ניהול תורים וקיבולת: הערכת אי-הופעה ותזמון חכם

רווחים:

• יכולת להבין את הגורמים המשפיעים על שיעור אי-הופעה ולהשתמש בבינה מלאכותית ליצירת סיווג סיכונים וטיוטות תזכורות
• יכולת לתכנן קיבולת מרפאת חוץ, חלוקת משבצות והיגיון של רישום יתר על בסיס תרחיש עם תמיכה בבינה מלאכותית
• היכולת להגן על כך שתפוקת הבינה המלאכותית היא הצעה סטטיסטית ושהתרשים הסופי שייך למנהל, תוך התחשבות בזכויות הגישה למטופלים והגינות.

אחד ההפסדים המתסכלים ביותר של ניהול מרפאת חוץ הוא זמן הפגישה שנראה מלא אך נותר ריק. המטופל קובע תור אך אינו מגיע; משבצת זו (משבצת תור - זכותו של רופא לבדוק בפרק זמן מסוים) מבוזבזת. זה נקרא אי-הופעה בניהול שירותי בריאות. בבית חולים ציבורי, שיעור אי-הופעה במרפאות חוץ הוא לרוב בטווח של 20-30 אחוזים; זה אומר שאחד מכל ארבע פגישות מבוזבז. זה גם בזבוז זמנו של הרופא וגם אובדן גישה למטופלים אחרים שרוצים להגיע אבל לא מוצאים מקום. ביחידה זו, נשתמש ב-AI לשתי עבודות: חיזוי הסיכון של אי-הופעה ותזמון מושכל של קיבולת על סמך חיזוי זה. אבל בואו נגדיר את הגבול מההתחלה: AI מייצר אומדן הסתברות; לאיזה מטופל יינתן תור היא החלטת המנהל תוך התחשבות בזכות הגישה וההגינות של המטופל.

מה קובע אי-הופעה?

התנהגות אי-הופעה אינה אקראית; יש דפוסים מסוימים. מחקרים בינלאומיים ומקומיים מראים לעתים קרובות את הגורמים הבאים: ככל שזמן ההמתנה בין תור לבדיקה ארוך יותר, כך עולה השכיחות של אי-הופעה; מוקדם מאוד בבוקר או מאוחר בערב; היסטוריית אי-הופעה (המנבא החזק ביותר); תנאי מזג האוויר; מרחק תחבורה של המטופל; סניף (בחלק מהסניפים שיעור הנוכחות גבוה עקב מעקב כרוני). AI אינו משנן את הגורמים הללו בזה אחר זה; הוא מחלץ דפוסים מהנתונים ההיסטוריים שאתה נותן לו. אבל היזהר: AI מוצא קשר (מתאם), לא סיבה (סיבתיות). אמירת "אי-הופעה בימי שלישי היא גבוהה" לא אומר שיום שלישי אשם; אולי גורם נוסף משחק בימי שלישי.

בצד הקיבולת, שני מושגים הם קריטיים. פריסת משבצות היא כמה פגישות אתה קובע באיזו שעה ביום. רישום יתר הוא הזמנת מעט יותר מהיכולת לפצות על אי-הופעה צפויה - למשל כאשר חברות תעופה מוכרות יתר על המידה מטוסים. רישום יתר הוא לא הימור, זה יתרה מחושבת: אם תעשה מעט מדי, יהיו משבצות ריקות, אם תעשה יותר מדי, התור וההמתנה יתפוצצו כשכולם יגיעו. AI מאוד שימושי בהדגמת איזון זה באמצעות תרחישים.

שלב אחר שלב: אי-הצגה ותרשים עבודה עם AI

1. הכן נתונים אנונימיים. אין שם מטופל, תעודה מזהה, פרוטוקול; רק שדות אנונימיים כגון "זמן פגישה, סניף, יום המתנה, מספר עבר של אי-הופעה, הגיע/לא הגיע".
2. הורידו את התבנית. בקש מה-AI לסכם אילו גורמים הולכים יד ביד עם אי-הופעה.
3. הגדר רצועת סיכון. להגדיר מטופלים כסיכון "גבוה/בינוני/נמוך" לא-הופעה - קבוצות ניתנות לניהול, לא ציונים בודדים.
4. התאם את ההתערבות. תזכורת אינטנסיבית יותר (SMS + שיחה) לקבוצת סיכון גבוה, משבצת גמישה; תזכורת סטנדרטית לסיכון נמוך.
5. הגדר תרחיש של רישום יתר. בקש מהתרחישים לחשב כמה פגישות נוספות יתבצעו בהתבסס על שיעור אי-הופעה הצפוי.
6. מסנן אדמיניסטרטיבי. בדיקת הוגנות: אף קבוצת חולים אינה נכללת בגישה; רישום יתר הוא סביר; המנהל מאשר את לוח הזמנים הסופי.

