هوش محاسباتی برای کارت امتیاز متوازن: مطالعه روند عملکرد درمانگاه‌های همودیالیز

چکیده

کلمات کلیدی

1. مقدمه

2. داده‌ها و متدها

2.1. داده‌های NC BSC

2.2 نقشه‌های خودسازمان‌ده

جدول 1. دیدگاه‌ها و KPIهای BSC تحلیل شده

جدول 2. مجموعه‌داده‌هایی که در این کار تحلیل شدند

2.3 شاخص‌های یک درمانگاه واحد

شکل 1. خط سیردرمانگاه نمونه با میانگین SOM اصلی (چپ) و نسخه خوشه‌بندی شده آن (راست)همپوشانی دارد. 

2.4 زنجیره‌های مارکوف برای روند عملکرد

3. نتایج

شکل 3. هسیتوگرام شاخص‌های عملکرد برای هر یک از سه کشور مورد نظر

شکل 4. SOM آموزش‌دیده بر حسب داده‌های NC BSC درمانگاه‌های ایتالیایی

جدول 3. توزیع ثابت خط سیرهای درمانگاه برای سه کشور تحلیل‌شده. 

شکل 5. سیر تکاملی احتمالات انتقال در درمانگاه‌های ایتالیایی

شکل 6. تکامل احتمالات انتقال در درمانگاه‌های پرتغالی

شکل 7. تکامل احتمالات انتقال خوشه در درمانگاه‌های ترکیه

شکل 8. دو نمونه منحنی که نمایانگر دنباله انتقال‌های خوشه‌ای هستند که توسط دو درمانگاه متفاوت تجربه شده‌اند، به همراه رگرسیون خطی مربوطه که با خط نقطه‌چین ترسیم شده است

شکل 9. هیستوگرام ضرایب رگرسیون- شاخص‌های روند- که به ازای دنباله انتقال‌های خوشه هر درمانگاه بدست آمده‌اند و به ترتیب کشور گروه‌بندی شده‌اند.

جدول 4. میانگین زمان‌های ورودی برای سه کشور تحلیل‌شده. 

4. بحث

5. نتیجه‌گیری

اهداف: کارت امتیاز متوازن (BSC) ابزاری عمومی با کاربرد گسترده برای اندازه‌گیری عملکرد سازمان بر اساس ارزیابی دوره‌ای شاخص‌های کلیدی عملکرد استراتژیک است که در مقابل اهداف از پیش تعیین‌شده امتیازدهی شده‌اند. در حال حاضر BSC یکی از ابزارهای پشتیبان مدیریت موثر در خدمات درمانی فرسنیوس (SME) است و به طور مرتب با متدهای آماری استاندارد تحلیل می‌شود. به تازگی، کاربرد تکنیک‌های هوش محاسباتی (با نام نقشه‌های خودسازمان‌ده ) در داده‌های BSC به عنوان روشی جهت بهبود کمیت و کیفیت اطلاعات قابل استخراج از آن ارائه شده است. در این مطالعه، متدهای دیگری برای تحلیل تکامل عملکرد درمانگاه در طول زمان نشان داده می‌شود. متدها: تکامل عملکرد در سطح یک درمانگاه بوسیله محاسبه دو شاخص مکمل مطالعه شده است که نسبت زمان صرف‌شده در خوشه‌های عملکرد و بهبود/بدتر شدن روند کار را اندازه‌گیری می‌کند. نقشه‌های خودسازمان‌ده به همراه این شاخص‌ها استفاده می‌شوند تا پیشرا‌ن‌های خاص عملکرد مشاهده‌شده را تعیین کنند. تکامل عملکرد برای گروه‌های درمانگاهی تحت یک چارچوب احتمالی،با توسل به خصوصیات زنجیره مارکوف، مدل‌سازی می‌شوند. با اینکار می‌توان احتمال انتقال میان خوشه‌ها را با سپری شدن زمان برای تعیین سطح عملکردی که انتظار می‌رود در طول زمان غلبه پیدا کند، مطالعه کرد. نتایج: پتانسیل متدهای پیشنهادی را از طریق نتایج گویای حاصل از تحلیل داده‌های BSC از 109 درمانگاهFME در سه کشور نشان می‌دهیم. ما توانستیم پیشران‌های عملکرد را برای گروه‌های خاص درمانگاهی شناسایی کنیم و بین کشورهایی که احتمالا عملکردشان بهبود می‌یابدو آنهایی که ممکن است کاهش عملکرد داشته باشند تمایز قائل شویم. مطابق با توزیع آماری زنجیره مارکوف، روند مورد انتظار در ترکیه بهترین است (که در آن خوشه‌‌‌ای با بالاترین عملکرد بیشترین احتمال را داراست، P=0.46)، بعد از آن پرتغال قرار دارد (که در آن دومین خوشه با عملکرد بهتر با P=0.50 غالب است) و در آخر ایتالیا قرار دارد (که در آن دومین خوشه با عملکرد بهتر دارای P=0.34 است). نتیجه‌گیری: نتایج حاصل توانایی متدهای پیشنهادی را در استخراج دیدگاه‌هایی درباره روندهای عملکرد پررنگ می‌کنند؛ این روندهای عملکرد با استفاده از تحلیل‌های استاندارد نمی‌توانند به آسانی برونیابی شوند و در جهت‌دهی به استراتژی‌های مدیریت در سیاست بهبود کیفیت مستمر ارزشمندند.

