Flow og patientsikkerhed – hvad kan vi lære af en verdensberømt dansker fra sidste århundrede?

Med fire børn har man tilbragt en stund eller to i akut modtagelsen efter mindre uheld, kan jeg sige. Nogle gange har jeg måtte vente længe, andre gange kun kort i tid. Så nogle gange har jeg følt mig heldig, og nogle gange har jeg følt mig uheldig. Og hvordan kunne det dog være anderledes? Man kan jo ikke forudse, hvornår de akutte situationer opstår, og dermed er det vel umuligt at forudse hvor meget akut kapacitet, der skal være til stede?

Men er det rigtigt? Kan man ikke forudsige hvor meget kapacitet (personale og udstyr), man har brug for, når det drejer sig om akutte patienter? Og er hospitalerne meget bedre til at forudse, hvor meget kapacitet de har brug for, når det drejer sig om behandling af elektive patienter, som hospitalerne selv kan planlægge, sådan at patienternes forløb kører smidigt?

Sagen er blot, at det er en myte at tro, at den akutte efterspørgsel nødvendigvis varierer mere end den elektive aktivitet. I praksis viser det sig, at hospitalernes måde at planlægge deres elektive aktiviteter oftest viser lige så meget variation som den akutte efterspørgsel. Se nedenstående graf, som viser et eksempel fra et hospital, hvor antallet af indlæggelser af akutte (ED=Emergency Department) og elektive patienter (Elective) i antallet er vist på daglig basis over en tre måneders periode.

Spørgsmålet er selvfølgelig: Er variation i indtag af patienter – akut eller elektiv – et problem? Og svaret er ja. Variation i processer og variation i planlægning af aktiviteter, viser forskning, modvirker godt flow i organisationen og skaber hermed et alvorligt patientsikkerhedsproblem. Ved fx primært at operere de første hverdage i ugen, skabes et uhensigtsmæssigt flow i resten af systemet (opvågning, ITA, sengeafdelinger, udskrivelser, rehabilitering mm). I praksis oplever hospitalerne forskellige typer flow-problemer, fx ventetid i akutmodtagelsen, mangel på tilstrækkelige senge i akutmodtagelsen, manglende plads til at blive indlagt på sengeafdelingen, aflyste operationer, overbelægning, spidsbelastning, spild, omvisitering pga. pladsmangel osv. Og alle disse problemer skaber veldokumenterede patientsikkerhedsproblemer: øget morbiditet og mortalitet (2,3), genindlæggelser (4), skader (5), fejl pga. stress (6,7) mm, fordi patienter ikke får den kvalitet i behandlingen, de har brug for. Variation gør det umuligt at afstemme efterspørgsel (demand) og kapacitet (capacity) på en hensigtsmæssig måde. W. Edwards Deming sagde om variation bl.a.: ’If I had to reduce my message for the management to just a few words, I’d say it all had to do with reducing variation.’

Naturlig eller artificiel

Hvad kan hospitalerne gør ved variationen i efterspørgsel af både de akutte og de elektive patienter? Lad os kigge lidt mere præcist på de to type variation. Variationen i efterspørgslen af de akutte patienter, kaldes for naturlig variation. Naturlig variation kendetegnes ved at være et resultat af naturligt forekommende processer: Patienter kan blive syge døgnet rundt som konsekvens af naturlige processer, og efterspørgslen i akutmodtagelsen er derfor varierende over tid. Variation i planlægning af behandling af elektive patienter kaldes artificiel variation, da denne variation for det meste er et resultat af den måde, hvorpå vi har indrettet sundhedsvæsenet, ved at have specifikke åbningstider (fx starter din praktiserende læge typisk sin arbejdsdag kl. 08.00), ved at booke patienter i nogle specifikke ’slots’, ved at have kriterier for indlæggelse, overflytning, udskrivelse, forskellige type ventelister mm. Denne form for variation er ikke konsekvens af naturlige processer, men af den måde vi har tilrettelagt vores sundhedsvæsen.

Hvordan skal hospitaler så håndtere de to type variation? Institute for Health Care Optimization (IHO), er en organisation, som har specialiseret sig i at løse problemer i flow på hospitaler. Flere delegationer af danske hospitaler har set, hvordan IHO har haft succes i bl.a. NHS Scotland ved at arbejde med deres ’Variability Methodology’ (1). Og to af de centrale budskaber i IHO’s tilgang er:

1. Adskil akut og elektiv aktivitet, og reducer al variation, som ikke er naturligt! Det vil sige, at variationen i den elektive aktivitet skal minimeres. Dette kan bl.a. gøres ved, at antallet af elektive patienter, der behandles/opereres på daglig basis, skal variere så lidt som muligt over tid, sådan at det bliver nemmere at afstemme kapacitet og efterspørgsel i hele systemet. Et andet centralt tiltag i at minimere ventetid, er at slå så mange ventelister som muligt sammen (’pooling’). Jo færre ventelister med personale dedikeret til ventelisten, jo færre gange, der skal afstemmes kapacitet og efterspørgsel, jo mindre spild (både overkapacitet og ventetid for patienter) er der. Simulationsprogrammer er gode til at vise, hvad effekterne er af disse tiltag (Se fx https://www.steyn.org.uk/?page_id=37 ).
2. Undersøg og afstem kapacitet og efterspørgsel efter den naturlige variation, altså de akutte patienter. Hvordan gør man det? Her kan vi faktisk bruge køteorien fra den verdensberømte danske pioner og matematiker Agner Krarup Erlang, der levede i det sidste århundred (1878-1921). Erlang arbejdede for KTAS (Københavns Telefon Aktieselskab) og undersøgte, hvor stor kapaciteten skulle være, hvis dem der skulle viderestilles via telefoncentralen, ikke skulle vente for længe. Køteori viser sammenhæng mellem belastning og ventetid i køsystemer, hvor der er mange, som samtidig ønsker at bruge fælles (men begrænsede) ressourcer. Køteorien er baseret på sandsynlighedsteori og tager hensyn til, at tilgangen (efterspørgslen) varierer. Køteori kræver, at man kender til forskellige type historiske data omkring efterspørgsel og ventetid. Ved at sætte en grænse for ventetid, kan kapaciteten beregnes. Den ønskede ventetid på en fødeafdeling er forskellig fra (kortere end) den ønskede ventetid på akutmodtagelse efter kontakt med 1813, fx.