זהירות: ציון הסיכון לעולם אינו משמש ל"קביעת תור למטופל זה". הציון הוא רק כדי לעבות את התזכורת, להקל על הגישה ויכולת איזון. אחרת, מדובר בהפרה של זכויות החולה.

שלושה מיני תיקים

מקרה 1 - עוצמת תזכורת. במרפאת חוץ ריאות, שיעור אי-הופעה היה 28 אחוז. צוות האיכות נתן נתונים אנונימיים של 6 חודשים ל-YZ וקבע את קבוצת הסיכון: חולים שחיכו יותר מ-14 ימים ולא הגיעו לפחות פעם אחת קודם. לקבוצה זו הוחל שיחת SMS + דו-שלבית, 3 ימים ויום אחד לפני הבדיקה. לאחר שלושה חודשים, אי-הופעה בקבוצה זו ירדו מ-28% ל-17%; שיעור אי-הופעה במרפאת החוץ הכללית ירד ל-21%. המקומות הפנויים פחתו ורשימת ההמתנה התקצרה.

מקרה 2 - רישום יתר מתון. במרפאת עור אחת היו 40 משבצות ביום, עם שיעור אי-הופעה ממוצע של 25 אחוז (כלומר ~10 פנויים). המנהל ביקש מה-AI תרחיש של רישום יתר. ה-AI נתן שלושה תרחישים: +4 מינוי (סיכון נמוך, הסתברות קלה לתור), +8 (מאוזן), +12 (המתנה אגרסיבית, רצינית אם כולם יופיעו). המנהל התחיל עם +6; צפו במשך חודש. משבצות חינם ירדו מ-25% ל-9%, בעוד שההמתנה הנוספת הממוצעת גדלה ב-7 דקות בלבד. ההחלטה הייתה של האדם; AI פשוט הפך את האפשרויות לגלויות.

מקרה 3 - חזרה משימוש לרעה. ביחידה אחת, עובד רצה לפרש את ציון הסיכון בינה מלאכותית כ"לא צריך לקבוע תור לאנשים בסיכון גבוה". קצין האיכות התנגד לכך: הדבר יוציא מהמערכת חולים מקופחים (קשה להגיע אליהם, בעלי הכנסה נמוכה) ומהווה הפרה אתית ומשפטית כאחד. הציון לא שימש להדרה, אלא לפגישה גמישה ותזכורות נוספות שהקלו על הגעה לאותו מטופל.

ארבע תבניות הניתנות להעתקה

1) ניתוח גורמים ללא הופעה:

התפקיד שלך: עוזר שותף למנתח פעולות חוץ. להלן נתוני פגישות אנונימיים (ללא שם/זהות): זמן פגישה, סניף, יום המתנה, אי-הופעה קודמת, תוצאה (הוצגה/לא הוצגה). משימה: (1) רשום את 5 הגורמים שהכי מתרחשים יחד עם אי-הופעה, (2) כתבו הסבר של משפט אחד לכל אחד מהם, (3) ציינו שמדובר בקורלציה, לא בטענה לסיבתיות. אל תמציא מספרים שלא נתתי לגביהם נתונים.

2) התאמת רצועת סיכון והתערבות:

הצע כללים פשוטים ושקופים (לא קופסאות שחורות, ספים ניתנים להסבר) שיחלקו את המטופלים ל-3 פסים של סיכון גבוה/בינוני/נמוך לכשל בהתבסס על הדפוסים שלמעלה. עבור כל להקה, הצע התערבות תזכורת/הנחיה שמונעת גישה. שום הצעה לא צריכה להוציא את המטופל מהפגישה.

3) תרחיש של רישום יתר:

משבצת יומית: 40. שיעור אי-הופעה ממוצע: 25.3% צור תרחיש של רישום יתר (שמרני / מאוזן / אגרסיבי). לכל תרחיש: סך התורים שיש לקבוע, מטופלים צפויים להיכנס, עומס יתר שיתרחש אם כולם יופיעו והמתנה נוספת משוערת. הצג את נוסחאות החישוב כדי שאוכל לאמת אותן באופן ידני.

