DE MEERWAARDE VAN DATAGEDREVEN CAPACITEITSPLANNING IN DE ZORG

(1)

DENNIS MOEKE

ONBEKEND MAAKT ONBEMIND

DE MEERWAARDE VAN DATAGEDREVEN

CAPACITEITSPLANNING IN DE ZORG

(2)

WIE BEN IK?

• Lector Logistiek met een speciale interesse in zorg- en datagedreven logistiek

• Lid Dagelijks Bestuur CoE KennisDC Logistiek

• (Praktijkgericht) onderzoek en onderwijs op het gebied van zorglogistiek (sinds 2005)

• Founding partner TONOS Care

Dr. Dennis Moeke Dennis.moeke@han.nl 06-14660986

(3)

CAPACITEITSPLANNING IN RELATIE TOT ZORGLOGISTIEK

Zorglogistiek:

Het vakgebied dat zich bezighoudt met het leveren van de juiste zorg, op het juiste moment, op de

juiste plaats, door de juiste persoon, waarbij het 'juiste' is gebaseerd op een afweging tussen de

behoeften en voorkeuren van de (individuele) zorggebruiker, de professionele verantwoordelijkheid van zorgprofessionals en efficiënt gebruik van de beschikbare middelen (tijd, geld en capaciteit).

(Gebaseerd op Moeke, 2016)

• Focus op het “slim organiseren” van het primaire proces vanuit een integraal perspectief.

• Capaciteitsplanning (CP) vormt een belangrijk onderdeel van zorglogistiek.

Afstemmen van capaciteit op (verwachte) vraag naar zorg

(4)

WAAROM DATAGEDREVEN CP?

Zorgsysteem Vergrijzing

Nieuwe behandelingen en

medicijnen

….

VRAAG

Krapte op arbeidsmarkt AANBOD

(5)

WAT MAAKT DE ZORG ANDERS?

• Zorggebruiker is een bijzondere “klant”

- Een afhankelijke positie (patiënt)

- Een persoon met persoonlijke voorkeuren en wensen - Een klant die betaald voor een dienstverlening

• Professionele bureaucratie

- Autonomie van zorgprofessionals reikt vaak verder dan zorginhoud

• …

Patiënt

Persoon

Klant

Moeke et al. (2018)

(6)

HOE CENTRAAL STAAT DE ZORGGEBRUIKER IN DE DAGELIJKSE

ZORGPRAKTIJK?

(7)

HOE CENTRAAL STAAT DE ZORGGEBRUIKER IN DE DAGELIJKSE

ZORGPRAKTIJK?

(8)

NOG (TE!) VAAK CP OP BASIS VAN ONDERBUIKGEVOEL

Hoe volwassen is uw organisatie?

• Heeft uw organisatie inzicht in welke data nodig is in het kader van adequate capaciteitsplanning?

• Heeft uw organisatie (doorlopend en een gedetailleerd) inzicht in de zorgvraag gedurende de dag?

• Wordt er binnen uw organisatie gestuurd op objectieve zorglogistieke prestatiemaatstaven (verwachte ontslagdatum, service-level,

gemiddelde wachttijd etc.)?

• Maakt uw organisatie gebruik van (geavanceerde) datagedreven technieken voor het nemen van capaciteitsbeslissingen (bv. bepaling van de grootte van een afdeling, teamgrootte, dienstenpatronen, route- en takenplanning etc.)?

(9)

Afstemming in de keten

Strategisch

Tactisch Operationeel

• Besturingsconcept

• Performance measures

• Dimensionering

• Forecasting

• ...

• Jaarplanning

• Allocatiestrategie

• Functiedifferentiatie/ skill-mix

• Dienstenpatronen

• Afsprakensystematiek

• …

• Monitoring

• Taken-/ afsprakenplanning

• Routeplanning

• Real-time planning

• …

UIT WELKE ONDERDELEN BESTAAT CP?

Kennis &

Vaardigheden Juiste data Juiste digitale

ondersteuning

+ +

(10)

Team Verbetering Wachttijd Reistijd

1 -51% -2%

2 -24% -7%

3 -56% -7%

Voorbeeld 1. Slimmer plannen in de thuiszorg

Dienstenroosters en routeplanning m.b.v. een geavanceerd algoritme En er is nog meer ruimte voor verbetering!

Hoe centraal staat de cliënt eigenlijk?

De pilot is uitgevoerd in 2021

WAT IS DE (POTENTIËLE) MEERWAARDE VAN DATAGEDREVEN CP?

