Bilag 1. Flaskehalse og belastningsbarometer John Damm Scheuer (ansvarlig), lektor, Roskilde Universitet Morten Hertzum, professor, Københavns Universitet Indledning Akutafdelinger har en central rolle i nutidens såvel som fremtidens hospitaler. Her modtages et stort antal patienter, der kan tilhøre alle diagnostiske grupper og kategorier, med henblik på afhjælpning af akut opståede helbredsrelaterede problemer og indledende diagnostik, behandling og pleje. Herudover varetages opgaver relateret til kommunikation, koordination og videresendelse af patienter til andre behandlende afdelinger efter at akutte helbredsproblemer er håndteret og patienten har gennemgået en indledende udredning. Mangeartede forhold kan føre til at der opstår flaskehalse i form af mangel på læger, der har den ekspertise, der skal til for at træffe beslutning om visitering af patienter til andre afdelinger. Endvidere kan mangel på kapacitet i service-, klinisk-kemiske og røntgenafdelinger medføre at prøvesvar, røntgenbilleder og transport ikke leveres rettidigt. Herudover kan mangel på sengepladser og klinisk personale på sengeafsnittene føre til at patienter hober sig op i akutafdelingen, fordi de ikke kan videresendes efter endt behandling på akutafdelingen. I dette projekt sættes der fokus på de flaskehals- og belastningssituationer, der på forskellig vis udgør barrierer for et effektivt flow af patienter imellem akutafdeling og øvrige afdelinger på Nykøbing Falster Sygehus (NFS). Udgangspunktet for forsknings- og udviklingsprojektet er en forventning om, at information om flaskehalse- og belastningsgrader på elektroniske overblikstavler vil kunne bidrage væsentligt til en forbedring af flowet af patienter imellem akutafdeling og øvrige afdelinger på sygehuset og dermed til forøget kvalitet og effektivitet i forløbene. Formål Projektet har følgende formål: At afdække mønstre i belastningen på akutafdelingen og identificere forhold og dertil knyttede informationer, der har betydning for dannelsen af flaskehalse og belastningssituationer. At udvikle og validere en prædiktiv model for belastningsgraden på akutafdelingen baseret på de eksisterende tavledata. At bidrage til udvikling, afprøvning, implementering og evaluering af effekter af information om flaskehalse og belastningssituationer på elektroniske overblikstavler. Eksisterende forskning Eksisterende forskning peger på at akutafdelinger er travle (Chisholm et al., 2000; Laxmisan et al., 2007), at personalet udsættes for betydelig støj og stress (Hertzum, 2013; Tijunelis et al., 2005) og at crowding er et hyppigt og alvorligt problem (Hoot & Aronsky, 2008; Moskop et al., 2009). Crowding skyldes uoverensstemmelser mellem input (antallet af indlæggelser og hvor alvorligt patienterne er kommet til skade), throughput (hvor mange af patienterne akutafdelingen har ressourcer til at behandle) og output (hvor mange færdigbehandlede patienter der forlader Side 6
akutafdelingen). Begyndende crowding er et tegn på at der er opstået en flaskehals og at belastningsgraden på akutafdelingen er ved at nå et kritisk niveau. Hidtidige forsøg på at modellere belastningsgraden på akutafdelinger har primært baseret modellerne på kalendervariable (Abraham et al., 2009; Hoot et al., 2007; Marcilio et al., 2013) og, i et vist omfang, udendørstemperatur (Marcilio et al., 2013). Alle disse studier benytter SARIMA (Box et al., 208) som det statistiske værktøj til modellering af belastningsgraden, og som overordnet konklusion finder de at modellernes forudsigelser korrelerer signifikant med faktiske data men at forudsigelserne stadig er behæftet med betydelig usikkerhed. Usikkerheden er særlig stor for forudsigelser af belastningsgraden for korte tidsrum (hvor der er få muligheder for at over- og underestimater udligner hinanden). Samtidig er korte tidsrum, som fx de næste fire timer, ofte af stor praktisk interesse. Eksisterende studier har endvidere overvejende søgt at forudsige antallet af indlæggelser og dermed set bort fra betydningen af throughput og output for belastningsgraden. Elektroniske tavler er de seneste år blevet et udbredt og værdsat redskab på akutafdelinger (Aronsky et al., 2008; France et al., 2005; Hertzum 2011; Hertzum & Simonsen, 2013; Wong et al., 2009). Sådanne tavler udgør en