Optimisation des systèmes de santé d`urgence
Transcription
Optimisation des systèmes de santé d`urgence
Optimisation des Services d’Urgences Oualid Jouini, Maître de Conférences, ECP Karim Ghanes (ECP) Zied Jemai (ECP) Ger Koole (VU University Amsterdam & ECP) Mathias Wargon (Hôpital St Camille) Romain Hellmann (ARS) Hôpital Henri Mendor, Créteil le 16 juin 2014 1 Contexte de la collaboration Service d’urgence Augmentation de la fréquentation Problème de congestion Ecole Centrale Paris Laboratoire Génie Industriel (LGI), équipe gestion des opérations Anticipation et optimisation de la performance des systèmes 2 Méthodologie 1. Elaboration du modèle de simulation 2. Généricité du modèle 3. Expérimentations et résultats 3 Simulation Méthode quantitative pour l’aide à la décision Inputs Modèle de simulation Evaluation de performances Actions 4 De la formulation du problème à l’expérimentation Problème de congestion (Overcrowding): longues durées d’attente, abandons, baisse de qualité des soins, stress du personnel, insatisfaction des patients, revisites, etc. 1 Formulation du problème 2 Collecte et analyse des données/modèle conceptuel 3 Le modèle conceptuel valide? 4 Modèle informatique 5 Modèle informatique valide? 6 Expérimentation et analyse des résultats Comment améliorer les performances du service d’urgence? Concevoir un modèle de simulation le plus générique possible afin que l’agence puisse se l’approprier par la suite pour accompagner certains SU dans leur mutation vers une meilleure efficience de leur organisation. Tester différentes alternatives (staffing et process) afin de trouver celle qui optimise les performances du système. 5 De la formulation du problème à l’expérimentation 4 sources de collecte: base de données, estimations d’experts, données externes et chronométrage 1 Formulation du problème 2 Collecte et analyse des données/modèle conceptuel 3 Le modèle conceptuel valide? 4 Modèle informatique 5 Modèle informatique valide? 6 Expérimentation et analyse des résultats Analyse et modélisation par des lois statistiques de distribution 6 De la formulation du problème à l’expérimentation Patient Arrival Arrival SAMU* 1 Registration Decision after UHCD? 5 UHCD Release IOA available? No WT1 1 Formulation du problème 2 Collecte et analyse des données/modèle conceptuel 3 Le modèle conceptuel valide? 4 Modèle informatique 5 Modèle informatique valide? 6 Expérimentation et analyse des résultats Yes Yes Free bed in UHCD? Triage Hosp in ED No Box available? Wich Clinical Outcome? WT2 Yes No (Intern waiting room) Nurse available?* No Long Hosp Organization of transfer* No WT3 Are other tests necessary? Transfer Yes Nurse installs patient Transport to Box/Sock box 2 WT4 No Consultation Doctor available?* Calling specialist and waiting for him Validation by Senior Yes Diagnostic Tests?* Blood Test WT5 None If Junior Yes yes Yes If Junior Checking results/ Discussion with specialist and decision 4 Doctor available?* Validation by Senior No WT9 No Specialist? Release* Yes Results Ready? No WT8 3 No Radio Nurse available? WT6 Yes Sampling Lab Tests No Stretcher available? WT7 Yes Transport Department of Radiology Xray/Scan/Echo/ MRI No Stretcher available? Yes Transport 7 De la formulation du problème à l’expérimentation 1 Formulation du problème 2 Collecte et analyse des données/modèle conceptuel 3 Le modèle conceptuel valide? 4 Modèle informatique 5 Modèle informatique valide? 6 Expérimentation et analyse des résultats 8 De la formulation du problème à l’expérimentation 1 Formulation du problème 2 Collecte et analyse des données/modèle conceptuel 3 Le modèle conceptuel valide? 4 Modèle informatique 5 Modèle informatique valide? 6 Expérimentation et analyse des résultats 9 De la formulation du problème à l’expérimentation Trois critères de comparaison: 1 Formulation du problème 2 Collecte et analyse des données/modèle conceptuel 3 Le modèle conceptuel valide? 4 Modèle informatique 5 Modèle informatique valide? 6 Expérimentation et analyse des résultats La durée moyenne des 5 étapes du processus Le taux d’utilisation des ressources La distribution de la durée totale de passage 10 Généricité du modèle Etudes similaires Caractéristiques Du service (Centeno et al. 2003)) (Komashie and Mousavi 2005) Duguay and Chetouane (2007) (Ahmed and Alkhamis 2009)) Weng and al (2011) Present study Arrival Process Depends on Depends on week Periods of the day days Depends on week days Depends on day hours Depends on the period of the day Depends on week days and day hours Patients’ categories Yes (4) Yes (2) Yes (5) Yes (3) Yes (4) Yes (5) Included resources Doctors, Nurses, boxes (called beds) Doctors, Nurses, Boxes (cubicles) Doctors, Nurses, Boxes Receptionists, Doctors, Nurses, Lab technicians, Boxes (ER), Beds Doctors, Nurses, SickBeds (SR) Doctors, Nurses, Stretcher bearer, SR, Boxes, beds Resources subdivisions Severity and/or expertise based processing times No Yes, based on severity Yes Yes, based on severity No No Yes, based on No severity Yes No Yes Yes, based on both Lab tests/Radiology Transportation times Yes No No No Yes No Yes No Yes No Yes Yes, for patients, not for staff Staff Shifts Teaching aspects Specialist Abandonment Observation Unit Experiments Yes No No Yes No Simulation combined with Integer Linear Programming Nurses No No No No Yes Intuitive What-if scenarios Yes No No No No Intuitive What-if scenarios No No No No Yes Simulation Optimization No No No No Yes Simulation Optimization Yes Yes Yes Yes Yes Simulation Optimization All included resources All included resources Doctors, Nurses, Lab technicians Doctors and Nurses All included Human resources Control variables in the experiments 11 Expérimentation Deux manières de faire: Elaboration de scénarios basés sur l’expérience et comparaison de leurs performances Utilisation de Simulation Optimization (méthode exhaustive) 12 Expérimentation Additional Staffing budget (α) Optimal solution 5% 10% 20% 323 246 205 12% 33% 44% 30% 182 50% One additional Senior SC during Day shift One additional Senior LC during Night shift One additional Senior LC during Night shift Two additional nurses LC during Night shift Two additional Seniors LC during Night shift One additional Senior SC during Day shift One additional Nurse LC during Night shift One additional Triage Nurse during Day shift One additional Junior ESI45 during Day shift 13 Expérimentation Analyse de sensibilité de la durée de séjour moyenne au SU en fonction du budget La valeur marginale d’un budget supplémentaire est décroissante 400 350 -12% 300 -33% 250 -44% 200 -50% -53% -55% -56% 150 100 50 0 0% 10% 20% 30% 40% 50% 60% 70% Additional Staffing budget 14 Expérimentation (suite) Approche basée sur les ressources – Optimisation de la superficie – L’utilisation de trois roulements dans la journée au lieu de deux. Choix des vacations ? Approche basée sur le processus – Prescription des examens par l’infirmière – Analyse de la contrainte « même patient même staff » – Biologie délocalisée 15 Merci de votre attention! 16