(11)

Voorbeeld 2. Slimmere dienstenroosters in de verpleeghuiszorg

Dienstenrooster bepalen m.b.v. een geavanceerd algoritme WIN-WIN: Minder wachten en minder hollen stilstaan!

3530 2520 1510 5

7:00 9:00 11:00 13:00 15:00 17:00 19:00 21:00 23:00 Time

Wachttijd in minuten

Datagedreven Niet-datagedreven

Van Eeden, Moeke & Bekker (2016)

WAT IS DE (POTENTIËLE) MEERWAARDE VAN DATAGEDREVEN CP?

(12)

Voorbeeld 3. Slimme zorglogistiek tijdens COVID

Meer reguliere operaties uitgevoerd tijdens de 2^deCOVID-golf dan het jaar ervoor.

Operaties 2019 Operaties 2020

Weken Hertman et al. (2021)

WAT IS DE (POTENTIËLE) MEERWAARDE VAN DATAGEDREVEN CP?

(13)

(POTENTIËLE) MEERWAARDE VAN ZORGLOGISTIEK

Voorbeeld 4. Slimme vaccinatielogistiek

Meer vaccinaties in kortere tijd

(14)

DATAGEDREVEN CP: WIN-WIN-WIN

• Een hoger service-level (bv. beter aansluiten bij wenstijden van cliënten).

• Meer evenwichtige spreiding van de werklast.

• Grotere efficiëntie

• …

(15)

BELANGRIJKE UITDAGINGEN

• Extramuralisering en ziekenhuisverplaatste zorg

• Innovatieachterstand langdurige zorg

• Datagedreven werken

• Minder op basis van “onderbuikgevoel”

• Verzamel de juiste data!

• Vaak gebonden aan bestaande IT-infrastructuur (locked-in)

• Kennisachterstand bij zorgprofessionals, managers en planners

• Integraal werken

• Afstemmen en samenwerken = veel meer dan logistiek alleen!

(16)

WAT IS ER NODIG?

Heldere kaders Grip op de vraag naar zorg

Slim inzetten van beschikare

capaciteit

Kennis &

Vaardigheden Juiste data Juiste digitale

ondersteuning

+ +

Basisvoorwaarden

(17)

HELDERE KADERS (O.A. POLICY DEPLOYMENT)

Organisatiedoel

Zorg zoveel als mogelijk op het door de cliënt gewenste tijdstip leveren Doel v/d capaciteitsplanning

Wachten op zorg tot minimum beperken (= leverbetrouwbaarheid).

Prestatiemaatstaven

• Planbare zorg: Levering van zorg in 95% v/d gevallen binnen 15 min. van de voorkeurstijd.

• Niet-planbare zorg: In 90% v/d gevallen binnen 10 min bij cliënt aanwezig.

(18)

GRIP OP DE VRAAG NAAR ZORG

Onzekerheid verlaagt de planbaarheid van de zorgvraag en bemoeilijkt daarmee dus het capaciteitsmanagement vraagstuk.

“Uncertainty is the difference between the amount of information required to perform the task and the amount already possessed by the organization".

(Galbraith, 1973, p. 5)

“If the task is well understood prior to performing it, much of the activity can be preplanned”.

(Galbraith, 1974, p. 28)

(19)

GRIP OP DE VRAAG NAAR ZORG

Stel een zorgverlener kan gemiddeld 2 cliënten per uur ‘afhandelen’

(= incl. administratie, pauze, naar toilet gaan etc.) Gemiddeld hebben zo’n 6 cliënten per uur hulp nodig.

Vraag:

Hoeveel zorgverleners moet de manager van deze afdeling inzetten om op een verantwoorde wijze aan de vraag te kunnen voldoen?

Moeke & Wouters (2014)

(20)

GRIP OP DE VRAAG NAAR ZORG

0 2 4 6 8 10 12 14 16 18 20

3/1/17 3/2/17

3/3/17 3/4/17

3/5/17 3/6/17

3/7/17 3/8/17

3/9/17 3/10/17

3/11/17 3/12/17

3/13/17 3/14/17

3/15/17 3/16/17

3/17/17 3/18/17

3/19/17 3/20/17 Dag

Vraag naar bedden

Afdeling 1 Afdeling 2

Voor beide afdelingen is de gemiddelde vraag 10 Variabiliteit: gevaar van gemiddelden

Moeke & Wouters (2014)

(21)

GRIP OP DE VRAAG NAAR ZORG

Planbare zorg

(Tijdstip, activiteit etc. bekend)

Niet-planbare zorg

(Random zorg)

?

