Zusammenfassung
Einleitung
Die OP-Bereiche sind durch sog. OP-Schleusen vom restlichen Krankenhaus getrennt. Im Verlauf eines Tages kann es vorkommen, dass mehr Patienten gleichzeitig eine OP-Schleuse passieren müssen, als OP-Schleusen vorhanden sind. Dann kommt es an den OP-Schleusen zu Wartezeiten und u. U. zu Zeitverzögerungen im nachgelagerten OP-Prozess-Ablauf.
Methoden
Auf Basis eines ereignisdiskreten Simulationsmodells, erstellt in der Simulation-Software AnyLogic®, wurden die Auswirkungen der Zahl an OP-Schleusen auf die OP-Prozesse eines Krankenhauses der Grund- und Regelversorgung unter verschiedenen Veränderungsszenarien untersucht. Hierfür wurden Wahrscheinlichkeitsverteilungen für die Prozesse Anästhesieeinleitung, Operation und Ausleitung aus den OP-Prozessdaten errechnet und Varianten für die Nutzung von 1 bis 8 OP-Sälen analysiert. Zusätzlich wurde ein generisches Simulationsmodell in AnyLogic® entworfen, das den Effekt der durchschnittlichen Operationsdauer auf die Zahl der benötigten OP-Schleusen untersucht.
Ergebnisse
Das Simulationsmodell ermöglicht es, verschiedene quantitative und qualitative Veränderungsoptionen im Prozessablauf zu analysieren. Ergebniskennzahlen des Simulationsmodells sind der durchschnittliche tägliche Patientendurchsatz sowie die Wahrscheinlichkeit und Dauer einer Wartezeit vor der OP-Schleuse. Bei dem untersuchten Grund- und Regelversorger stellt das Vorhandensein nur einer OP-Schleuse ab 4 OP-Sälen einen Engpass im OP-Prozessablauf dar. Steht bei 4 OP-Sälen eine zweite OP-Schleuse zur Verfügung, erhöht sich im Modell die mögliche Fallkapazität signifikant um 0,3 Fälle/Tag. Im Modell zeigt sich, dass der Bedarfspunkt für eine zusätzliche OP-Schleuse stark von der durchschnittlichen Operationsdauer abhängt.
Schlussfolgerungen
Es besteht kein linearer Zusammenhang zwischen der Zahl an OP-Sälen und der Zahl an benötigten OP-Schleusen. Je kürzer jedoch die durchschnittliche Operationsdauer ist, desto früher wird eine zusätzliche OP-Schleuse erforderlich. Für eine wirtschaftliche Bewertung ist jedoch eine weitergehende ökonomische Betrachtung der zusätzlichen Kosten und des entstehenden Nutzens notwendig.
Abstract
Introduction
In most hospitals the operating rooms (OR) are separated from the rest of the hospital by transfer rooms where patients have to pass through for reasons of hygiene. In the OR transfer room patients are placed on the OR table before surgery and returned to the hospital bed after surgery. It could happen that the number of patients who need to pass through a transfer room at a certain point in time exceed the number of available transfer rooms. As a result the transfer rooms become a bottleneck where patients have to wait and which, in turn, may lead to delays in the OR suite. In this study the ability of a discrete event simulation to analyze the effect of the duration of surgery and the number of ORs on the number of OR transfer rooms needed was investigated.
Methods
This study was based on a discrete event simulation model developed with the simulation software AnyLogic®. The model studied the effects of the number of OR transfer rooms on the processes in an OR suite of a community hospital by varying the number of ORs from one to eight and using different surgical portfolios. Probability distributions for the process duration of induction, surgery and recovery and transfer room processes were calculated on the basis of real data from the community hospital studied. Furthermore, using a generic simulation model the effect of the average duration of surgery on the number of OR transfer rooms needed was examined.
Results
The discrete event simulation model enabled the analysis of both quantitative as well as qualitative changes in the OR process and setting. Key performance indicators of the simulation model were patient throughput per day, the probability of waiting and duration of waiting time in front of OR transfer rooms. In the case of a community hospital with 1 transfer room the average proportion of patients waiting before entering the OR was 17.9 % ± 9.7 % with 3 ORs, 37.6 % ± 9.7 % with 5 ORs and 62.9 % ± 9.1 % with 8 ORs. The average waiting time of patients in the setting with 3 ORs was 3.1 ± 2.7 min, with 5 ORs 5.0 ± 5.8 min and with 8 ORs 11.5 ± 12.5 min. Based on this study the community hospital needs a second transfer room starting from 4 ORs so that there is no bottleneck for the subsequent OR processes. The average patient throughput in a setting with 4 ORs increased significantly by 0.3 patients per day when a second transfer room is available. The generic model showed a strong effect of the average duration of surgery on the number of transfer rooms needed.
Conclusion
There was no linear correlation between the number of transfer rooms and the number of ORs. The shorter the average duration of surgery, the earlier an additional transfer room is required. Thus, hospitals with shorter duration of surgery and fewer ORs may need the same or more transfer rooms than a hospital with longer duration of surgery and more ORs. However, with respect to an economic analysis, the costs and benefits of installing additional OR transfer rooms need to be calculated using the profit margins of the specific hospital.
