het aantal opnames en bijbehorende ligduren van patiënten. Seizoensinvloeden zouden zowel op het aantal opnames als op de ligduur van invloed kunnen zijn. Met behulp van de beschikbare data wordt gekeken hoe groot deze invloed daadwerkelijk is. Het aantal opnames komt als eerste aan bod. Er moet wel worden opgemerkt dat het aantal opnames niet gelijk is aan het aantal aankomsten. Data over de aankomsten zijn niet beschikbaar. De onderstaande grafiek geeft de opnames weer per maand van de afgelopen drie jaren.
31
Aantal opnames per maand 180 160
Aantal
140 120
2002
100
2003
80
2004
60 40 20 0 Jan Feb Mrt Apr Mei Jun Jul Aug Sep Okt Nov Dec Maanden
Figuur 23
Wat in alle drie de jaren te zien, is dat tot mei in het algemeen het aantal opnames afneemt. Een soortgelijke trend is niet te herkennen in de daaropvolgende maanden. De zomermaanden juni, juli, augustus en september verschillen wel meer van elkaar dan de wintermaanden oktober, november en december. Deze laatste maanden zijn veel constanter qua patiëntopnames. De verschillen in opnames tussen de maanden kunnen ook veroorzaakt zijn door dat de ICV op dat moment bijvoorbeeld vol lag en er minder patiënten konden worden toegelaten. Om dit te onderzoeken wordt gekeken naar de gemiddelde ligduren van patiënten in elke maand. Gemiddelde ligduur per patient
160 140 Ligduur (uren)
120 100
2002
80
2003
60
2004
40 20 0 Jan
Feb
Mrt
Apr
Mei
Jun
Jul
Aug Sep
Okt Nov Dec
Maanden
Figuur 24
De bovenstaande grafiek laat zien dat de ligduren schommelingen vertonen die kunnen wijzen op seizoensontwikkelingen. Deze schommelingen moet men echter ook in verband zien met het aantal opnames. Daarom wordt gekeken naar een grafiek waarbij de gebruikte capaciteit per maand voor elk jaar is weergegeven.
32
Totale verpleeguren Verpleeguren (duizenden)
16 14 12
2002
10 8
2003
6
2004
4 2 0 Jan
Feb
Mrt
Apr
Mei
Jun
Jul
Aug Sep
Okt
Nov Dec
Maanden
Figuur 25
Seizoensontwikkelingen zijn in de grafiek makkelijker te herkennen. Schommelingen komen voor, maar wijzen minder op een trend. Elk jaar vertoont immers een ander beeld. Van overduidelijke seizoensinvloeden is dus geen sprake. Wel is nu duidelijk dat de grote fluctuaties in de opnames verklaard worden door fluctuaties in de ligduren. Deze twee aspecten compenseren elkaar blijkbaar voor een groot deel. Op basis hiervan is er in het simulatiemodel geen rekening gehouden met seizoensontwikkelingen. Dit wil echter niet zeggen dat deze er niet zijn. Als we alleen naar de ligduren kijken dan zien we bijvoorbeeld dat in de lente patiënten langer liggen. Om nog zekerder te zijn van seizoensinvloeden zou men de bovenstaande gegevens moeten vergelijken met meerdere jaren. Verder is er in het onderzoek ook niet gekeken naar de aankomsten, omdat deze data niet beschikbaar was. Om seizoensinvloeden volledig te onderzoeken zou men dit echter wel moeten doen. Alleen de opnames zijn in de dit geval niet voldoende.