واحدهای خدمات درمانی نهادهای پیچیده‌ای هستند که عملکرد خوبشان می‌تواند به عوامل گوناگونی وابسته باشد. آماده‌سازی فنی کارکنان پزشکی باید در کنار ساختارها و تجهیزات کافی قرار گیرد، که آن نیز به نوبه خود زمانی می‌تواند تامین شود که منابع اقتصادی کافی وجود داشته باشد. ترکیب این موارد و دیگر جوانب باید همزمان باشد تا شرایط عملیاتی ویژه‌ای ایجاد شود که پیش‌نیاز درمانگاه برای دستیابی به هدف نهایی‌اش است: اطمینان از سلامت و رفاه بیماران. در نتیجه، نظارت بر عملکرد که فعالیت مهمی در هر نوع سازمان است، می‌تواند در شرکت‌های خدمات درمانی بسیار مهم‌تر هم باشد. یک سیستم قوی برای ارزیابی عملکرد که می‌تواند عواملی با ماهیت متفاوت را در نظر بگیرد (برای مثال عوامل مالی، پزشکی) می‌تواند نقطه شروعی برای ابداع استراتژی‌های مناسب مدیریتی باشد که اطمینان می‌دهند بالاترین استانداردهای عملیاتی در طول زمان بدست آمده‌اند و حفظ و نگهداری می‌شوند. به ویژه این موضوع می‌تواند برای آن دسته از واحدهای خدمات بهداشتی مهم باشد که به درمان بیماری‌های مزمن تخصیص یافته‌اند و در آنها بیماران چندین سال به صورت منظم به درمانگاه مراجعه می‌کنند و به این ترتیب زمان قابل‌ ملاحظه‌ای از عمرشان را در درمانگاه می‌گذرانند. این یک سناریوی معمول در مدیریت مرحله پایانی بیماری کلیوی است، شرایطی که نیازمند درمان‌های مکرر در درمانگاه‌های همودیالیز است (اگرچه باید توجه داشت که در سال‌های اخیر، دیالیز صفاقی که بطور مستقل توسط بیماران در منزل انجام می‌شود به عنوان جایگزین همودیالیز گسترش فزاینده‌ا‌ی داشته است). یکی از ارائه‌دهندگان مهم روش‌های درمانی و خدمات مرتبط با دیالیز عبارتست از خدمات درمانی فرسنیوس (FME) که یک شرکت خدمات درمانی، مشتمل بر بیش از 600 مرکز در 19 کشور است، البته اگر تنها حوزه اروپا را در نظر بگیریم. از سال 2007، FMEبکارگیری کارت امتیاز متوازن (BSC) [1] را به عنوان ابزار اصلی تدوین استراتژی کلی شرکت و پشتیبانی از مدیریت عملکرد شرکت، از جمله مدیریت درمانگاه، در درمانگاه‌های اروپایی‌اش انتخاب کرده است [2]. هدف از طراحی BSC که در سال 1992 معرفی شد، ارائه نمایی از بازده کلی شرکت بوسیله ارزیابی میزان تحقق اهداف فرعی ویژه‌اش است. برای رسیدن به این مقصود، عملیات شرکت به چند حوزه اصلی کسب و کار شکسته می‌شوند که معمولابه آنها چشم‌انداز می‌گویند و به نوبه خود شامل مجموعه‌ای از پارامترهای بهره‌اند که به دقت انتخاب شده‌اند. این