vigtig ressource for bestræbelser på at modellere belastningsgraden på en akutafdeling, da de gør andre patientdata end blot kalendertidspunktet for patientens indlæggelse elektronisk tilgængelige. Os bekendt findes der på nuværende tidspunkt ikke studier af muligheder og begrænsninger i at bruge disse yderligere data til modellering og forudsigelse af belastningsgraden på akutafdelinger. Nyere forskningen indenfor implementering af IT-systemer tager udgangspunkt i en opfattelse af IT-implementering som technochange, dvs. teknologidrevet organisationsforandring (Markus 2004). I stedet for at forsøge at opnå teknologidrevet forandring via et IT-projekt og/eller et organisationsforandrings- eller implementeringsprojekt søges de to elementer integreret, så der samtidig udvikles en såvel teknisk som organisatorisk integreret løsning. Tilgangen anbefaler brug af prototyper, hvor tekniske og organisatoriske løsninger løbende udvikles og integreres samt en improvisatorisk tilgang til IT-relateret organisationsforandring, hvor organisationen iterativt kapitaliserer på såvel planlagte som ikke planlagte konsekvenser af IT implementering. Den teori om og metode til effekt- og deltagerdrevet design og implementering af IT-systemer, der anvendes, undersøges og videreudvikles i dette projekt, er inspireret af ovennævnte tilgang (Simonsen & Hertzum 2012). Den bygger på en antagelse om at: 1. deltager- og effektdrevet design af IT-systemer bør ske i tæt samarbejde imellem IT-designere og brugere, 2. at designprocessen kan beskrives som en cirkulær proces bestående af 4 elementer (1. Identifikation af ønskede forandring, 2. Specifikation og implementering, 3. Ibrugtagning og skabelse af mulighed for ikke-planlagt forandring og 4. Evaluering), og 3. at flere gentagelser (iterationer) af design og implementering af udviklede prototyper samt improvisation, eksperimenter og deraf afledt læring vil bidrage til løsninger, der har større sandsynlighed for at producere de af interessenterne ønskede effekter. Metode Projektet gennemføres på NFS, da sygehuset har opsat elektroniske overblikstavler på alle afdelinger og derfor er velegnet til formålet. Sygehusets akutafdeling er central i projektet. Derudover involveres yderligere afdelinger i projektet efter behov, se nedenfor. Projektet har tre faser: Forundersøgelse Forundersøgelsen skal afdække hidtidige erfaringer med flaskehals- og belastningssituationer, herunder initiere og målrette arbejdet med at afdække mønstre i belastningen på akutafdelingen Side 7
og identificere forhold og informationer, der har betydning for at flaskehalse og belastningssituationer opstår. Forundersøgelsen omfatter to aktiviteter: Muligheder med eksisterende tavledata: Denne aktivitet skal give en kontekst for at modellere belastningsgraden på grundlag af de eksisterende tavledata. Det undersøges hvilke af tavledataene, klinikerne har størst forventninger til vil kunne bidrage til at forudsige flaskehalse og belastningssituationer. To umiddelbare kandidater er ugedag og triage/bos-score. Derudover afklares hvad der er det bedste mål for belastningsgraden. Tidligere forskning har benyttet antal indlæggelser; en af flere andre muligheder er antal patienter på akutafdelingen. Endelig skal datakvaliteten af tavledataene undersøges. Muligheder i yderligere data: Denne aktivitet skal analysere behovet og mulighederne for at inddrage data udover de eksisterende tavledata i en it-facilitet til at støtte klinikerne i at forudse og tage højde for flaskehalse og belastningssituationer. Det undersøges, hvilke personer og afdelinger, der indgår i sikring af flowet af patienter igennem akutafdelingen og hvilke typer af forhold og faktorer, der bidrager til, at der opstår flaskehalse og belastningssituationer. Dette med henblik på præliminær identifikation af informationstyper, der vil kunne bidrage til at monitorere og intervenere i forhold til sådanne forhold. Forundersøgelsen baseres på interviews af personer med kendskab til flaskehalse og belastningssituationer. Centrale interviewpersoner vil være klinikere fra akutafdelingen og personale fra andre afdelinger med betydning for flowet af patienter igennem akutafdelingen. Relevante interviewpersoner identificeres ved hjælp af snebold-metoden (Pedersen 1998), hvor