Needy boarding patients in emergency departments: defining a control policy for the physicians

Kim De Boeck
Een kwantitatief onderzoek aan de hand van simulatie naar een prioriteitsregel voor spoedartsen.

Te hospitaliseren patiënten op spoedafdelingen: een prioriteitsregel voor de spoedartsen

“De spoedarts zal u kunnen ontvangen binnen een half uur” - als u erg veel geluk heeft -

Zoals u misschien al eens aan den lijve hebt ondervonden is overbevolking een probleem waar veel spoedafdelingen mee te kampen hebben. De vraag naar, en nood aan spoedartsen overschrijdt het aanbod hiervan. Het resultaat: urenlange wachttijden op de spoedafdeling. Er zijn echter nog veel meer negatieve gevolgen… Overbevolking van een spoedafdeling zorgt ervoor dat ambulances hun patiënten niet kunnen afleveren aan deze spoedafdeling en in allerijl op zoek moeten naar het dichtstbijzijnde ziekenhuis waar hopelijk wel nog plaats is. Door de lange wachttijden beslissen steeds meer patiënten om huiswaarts te keren zonder behandeling, met alle gevolgen van dien. Door al deze factoren zorgt overbevolking voor een hogere kans op sterfte, reden genoeg dus voor een grondig onderzoek.

Te hospitaliseren patiënten zijn de grootste oorzaak! Wie? Wat? Hoe?

Eén van de belangrijkste redenen voor overbevolking van spoedafdelingen zijn te hospitaliseren patiënten. Dit zijn patiënten die opgenomen moeten worden in het ziekenhuis, maar omdat ook daar alle bedden bezet zijn, zijn ze genoodzaakt op de spoedafdeling te blijven totdat er plaats vrijkomt in het ziekenhuis. Ondertussen moeten deze patiënten nog steeds verzorgd worden door spoedartsen en houden ze bedden bezet die niet kunnen gebruikt worden door andere, wachtende patiënten in de spoedafdeling. Op deze manier overladen te hospitaliseren patiënten de spoedafdeling, met alle hierboven beschreven gevolgen. Bovendien worden de spoedartsen hierdoor geconfronteerd met de keuze welke van deze twee soorten patiënten prioriteit krijgt: te hospitaliseren patiënten of andere, wachtende patiënten in de spoedafdeling.

Alhoewel het belang van te hospitaliseren patiënten veelvuldig wordt benadrukt in de medische literatuur, zijn artikels die deze problematiek kwantitatief onderzoeken verrassend schaars. Dit onderzoek draagt bij tot de huidige literatuur door te hospitaliseren patiënten mee op te nemen in een kwantitatieve analyse van de spoedafdeling. Daarnaast wordt er een oplossing geboden voor de prioriteitskeuze waarmee de spoedartsen geconfronteerd worden.

De prioriteitsregel: wie krijgt er voorrang op de spoedafdeling?

Verschillende prioriteitsregels worden in dit onderzoek onderzocht waarbij een onderscheid wordt gemaakt tussen statische en dynamische prioriteitsregels. Een statische prioriteitsregel is onafhankelijk van de toestand waarin de spoedafdeling zich bevindt. Altijd voorrang geven aan te hospitaliseren patiënten is hier een voorbeeld van. Bij een dynamische prioriteitsregel bepaalt de toestand waarin de spoedafdeling zich bevindt wie er voorrang krijgt. Bijvoorbeeld: artsen geven voorrang aan nieuwe patiënten zolang er niet veel te hospitaliseren patiënten aanwezig zijn. Wanneer het aantal te hospitaliseren patiënten echter een bepaalde hoeveelheid overschrijdt, krijgen deze patiënten voorrang.

Drie belangrijke conclusies die relevant zijn voor de praktijk komen voort uit dit onderzoek.

Conclusie 1: te hospitaliseren patiënten maken een groot verschil.

Wanneer te hospitaliseren patiënten aanwezig zijn, stijgen de wachttijden op een spoedafdeling aanzienlijk. Dit onderzoek bevestigt dus kwantitatief dat te hospitaliseren patiënten één van de grootste oorzaken van overbevolking van de spoedafdeling zijn. Het formuleren van een prioriteitsregel verdient dan ook de nodige aandacht. De verblijfsduur op de spoedafdeling daalt met 20% wanneer de twee meest extreme prioriteitsregels (te hospitaliseren patiënten krijgen altijd voorrang of nooit voorrang) vergeleken worden. Bovendien, wanneer het aantal te hospitaliseren patiënten stijgt, stijgt ook de nood aan de formulering van een prioriteitsregel.

Conclusie 2: “de optimale prioriteitsregel” bestaat niet.

