L’inaccettabile lunghezza delle liste di attesa di moltissime prestazioni è, tra i tanti problemi di cui soffre la sanità italiana, quello probabilmente più sentito dai cittadini.
Ci si trova, infatti, di fronte a tempi lunghissimi per effettuare visite ed esami, con il risultato che chi ne ha la possibilità si rivolge al privato, mentre chi non ne ha (oltre 4 milioni secondo l’ISTAT) rinuncia del tutto alle cure.
Le Organizzazioni Sanitarie sono certamente attive per cercare di risolvere il problema, perché su questo punto si gioca non solo il futuro della sanità italiana, ma anche quello della salute di chi non può permettersi di ricorrere a cure private.
In questo approfondimento ci interrogheremo quindi sul tema: “In che modo le società di consulenza che si occupano di Business Intelligence e Data Analytics, come BI Health, possono coadiuvare le Organizzazioni Sanitarie nell’affrontare la sfida della riduzione delle liste di attesa?”
Il problema è sicuramente molto complesso e lo approfondiremo cercando di mantenere il giusto equilibrio tra rigore scientifico e impostazione divulgativa. Prescindendo inoltre dal problema della cronica carenza di risorse umane e strumentali di cui soffre la sanità italiana, fuori dalla possibilità di intervento di aziende di digital transformation come BI Health, ci concentreremo sul come, a partire dalla condizione esistente, si possano ottenere i migliori risultati.
Le liste di attesa sono il frutto di un classico rapporto tra domanda e offerta di prestazioni, e per poter realmente raggiungere l’obiettivo di ridurle si dovrà agire su entrambi i lati.
AZIONI SULLA DOMANDA
La domanda di prestazioni sembra in apparenza incomprimibile, derivando dalla necessità del cittadino di avere adeguate cure e controlli. Ma in realtà non è sempre così. Spesso le richieste di prestazioni sono infatti “non appropriate”, nel senso che vengono prescritte non in diretta relazione con la patologia da affrontare. Solo per fare un esempio, si calcola che per le risonanze (RMN), uno degli esami che più spesso viene prescritto in maniera inappropriata, ne vengano richieste 700 mila in eccesso, ovvero il 20% in più del necessario.
Un’attenta analisi dei dati, effettuata con tecniche di Business Intelligence, può consentire di individuare facilmente le aree a maggior criticità in tal senso, per poter poi intervenire su di esse in modo mirato.
Altro punto importantissimo è quelle delle campagne di prevenzione che, consentendo di intervenire all’esordio delle patologie, ne impediscono la degenerazione, riducendo così la richiesta di prestazioni maggiormente qualificate. Ad esempio, una campagna di screening per la ricerca di sangue occulto nelle feci consente innanzi tutto di prescrivere la colonscopia in modo appropriato (la colonscopia ha liste di attesa lunghissime) e soprattutto, intervenendo immediatamente, di ridurre di molto il numero degli interventi chirurgici necessari.
Anche qui, Business Intelligence e Data Analytics possono essere di grande utilità, sia a supporto della gestione ottimale delle campagne di screening, sia per la valutazione comparata dei risultati, attraverso la gestione di opportuni Key Performance Indicator (KPI). Le conseguenti operazioni di benchmarking consentiranno così la corretta valutazione dell’efficienza e dell’efficacia degli interventi, fornendo alle strutture il supporto informativo necessario ad un corretto processo decisionale.
È infine importantissimo sottolineare che questo genere di interventi, supportati da azioni basate su BI e Data Analytics, viene effettuato pressoché “a costo zero”, in quanto non richiede risorse aggiuntive, ma mira alla diminuzione della domanda delle risorse esistenti. È inoltre di tipo “win-win”, nel senso che, ad un risparmio delle Organizzazioni Sanitarie, si associa un miglioramento del processo di diagnosi e cura per il Cittadino.
