Process Mining Analysen im innerklinischen Patiententransport
Prozess Mining ist eine junge, analytische Disziplin zum Erkennen, Überwachen und Verbessern realer Geschäftsprozesse (d. h. nicht angenommener Prozesse). Dabei wird Wissen aus Ereignisprotokollen extrahiert, die in heutigen Informationssystemen (zur Unterstützung eingesetzte Software) verfügbar sind. Im Allgemeinen kann man Process Mining als Brücke zwischen Daten- und Prozesswissenschaften verstehen (vgl. van der Aalst, W.: Process Mining: Data Science in Action, 2016, S. 16).
Forschungsprojekt mit Realdaten in einem deutschen Krankenhaus
Die Gestaltung von Gesundheitseinrichtungen und -prozessen ist eine komplexe Aufgabe, die sich auf die Qualität und Effizienz von Gesundheitsdienstleistungen auswirkt. Die anhaltende Nachfrage nach Gesundheitsdienstleistungen und die damit verbundenen Kosten machen die Anwendung von Analysemethoden zur Verbesserung der Gesamteffizienz von Dienstleistungen in Krankenhäusern erforderlich. Die Variabilität der Prozesse im Gesundheitswesen macht die Erreichung dieses Ziels jedoch sehr kompliziert.
Der Anwendungsfall in einem deutschen Krankenhaus hat gezeigt, dass Process-Mining-Methoden es ermöglichen, die Ursachen für Konformitätsprobleme und Verzögerungen im Patiententransportprozess zu finden. Dieses Projekt befasst sich mit der Komplexität des Patiententransportprozesses in einer realen Umgebung und schlägt eine auf Process Mining basierende Methode vor, um einen ganzheitlichen Ansatz zur Erkennung von Engpässen und Hauptursachen für Verzögerungen und daraus resultierende hohe Kosten im Zusammenhang mit ungenutzten Ressourcen zu erhalten. Zu diesem Zweck werden die Ereignisprotokolldaten des Software-Systems, das für den Patiententransport im Klinikum eingesetzt wird, gesammelt und verarbeitet, um die Abfolge und Zeitstempel der Aktivitäten für die verschiedenen Fälle des Transportprozesses zu ermitteln.
In dieser Fallstudie wird eine Reihe von Leistungsindikatoren bereitgestellt, um die Effizienz von krankenhausinternen Patiententransportdiensten mit Hilfe von Process-Mining-Ansätzen zu messen. Darüber hinaus wird eine umfassende, mehrdimensionale Analyse zur Unterstützung der Kapazitätsplanung durchgeführt, indem Daten mit verschiedenen ereignis- und fallspezifischen Informationen aus dem innerklinischen Patiententransportprozess in einem deutschen Krankenhaus für einen Zeitraum von 3,5 Jahren ab Januar 2019 untersucht werden. Es werden verschiedene Perspektiven betrachtet, um Einblicke in das Verhalten der verschiedenen am Transportprozess beteiligten Ressourcen zu erhalten. Tägliche und stündliche Transporte werden ausgewertet, um Transportkapazitäten, Aktivitätsintervalle, automatisch und manuell disponierte Transporte sowie die wichtigsten Routen hinsichtlich Transportverzögerungen zu untersuchen.
Prozessvorhersageansätze auf der Basis von neuronalen Netzen und metaheuristischen Optimierungsalgorithmen helfen, das aus den Prozessanalysen gewonnene Wissen in proaktive Prozessneugestaltungsmaßnahmen zu überführen.
Literatur
Kropp, T.; Gao, Y.; Lennerts, K.
2024. OR Spectrum. doi:10.1007/s00291-024-00795-7
Kropp, T.; Faeghi, S.; Lennerts, K.
2024. Artificial Intelligence in Medicine – 22nd International Conference, AIME 2024, Salt Lake City, UT, USA, July 9–12, 2024, Proceedings, Part I. Ed.: J. Finkelstein, 138–150, Springer Nature Switzerland. doi:10.1007/978-3-031-66538-7_15
Kropp, T.; Faeghi, S.; Lennerts, K.
2022. The International Journal of Health Planning and Management, 38 (2), 430–456. doi:10.1002/hpm.3593