33
6. Aanbevelingen Het zoeken naar verbeteringen in de ‘Patiëntenlogistiek op de ICV van het VUmc’ heeft zich op twee oplossingsmogelijkheden gericht. De eerste oplossingsmogelijkheid was het onderzoek naar de mogelijk te behalen schaalvoordelen bij het inzetten van meer bedden. De tweede oplossingsmogelijkheid was het onderzoek naar de effecten op de blokkeringkans bij een gelijke aankomstenstroom. De derde oplossingsmogelijkheid was het onderzoek naar de mogelijk te behalen voordelen door een betere OK-planning. Aan de hand van de bevindingen van de twee onderzoeken zijn er de volgende adviezen voor de afdeling ICV van het VUmc. Allereerst is het raadzaam om meer bedden in te zetten dan het huidige aantal van 26. Meer bedden zorgt voor een kleinere kans op weigeren van een patiënt. Het optimale aantal bedden zou het aantal bedden kunnen zijn waarbij er geen overcapaciteit is, dat wil zeggen dat het bezettingspercentage niet drastisch daalt maar dat de blokkeringkans wel sterk afneemt. Dit hangt af van de vraag naar ICV bedden, we zouden dan moeten weten wat de daadwerkelijke blokkeringkans is. Helaas is er geen data hierover beschikbaar. Wel kan gemeten worden wat het percentage van de tijd is dat de ICV vol ligt, dit geeft namelijk een goede indicatie van het aantal blokkeringen. Immers, als de ICV vol ligt en er is een aankomst, dan is er of een blokkering of een flexibel ontslag (in het geval van een aankomst van een spoedpatiënt). De verrichte simulaties, die vanaf hoofdstuk schaalvoordelen worden beschreven, geven wel een indicatie voor de huidige blokkeringkans. Deze blokkeringkans ligt vermoedelijk rond de 30%. Het inzetten van meer bedden heeft wel de consequentie dat er meer personeel nodig is. Hoewel dit niet zo zeer nadelig is in de kosten van het personeel, aangezien die worden gedekt door het hogere rendement per bed, is de schaarste van goed ICV personeel wel degelijk een probleem. Samenvattend kan worden gezegd dat het inzetten van meer bedden de specialist en het management in hun wensen tegemoet kan komen. Er is immers sprake van schaalvoordelen. Dit hangt echter wel af van de werkelijke aankomsten, we weten immers niet hoe groot het werkelijke aantal aankomsten is. Ook zal het inzetten van meer bedden een aanzuigende werking hebben. Wanneer de ICV uitgebreid wordt zal dit leiden tot een lagere blokkeringkans bij eenzelfde bezettingsgraad, dit zal hoogstwaarschijnlijk tot gevolg hebben dat er meer patiënten aangeboden zullen worden. De kans dat de bezettingsgraad daalt bij inzet van meer bedden is dus zeer klein. Ten tweede is het raadzaam om de OK-planning eens nader onder de loep te nemen. Uiteraard specifiek de OK’s die (vermoedelijk) tot ICV opname leiden. In het onderzoek is aangetoond dat verschillende scenario’s voor een OK-planning mogelijk voor hogere bezettingspercentages en lagere blokkeringkansen zorgen. Ook al is het te behalen rendement slechts enkele procenten, als dit tot een paar procent minder weigeringen van patiënten leidt, dan is dat zeer wenselijk. Praktisch gezien is het nog een hele opgave om de OK-planning daadwerkelijk te veranderen. Er zijn zo veel factoren op van invloed, dat de paar procenten minder weigeringen van patiënten misschien niet voldoende zullen zijn voor grootscheeps veranderen van de planning. Echter, als de blokkeringkans terugloopt van 35% naar 30% resulteert dat in 14% minder blokkeringen. Hoewel dit alleen enkele procenten betreft is het relatief wel een grote verbetering.
34
Wat het onderzoek heeft bemoeilijkt is het feit dat er geen data zijn over zowel aankomsten als blokkeringen. Deze data zijn zeer essentieel voor dit onderzoek. Aangezien het werkelijke aantal aankomsten niet bekend is, kan ook niet exact gezegd worden wat het optimale aantal bedden is. Hoogstwaarschijnlijk zal bij een geringe uitbreiding van de ICV (van ongeveer 4 bedden) de bezettingsgraad nauwelijks dalen. Veel meer aankomsten zullen leiden tot een daadwerkelijke opname, wat de bezettingsgraad hoog zal houden. Ook zal een uitbreiding een aanzuigende werking tot gevolg hebben, wat het aantal aankomsten zal doen toenemen. Het is zeer lastig het aantal blokkeringen bij te houden, onder andere vanwege anticiperend gedrag van de afdelingen. Wanneer een afdeling weet dat de ICV vol ligt, zal deze afdeling niet meer om een extra operatie vragen. Dit is per definitie een blokkering, maar deze kan onmogelijk geteld worden.
35
7. Appendices Appendix I : Afkortingenlijst Specialismen Afkorting ICV OK CAR CCH NCH
Specificatie Intensive Care Volwassenen Operatie Kamer Cardiologie Cardiochirurgie Neurochirurgie
Specialismen onder HLK : TRA HON HLO HGE VAT HLK
Traumatologie Heelkunde Oncologie Heelkunde longen Heelkunde- Gastro-Entrologie Vaat Chirurgie Heelkunde
INW KNO LON NEU
Inwendige geneeskunde Keel, Neus & Oor Longgeneeskunde Neurologie
Specialismen onder REST AKG,DER,GAS,GYN,KCH,KIN,NES,ONI,PCH, MON,OOG,ORT,REU,URO,VER,VVO
Deze specialismen zijn van minder belang.