پارامترها شاخص‌های کلیدی عملکرد (KPIها) نام دارند و نمایانگر اهداف فرعی مدیریتند که توسط اجراکنندگان BSC بر اساس مشخصه‌های منحصر به فرد شرکت تعریف شده‌اند. هر KPI به طور دوره‌ای ارزیابی می‌شود تا پایبندی‌اش به هدف از پیش‌ تعریف‌شده آن KPI بررسی شود: اگر هدف تحقق یافته است، امتیاز بالایی به KPI داده می‌شود. با ترکیب امتیازها به ازای هر KPI تعریف‌شده در تمام چشم‌اندازها، می‌توان به تصویر روشنی از عملکرد کلی شرکت دست یافت. کارت امتیاز متوازن (BSC) یک چارچوب مفهومی نسبتا عمومی است که می‌تواند متناسب با کاربردش در سازمان‌های گوناگون اصلاح شود و در واقع اصلاح شده است [3،4]. در حقیقت BSC یکی از رایج‌ترین متدولوژی‌ها برای مدیریت عملکرد کسب و کار است [3] و بطور طبیعی در چارچوبش مفاهیمی از حوزه‌های مدیریت درمانگاه، همچون دیدگاه‌های بیمار و کارمند، را با هم وفق می‌دهد و در اصل، امکان مطالعه مبادله‌های بالقوه کارایی را که از چشم‌اندازهای گوناگون پدیدار می‌شود فراهم می‌کند. به همین خاطر، FME تصمیم گرفت پیاده‌سازی BSCمخصوص خودش، NephroCare (NC) BSC را بسازد که مطابق با چهار دیدگاه (بیماران، کارمندان، ذینفعان و جامعه) سازماندهی شده است و تا حد زیادی بر اساس داده‌های درمانگاهی، عملیاتی و مالی است که در انباره‌های شرکت ذخیره شده‌اند [5،6]. در NC BSC هر درمانگاه بصورت ماهیانه بررسی می‌شود. اینکاربوسیله محاسبه امتیاز هر KPI تعریف‌شده انجام می‌شود که نشان می‌دهد با توجه به آن پارامتر درمانگاه تا چه اندازه به برتری نزدیک شده است. NC BSC یکی از ورودی‌های اصلی برای تصمیم‌گیری مدیریت FME است: گزارش‌های ماهیانه در سطوح انتزاعی متفاوت (مثل گروه‌های درمانگاهی یا درمانگاه‌های واحد) به وضعیت‌هایی اشاره دارند که ممکن است نیاز به اصلاح داشته باشند و وضعیت‌هایی که مستحق دریافت مشوق‌اند. با این حال، محدودیت این گزارش‌ها در آنست که امکان درک فوری روابط میان KPIهای متفاوت را، چه در یک درمانگاه خاص یا برای همه آنها با هم، فراهم نمی‌کنند و به این ترتیب فاقد توانایی شناسایی درمانگاه‌هایی هستند که رفتار مشابهی در خصوص روابطKPIدارند. این امر انگیزه‌ای برای معرفی تکنیک‌های هوش محاسباتی جهت تکمیل تحلیل استانداردی است که در حال حاضر بر روی داده‌های BSC اعمال می‌شود. نقشه‌های خودسازمان‌ده (SOMها) [7] اخیرا به عنوان ابزاری جهت استخراج الگوهای همبستگی مربوطه در گروه‌های KPI و برای تصویرسازی آنها به شیوه‌ای بصری معرفی