Literatur
Dexter F, Epstein RH, Marcon E, Ledolter J (2005) Estimating the incidence of prolonged turnover times and delays by time of day. Anesthesiology 102:1242–1248
Unger J, Schuster M, Bauer K, Krieg H, Müller R, Spies C (2009) Zeitverzögerungen beim morgendlichen OP-Beginn. Anaesthesist 58:293–300
Kraus K, Nickel S, Richter S, Schilling MK, Schmidt U-A, Schuld J (2010) Klinische Behandlungspfade – Integration logistischer Planungsaufgaben. Z Modernes Proz Gesundh 3(2):12–15
Beaudry A, Laporte G, Melo T, Nickel S (2010) Dynamic transportation of patients in hospitals. OR Spectrum 32(1):77–107
Nickel S, Schmidt U-A (2009) Process improvement in hospitals: a case study in a radiology department. Qual Manag Health CareQuality Management in Health Care 18 4:326–338
Banks J (2010) Discrete-event system simulation. Upper Saddle River, NJ
Law Averill M (2007) Simulation modeling and analysis. Boston
Bauer M, Diemer M, Ansorg J, Schleppers A, Bauer K, Bomplitz M, Tsekos E, Hanss R, Schuster M (2008) Glossar perioperativer Prozesszeiten und Kennzahlen. Eine gemeinsame Empfehlung von DGAI, BDA, BDC und VOPM. Anaesth Intensivmed 49:93–105
Schuster M, Standl T, Wagner JA, Berger J, Reißmann H, Schulte am Esch J (2004) Effect of different cost drivers on cost per anesthesia minute in different anesthesia subspecialties. Anesthesiology 101:1435–1443
Schuster M, Wicha LL, Fiege M, Goetz AE (2007) Auslastung und Wechselzeit als Kennzahlen der OP-Effizienz. Anaesthesist 56:1060–1068
Dexter F (2005) Deciding whether your hospital can apply clinical trial results of strategies to increase productivity by reducing anesthesia and turnover times. Anesthesiology 103:225–228
Dexter F, Macario A (1999) Decrease in case duration required to complete an additional case during regularly scheduled hours in an operating room suite – a computer simulation study. Anesth Analg 88:72–76
Schuster M, Bertheau S, Taube C, Bialas E, Bauer M (2014) Überlappende Anästhesie-Einleitungen und perioperative Wechselzeiten. Eine Analyse von Häufigkeit und Zeitaufwand überlappender Wechsel in deutschen Krankenhäusern auf Basis von 54.750 Wechseln aus 43 OP-Bereichen aus dem Benchmark-Programm von BDA/BDC und VOPM. Anästh Intensivmed 55:654–661
Hanss R, Buttgereit B, Tonner PH, Bein B, Schleppers A, Steinfath M, Scholz J, Bauer M (2005) Overlapping induction of anesthesia: an analysis of benefits and costs. Anesthesiology 103:391–400
Torkki PM, Marjamaa RA, Torkki MI, Kallio PE, Kirvela OA (2005) Use of anesthesia induction rooms can increase the number of urgent orthopedic cases completed within 7 hours. Anesthesiology 103:401–405
Danksagung
Das Thema der vorliegende Untersuchung ist aus 2 Praxisseminaren zum Thema Health Care Management am Institut für Operations Research (IOR), Diskrete Optimierung und Logistik des Karlsruher Instituts für Technologie (Leiter: Prof. Dr. Stefan Nickel) entstanden. Die Praxisseminare wurden im WS 2012/2013 und SS 2013 in Kooperation mit der Klinik für Anästhesiologie der Fürst-Stirum-Klinik (Leiter: Prof. Dr. med. Martin Schuster) durchgeführt.
Besonderer Dank gebührt Lukas Rau, Corina Cruceru und Elias Jockheck, die in den beiden Praxisseminaren grundlegende Fragestellungen zur Simulation von OP-Prozessen bearbeitet und damit wichtige Grundlagen für die vorliegende Arbeit gelegt haben.
Die vorliegende Untersuchung basiert auf einer grundsätzlichen Neuerarbeitung des Simulationsansatzes mit neuen Daten. Die Arbeit ist ein Auszug und eine Erweiterung der Master-Thesis von Carsten Messer mit dem Thema „Simulationsmodell zur Planung der Anzahl an Schleusen in Krankenhäusern“, die im Dezember 2014 an der Fakultät für Wirtschaftswissenschaften am Karlsruhe Institut für Technologie eingereicht wurde.
Abschließend gilt ein herzlicher Dank dem gesamten Team der Klinik für Anästhesiologie für die freundliche Aufnahme während des Praxisseminars und insbesondere dem Anästhesie-Funktionsdienst der Fürst-Stirum-Klinik (Leiter: Simon Weixler) für die Erfassung der Schleusenzeiten.
Author information
Authors and Affiliations
Corresponding author
Ethics declarations
Interessenkonflikt
C. Messer, A. Zander, I.V. Arnolds, S. Nickel und M. Schuster geben an, dass kein Interessenkonflikt besteht.
Die verwendeten Daten bestehen aus streng anonymisierten Prozessdaten ohne konkreten Patientenbezug. Daher wurde die Zustimmung einer Ethikkommission für die Nutzung der Daten nicht als notwendig angesehen.
Rights and permissions
About this article
Cite this article
Messer, C., Zander, A., Arnolds, I. et al. Wie viele Patientenschleusen braucht mein OP-Bereich?. Anaesthesist 64, 958–967 (2015). https://doi.org/10.1007/s00101-015-0108-5
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00101-015-0108-5
Schlüsselwörter
- Effizienz, organisationsbezogen
- Bestellpraxis und Ablaufpläne
- Computer-Simulation
- OP-Management
- Zeitfaktoren