36
Appendix II: Gemiddelde, mediaan en standaarddeviatie van ligduren per specialisme per jaar in uren
CAR CCH HLK ICV INW KNO LON NCH NEU REST
2002 Gem 136.66 72.63 155.21 97.29 187.90 175.26 129.48 178.37 120.91 119.13
Med 64.75 22.68 37.23 37.38 39.22 35.28 19.92 53.82 41.48 27.70
St.dev 168.71 234.98 289.48 184.65 378.17 409.02 248.84 248.67 175.62 213.09
2003 Gem 131.16 53.26 144.91 139.17 256.83 107.41 270.81 171.74 173.31 122.55
Med 65.07 23.22 43.08 39.32 95.53 47.85 226.33 85.72 52.45 40.79
St.dev 174.93 156.26 248.87 280.64 352.41 142.89 331.90 229.41 289.87 228.56
2004 Gem 211.54 62.24 162.79 254.155 205.82 97.42 169.42 180.81 263.35 153.33
Med 124.69 22.90 30.03 53.13 100.03 63.00 46.75 79.26 68.82 36.35
St.dev 268.63 169.92 290.11 622.58 296.88 114.11 383.78 230.91 491.97 319.85
Gemiddelde, mediaan en standaarddeviatie van ligduren per specialisme per jaar in dagen
CAR CCH HLK ICV INW KNO LON NCH NEU REST
2002 Gem 5.69 3.03 6.47 4.05 7.83 7.30 5.39 7.43 5.04 4.96
Med 2.70 0.95 1.55 1.56 1.63 1.47 0.83 2.24 1.73 1.15
St.dev 7.03 9.79 12.06 7.69 15.76 17.04 10.37 10.36 7.32 8.88
2003 Gem 5.46 2.22 6.04 5.80 10.70 4.48 11.28 7.16 7.22 5.11
37
Med 2.71 0.97 1.80 1.64 3.98 1.99 9.43 3.57 2.19 1.70
St.dev 7.29 6.51 10.37 11.69 14.68 5.95 13.83 9.56 12.08 9.52
2004 Gem 8.81 2.59 6.78 10.59 8.58 4.06 7.06 7.53 10.97 6.39
Med 5.20 0.95 1.25 2.21 4.17 2.63 1.95 3.30 2.87 1.51
St.dev 11.19 7.08 12.09 25.94 12.37 4.75 15.99 9.62 20.50 13.33
Appendix III : Verdeling van de ligduren Verdeling van de ligduren HLK 100% 90% 80%
Percentage opnames
70% 60% 2002 2003
50%
2004 40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
4 tot 5 dag
5 tot 6 dag
6 tot 7 dag
7 en hoger
Verdeling van de ligdurenCAR 100% 90% 80%
Percentage opnames
70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
4 tot 5 dag
5 tot 6 dag
6 tot 7 dag
7 en hoger
Verdeling van de ligduren ICV 100% 90% 80%
Percentage opnames
70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
4 tot 5 dag
38
5 tot 6 dag
6 tot 7 dag
7 en hoger
Verdeling van de ligdurenKNO 100% 90% 80%
Percentage opnames
70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% 0 tot 1 dag 1 tot 2 dag 2 tot 3 dag 3 tot 4 dag 4 tot 5 dag 5 tot 6 dag 6 tot 7 dag 7 en hoger
Verdeling van de ligduren INW 100% 90% 80%
Percentage opnames
70% 2002
60%
2003 50%
2004
40% 30% 20% 10% 0% 0 tot 1 dag 1 tot 2 dag 2 tot 3 dag 3 tot 4 dag 4 tot 5 dag 5 tot 6 dag 6 tot 7 dag 7 en hoger
Verdeling van de ligduren LON 100% 90% 80%
Percentage opnames
70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag 2 tot 3 dag 3 tot 4 dag 4 tot 5 dag
39
5 tot 6 dag 6 tot 7 dag 7 en hoger
Verdeling van de ligduren NCH 100% 90% 80%
Percentage opnames
70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% 0 tot 1 dag 1 tot 2 dag 2 tot 3 dag 3 tot 4 dag 4 tot 5 dag 5 tot 6 dag 6 tot 7 dag 7 en hoger
Verdeling van de ligduren NEU 100% 90% 80%
Percentage opnames
70% 60% 2002
50%
2003 2004
40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
4 tot 5 dag
5 tot 6 dag
6 tot 7 dag 7 en hoger
Verdeling van de ligduren CCH 100% 90% 80%
Percentage opnames
70% 60% 2002 2003
50%
2004 40% 30% 20% 10% 0% 0 tot 1 dag
1 tot 2 dag
2 tot 3 dag
3 tot 4 dag
40
4 tot 5 dag
5 tot 6 dag
6 tot 7 dag 7 en hoger
Appendix IV: Opnames in de week Percentage opnames in de week ICV 25%