Inzicht in de vraag(patronen)

Hoe “voorspelbaar” is de zorg eigenlijk?

(22)

Numberofarrivals

Time (in hours)

0 4 8 12 16 20 24

0 2 4 6 8 10

Tijdstip (uren)

Aantalalarmeringen

Gemiddeld aantal belletjes per kwartier gedurende de verschillende dagen van de week

19.996 belletjes (3 maanden)

GRIP OP DE VRAAG NAAR ZORG

Inzicht in de vraag(patronen)

(23)

GRIP OP DE VRAAG NAAR ZORG

Inzicht in de vraag(patronen)

De random zorgvraag kan worden vertaald in een kansverdeling

(24)

GRIP OP DE VRAAG NAAR ZORG

Natuurlijke vs kunstmatige variabiliteit

Kunstmatig Natuurlijk

Aantal opnamen electief (per dag)

Aantal opnamen acuut (per dag)

(25)

SLIM INZETTEN VAN DE BESCHIKBARE CAPACITEIT

Zie ook de eerdere voorbeelden

(sheets 12 t/m 16)

(26)

SLIM INZETTEN VAN DE BESCHIKBARE CAPACITEIT

Nog een voorbeeld

Moeke (2016)

Kleinschalige organiseren Vergroten van de schaal door samenwerken

(27)

SLIM INZETTEN VAN DE BESCHIKBARE CAPACITEIT

Schaaleffecten

5 cliënten per woning

8 cliënten per woning

Wachttijd(min.)Wachttijd(min.)

Tijdstip

(28)

ZELF AAN DE SLAG ^{(CASUS 1)}

Hoeveel bedden nodig op verpleegafdeling A?

Aantal basisuitgangspunten Erlang-B model:

• Wachten is niet mogelijk

• Kansverdeling aankomsten: Poisson

Tijd

Vraag

Patiënt

Ligduur

Aankomsten (vraag)

JA

Nee

Verpleegafdeling

Naar andere afdeling Bed beschikbaar?

Start Einde

…

Aantal bedden

Weigerkans Bedbezetting

http://www.mm-zorglogistiek.nl/erlang-b.php

(29)

Kansverdeling vraag naar bedden per dag

ZELF AAN DE SLAG ^{(CASUS 1)}

Gemiddelde vraag = 10 bedden per dag

Gemiddelde ligduur = 9 uren

12,5%

Poisson verdeling

(30)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 1:

Hoe groot is de weigerkans en bezettingsgraad wanneer we het aantal bedden bepalen op basis van de gemiddelde vraag?

(31)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 1:

(32)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 1:

Weigerkans = 0,36%

Bezetting = 37,37%

(33)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 2:

Stel de weigerkans mag maximaal 5% bedragen. Hoeveel bedden zijn er dan nodig op afdeling A?

(34)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 2:

Stel de weigerkans mag maximaal 5% bedragen. Hoeveel bedden zijn er dan nodig op afdeling A?

Benodigde capaciteit = 8 bedden

(35)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 3:

Stel er is ook een afdeling B

Deze afdeling heeft exact dezelfde karakteristieken als afdeling A

Stel afdeling A en B worden samengevoegd.

Wat is het effect:

• Het benodigde aantal bedden?

• De bedbezetting?

(36)

http://www.mm-zorglogistiek.nl/erlang-b.php

ZELF AAN DE SLAG ^{(CASUS 1)}

Vraag 3:

Stel er is ook een afdeling B

Deze afdeling heeft exact dezelfde karakteristieken als afdeling A

Stel afdeling A en B worden samengevoegd.

Wat is het effect:

• Het benodigde aantal bedden?

• De bedbezetting?

Benodigde capaciteit = 12 bedden Bezetting = 60,11%

(37)

ZELF AAN DE SLAG ^{(CASUS 2)}

Hoeveel medewerkers nodig op afdeling Y?

3. Wachten 2. Belletje

1. Hulp nodig 4. Hulp verlenen

Aantal basisuitgangspunten Erlang-C model:

• Wachten is mogelijk

• Kansverdeling aankomsten: Poisson

• Kansverdeling zorgduren: Neg. exponentieel

(38)

ZELF AAN DE SLAG ^{(CASUS 2)}

Vraag 1:

Doelstelling afdeling Y:

• In 95% van de gevallen binnen 5 minuten reageren op oproep van cliënt.