Wanneer er enkel rekening wordt gehouden met operationele maatstaven zoals wachttijden en verblijfsduur, bestaat er wel degelijk een optimale prioriteitsregel. Meer nog, deze blijkt erg eenvoudig te zijn: te hospitaliseren patiënten krijgen nooit voorrang. Echter, in een spoedafdeling kunnen artsen niet zomaar bepaalde patiënten aan de kant laten liggen. Bovendien zijn te hospitaliseren patiënten reeds benadeeld omdat ze niet de behandeling krijgen op de spoedafdeling die ze eigenlijk nodig hebben in het ziekenhuis. Om deze reden worden ook gezondheid-gerelateerde maatstaven mee in rekening genomen, zoals een risicopercentage dat het aantal patiënten meet die een hoog medisch risico lopen. Wanneer deze worden toegevoegd aan het onderzoek, blijkt dat er een belangrijke afweging bestaat tussen operationele en gezondheid-gerelateerde maatstaven. Bijgevolg is het niet meer mogelijk een optimale prioriteitsregel te formuleren. Deze is namelijk afhankelijk van het niveau van gezondheid-gerelateerde maatstaven dat het ziekenhuis nodig acht.

Conclusie 3: het is niet altijd nodig om een ingewikkelde, dynamische prioriteitsregel te gebruiken.

In een brede waaier van niveaus van gezondheid-gerelateerde maatstaven blijkt een eenvoudige, statische “first-come, first-served” prioriteitsregel bijna optimaal te zijn. In deze prioriteitsregel wordt de patiënt die het eerst in de wachtrij aankomt ook het eerst behandeld door de spoedarts. Zo’n simpele prioriteitsregel heeft verschillende voordelen in de praktijk. Ten eerste is het makkelijk toe te passen door de artsen, wat de kans op werkelijke implementatie vergroot. Ten tweede eist dergelijke prioriteitsregel geen zware investeringen in aangepaste infrastructuur, in tegenstelling tot dynamische prioriteitsregels.

Besluit: te hospitaliseren patiënten en de daarmee gepaard gaande prioriteitskeuze eisen de nodige aandacht in onderzoek.

Te hospitaliseren patiënten en de extra werkdruk die ze veroorzaken vormen een groot probleem in spoedafdelingen. Bovendien worden de spoedartsen hierdoor geconfronteerd met een prioriteitskeuze tussen te hospitaliseren patiënten en andere, wachtende patiënten op de spoedafdeling. Deze prioriteitskeuze is van groot belang omdat ze een aanzienlijk effect heeft op verschillende maatstaven waaronder de wachttijden en verblijfsduur op de spoedafdeling. Alhoewel de complexiteit van een spoedafdeling het niet mogelijk maakt om één optimale prioriteitsregel te formuleren, blijkt een simpele “first-come, first-served” prioriteitsregel bijna optimaal te zijn in een brede waaier van situaties.

Verrassend genoeg is dit onderzoek een pionier in dit specifieke domein: het is de eerste kwantitatieve analyse van de spoedafdeling die expliciet in rekening neemt dat te hospitaliseren patiënten nog steeds verzorging nodig hebben en dus tijd opeisen van de spoedartsen. Bijgevolg is het ook het eerste onderzoek naar de prioriteitskeuze tussen te hospitaliseren patiënten en andere, wachtende patiënten in de spoedafdeling. De veelbelovende uitkomsten geven reden genoeg om meer aandacht te schenken aan dit onderwerp in toekomstig onderzoek.

Bibliografie

Armony, M., Israelit, S., Mandelbaum, A., Marmor, Y. N., Tseytlin, Y., & Yom-Tov, G. B. (2015). On patient flow in hospitals: a data-based queueing-science perspective. Stochastic systems, 5(1), 146-194.

Au, L., Byrnes, G.B., Bain, C.A., Fackrell, M., Brand, C., Campbell, D.A., & Taylor, P. G. (2008). Predicting overflow in an emergency department. IMA Journal of management mathematics, 20(1), 39-49.

Bair, A.E., Song, W.T., Chen, Y.-C., & Morris, B.A. (2010). The impact of inpatient boarding on ED efficiency: A discrete-event simulation study. Journal of Medical Systems, 34(5), 919-929.

Bagust, A., Place, M., & Posnett, J.W. (1999). Dynamics of bed use in accommodating emergency admissions: stochastic simulation model. British Medical Journal, 319(7203), 155-158.

Bergs, J., Verelst, S., Gillet, J.-B., Deboutte, P., Vandoren, C., & Vandijck, D. (2014). The number of patients simultaneously present at the emergency department as an indicator of unsafe waiting times: a receiver operated curve-based evaluation. International Emergency Nursing, 22(4), 185-189.

Carmen, R., Defraeye, M., Celik Aydin, B., & Van Nieuwenhuyse, I. (2014). Modelling emergency departments using discrete-event simulation: A real-life case study including patient boarding. FEB Research report KBI_1420.

Carmen, R., Defraeye, M., & Van Nieuwenhuyse, I. (2015). A decision support system for capacity planning in emergency departments. International Journal of Simulation Modelling, 14(2), 299-312.

Carr, B.G., Hollander, J.E., Baxt, W.G., Datner, E.M., & Pines, J.M. (2010). Trends in boarding of admitted patients in US emergency departments 2003-2005. Journal of emergency medicine, 39(4), 506-511.

