Auf dem Weg der Besserung: Verbesserte Verfügbarkeit von lebensrettenden medizinischen Geräten dank Datenanalyse

Bei der Behandlung von Patienten nutzen Ärzte ihre eigene Erfahrung, das Wissen ihrer Kollegen und die neuesten Fortschritte in Medizin und Technologie, um die beste Vorgehensweise zu bestimmen. Dieses Verfahren alleine kann jedoch keine Patienten retten, wenn der Arzt keinen Zugriff auf die Geräte und Ausstattung hat, die er für die empfohlene Behandlung benötigt.

Wenn wichtige medizinische Geräte aufgrund von Reparaturen nicht verfügbar sind, ist der Arzt in seinen Möglichkeiten, Leben zu retten, erheblich eingeschränkt. Ein kürzlich durchgeführtes Projekt zur Qualität im Gesundheitswesen zeigt jedoch, dass ein in vielen Einrichtungen noch recht neues wichtiges Werkzeug – die Datenanalyse – Krankenhäuser dabei unterstützen kann, dass den Ärzten die Ausstattung zur Verfügung steht, die sie für ihre Patienten benötigen.

Ein Lean Six Sigma-Team in Amman (Jordanien) untersuchte die Faktoren, die die Ausfallzeiten von Geräten beeinflussen, und identifizierte Aspekte im Wartungsprozess, mit denen die Verfügbarkeit von Geräten verbessert werden konnte. Auf der Grundlage des Wissens, das das Team durch Datenerfassung und Analyse der Daten mit der Minitab Statistical Software erlangte, konnte ein neues Verfahren zur Gerätewartung umgesetzt werden. Hiermit kann erheblich besser sichergestellt werden, dass notwendige Geräte funktionstüchtig und verfügbar sind, wenn sie benötigt werden.

Die Herausforderung

Ein Projektteam analysierte mit der Minitab Statistical Software Daten, um die medizinischen Geräte mit den höchsten prozentualen Anteilen von Ausfällen zu ermitteln, die Ursachen für die Ausfälle auszuwerten und die Verfügbarkeit von Geräten im Krankenhaus zu verbessern.

Laut einer Studie der Weltgesundheitsorganisation (WHO) funktionieren fast 50 % der medizinischen Geräte in entwickelten Ländern nicht oder werden aufgrund fehlender Vorgaben zur effektiven Geräteverwaltung nicht richtig gewartet. Da immer mehr Patienten von fehlenden medizinischen Geräten betroffen sind, suchte das Projektteam nach Lösungsmöglichkeiten. Das Team erfasste über sieben Jahre Daten aus sieben Krankenhäusern und wertete die Wartungsprozesse für fast 700 unterschiedliche Gerätetypen aus, die jeweils nach Ursache für den Ausfall kategorisiert wurden.

Bei der Arbeit mit dem als DMAIC (Define, Measure, Analyse, Improve, Control – Definieren, Messen, Analysieren, Verbessern, Kontrollieren) bezeichneten Six Sigma-Konzept traf das Team auf Herausforderungen. So mussten z. B. Ursachen für die Streuung bei den Geräteausfallzeiten ermittelt werden, um mit den Lösungen da ansetzen zu können, wo diese zu den deutlichsten Ergebnissen führten. Abschließend befasste sich das Team mit einer Verbesserung der Reparaturabläufe, damit Geräte schneller wieder verfügbar sind und sichergestellt wird, dass Patienten lebensrettende Behandlungen rasch erhalten können.

Einsatz von Minitab

Nachdem Daten zu den Ausfallzeiten der einzelnen Gerätetypen und zu den Ursachen für den Ausfall des jeweiligen Geräts für jedes Krankenhaus erfasst worden waren, ermittelte das Projektteam mit Minitab die Gerätetypen mit den höchsten prozentualen Anteilen an Ausfällen und die häufigsten Ursachen für diese Ausfälle.

Durch die Darstellung der Daten in Pareto-Diagrammen konnte das Team feststellen, dass die Mehrzahl der Ausfälle durch elektrische Probleme verursacht wurden. Der Prozentsatz von Störungen war bei Diagnose- und Herz-Lungen-Maschinen am höchsten. Außerdem wurden unterschiedlichen Gerätetypen Prioritäten zugewiesen, wodurch die Wartung von Geräten mit „Priorität 1“ sichergestellt wurde. In diese Kategorie fielen kritische, hochspezialisierte und seltene Geräte wie Beatmungsgeräte, Narkosegeräte, Geräte für die Blutgasanalyse, MRT-Geräte und CT-Scanner.