• 7:00-11:00 zijn er 2 medewerkers beschikbaar voor afhandelen van oproepen.

• Stel gemiddeld aantal oproepen per uur is 9.

• Gemiddelde zorgduur is 8 minuten.

Wat is het huidige service-level?

http://www.mm-zorglogistiek.nl/erlang-c.php

(39)

ZELF AAN DE SLAG ^{(CASUS 2)}

Vraag 1:

Doelstelling afdeling Y:

• In 95% van de gevallen binnen 5 minuten reageren op oproep van cliënt.

• 7:00-11:00 zijn er 2 medewerkers beschikbaar voor afhandelen van oproepen.

• Stel gemiddeld aantal oproepen per uur is 9.

• Gemiddelde zorgduur is 8 minuten.

Wat is het huidige service-level?

http://www.mm-zorglogistiek.nl/erlang-c.php

Service-level = 72,71%

(40)

ZELF AAN DE SLAG ^{(CASUS 2)}

Vraag 2:

Hoeveel medewerkers zijn er nodig op afdeling Y indien in 95% van de gevallen binnen 5 minuten moet kunnen worden gereageerd op een oproep van cliënt?

http://www.mm-zorglogistiek.nl/erlang-c.php

(41)

ZELF AAN DE SLAG ^{(CASUS 2)}

Vraag 2:

Hoeveel medewerkers zijn er nodig op afdeling Y indien in 95% van de gevallen binnen 5 minuten moet kunnen worden gereageerd op een oproep van cliënt?

http://www.mm-zorglogistiek.nl/erlang-c.php

Capaciteit = 3 medewerkers nodig

(42)

ZELF AAN DE SLAG ^{(CASUS 2)}

Vraag 3:

Stel er is ook een afdeling Z.

Deze afdeling heeft exact dezelfde karakteristieken als afdeling Y.

Stel afdeling Y en Z worden samengevoegd.

Hoeveel medewerkers zijn er nu nodig indien in 95% van de gevallen binnen 5 minuten moet kunnen worden gereageerd op een oproep van cliënt?

http://www.mm-zorglogistiek.nl/erlang-c.php

(43)

ZELF AAN DE SLAG ^{(CASUS 2)}

Vraag 3:

Stel er is ook een afdeling Z.

Deze afdeling heeft exact dezelfde karakteristieken als afdeling Y.

Stel afdeling Y en Z worden samengevoegd.

Hoeveel medewerkers zijn er nu nodig indien in 95% van de gevallen binnen 5 minuten moet kunnen worden gereageerd op een oproep van cliënt?

http://www.mm-zorglogistiek.nl/erlang-c.php

Capaciteit = 5 medewerkers nodig

(44)

• Bekker, R., Moeke, D., & Schmidt, B. (2019). Keeping pace with the ebbs and flows in daily nursing home operations. Health care management science, 22(2), 350-363.

• Galbraith, J. (1973). Designing complex organizations . Addison-Wesley Longman Publishing Co., Boston, MA.

• Galbraith, J. (1974). Organization design: an information processing view. Interfaces , 4(3), 28-36.

• Hertman, F., Royen, M., Migchielsen, A., & Moeke, D. (2021) Patiëntenlogistiek in de CWZ in tijden van COVIC-19: Wendbaarheid door integraliteit. Logistiek+

Tijdschrift voor Toegepaste Logistiek, Special Edition, 28-38.

• Moeke, D. (2016). Towards high-value(d) nursing home care: providing client-centred care in a more efficient manner. PhD-thesis, VU University, Amsterdam.

• Moeke, D., van de Geer, R., Koole, G., & Bekker, R. (2016). On the performance of small-scale living facilities in nursing homes: A simulation approach. Operations research for health care, 11, 20-34.

• Moeke, D., Van Andel, J., Weijers, S. (2018). Het leveren van patiëntgerichte zorg: dealen met tradities. Logistiek+ Tijdschrift voor Toegepaste Logistiek, 5, 5-14.

• Moeke, D.,& Wouters, S. (2014), Het macaroni dilemma: de kunst van het slim organiseren van zorg. Bureau Transparant.

• Van der Ham, A., Van Merode, F., Ruwaard, D., & Van Raak, A. (2020). Identifying integration and differentiation in a Hospital’s logistical system: a social network analysis of a case study. BMC health services research, 20(1), 1-18.

• Van Eeden, K., Moeke, D., & Bekker, R. (2016). Care on demand in nursing homes: a queueing theoretic approach. Health care management science, 19(3), 227-240.