Chan, C.W., Dong, J., & Green, L.V. (2016). Queues with time-varying arrivals and inspections with applications to hospital discharge policies. Operations Research: Articles in Advance, 1-26.

Crawford, E.A., Parikh, P.J., Kong, N., & Thakar, C.V. (2014). Analyzing discharge strategies during acute care: A discrete-event simulation study. Medical decision making, 34(2), 231-241.

Dobson, G., Tezcan, T., & Tilson, V. (2013). Optimal workflow decisions for investigators in systems with interruptions. Management Science, 59(5), 1125-1141.

Fajardo, V.A, & Drekic, S. (2017). Waiting time distributions in the preemptive accumulating priority queue. Methodology and Computing in Applied Probability, 19, 255-284.

Freund, Y., Vincent-Cassy, C., Bloom, B., Riou, B., & Ray, P. (2013). Association between age older than 75 years and exceeded target waiting times in the emergency department: a multicenter cross-sectional survey in the Paris metropolitan area, France. Annals of Emergency Medicine, 62(5), 449-456.

Günal, M.M., & Pidd, M. (2010). Discrete event simulation for performance modelling in health care: a review of the literature. Journal of Simulation, 4(1), 42-51.

Hoot, N. R., & Aronsky, D. (2008). Systematic Review of Emergency Department Crowding: Causes, Effects, and Solutions. Annals of Emergency Medicine, 52(2), 126-136.

Kelton, W.D., Sadowski, R.P., & Zupick, N.B. (2015). Simulation with Arena. New York: McGraw-Hill Education.

Li, N., & Stanford, D.A. (2016). Multi-server accumulating priority queues with heterogenous servers. European Journal of Operational Research, 252(3), 866-878.

Little, J.D.C. (1961). A proof for the queueing formula: Image removed. . Operations Research, 9(3), 383-387.

Luo, W., Cao, J., Gallagher, M., & Wiles, J. (2013). Estimating the intensity of ward admission and its effect on emergency department access block. Statistics in Medicine, 32(15), 2681-2694.

Mahajan, P.S., & Ingalls, R.G. (2004). Evaluation of methods used to detect warm-up period in steady state simulation. Proceedings of the 2004 Winter Simulation Conference, 663-671.

Moskop, J.C., Sklar, D.P., Geiderman, J.M., Schears, R.M., & Bookman, K.J. (2009). Emergency Department Crowding, Part 1—Concept, Causes, and Moral Consequences. Annals of Emergency Medicine, 53(5), 605-611.

Mustafee, N., Lyons, T., Rees, P., Davies, L., Ramsey, M., & Williams, M. D. (2012). Planning of bed capacities in specialized and integrated care units: Incorporating bed blockers in a simulation of surgical throughput. Proceedings of the 2012 Simulation Conference, 1-12.

Rashwan, W., Abo-Hamad, W. & Arisha, A. (2015). A system dynamics view of the acute bed blockage problem in the Irish healthcare system. European Journal of Operational Research, 247(1), 276-293.

Saghafian, S., Austin, G., & Traub, S.J. (2015). Operations research/management contributions to emergency department patient flow optimization: review and research prospects. IIE Transactions on Healthcare Systems Engineering, 5(2), 101-123.

Saghafian, S., Hopp, W.J., Van Oyen, M.P., Desmond, J.S., & Kronick, S.L. (2012). Patient streaming as a mechanism for improving responsiveness in emergency departments. Operations Research, 60(5), 1080-1097.

Sharif, A.B., Stanford, D.A., Taylor, P., & Ziedins, I. (2014). A multi-class multi-server accumulating priority queue with application to health care. Operations Research for Health Care, 3(2), 73-79.

Shi, P., Chou, M.C., Dai, J.G., Ding, D., & Sim, J. (2016). Models and insights for hospital inpatient operations: time-dependent ED boarding time. Management Science, 62(1), 1-28.

Stanford, D.A., Taylor, P., & Ziedins, I. (2014). Waiting time distributions in the accumulating priority queue. Queueing Systems, 77(3), 297-330.

van Dijk, N.M., & van der Sluis, E. (2009). Pooling is not the answer. European Journal of Operational Research, 197(1), 415-421.

Yankovic, N., & Green, L.V. (2011). Identifying good nursing levels: a queueing approach. Operations research, 59(4), 942-955.

Yom-tov, G.B., & Mandelbaum, A. (2014). Erlang-R: A time-varying queue with reentrant customers, in support of healthcare staffing. Manufacturing & Service Operations Management, 16(2), 283-299.

Zeltyn, S., Marmor, Y.N., Mandelbaum, A., Carmeli, B., Greensphan, O., Mesika, Y., et al. (2011). Simulation-based models of emergency departments: Operational, tactical, and strategic staffing. ACM Transactions on Modelling and computer simulation (TOMACS), 21(4), 1-25.

Universiteit of Hogeschool
Toegepaste economische wetenschappen: Handelsingenieur
Publicatiejaar
2017
Promotor
Prof. Dr. Inneke Van Nieuwenhuyse
Kernwoorden