Download PDF
OP-Management up2date 2021; 1(04): 327-339
DOI: 10.1055/a-1639-3848
OP-Planung und Prozessmanagement

OP-Planung – der Einsatz quantitativer Methoden zur Entscheidungsunterstützung

Grigory Korzhenevich
,
Anne Zander
,
Stefan Nickel
,
Martin Schuster
› Further Information
Also available at
    Permissions and Reprints All articles of this category

In der vorliegenden Arbeit soll die Operations-Research-Sicht auf die verschiedenen Ebenen der OP-Planung zusammenfassend dargestellt werden. Hierbei soll die Strukturierung von täglich anzutreffenden Problemen des praktischen OP-Managements im Fokus stehen und dadurch neue Einsichten ermöglichen.
Kernaussagen

  • Die OP-Planung stellt im Kontext von Operations Research ein eigenständiges Anwendungsgebiet dar.

  • Die Entscheidungsprobleme der OP-Planung werden dabei mithilfe von Methoden wie mathematische Programmierung, Heuristiken oder Simulation und unter Einsatz von Werkzeugen zur statistischen Analyse historischer Daten angegangen.

  • Typischerweise wird bei der OP-Planung zwischen 3 Planungsebenen unterschieden – strategisch, taktisch und operativ, wobei die operative zusätzlich in operativ offline und operativ online unterteilt wird.

  • Die Verantwortung für die jeweiligen Entscheidungen kann je nach Planungsebene bei der Krankenhausleitung, dem OP-Management, der OP-Koordination oder bei den einzelnen Fachabteilungen liegen.

  • Die Ergebnisse der jeweils langfristigeren Planung fließen mit in die Entscheidungen der jeweils kurzfristigeren Planungsebene hinein.

  • Beim Übergang von der langfristigen strategischen über die mittelfristige taktische zur kurzfristigen operativen Planungsebene wird die Planung und werden die dafür jeweils herangezogenen Daten detaillierter und konkreter.

  • Es existieren zahlreiche Studien mit Beispielen zur Modellierung und Lösung der einzelnen Planungsprobleme.

  • Für jedes Entscheidungsproblem können und werden dabei typischerweise zahlreiche Zielkriterien und relevante Modellierungsparameter mitberücksichtigt.

  • Durch die Einbeziehung einer höheren Anzahl relevanter Parameter wird die Modellierung jedoch komplexer und die Lösung aus rechnerischer Sicht entsprechend aufwendiger.

  • Vor allem auf der operativen Planungsebene ist es sinnvoll, die Unsicherheit in der OP-Nachfrage und in den betrachteten OP-Prozessen explizit zu berücksichtigen.

  • Für die Etablierung von vor allem den komplexeren Planungsmethoden in der OP-Praxis müssen entsprechende Voraussetzungen wie Pilotstudien, leistungsfähige IT und ausgereifte Datenaufzeichnungspraxis geschaffen werden.

