Datengesteuerte Umverteilung der Nachfrage in Gebäudenetzwerken

In Gesundheitssystemen mit schwankender Nachfrage und begrenzten Ressourcen kann die Überlastung der Notaufnahmen schnell zunehmen, was zu längeren Wartezeiten und betrieblichen Ineffizienzen führt. Um diese Zulaufspitzen zu bewältigen, können Strategien für eine zentralisierte Umverteilung nicht dringender Patienten zwischen Einrichtungen mit unterschiedlichem Sättigungsgrad angewandt werden. Durch die Anwendung von Optimierungsmodellen und Gerechtigkeitskriterien in einem Notaufnahme-Netzwerk ermöglicht der Ansatz ein besseres Gleichgewicht zwischen Nachfrage und Kapazität, wodurch die Wartezeiten deutlich reduziert und die Patientenströme insgesamt besser gesteuert werden können.

Wenn die Nachfrage nach Dienstleistungen variabel ist und die Ressourcen begrenzt sind, steigt das Risiko einer Überlastung schnell an: Die Wartezeiten nehmen zu, die Kapazität zur Übernahme von Aufgaben wird reduziert und es kommt zu kaskadenartigen Ineffizienzen. Die COVID-19-Pandemie hat diese Dynamik noch verstärkt und die Notwendigkeit integrierter und koordinierter Lösungen zur Bewältigung von Spitzenbelastungen durch den Zustrom und den Überfluss an Patienten deutlich gemacht.

In diesem Zusammenhang haben wir eine Strategie der zentralen Umverteilung von Patienten vorgeschlagen, die sich auf nicht dringende Fälle konzentriert. Die Idee ist, ein Ungleichgewicht zwischen Nachfrage und Kapazität zwischen den Einrichtungen auszunutzen: Wenn ein Krankenhaus überlastet ist, kann ein Teil der Last auf weniger überlastete Einrichtungen umgeleitet werden, wodurch die Verteilung der Patienten im System verbessert und die Gesamtüberlastung verringert wird.

Die Implementierung wurde in einem Netzwerk von 4 Notaufnahmen entwickelt, die an eine einzige ASST angeschlossen sind und jährlich mehr als 100.000 Zugriffe verzeichnen.

Methodische Strategie

Schritt 1 – Stochastisches Optimierungsmodell
Entwicklung eines stochastischen Modells zur Optimierung der Umverteilung nicht dringender Patienten unter Unsicherheitsszenarien, mit folgenden Zielen

  • die Gesamtzeit im System zu minimieren (Warten + Bearbeitung)
  • Ausgleich von Nachfrage und Kapazität zwischen Krankenhäusern/Kliniken

Schritt 2 – Patienten-Pooling und Fairness-Kriterien
Einführung von Patienten-Pooling-Strategien und Fairness-Beschränkungen, um eine Neuverteilung zu gewährleisten:

  • flexibel (anpassungsfähig an Spitzenwerte)
  • fair (damit die Patienten nicht länger als nötig warten müssen),

Ergebnisse

Bessere Steuerung der Patientenströme
Der On-Demand-Ansatz reduziert die Wartezeiten um 25-30%, beschleunigt den Zugang zur Versorgung und erhöht den Durchsatz.

Optimierung der ‚Flotte’/Transfers
Die Pooling-Strategie erhöht die Anzahl der umverteilten Patienten im Durchschnitt und reduziert die Flottenkosten um 5-10%.

Mehr Stabilität bei der Ressourcenplanung
Die konsistente Routing-Strategie reduziert die Wartezeiten um ca. 10%, macht die Ressourcenzuweisung vorhersehbarer und erleichtert eine optimale Flottengröße.

Andere Fallstudien, die Sie interessieren könnten