فرآیندکاوی برای بهبود فرآیند‌های بهداشت و درمان (2)

بیمارستان عمومی Chania در یونان بیمارستان اصلی این استان است که به 67000 شهروند خدمات ارائه می دهد. این بیمارستان 400 تختخوابه‌ای است که انواع خدمات درمانی را ارائه می دهد. کمیته مدیریت بیمارستان از تیم تحقیقاتی خواستند تا روند بخش اورژانس خود را تجزیه و تحلیل کنند. مدیر بخش اورژانس (که پزشک است) این روند را شفاهی به شرح زیر بیان کرد:

این بیمارستان دارای دو بخش اورژانس (ED) است. اولی، ED1، شانزده ساعت در روز و دومی، ED2،  بیست و چهار ساعته فعالیت می‌کنند. معمولاً بیمارانی که بین ساعت 08:00 تا 23:00 مراجعه می کنند باید از طریق ثبت نام اقدام کنند. بسته به تریاژ (موارد قرمز = بسیار مهم)، بیماران می توانند از ثبت نام و معاینه در ED1 صرف نظر کنند و مستقیماً به ED2 فرستاده شوند.

هنگامی که بیماران قبل از ساعت 23:00 به بخش اورژانس می رسند، باید در قسمت دفتری  ED1 ثبت نام کنند. بیماران اطلاعاتی مانند نام، سن و غیره را ارائه می دهند و باید 5 یورو برای معاینه بپردازند. پس از آن، آنها باید در اتاق انتظار منتظر بمانند. یک پرستار از بیمار در مورد مشکلاتش می پرسد و سطح تریاژ را مشخص می کند. بیمارانی که با آمبولانس وارد می شوند مستقیماً به ED2 فرستاده می شوند. علاوه بر این، بیماران با مشکلات فوری، مانند، برای مثال، بروز قلبی یا حوادث جدی، بالاترین سطح اولویت (قرمز) را دریافت می کنند و مستقیماً به ED2 فرستاده می شوند.

اجرای فرآیند در ED2 به 2 صورت است. اولاً بیمارانی که بعد از ساعت 23 وارد اورژانس بیمارستان می شوند به دلیل بسته بودن ED1 توسط ED2 خدمات رسانی خواهند شد. ثانیاً، فرآیند عادی ED2 بیمارانی را که با مشکلات جدی سلامتی خود مواجه هستند (متعلق به مقیاس زرد و قرمز تریاژ) درمان می کند. هنگامی که بیمار وارد اتاق تشخیص می شود، پرستار دما، فشار خون و ضربان قلب را بررسی می کند. سپس پزشک معاینه اولیه را انجام می دهد. بسته به سطح تریاژ، بیمار در اتاق انتظار یا در رختخواب منتظر نتایج آزمایشگاهی می‌ماند.

هنگامی که پزشک نتایج معاینه را ارائه می دهد، سه مرحله بعدی ممکن وجود دارد. اگر مورد جدی باشد، بیمار به بخش مربوطه بیمارستان فرستاده می شود. یا ممکن است بیمار نسخه ای دریافت کند و به خانه برگردد. انتخاب سوم این است که تصمیم بگیرید که بیمار در بخش های اورژانس بماند تا آزمایش های آزمایشگاهی بیشتری انجام دهد.

شکل 1: مدل فرآیند بخش اورژانس (فرایند فرضی)

یکی از اهداف استفاده از نمودار جریان برای انجام شبیه سازی فرآیند بود. به علاوه این مطالعه نمونه‌ای از داده‌ها  که شامل 250 بیمار که به بخش اورژانس مراجعه کرده‌ بودند را پوشش می‌دهد.همچنین،از سیستم اطلاعاتی بیمارستان برای مقایسه فرآیند واقعی با فرآیند مورد انتظار با استفاده از تکنیک‌های فرآیند کاوی استفاده شده است.

نتایج فرآیندکاوی

به عنوان اولین گام، فرآیند واقعی با استفاده از فرآیند کاوی کشف شد (تصاویر فرآیند ساده شده را در زیر می‌بینید).