20%
20% Aantal opnames
Percentage opnames
Percentage opnames in de week CAR 25%
15% 2002 10%
2003 2004
5% 0%
15% 2002
10%
2003 2004
5% 0%
mon
tue
w ed
thu
fri
sat
sun
mon
tue
wed
Dagen
sun
35% 30% Aantal opnames
20% Aantal opnames
sat
Percentage opnames in de week KNO
25%
15% 2002
10%
2003 2004
5%
25% 20% 2002
15%
2003
10%
2004
5% 0%
0% mon
tue
wed
thu
fri
sat
mon
sun
tue
wed
thu
fri
sat
sun
Dagen
Dagen
Percentage opnames in de week NEU
Percentage opnames in de week NCH 45%
30%
40%
25%
35%
20% 15%
2002 2003
10%
2004
5%
Aantal opnames
Aantal opnames
fri
Dagen
Percentage opnames in de week INW
30% 25% 2002
20%
2003
15%
2004
10% 5% 0%
0% mon
tue
wed
thu
fri
sat
mon
sun
Percentage opnames in de week LON 50% 40% 30% 2002
20%
2003 2004
10% 0% mon
tue
wed
thu
tue
wed
thu Dagen
Dagen
Aantal opnames
thu
fri
sat
sun
Dagen
41
fri
sat
sun
Percentage opnames in de week CCH 25%
Aantal opnam es
20% 15% 2002
10%
2003 2004
5% 0% mon
tue
wed
thu
fri
sat
sun
Dagen
Percentage opnames in de week HLK 25%
Aantal opnam es
20% 15% 2002
10%
2003 2004
5% 0% mon
tue
wed
thu
fri
sat
sun
Dagen
42
Appendix V: Boxplots ligduren per specialisme
43
44
Appendix VI: Gesorteerde ligduren [2002 & 2003]
Ligduur 2002 180 160
L ig d u u r(d a g e n )
140 120 100 80 60 40 20 0 1
69 137 205 273 341 409 477 545 613 681 749 817 885 953 1021 1089 1157 1225 1293 1361 1429 1497 1565
Ligduur 2003 90 80
L ig d u u r(d a g e n )
70 60 50 40 30 20 10 0 1
74 147 220 293 366 439 512 585 658 731 804 877 950 1023 1096 1169 1242 1315 1388 1461
De blauwe lijn duidt het aantal opnames aan dat 50% van de totale capaciteit benutte.
45
Ligduur 2004 250
L ig d u u r(d ag en )
200
150
100
50
0 1
66 131 196 261 326 391 456 521 586 651 716 781 846 911 976 1041 1106 1171 1236 1301 1366 1431
De blauwe lijn duidt het aantal opnames aan dat 50% van de totale capaciteit benutte.
46
Appendix VII: Gesorteerde ligduren per specialisme [2004] L ig d u u r N E U 8 8 .5 % d a ta lig t v o o r d e z e lijn
1 20
1 00
Ligduur(dagen)
80
60
40
20
0 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
L ig d u u r N C H
16
17
18
19
20
21
69
73
77
22
23
24
25
8 5 % d a t a lig t v o o r d e z e lijn
60
50
Ligduur(dagen)
40
30 20
10
0 1
5
9
13
17
21
25
29
33
37
41
45
L ig d u u r
49
53
L O N
8 0
57
61
65
81
85
89
8 7 .5 % d a ta lig t v o o r d e z e lijn
7 0
Ligduur(dagen)
6 0 5 0 4 0 3 0 2 0 1 0 0 1
3
5
7
9
1 1
1 3
1 5
1 7
1 9
2 1
De blauwe lijn duidt het aantal opnames aan dat 50% van de totale capaciteit benutte.
47
2 3
93
26
L ig d u u r K N O
8 1 .3 % d a ta lig t v o o r d e z e lijn
25
Ligduur(dagen)
20
15
10
5
0 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
Ligduur INW 70 60
Ligduur(dagen)
50 40 30 20 10 0 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
L ig d u u r H L K
9 2 % d a ta lig t v o o r d e z e lijn 70
60
Ligduur(dagen)
50
40
30
20
10
0 1
12
23
34
45
56
67
78
89
100
111
122
133
144
155
166
177
188
199
De blauwe lijn duidt het aantal opnames aan dat 50% van de totale capaciteit benutte.
48
210
221
L ig d u u r C AR 2 0 0 4 80
8 5 .4 % d a ta lig t v o o r d e z e lijn
70
Ligduur(dagen)
60 50 40 30 20 10 0 1
3
5
7
9
11 13 1 5 1 7 1 9 21 2 3 25 2 7 2 9 3 1 3 3 35 3 7 3 9 4 1 4 3 45 4 7 4 9 5 1 5 3 55
De blauwe lijn duidt het aantal opnames aan dat 50% van de totale capaciteit benutte.
49