interview med én informant fører til identifikation af en eller flere nye relevante informanter. De identificeres herudover i samarbejde med relevante ledelser på NFS. Dataindsamlingen suppleres med et mindre etnografisk observationsstudie (se Blomberg & Karasti 2013) af aktiviteter og interaktion imellem akutafdelingen og andre hospitalsafdelinger i en udvalgt periode, hvor der erfaringsmæssigt optræder flaskehals- og belastningssituationer. Forundersøgelsen efterfølges af to aktiviteter, der gennemføres sideløbende: Udvikling af en prædiktiv model baseret på eksisterende tavledata og udvikling, afprøvning, implementering og evaluering af en prototype til datavisning og monitorering af flaskehals- og belastningssituationer, Førstnævnte retter sig mod at udnytte eksisterende tavledata i prototypen sidstnævnte afdækker eventuelle nye typer af data, der bør indgå i den. Forskerne fra RUC koordinerer aktiviteterne løbende, så udvikling af prototypen i videst muligt omfang tager udgangspunkt i såvel relevante eksisterende data som ønskede nye typer af data. Prædiktiv model baseret på eksisterende tavledata Med udgangspunkt i forundersøgelsen analyseres de eksisterende tavledata med henblik på at identificere tilstrækkeligt stabile mønstre til, at historiske data kan bruges til at forudsige belastningsgraden på akutafdelingen i den nærmeste fremtid. Der udvikles en prædiktiv model et belastningsbarometer for belastningsgraden på akutafdelingen. Vi har en enestående mulighed for at udvikle tilsvarende prædiktive modeller for Regionens tre andre akutafdelinger og analysere ligheder/forskelle mellem de fire modeller. Derved opnås et solidt grundlag for at vurdere robustheden og generaliserbarheden af den prædiktive model. To aktiviteter indgår: Eksplorativ analyse: Denne analyse af tavledataene afdækker hvilke parametre, der har en signifikant effekt på belastningsgraden. Den eksplorative analyse foretages med multivariate ANOVA-tests (Rosenthal & Rosnow, 1991) og har til formål at give et overblik over mønstre i tavledataene før den egentlige modellering. Et sådant overblik er nødvendigt for at fokusere modelleringsarbejdet. Side 8
Udvikling og validering af prædiktiv model: Modelleringen foretages med SARIMA (Box et al., 2008), som er den mest anerkendte metode til analyse af tidsseriedata og blandt andet tager højde for sæsonvariation. Den prædiktive model udvikles på basis af en del af tavledataene (træningsdataene) og valideres derefter på de resterende tavledata (testdataene). Den konkrete opdeling i trænings- og testdata følger anbefalingerne i SARIMA. Udviklingen af en prædiktiv model kræver tavledata fra minimum 2-3 års brug af tavlerne på akutafdelingen. Til valideringen af hvor præcis og generaliserbar den udviklede model er, skal der endvidere bruges tavledata fra brugen af tavlerne på Regionens tre andre akutafdelinger, som bruger de samme Imatis-tavler som akutafdelingen på NFS. Alle ændringer på Imatis-tavlerne logges. Analysen baseres således på et datasæt bestående af loggen fra Imatis-tavlerne på de fire akutafdelinger (NFS, Køge, Holbæk og Slagelse). Dette datasæt udtrækkes og anonymiseres af Imatis før det overføres til forskerne, som sikrer at dataene kun er tilgængelige for de forskere, der deltager i projekt Klinisk Kommunikation. Udvikling, afprøvning, implementering og evaluering af prototype Formålet med denne aktivitet er at bidrage til udvikling, afprøvning, implementering og evaluering af en prototype, der muliggør monitorering og intervention i forhold til flaskehals- og belastningssituationer. Arbejdet er opdelt i 3 faser. Fase 1 I denne fase etableres der en projektgruppe, der har til opgave at identificere ønskede effekter samt undersøge og om muligt lave en kravspecifikation for datavisning i forhold til flaskehalsog belastningssituationer. Dette idet der indledningsvis tages udgangspunkt i de i forbindelse med forundersøgelsen identificerede eksisterende og nye datatyper samt, senere i forløbet, data fra udviklingen af den prædiktive model baseret på eksisterende data. Det prioriteres at deltagere: 1. har førstehåndskendskab til flaskehals- og belastningssituationer i samspillet imellem akutafdeling og øvrige afdelinger, 2. repræsenterer kommende brugere og 3. repræsenterer et