شده‌اند [8]. قدرت SOMها برای شناسایی خودکار روابط پیش‌بینی‌نشده میان KPIها و انتقال اطلاعات پیچیده در یک نمایش بصری فشرده، آنها را تبدیل به بهبود ارزشمندی در فرایند تصمیم‌گیری کرده است. تکنیک‌های پیشرفته محاسباتی دیگری در منابع مطالعاتی برای استفاده در چارچوب BSC ارائه شده است. برای مثال، در [9]، وزن‌های فازی به مجموعه‌ای از شاخص‌های عملکرد بانکی تخصیص می‌یابند و برای رتبه‌بندی دیدگاه‌ها و شاخص‌ها، جهت شناسایی مهم‌ترین عوامل BSC برای استراتژی رشد بانک استفاده می‌شوند؛ در [10]، راهکار مشابهی برای ارزیابی عملکرد دپارتمان‌های IT در صنعت بکار رفته است. با این حال توجه داشته باشید اگرچه هدف این پژوهش‌ها تعریف وزن‌ برای شاخص‌های عملکردی است که اهمیت نسبی پیش‌بینی را بیان می‌کنند، راهکار موجود در [8] بدنبال روابط حاصل میان آنهاست و پیوندهای بالقوه میان گروه‌های KPI را برجسته می‌کند که در زمان طراحی BSCآشکار نبوده‌اند، اما بوسیله امتیازات واقعی KPI آشکار شده‌اند. به طور مشابه، [11] از مدل‌سازی حداقل مربع مسیر جزئی برای استنتاج روابط علت-معلولی میان بخش‌های عملکرد یک BSC برای بخش خدمات درمانی استفاده می‌کند؛ با این حال، به جای تمایز قائل شدن میان گروه‌های درمانگاهی که ویژگی‌های مجزایی را نشان می‌دهند، ارتباطات با توجه به تمام درمانگاه‌های مورد نظر برقرار می‌شوند. نقطه ضعف اصلی همه این راهکارها در اینست که در استخراج اطلاعات موقت موجود در داده BSC شکست می‌خورند. در کار ما، از آنجا که هر درمانگاه یک بار در ماه ارزیابی می‌شود، امتیازات KPI در هنگام تغییر بطور طبیعی برای مطالعه به موقع در دسترس خواهند بود تا روند بهبود یا بدتر شدن کار مشخص شود. در این مقاله متدی برای تحلیل جنبه زمانی داده‌های BSC ارائه می‌دهیم که بالاتر از تحلیل مبتنی بر SOM که قبلا معرفی شد قرار می‌گیرد. ما تکامل عملکرد را هم در سطح یک درمانگاه واحد و هم بر روی گروه‌های درمانگاهی تحلیل می‌کنیم: تکامل زمانیدرمانگاه‌های واحد بوسیله یک جفت از شاخص‌ها اندازه‌گیری می‌شود، در حالیکه روند طولانی مدت یک مجموعه درمانگاه‌ (برای مثال، همه درمانگاه‌های موجود در یک کشور خاص) در شرایط احتمالی، با مرتب‌سازی طبق ویژگی‌های زنجیره مارکوف شرح داده می‌شود. در توضیح متدولوژی پیشنهادی، نتایج مربوطه را نیز که از داده‌های BSC واقعی بدست آمده‌اند، ارائه می‌دهیم و در مورد اهمیت این تحلیل زمانیبرای اطلاع به موقع از استراتژی‌های مدیریتی بحث می‌کنیم.