4) טיוטת הודעת תזכורת:

כתוב תזכורת SMS מנומסת וברורה (מתחת ל-160 תווים) שתישלח לקבוצת הסיכון הגבוה. ספק דרך קלה לבטל/לדחות פגישה. אל תשתמש בשפה מאשימה. טורקי, רשמי אבל חם.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

צמצם אי-הופעה.

בקשה זו נטולת הקשר: לא ברור איזה ענף, איזה נתונים, איזה אילוץ; בינה מלאכותית מספקת עצות כלליות ובלתי ניתנות לביצוע.

הנחיה עוצמתית:

במרפאת החוץ שלנו לרפואת עור יש 40 משבצות ביום, והשיעור הממוצע של אי-הופעה הוא 25%. יש לי 6 חודשים של נתוני פגישות אנונימיים. אני רוצה לצמצם את המשבצת הפנוי תוך שמירה על זכות הגישה. תן לי (1) כלל סיכון של 3 פסים, (2) עוצמת תזכורת מתאימה לכל פס, (3) ההשפעה הצפויה של תרחיש של רישום יתר של +6.

גישה

חריץ ריק

גישה למטופל

סיכון אתי

לא לעשות כלום

גבוה

ניטרלי

לא אבל יש בזבוז

תזכורת נוספת לאנשים מסוכנים

נופל

מוגן/מוגברת

אין

רישום יתר מתון

יורד בצורה ניכרת

סיכון קל לזנב

נמוך, חובה לצפות

לא לקבוע תור לאנשים מסוכנים

נופל

מופר

גבוה - לא אפשרי

טעויות נפוצות

• טעות בציון כאמצעי להדרה. ציון הסיכון הוא לא לחסל את המטופל, אלא להגיע אליו.
• רישום יתר קיצוני. הגזמת שיעור אי-הופעה וקביעת יותר מדי פגישות יגדילו את התור והתלונות.
• טעות בקורלציה לסיבתיות. אמירת "יום שלישי הוא מסוכן" אין פירושו איסור על יום שלישי; גלה את הסיבה האמיתית מאחורי זה.
• החלטה עם נתוני מפגש בודד. קביעת כללים קבועים המבוססים על נתונים של חודש אחד היא מטעה; נדרשים לפחות כמה חודשים של דפוסים.
• עוקף את בדיקת הצדק. הקפידו לבדוק שההתערבות אינה שוללת קבוצות מוחלשות.

טיפ: התחל תמיד לבצע רישום יתר בצעד קטן (למשל +2/+3) ופעל עליו במשך שבוע, ואז הגדל. התרחיש של ה-AI הוא תחזית; שיעור האי-הופעה בפועל שלך בשטח מחייב אותך לעדכן את התרחיש.

לסיכום

אי-הופעה היא האויב השקט של יכולת האשפוז. AI הוא כלי עזר רב עוצמה בחילוץ דפוסי אי-הופעה מנתונים אנונימיים היסטוריים וריבוד חולים לרצועות סיכון והפיכת תרחישי רישום יתר לגלויים. אבל כל מה שמיוצר הוא אומדן הסתברות. ציון סיכון הוא אף פעם לא כלי להדרה; לתזכורת והקלות המגנים על הגישה. רישום יתר צריך להיות סביר ומדוד, ולבדוק בצעדים קטנים. התרשים הסופי שייך למנהל, בהתחשב בהוגנות ובזכויות המטופל.

משימת יישום

קבל את מספר המשבצות ליום ואת שיעור אי-הופעה הממוצע מהיחידה שלך (או ההיפותטית). בקש מה-AI שלושה תרחישים עם תבנית "תרחיש רישום יתר" למעלה. לאחר מכן אמת את הנוסחאות באופן ידני (לדוגמה, 40 משבצות, 25% אי-הופעה → צפויות 30 אי-הופעה; אם +6 נותן 46 פגישות, צפויות ~34-35 אי-הופעה). כתבו באיזה תרחיש בחרתם ומדוע ב-5 פריטים; הוסף גם בדיקת הגינות.

רשימת בדיקה

• [ ] האם עשיתי את הנתונים אנונימיים (ללא שם/מזהה/פרוטוקול)?
• [ ] האם השתמשתי בציון הסיכון להתערבות משמרת גישה, לא להרחקה?
• [ ] האם אימתתי באופן ידני את תרחיש רישום היתר באמצעות הנוסחה?
• [ ] האם התחלתי לבצע רישום יתר בצעדים קטנים והגדרתי תוכנית ניטור?
• [ ] האם העברתי את לוח הזמנים הסופי דרך מסנן הוגנות והעברתי אותו לאישור המנהל?