شکل2) فرآیند کشف شده (100٪ فعالیت ها، 0٪ جزئیات مسیرها – فقط مهمترین جریان ها نشان داده شده است)

شکل 3: فرآیند کشف شده (100٪ فعالیت ها، 50٪ مسیرها)

چندین تفاوت را می توان از مقایسه فرآیند واقعی در سطوح مختلف جزئیات با فرآیند فرض شده از شکل 1 متوجه شد:

نقاط ورودی و همچنین نقاط خروجی بیشتری نسبت به مواردی که در نمودار جریان نشان داده شده است، وجود دارد. به عنوان مثال، برای چند مورد «تشخیص» یا «آزمایش خون» فعالیت اولیه بود. برای موارد دیگر، آخرین فعالیت «تشخیص» یا «نتیجه خون» (یا سایر نتایج آزمایشگاهی) بود. در حالی که فعالیت های اضافی شروع چندان مهم نیستند، نقاط خروجی اضافی نیاز به اقدامات اداری دارند.

مواردی وجود داشت که بیماران بلافاصله پس از تشخیص خارج می شوند – مسیری که در نمودار جریان وجود نداشت. البته، پزشک می‌تواند تشخیص دهد که بیماری شدید نیست، اما اجازه دادن به بیماران بدون معاینه یا آزمایش‌های آزمایشگاهی، همچنان اقدامی است که می‌تواند به چالش کشیده شود.

افراد ممکن است برخی از آزمایشات آزمایشگاهی را انجام دهند (مخصوصاً آزمایش بیوشیمیایی و آنزیمی که زمان قابل توجهی نیاز دارد)، بیمارستان را ترک کرده و بعداً برگردند. این مسیر در نمودار جریان نشان داده نشده است.

موارد متعددی وجود داشت که بدون هیچ معاینه ای تجویز می شد. باز هم طبق دستورالعمل های پزشکی این امکان وجود دارد، اما قابل بررسی است.

تمرکز تجزیه و تحلیل این مطالعه بر بررسی انطباق نبود بلکه درک فرآیند واقعی بود. به یاد بیاورید که فرآیند در شکل 1 یک نسخه سخت از فرآیند نیست، بلکه توصیفی از فرآیند توسط متخصص حوزه است.

با این حال، آنچه آشکار شد این بود که فرآیند فرضی به عنوان مبنایی برای شبیه‌سازی مناسب نبود، زیرا – به دلیل عدم همسویی با فرآیند واقعی – نتایج همراه با خطا ایجاد می‌کرد.

 روند واقعی واریانت‌های (مسیرهای اجرا) زیادی را نشان می‌دهد که به دلیل ماهیت فردی درمان هر بیمار می توان انتظار داشت. شما می توانید این تغییر را در نقشه های فرآیند کشف شده در شکل 2 و شکل 3 مشاهده کنید. شکل 2 50 درصد از مسیرها را نشان می دهد (هنوز 100 درصد نیست) و این روند قبلاً شبیه اسپاگتی است.

به دلیل پیچیدگی، این نمودارهای اسپاگتی برای کمیته مدیریت مفید نبود. بنابراین، چالش ایجاد نقشه‌های فرآیند ساده‌تر بود که می‌توان از آنها برای به دست آوردن بینش در مورد فرآیند استفاده کرد.

یک تکنیک رایج برای فرآیندهای ساختاریافته تر، تمرکز بر متداول ترین واریانت در فرآیند است. با این حال، به دلیل واریانت زیاد در فرآیند، متداول‌ترین واریانت‌ها تنها درصد کمی از بیماران را پوشش می‌دهند: از 84 نوع فرآیند مشاهده‌شده، 68 مورد توسط تنها یک یا دو بیمار دنبال شدند (منطقه برجسته شده در نمودار زیر را ببینید).