Schlüsselwörter

OP-Planung - Operations Research - Scheduling - Planungsebenen


Publication History

Article published online:
03 December 2021

© 2021. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Domschke W, Drexl A. Einführung in Operations Research. Übungen und Fallbeispiele zum Operations Research. Berlin: Springer Gabler; 2011
    CrossrefSearch in Google Scholar
  • 2 Maoz M. How IT should deepen big data analysis to support customer-centricity. Stamford, CT: Gartner; 2013
    Search in Google Scholar
  • 3 Hans EW, Vanberkel PT. Operating Theatre Planning and Scheduling. Hall R. Handbook of Healthcare System Scheduling. International Series in Operations Research & Management Science. Boston, MA: Springer US; 2012: 105-130
    CrossrefSearch in Google Scholar
  • 4 Hans EW, van Houdenhoven M, Hulshof PJH. A Framework for Healthcare Planning and Control. Hall R. Handbook of Healthcare System Scheduling. International Series in Operations Research & Management Science. Boston, MA: Springer US; 2012: 303-320
    CrossrefSearch in Google Scholar
  • 5 Behar BI, Guth C, Salfeld R. Modernes Krankenhausmanagement. Berlin: Springer; 2018.
    CrossrefSearch in Google Scholar
  • 6 Hulshof PJH, Kortbeek N, Boucherie RJ. et al. Taxonomic classification of planning decisions in health care: a structured review of the state of the art in OR/MS. Health Syst 2012; 1: 129-175
    CrossrefSearch in Google Scholar
  • 7 Hof S, Fügener A, Schoenfelder J. et al. Case mix planning in hospitals: a review and future agenda. Health Care Manag Sci 2017; 20: 207-220
    CrossrefPubMedSearch in Google Scholar
  • 8 Zhu S, Fan W, Yang S. et al. Operating room planning and surgical case scheduling: a review of literature. J Comb Optim 2019; 37: 757-805
    CrossrefSearch in Google Scholar
  • 9 Nickel S, Stein O, Waldmann KH. Operations Research. Berlin: Springer Gabler; 2014
    CrossrefSearch in Google Scholar
  • 10 Guerriero F, Guido R. Operational research in the management of the operating theatre: a survey. Health Care Manag Sci 2011; 14: 89-114
    CrossrefPubMedSearch in Google Scholar
  • 11 Hedderich J, Sachs L. Angewandte Statistik. Berlin: Springer; 2018.
    CrossrefSearch in Google Scholar
  • 12 Gupta D, Denton B. Appointment scheduling in health care: Challenges and opportunities. IIE Transactions 2008; 40: 800-819
    CrossrefSearch in Google Scholar
  • 13 Faeghi S, Lennerts K, Nickel S. A system dynamics model application to operating room planning and management. J Simul 2021; 1-18
    CrossrefSearch in Google Scholar
  • 14 Messer C, Zander A, Arnolds IV. et al. Wie viele Patientenschleusen braucht mein OP-Bereich? Einfluss der Zahl von OP-Schleusen auf Wartezeiten und Patientendurchsatz im OP – Analyse mithilfe einer Simulation. . Anaesthesist 2015; 64: 958-967
    CrossrefPubMedSearch in Google Scholar
  • 15 Kressner A. Modelle und Lösungsverfahren für die Hauptoperationsplanung bei unsicheren Operationsdauern. Wiesbaden: Springer Fachmedien; 2019.
    CrossrefSearch in Google Scholar
  • 16 Pham DN, Klinkert A. Surgical case scheduling as a generalized job shop scheduling problem. Eur J Operat Res 2008; 185: 1011-1025
    CrossrefSearch in Google Scholar
  • 17 Hans E, Wullink G, van Houdenhoven M. et al. Robust surgery loading. Eur J Operat Res 2008; 185: 1038-1050
    CrossrefSearch in Google Scholar
  • 18 Siegmund F. Die Informationssituation im Krankenhaus: das Interaktionsmodell OP-Management. Dissertation. Stuttgart: Universität Hohenheim; 2010
    Search in Google Scholar
  • 19 Bauer M, Hinz J, Klockgether-Radke A. Göttinger Leitfaden für OP-Manager. Anaesthesist 2010; 59: 69-79
    CrossrefPubMedSearch in Google Scholar
