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