Optimierung des Krankenhausbetriebs mit einer maßgeschneiderten BI-Plattform

Wir begannen damit, die Realität der Krankenhausdaten zu kartieren. Die drei Quellsysteme verwendeten unterschiedliche Patientennummerformate, unterschiedliche Zeiteinstimmungsverfahren und unterschiedliche Kodierungen für die gleichen klinischen Konzepte. Wir haben alle Abweichungen dokumentiert. Gleichzeitig arbeiteten wir mit den Abteilungsleitern und Krankenhausleitungskräften zusammen, um die wichtigsten Leistungsindikatoren zu definieren, die tatsächlich die Geschäftsergebnisse beeinflussen: Rückfallzeit (TAT) für bildgebende Untersuchungen, Nutzung der Modalitäten, Referenzvolumen und Umwandlungsraten sowie Kennzahlen zur Personaleffizienz.

Diese Phase der Definition von KPIs war entscheidend. Ohne sie hätten wir Dashboard-Systeme erstellt, die interessante Daten zeigten, aber keine Entscheidungen beeinflussten.

Wir haben Azure Synapse Analytics mit Netzwerk- und Sicherheitskonfigurationen bereitgestellt, die den Anforderungen der IT-Governance des Krankenhauses entsprachen. Die ETL-Pipelines wurden auf Apache Spark anstatt auf Azure Data Factory erstellt, da die nächtlichen Datenmengen aus drei Quellsystemen (einschließlich vollständiger Bildverarbeitungsmeta-daten aus dem RIS) die Kapazität für die parallele Verarbeitung rechtfertigten. Jede Pipeline-Phase wird als separate Aufgabe ausgeführt, mit eigener Überwachung und Fehlermeldung.

Das Datenmodell wurde rückwärts aus den Anforderungen des Dashboards erstellt. Wir begannen mit den Fragen, die Führungskräfte beantworten mussten (“Warum steigen die Wartezeiten für MRT-Untersuchungen? ”Welche Vermittlungswege führen zu den höchsten Conversion-Raten?“), und entwickelten Faktentafeln und Dimensionstafeln, die diese Fragen mit einfachen Aggregationsabfragen beantworten konnten. Dieser Ansatz sicherte, dass jede Tabelle im Lager für einen bestimmten analytischen Zweck vorhanden war, und nicht nur deshalb, weil das Quellsystem diese Daten hatte.

Wir haben in Tableau drei Ebenen der Dashboard-Darstellung mit zunehmender Detaildarstellung entwickelt. Die Executive-Dashboards laden innerhalb von 5 Sekunden und zeigen Trendlinien, Vergleichsdaten zwischen den einzelnen Zeiträumen sowie Warnmeldungen für Kennzahlen außerhalb der Zielbereiche an. Die Dashboard-Funktionen des Departments ermöglichen eine detaillierte Analyse der Produktivitätsdaten einzelner Anbieter, der Planungsengpässe für Geräte und der Patientenzuführmuster. Wir haben die Row-Level-Security so konfiguriert, dass die Ansicht jedes Benutzers automatisch auf den zugelassenen Umfang der Berechtigungen gefiltert wird – ohne dass eine manuelle Berechtigungsverwaltung erforderlich ist.

Das Bereitstellen eines Tools ist nicht dasselbe wie die Bereitstellung von Wert. Wir führten Schulungen für jede Nutzergruppe durch: Führungskräfte, Abteilungsleiter und Mitarbeiter in der Frontlinie. Die Schulung konzentrierte sich nicht auf die Funktionsweise von Tableau, sondern darauf, wie man die Daten interpretiert und sie in operative Entscheidungen umsetzt. So zeigten wir Führungskräften der Abteilungen, wie sie das Dashboard zur Auslastung der Geräte nutzen können, um Planungsengpässe zu identifizieren und Termine neu zu verteilen, um Wartezeiten zu verkürzen.

Im ersten Quartal nach der Einführung nutzte das Krankenhaus die Dashboards, um konkrete operative Änderungen vorzunehmen. Sie stellten fest, dass die Wartezeiten für MRT-Untersuchungen am Dienstag und Mittwoch morgens aufgrund eines Ungleichgewichts in der Planung, nicht einer Personalknappheit, am höchsten waren.

Die Verteilung der Termine auf die gesamte Woche führte zu einer Verkürzung der Wartezeiten um 20%. Darüber hinaus ergab die Analyse der Überstundenkosten, dass zwei Abteilungen während der Abendschichten ständig über Personal überstiegen waren. Durch die Anpassung der Schichtstrukturen konnten die Arbeitskosten um 10% gesenkt werden, ohne die Qualität der Patientenversorgung zu beeinträchtigen.