  • 20 Bauer M, Auhuber TC, Kraus R. et al. Glossar perioperativer Prozesszeiten und Kennzahlen Version 2020. Eine gemeinsame Empfehlung von BDA, BDC, VOPM, VOPMÖ und SFOPM. Anästhes Intensivmed 2020; 61: 516-531
    CrossrefSearch in Google Scholar
  • 21 Persson MJ, Persson JA. Analysing management policies for operating room planning using simulation. Health Care Manag Sci 2010; 13: 182-191
    CrossrefPubMedSearch in Google Scholar
  • 22 O'Loughlin E, Smithies WJ, Corcoran TB. Out-of-Hours Surgery – a Snapshot in Time. Anaesth Intensive care 2010; 38: 1059-1063
    CrossrefPubMedSearch in Google Scholar
  • 23 Geldner G, Eberhart LHJ, Trunk S. et al. Effizientes OP-Management Vorschläge zur Optimierung von Prozessabläufen als Grundlage für die Erstellung eines OP-Statuts. Anaesthesist 2002; 51: 760-767
    CrossrefPubMedSearch in Google Scholar
  • 24 Pfitzer D, Hipp R, Pöhls K. Lösungskonzepte für eine effiziente OP-Nutzung.. Jerosch J, Linke C. Patientenzentrierte Medizin in Orthopädie und Unfallchirurgie. Berlin: Springer; 2016: 245-253
    CrossrefSearch in Google Scholar
  • 25 Cardoen B, Demeulemeester E, Beliën J. Operating room planning and scheduling: A literature review. Eur J Operat Res 2010; 201: 921-932
    CrossrefSearch in Google Scholar
  • 26 Dexter F, Macario A, Traub RD. et al. An Operating Room Scheduling Strategy to Maximize the Use of Operating Room Block Time. Anesthesia & Analgesia 1999; 89: 7-20
    CrossrefSearch in Google Scholar
  • 27 Pinedo M. Scheduling: Theory, algorithms, and systems. Berlin: Springer; 2016
    CrossrefSearch in Google Scholar
  • 28 Boyle J, Jessup M, Crilly J. et al. Predicting emergency department admissions. Emerg Med J 2012; 29: 358-365
    CrossrefPubMedSearch in Google Scholar
  • 29 van der Lans M, Hans EW, Hurink JL. et al. Anticipating urgent surgery in operating room departments. Working Paper. Enschede: University of Twente; 2006
    Search in Google Scholar
  • 30 Joustra P, Meester R, van Ophem H. Can statisticians beat surgeons at the planning of operations?. Empir Econ 2013; 44: 1697-1718
    CrossrefSearch in Google Scholar
  • 31 ShahabiKargar Z, Khanna S, Good N. et al. Predicting Procedure Duration to Improve Scheduling of Elective Surgery. Pham DM, Park SB. Pacific Rim International Conference on Artificial Intelligence. Berlin: Springer; 2014: 998-1009
    Search in Google Scholar
  • 32 Matzka S. Künstliche Intelligenz in den Ingenieurwissenschaften. Wiesbaden: Springer Fachmedien; 2021.
    CrossrefSearch in Google Scholar
  • 33 Andersen AR, Stidsen TJR, Reinhardt LB. Simulation-Based Rolling Horizon Scheduling for Operating Theatres. SN Oper Res Forum 2020; 1: 1-26
    CrossrefSearch in Google Scholar
  • 34 Schuster M, Wicha LL, Fiege M. et al. Auslastung und Wechselzeit als Kennzahlen der OP-Effizienz. Anaesthesist 2007; 56: 1060-1066
    CrossrefPubMedSearch in Google Scholar
  • 35 Dexter F, Epstein RH, Traub RD. et al. Making management decisions on the day of surgery based on operating room efficiency and patient waiting times. Anesthesiology 2004; 101: 1444-1453
    CrossrefPubMedSearch in Google Scholar
  • 36 Schuster M, Neumann C, Neumann K. et al. The effect of hospital size and surgical service on case cancellation in elective surgery: results from a prospective multicenter study. Anesth Analg 2011; 113: 578-585
    CrossrefPubMedSearch in Google Scholar
  • 37 Gür Ş, Eren T. Application of Operational Research Techniques in Operating Room Scheduling Problems: Literature Overview. J Healthc Eng 2018;
    CrossrefPubMedSearch in Google Scholar
  • 38 Jung KS, Pinedo M, Sriskandarajah C. et al. Scheduling Elective Surgeries with Emergency Patients at Shared Operating Rooms. Prod Oper Manag 2019; 28: 1407-1430
    CrossrefSearch in Google Scholar