Im oben gezeigten Pareto-Diagramm werden die häufigsten Ursachen für Ausfälle bei medizinischen Geräten dargestellt und gezeigt, wo Verbesserungsmaßnahmen ansetzen sollten.

Das Team bestimmte außerdem mit einer Prozessfähigkeitsanalyse, ob die in den einzelnen Krankenhäusern eingesetzten Wartungsverfahren den Vorgaben für Ausfallzeiten entsprachen, und zeigte Optimierungsmöglichkeiten für diese Verfahren auf. Die Ergebnisse dieser Analyse bestätigten, dass bei den Verfahren zur Gerätewartung in diesen Krankhäusern deutliche Verbesserungen möglich waren.

Das Capability Sixpack oben zeigt allgemeine Daten, die den Daten des Projektteams ähneln. Dabei werden verschiedene Werkzeuge in einer Ansicht zusammengefasst, damit der Prozess einfacher ausgewertet werden kann.

Ergebnisse

Nachdem das Team Einblicke in die häufigsten Gerätetypen und Ursachen von Ausfällen bei medizinischen Geräten gewonnen hatte, wurden mit einer Regressionsanalyse in Minitab die Hauptfaktoren bestimmt, die Auswirkungen auf die Ausfallzeiten von Geräten hatten. Die Analyse zeigte, dass nicht die Dauer der eigentlichen Wartung später zu fehlenden Geräten führte, sondern dass die Zeit zum Diagnostizieren fehlerhafter Geräte, die Entscheidungsfindung über die weitere Vorgehensweise bei der Reparatur und die Rückführung der Geräte nach Abschluss der Reparaturen zu den Verzögerungen führten. Weitere Faktoren, durch die der Reparaturvorgang verlängert wurde, umfassten Verzögerungen beim Erkennen von Gerätefehlern, die Aufnahme von Serviceanfragen und der Abschluss von Arbeitsaufträgen.

Anhand der Regressionsanalyse bestimmte das Team Faktoren, bei denen Verbesserungen vorgenommen werden konnten, um Ausfallzeiten zu reduzieren. Das Team entwickelte ein optimiertes Reparaturverfahren, bei dem mit Hilfe von in Minitab erstellten Regelkarten die Leistung der Mitarbeiter, die Ausfallzeiten von medizinischen Geräten, die Verarbeitungszeit für Bestellungen, die Dauer bis zur Entscheidungsfindung zum Reparaturverfahren und die Dauer bis zur Bereitstellung des reparierten Geräts überwacht werden konnten.

Die oben dargestellte Regelkarte zeigt Prozessdaten in einer chronologisch angeordneten Reihenfolge zum Ermitteln der Streuung. Wie bei der vom Projektteam verwendeten Regelkarte können hier Daten, die vor und nach einer Prozessverbesserung erfasst wurden, bequem verglichen werden.

Das Team testete das neue System schließlich, indem es zunächst nur in einem Krankenhaus umgesetzt wurde. In diesem Krankenhaus konnte die Ausfallzeiten von Geräten um 35 % reduziert und das Sigma-Niveau von 2,881 auf 3,708 angehoben werden, ohne dass dies zu zusätzlichen Kosten geführt hätte.

Qualitätswerkzeuge wie Pareto-Diagramme, Capability Sixpacks und Regelkarten trugen zu einem neuen Verfahren bei, mit dem die Ausfallzeiten von medizinischen Geräten in einem tragbaren Rahmen gehalten werden und das eine angemessene Behandlung der Patienten ermöglicht. Immer mehr Einrichtungen im Gesundheitswesen arbeiten mit Datenanalyse und Lean Six Sigma-Methoden. Projekte wie das vorliegende bieten großartige Beispiele, wie auch die Steigerung der Effizienz bei Vorgängen, die nicht in direktem Zusammenhang mit dem Patienten stehen – z. B. die Verfahren für die Geräteverwaltung – , große Auswirkungen auf die Möglichkeiten einer Einrichtung haben kann, jeden Patienten erstklassig zu versorgen.

Dieser Artikel ist eine bearbeitete Fassung einer Fallstudie, die bei der International Conference on Industrial Engineering and Operations Management 2012 in Istanbul (Türkei) vorgestellt wurde.