lederog et medarbejderperspektiv. Om muligt ledes arbejdsgruppen af en konsulent fra hospitalets lean-afdeling, og der tilknyttes sekretær fra hospitalet med henblik på varetagelse af referat- og dokumentationsopgaver. Gruppens arbejde munder ud i: 1. Et forslag til kravspecifikation for data og datavisning med henblik på monitorering og intervention i forhold til flaskehalse- og belastningssituationer, 2. En begrundet indstilling til hospitalsledelsen og projektets øvrige interessenter, der kan danne grundlag for beslutning om projektet bør videreføres eller stoppes. Forskerne fra RUC udarbejder forslag til kravspecifikation og indstilling i samarbejde med ledelse og medarbejdere på Nykøbing Falster Sygehus. Beslutter hospitalsledelsen og øvrige interessenter at videreføre projektet overgår det til fase 2. Der træffes i den forbindelse nærmere aftale om, hvordan projektet skal videreføres. En foreløbig beskrivelse af det videre forløb kunne for eksempel indeholde følgende elementer: Fase 2 Kravspecifikationen overleveres til IT-leverandøren Imatis, der forestår udvikling af en prototype. Når prototypen foreligger integreres den i eksisterende overblikstavler i akutafdelingen og andre relevante og/eller udvalgte afdelinger af Imatis og hospitalets IT-afdeling. Samtidig gennemfører forskerne fra RUC før-måling baseret på de effektmål i forhold til flaskehals- og belastningssituationer, der blev identificeret i forbindelse med fase 1. Dette ved anvendelse af metoder, der er velegnede i forhold til valgte effektmål Side 9
Fase 3 Formålet med denne aktivitet er at undersøge implementeringsprocessen/ibrugtagning af prototypen og om de i brugergrænsefladen indbyggede typer af information/data og deraf afledte muligheder for intervention bidrager til at forekomsten af flaskehals- og belastningssituationer formindskes og kan forudsiges. Akutafdelingen og et yderligere antal afdelinger udvælges sidstnævnte fx med udgangspunkt i forekomst og hyppighed af flaskehals- og belastningssituationer. RUC-forskerne laver et observationsstudie af aktiviteter knyttet til implementering/ibrugtagning af prototypen, der suppleres med interview med medarbejdere, der er centralt placeret i processen m.h.p. undersøgelse af holdninger og opsamling af erfaringer i forhold til hvad der fremmer og/eller hæmmer implementering af prototypen. Herefter anvender forskerne etnografisk metode og observationsteknikker rettet imod participatorisk design (se Blomberg & Karasti 2013) til at observere brugernes hverdagslige anvendelse af prototypen til datavisning. Observationsstudierne suppleres med kvalitative interviews (Kvale 2013), hvor informanter udvælges på basis af snebold-metoden (Pedersen 1998) (se ovenfor). Dataindsamlingen har til formål at identificere styrker og svagheder, samt opsamle erfaringer og holdninger til fordele og ulemper ved prototypen til datavisning i daglig brug og som redskab til monitorering og intervention i flaskehals- og belastningssituationer. Yderligere gennemfører RUC-forskerne en efter-måling, der har til formål at evaluere om ønskede effekter er opnået. RUC-forskerne opsamler herefter resultater af undersøgelserne i en afsluttende rapport til projektets interessenter. Tidsplan Forår 2014 Efterår 2014 Forår 2015 Efterår 2015 Forår 2016 Efterår 2016 Forundersøgelse - Muligheder med tavledata 50 timer - Muligheder i yderligere data 50 timer 200 timer Prædiktiv model - Eksplorativ analyse 50 timer - Modellering og validering 100 timer 100 timer Udvikling af prototype m.m. - Fase 1 100 timer - Fase 2 75 timer - Fase 3 225 timer Publicering Der publiceres en tidsskriftartikel om den prædiktive model og en tidsskriftartikel om effektdrevet udvikling og implementering af IT-system til håndtering af flaskehalse- og belastningssituationer i akutafdelinger. Disse artikler publiceres i anerkendte, peer-reviewede, internationale tidsskrifter som International Journal of Medical Informatics og Health Informatics Journal. Derudover publiceres konferencepapirer om delresultater af analyserne, fx om resultaterne af den eksplorative analyse af tavledataene og om hvilke typer af forhold og faktorer, der bidrager til, at der opstår flaskehalse og belastningssituationer i akutafdelinger. Relevante konferencer for disse Side 10
