waiting

Praktisk användning av resultaten från Monte Carlo simuleringen

En del av mitt uppdrag att utveckla verksamheten vid Primärvården i Uppsala har handlat om att hitta sätt att minska kötiden till olika behandlingar. I ett tidigare inlägg beskrev jag den simuleringsmodell som jag utvecklat för att räkna ut hur långt innan en gruppbehandling ska starta som man behöver börja leta efter lämpliga patienter. Här tänkte jag utveckla resonemanget kring denna modell och också konkret beskriva hur vi använder detta i Primärvårdens verksamhet.

Det simuleringsmodellen gör är slumpa fram en kö med patienter där en viss andel passar i en speciell gruppbehandling. Utgående från denna kö beräknas sedan hur många patienter som behövs för att fylla gruppen. Med hjälp av Monte-Carlo simulering repeteras detta förfarande 100 000 gånger och på detta vis beräkna en sannolikhetsfördelning att gruppen ska vara full.

Mobilanpassat verktyg

Simuleringsverktyg

För att göra det enkelt har jag tagit fram ett mobilanpassat webbverktyg som direkt räknar hur långt innan en grupp ska starta man behöver börja leta lämpliga patienter.

”Andel lämpliga patienter i procent” är hur stor andel av alla patienter som står i kö som skulle vilja, passa och ha praktisk möjlighet att delta i en viss gruppbehandling.

Naturligtvis är det svårt att exakt veta hur stor denna andel är! Det jag gjort är att uppskatta andelen genom att först på årsbasis räkna ut hur stor andel av alla patienter som i slutändan började i en viss grupptyp. Ex jag har ca 100 patienter per år och av dessa gick 12 stycken i sömngrupp (6 på hösten och 6 på våren..) Dvs. andelen lämpliga patienter för sömngrupp är 12%! Problemet med denna siffra är att jag inte aktivt rekryterar till alla grupper hela tiden och därför finns risken att man missar någon som skulle ha passat i grupp (och procentsatsen att bli för låg).

Därför räknar jag även hur många patienter som började i en viss grupp av de patienter som ställde sig i min kö från och med den första patienten i gruppbehandlingen till gruppen startar. Ex. den 15 november startar jag en sömngrupp med sex patienter och av dessa fick jag den första remissen den 15 augusti. Det är tre månader och under den tiden har jag totalt fått 30 remisser. Detta innebär att andelen lämpliga patienter är 6 av 30 dvs. 20%. Problemet med denna siffra är att urvalet är mindre så att den statistiska osäkerheten blir större.

Slutligen uppskattar jag att det rätta ”andelen lämpliga patienter” är någonstans mellan de båda resultaten. Denna andel försöker jag sedan att hålla uppdaterad genom att inför varje ny grupp justera siffran utifrån föregående grupps rekryteringsperiod.

”Önskat antal gruppmedlemmar” är precis vad det låter som och ”genomsnittligt antal bedömningar per vecka” är det antal patienter i den ”osorterade” kön till mottagningen som bedöms under en vecka. Är det flera behandlare som hjälps åt att bedöma patienter till en viss grupp så räknas naturligtvis alla dessa bedömningar samman.

Möjliga åtgärder

Det resultat som är intressant i simuleringsmodellen är hur många veckor innan en gruppstart man behöver börja leta patienter för att fylla gruppen. Detta resultat beror på tre faktorer.

1. Öka andelen lämpliga remisser

Det vi psykologer prövat vid Primärvårdens vårdcentraler är att informera våra remittenterna om våra gruppbehandlingar och på detta sätt få fler remisser som är direkt riktade till en viss grupp. En problemet har dock varit att detta ibland lett till att det totala antalet remisser/patienter också ökat vilket remisser vilket gjort att köerna blivit längre (även om naturligtvis fler patienter totalt sett fått gå i behandling!)

Vi har även börjat med transdiagnostiska grupper enligt Unified Protocol av David H. Barlow m.fl. Även om forskningsläget ännu är lite skralt för ”UP” så är mitt intryck utifrån de behandlingsutvärderingar vi gjort att det fungerar ganska bra på vår patientgrupp. I något enstaka fall har vi lagt till individuella sessioner där de behövt med i stort så är patienterna mycket nöjda och våra data visar också att de blir bättre av behandlingen.

2. Minska gruppstorleken

Genom att försöka satsa på mindre grupper med fem-sex patienter istället för åtta så minskar den genomsnittliga tiden för att fylla gruppen med ca 30%. Om sedan längden på sessionen anpassas efter antalet patienter så behöver inte heller en liten behandlingsgrupp bli mindre kostnadseffektiv än en stor. Tvärtom kan kostnadseffektiviteten öka genom att tiden mellan att en grupp slutar och nästa grupp börjar förkortas.

3. Öka antalet bedömningar per vecka

Här har vi prövat flera metoder. Det första vi psykologer gjort är att starta gemensamma gruppbehandlingar där patienter kan gå oavsett vilken av landstingets vårdcentraler de är listade på. Genom att samarbete ökar det antal remisser vi tillsammans kan bedöma per vecka!

På motsvarande sätt har jag på den vårdcentral jag huvudsakligen arbetar låtit utvalda remittenter (ffa. läkare) ansvara för bedömningarna till vår sömnbehandling och direkt remittera till ”sömngruppen”.  Här krävs dock att de tydligt blir informerade om vilka inklusions- och exklusionskriterier som gäller samt att de får kontinuerlig feedback så eventuella missförstånd kan korrigeras.

4. Öppna grupper

Den sista metoden vi använt är att låta vissa gruppbehandlingar vara ”öppna”, dvs. att kontinuerligt ta in nya patienter i gruppen. I simuleringsmodellen motsvarar detta att minska ”önskad gruppstorlek” till ett, för så snart vi hittar en lämplig patient kan den börja i gruppen.

En annan fördel med öppna grupper är att det också motverkar det bortfall patienter som ofta förekommer i en gruppbehandling. För även om åtta personer börjar är det alltid någon eller några som av olika anledningar får förhinder och slutar vilket leder till att gruppen blir halvfull oavsett hur väl vi lyckats med rekryteringen till gruppen.

Det öppna gruppformatet är dock inte lämpligt i alla typer av grupper. I exempelvis våra ångestgrupper så bygger de olika sessionerna till stor del på varandra och det gör det svårt att bara ”hoppa in”. Däremot fungerar det väldigt bra i andra typer av grupper, som exempelvis våra självhjälpsgrupper för patienter med insomni eller ”träningsgrupper” i mindfulness.

Slutord

Målet med detta inlägg var att utveckla resonemanget kring simuleringsmodellen och även konkret beskriva hur vi använder den i vår verksamhet vid Primärvården i Uppsala. Får du som läsare några fler frågor eller är det något som du inte håller med om – lämna gärna en kommentar nedan!