Hvordan kan køteori anvendes til kapacitetsplanlægning til akutte patienter? Hvis den akutte efterspørgsel er af en karakter, at patienter ikke kan vente overhovedet, så kan kapaciteten afstemmes efter Erlangs tommelfingerregel. Erlangs tommelfingerregel går ud på at beregne variationen i efterspørgsel ud fra historiske data. Lad os fx tage udgangspunkt i en akut modtagelse, der på en dag typisk modtager mellem 5 og 15 akutte patienter, som ikke må have ventetid i behandlingen. Variationen er 15 (maks antal på en dag) – 5 (minimum antal på en dag) =10. Den nødvendige kapacitet beregnes ved at lægge 80% af variationen (dvs 80% af 10=8) til den laveste forventede efterspørgsel, dvs. 5+8=13. Så hvis der ikke skal være ventetid for disse akutte patienter, skal kapaciteten afstemmes på 13 patienter per dag. Hermed vil der de fleste dage være lidt overkapacitet, men på et acceptabelt niveau (især acceptabelt fordi personalet oftest kan varetage andre opgaver). Kun en gang imellem vil der være for lidt kapacitet (den dag hvor der kommer 14 eller 15 patienter), som vil kræve lidt kreativitet, men som kun i sjældne tilfalde vil give udfordringer. Denne tommelfingerregel er blevet til en kendt regel i flere industrier. Styrken i denne regel er, at den tager udgangspunkt i variationen i efterspørgslen, og ikke i den gennemsnitlige efterspørgsel. At afstemme kapacitet på den gennemsnitlige efterspørgsel (10 i dette eksempel), giver alt for meget ventetid for patienter, med de pågældende patientrisici som konsekvens. Gennemsnittet kan simpelthen ikke bruges ved kapacitetsplanlægning, selvom det anvendes mange steder i praksis.

Tænk på Erlang!

Bedre planlægning og afstemning mellem kapacitet og efterspørgsel – både i forhold til elektive og akutte patienter – reducerer unødvendige risici for patienter, bidrager til en bedre patientoplevelse (mindre ventetid, færre aflysninger) og forbedrer trivsel hos personalet. Så næste gang jeg venter på en læge i akutmodtagelsen, når ét af mine børn er komme til skade, håber jeg, at nogen har tænkt på Erlang, da vagtskemaet blev lavet. Så ventetiden ikke er en konsekvens af tilfælde, men en konsekvens af stillingtagen til et rimeligt niveau. Så kan jeg lade være med at tage madpakke med.

Fagligt Nyt om patientsikkerhed er et nyhedsbrev, der udgives af PS!, og som udkommer ca. 6 gange årligt. Det formidler nyt om de seneste nationale og internationale forskningsresultater, begivenheder, trends og meninger inden for patientsikkerhed. 
Tilmeld dig Fagligt Nyt

---

Litteratur

1. Optimizing Patient Flow: Advanced Strategies for Managing Variability to Enhance Access, Quality, and Safety. Eugene Litvak (ed.). The Joint Commission, 2018
2. High levels of bed occupancy associated with increased inpatient and thirty-day hospital mortality in Denmark. Madsen F, Ladelund S, Linneberg A. Health Aff, 2014;33(7) p 1236-44
3. Nurse Staffing and Inpatient Hospital Mortality. Jack Needleman, Ph.D., Peter Buerhaus, Ph.D., R.N., V. Shane Pankratz, Ph.D., Cynthia L. Leibson, Ph.D., Susanna R. Stevens, M.S., and Marcelline Harris, Ph.D., R.N. N Engl J Med 2011; 364:1037-1045
4. Patient flow variability and unplanned readmissions to an intensive care unit. Baker, David R. DrPH, MBA; Pronovost, Peter J. MD, PhD; Morlock, Laura L. PhD; Geocadin, Romergryko G. MD; Holzmueller, Christine G. BLA. Critical CareMedicine: November 2009;37(1) p 2882-2887
5. The Tipping Point: The Relationship Between Volume and Patient Harm. Alberta T. Pedroja. American Journal of Medical Quality, 2008:23(5) p 336-41.
6. Litvak E, Buerhaus PI, Davidoff F, Long MC, McManus ML, Berwick, DM. Managing unnecessary variability in patient demand to reduce stress and improve patient safety. Jt Comm J Qual Patient Saf. 2005;31(6):330-8.
7. Weissman JS, Rothschild JM, Bendavid E, Sprivulis P, Cook EF, Evans RS, et al. Hospital workload and adverse events. Med. Care 2007;45(5):448-55.