publikationer er de internationale, peer-reviewede konferencer MEDINFO og Medical Informatics Europe (MIE) samt den europæiske organisationsforsker-konference EGOS. I alle publikationer sikres det, at personer ikke kan identificeres. Ligeledes omtales sygehuse ikke ved navn. Referencer Abraham, G., Byrnes, G. B., & Bain, C. A. (2009). Short-term forecasting of emergency inpatient flow. IEEE Transactions on Information Technology in Biomedicine, 13(3), 380-388. Aronsky, D., Jones, I., Lanaghan, K., & Slovis, C. (2008). Supporting patient care in the emergency department with a computerized whiteboard system. Journal of the American Medical Informatics Association, 15(2), 184-194. Blomberg, Jeanette & Helena Karasti (2013): Ethnography: positioning ethnography within Participatory Design in: Simonsen, Jesper & Robertson, Toni (2013): Routledge International Handbook of Participatory Design, Routledge International Handbooks, Routledge, Taylor & Francis Group, London and New York. Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (2008). Time series analysis: Forecasting and control (4 ed.). New York: Wiley. Chisholm, C. D., Collison, E. K., Nelson, D. R., & Cordell, W. H. (2000). Emergency department workplace interruptions: Are emergency physicians "interrupt-driven" and "multitasking"? Academic Emergency Medicine, 7(11), 1239-1243. France, D. J., Levin, S., Hemphill, R., Chen, K., Rickard, D., Makowski, R., Jones, I., & Aronsky, D. (2005). Emergency physicians' behaviors and workload in the presence of an electronic whiteboard. International Journal of Medical Informatics, 74(10), 827-837. Hertzum, M. (2011). Electronic emergency-department whiteboards: A study of clinicians' expectations and experiences. International Journal of Medical Informatics, 80(9), 618-630. Hertzum, M. (2013). Noise levels in two emergency departments before and after the introduction of electronic whiteboards. Ergonomics Open Journal, 6, 13-21. Hertzum, M., & Simonsen, J. (2013). Work-practice changes associated with an electronic emergency department whiteboard. Health Informatics Journal, 19(1), 46-60. Hoot, N. R., & Aronsky, D. (2008). Systematic review of emergency department crowding: Causes, effects, and solutions. Annals of Emergency Medicine, 52(2), 126-136. Hoot, N. R., Zhou, C., Jones, I., & Aronsky, D. (2007). Measuring and forecasting emergency department crowding in real time. Annals of Emergency Medicine, 49(6), 747-755. Kvale, Steinar & Brinkmann, Svend (2009): InterView Introduktion til et håndværk, Hans Reitzels Forlag. Laxmisan, A., Hakimzada, F., Sayan, O. R., Green, R. A., Zhang, J., & Patel, V. L. (2007). The multitasking clinician: Decision-making and cognitive demand during and after team handoffs in emergency care. International Journal of Medical Informatics, 76, 801-811. Marcilio, I., Hajat, S., & Gouveia, N. (2013). Forecasting daily emergency department visits using calendar variables and ambient temperature readings. Academic Emergency Medicine, 20(8), 769-777. Markus, Lynne, M. (2004): Technochange management: using IT to drive organizational change, Journal of Information Technology 19, 4-20 (1 March 2004)., Moskop, J.C., Sklar, D.P., Geiderman, J.M., Schears, R.M., & Bookman, K.J. (2009). Emergency department crowding, part 1 Concpet, causes, and moral consequences. Annals of Emergency Medicine, 53(5), 605-611. Side 11
Pedersen, Reff, Anne (1998): En præsentation af sneboldsmetoden i: Peter Bogason og Eva Sørensen: Samfundsforskning bottom up, Roskilde Universitetsforlag, Frederiksberg, s. 222-238. Rosenthal, R., & Rosnow, R. L. (1991). Essentials of behavioral research: Methods and data analysis. Second edition. Boston, MA: McGraw-Hill. Simonsen, Jesper & Hertzum, Morten (2012): Sustained Participatory Design: Extending the Iterative Approach, DesignIssues, Vol.28, Number 3, Summer 2012, Massachusetts Institute of Technology. Tijunelis, M. A., Fitzsullivan, E., & Henderson, S. O. (2005). Noise in the ED. American Journal of Emergency Medicine, 23(3), 332-335. Wong, H. J., Caesar, M., Bandali, S., Agnew, J., & Abrams, H. (2009). Electronic inpatient whiteboards: Improving multidisciplinary communication and coordination of care. International Journal of Medical Informatics, 78(4), 239-247. Side 12