AZIONI SULL’OFFERTA
Le azioni sul piano dell’offerta di prestazioni possono essere suddivise fondamentalmente in due classi: l’ottimizzazione dell’utilizzo delle risorse già esistenti e l’individuazione dei punti di criticità e delle conseguenti azioni di orientamento verso di essi delle risorse aggiuntive disponibili.
Relativamente all’ottimizzazione dell’utilizzo delle risorse esistenti, la BI può venire in aiuto consentendo una chiara valutazione dell’efficienza nell’utilizzo delle prestazioni disponibili e la conseguente individuazione delle azioni correttive. Solo per fare un esempio, se l’analisi dei dati individuasse una certa percentuale di mancate disdette (e quindi di appuntamenti persi), caso frequente per prestazioni prenotate a grande distanza di tempo, questo potrebbe derivare sia dalla mancanza di un efficace sistema di recall, che, poco prima della prestazione, chieda conferma al Cittadino della sua effettiva presenza, sia da un sistema di overbooking mal dimensionato.
Per quanto riguarda l’altro punto, l’individuazione delle criticità, è evidente che anche per questa attività si rende necessaria la gestione di opportuni KPI e delle conseguenti azioni di benchmarking. Ma è soprattutto nella fase successiva, una volta individuate le criticità, che BI e Data Analytics possono dare un contributo decisivo alla definizione delle migliori azioni da intraprendere. In questa fase, infatti, sistemi avanzati di BI possono fornire analisi di scenario, modelli predittivi multivariati e analisi di tipo what-if, che metteranno in grado le Organizzazioni Sanitarie di valutare comparativamente in modo ottimale i possibili interventi, scegliendo così i migliori.
Proviamo a spiegarci con un esempio, forse un po’ semplificato, ma utile a chiarire le modalità di intervento.
Una ASL ha individuato un insieme di prestazioni critiche per la lunghezza delle liste di attesa e decide quindi di intervenire rinforzando i relativi servizi. Ma come calibrare con precisione l’intervento?
Possibili soluzioni possono essere sia l’apertura di nuove strutture, con conseguente aumento dei costi di gestione e di nuovo personale; sia l’aumento dell’utilizzo di quelle già esistenti, attraverso il ricorso a prestazioni straordinarie, ivi compreso, nei casi più critici, il loro utilizzo h24. Va da sé, poi, che anche una combinazione delle due soluzioni potrebbe rappresentare un buon punto di equilibrio.
Ora, è chiaro che qualsiasi intervento determinerà in modo variabile, da un lato, un aumento dei costi di esercizio, e dall’altro, fornirà un contributo più o meno consistente alla riduzione delle liste di attesa. Allora, come scegliere?
È sicuramente difficile trovare un soddisfacente punto di equilibrio senza un adeguato supporto, e i modelli predittivi multivariati, e soprattutto una corretta applicazione dell’analisi what-if, possono venirci in soccorso.
L’analisi what-if, infatti, può aiutare il management dell’azienda fornendo una modellazione adeguata che, per ogni possibile scenario di partenza, frutto degli interventi ipotizzati, fornisca una chiara e misurabile valutazione dello scenario finale. In tal modo sarà possibile scegliere l’intervento migliore, avendo chiaro ciò che si andrà con molta probabilità ad ottenere, evitando così di scoprire ex-post, di fronte all’insuccesso dei risultati conseguiti, di non aver adottato le scelte più adeguate.
In qualità di azienda all’avanguardia nella Business Intelligence, BI Health può dare il suo concreto contributo riguardo a tutti i temi sopra descritti, supportando i decisori nell’affrontare queste ed altre importanti sfide che caratterizzeranno il futuro della sanità italiana.
Per BI Health, il futuro è già qui.
Continueremo ad analizzare il tema della riduzione delle liste di attesa, pubblicando sul nostro sito (www.bihealth.it) e sui nostri social (Linkedin, YouTube) una serie di approfondimenti sugli specifici argomenti, qui affrontati sinteticamente.
A cura di BI Health