شکل 4: 68 مورد از 84 نوع تنها توسط یک یا دو بیمار دنبال شد

بنابراین، ایده این بود که سناریوهایی بر اساس خوشه های رفتاری فرآیند به تیم مدیریت ارائه شود.  یک معیار شباهت (همسایگی)  برای دنباله‌ها محاسبه شد، یک تکنیک ساده را برای مقابله با نقاط پرت (Outlier) به کار برده شد، و از خوشه بندی طیفی برای بدست آوردن خوشه ها استفاده شد.

خوشه بندی به ما این امکان را می دهد که 84 واریانت موجود را در سه مدل فرآیندی که به طور واضح تر توضیح داده شده اند خلاصه کنیم (شکل زیر را ببینید).

شکل 5: مدل های فرآیند برای هر یک از سه خوشه (100٪ فعالیت ها، 0٪ جزئیات مسیرها فقط مهمترین جریان ها نشان داده شده است)

هنگام مقایسه جریان فرآیند برای این سه خوشه، تفاوت زیر قابل تشخیص است:

در خوشه (a)، مرحله «ثبت نام» اغلب نادیده گرفته می شود. توزیع کلی درصدهای تریاژ در نمونه عبارت بود از: سبز ~ 34 % ، زرد ~ 57 % و قرمز ~ 8 % . خوشه (a) دقیقاً این توزیع را دارد. اما موارد سبز (نه شدید) از این خوشه در شیفت شب به بیمارستان مراجعه می کنند. تعجب آور بود که تعداد زیادی از بیماران مبتلا به تریاژ سبز در طول شب به بخش اورژانس مراجعه کردند.
این را می توان به بحران اقتصادی نسبت داد: قبل از بحران، بخش اورژانس در بیمارستان های دولتی یونان رایگان بود. پس از بحران، هزینه ثبت نام 5 یورو است. با این حال، در طول شب، در آن بیمارستان خاص ثبت نام نمی شود، زیرا منشی در دسترس نیست. بنابراین، افراد فقیر با مشکلات بهداشتی نه چندان شدید برای مراجعه به بیمارستان تا شب منتظر می مانند تا از پرداخت 5 یورو خودداری کنند.

در خوشه (ب)، «ثبت نام» نیز نادیده گرفته می‌شود، اما این را می‌توان به موارد اضطراری بالاتر نسبت داد (موارد قرمز بسیار بیشتر از حالت عادی). علاوه بر این، این خوشه دارای فرکانس بالاتری از آزمایشات آزمایشگاهی است (همه بیماران آزمایش خون / بیوشیمیایی / آنزیم دارند). در نهایت، این خوشه دارای درصد بالایی از بیماران است که به جای خروج از بیمارستان، وارد کلینیک می شوند.

خوشه (c) نزدیکترین به جریان مورد انتظار است (اما موارد زرد بیش از حد نشان داده می شوند). افراد ثبت نام می‌شوند، دسته‌بندی می‌شوند، آزمایش‌هایی انجام می‌دهند و از راه مورد انتظار (پس از تجویز یا درمان در اتاق ED) به سمت خروجی هدایت می‌شوند.

تأثیر
چرا این مهم است؟

در نگاهی به گذشته، ما توانستیم خوشه های بیماران را با تریاژ آنها مرتبط کنیم. از آنجایی که تخمین توزیع آماری برای تریاژ بسیار آسان است، با بهره‌برداری از مدل فرآیندی هر خوشه، می‌توان با دقت بیشتری حجم کار در هر فعالیت را پیش‌بینی کرد، برنامه تخصیص منابع بهتری ایجاد کرد و غیره.

علاوه بر این، بر اساس نتایج، ما توانستیم پارامترهای مدیریت عملیات را به پزشکانی که معمولاً ادعا می‌کنند که دستورالعمل‌های پزشکی اجازه بهینه‌سازی عملیات را نمی‌دهد، منتقل کنیم.

در نهایت می‌توانیم اطلاعات جالبی ارائه دهیم، از جمله اینکه برخی از بیماران با بیماری‌های نه چندان شدید شبانه به بیمارستان مراجعه می‌کنند تا از هزینه‌های ثبت نام 5 یورویی خودداری کنند که می‌توان آن را ناشی از بحران اقتصادی دانست.