Monte Carlo simulering

Monte Carlo simulering av köer till gruppbehandling

Som psykolog i offentlig verksamhet verkar det snarare vara regel än undantag att inflödet avpatienter långt överstiger de behandlingsresurser som finns tillgängliga, vilket naturligtvis leder till långa köer av väntande patienter.

Ett sätt att tackla detta problem är att starta gruppbehandlingar kring en specifik diagnos för att på detta kunna hjälpa fler patienter på samma tid och därmed korta köerna. Detta är enkel lösning som tyvärr ofta är ganska svår att få till i praktiken! För även om det är många patienter i kö till behandling är det inte alls säkert att de 1) vill gå i grupp eller 2) passar att gå i grupp, vilket gör det svårt att fylla grupperna. Risken är också att viljan att fylla gruppen leder till felaktiga bedömningar som visar sig genom att deltagare av olika anledningar slutar halvvägs. I båda fallen är resultatet halvfulla behandlingsgrupper som i värsta fall kan bli mindre kostnadseffektiva än enskild terapi.

Men vad beror då det på? Om man jämför oss psykologer med ex. sjukgymnaster så lyckas de ju nästan jämt fylla sina grupper? Vad gör de som inte vi gör? Borde inte vi psykologer också kunna få till fulla grupper i våra behandlingar? Min hypotes är att det egentligen inte handlar om vad vi gör olika utan att förutsättningarna för gruppverksamheten skiljer sig åt!

En metod att undersöka denna hypotes är genom Monte-Carlo simulering.

Tillsammans med min bror Jonas Westin, som är forskare på Centrum för regionalvetenskap i Umeå,  har jag tagit fram en enkel simuleringsmodell som beskriver en kö av patienter till en viss behandlingsgrupp. Baserat på befintlig statistik slumpar modellen fram en kö med patienter där en viss andel passar i en grupp och utgående från denna kö beräknas sedan hur många patienter som behövs för att fylla grupp av en viss storlek. Med hjälp av Monte-Carlo simulering repeteras detta förfarande 100 000 gånger för att beräkna en fördelning av sannolikheten att gruppen ska vara full givet ett antal patienter.

Resultatet i tabellen nedan visar det antal patienter som krävs för att med 90% sannolikhet att fylla en behandlingsgrupp givet en viss andel lämpliga patienter.

Andel lämpliga patienter 4 deltagare 5 deltagare 6 deltagare 7 deltagare 8 deltagare
20% 32 39 45 51 57
15% 44 52 61 69 77
12% 55 66 76 87 97
10% 66 79 92 104 117
8% 83 99 115 131 147
6% 112 133 154 175 196
4% 167 200 233 264 295
2% 337 403 468 530 592

Interaktivt diagram samt rådata från simuleringen

Hur använder man då dessa resultat? Det vi gjort är att samla in statistik över hur stor andel av alla patienter som påbörjat en särskild gruppbehandling kan ge en ungefärlig uppskattning av hur stor andel patienter som platser i en viss grupper. På den vårdcentral jag arbetar på har de senaste tio månaderna ca 15% av alla patienter deltagit i vår ”sömngrupp”, 8% i vår ”transdiagnostisk ångestgrupp” (Unified Protocol) och 2% ar remitterats till en kollegas ”paniksyndromgrupp” för att nämna några.

Baserat på Monte Carlo simuleringen innebär det att om vi vill starta en sömngrupp med 8 deltagare måste vi ha en kö med minst 77 patienter för att med 90% sannolikhet få en full grupp. För att fylla ångestgruppen krävs 147 patienter och för ”panikgruppen” behövs en kö på minst 592 patienter. Eftersom jag arbetar ensam som psykolog på min vårdcentral och i genomsnitt bedömer en ny patient per arbetsdag betyder detta att jag behöver börja leta sömnpatienter 15 veckor innan gruppstart, ångestpatienter ett halvår och patienter med paniksyndrom i över två år.

Detta är antagligen den största anledningen till att vi har så svårt att fylla våra grupper! Eftersom våra gruppbehandlingar ofta är inriktade mot en specifik diagnos leder det till att andelen patienter som passar i en viss grupp är relativ liten vilket gör att det behövs många patienter I nästa inlägg tänkte jag fortsätta beskriva hur vi arbetat vidare med att kalibrera modellen och anpassat verksamheten för att fylla våra grupper.

1 svara

Trackbacks & Pingbacks

  1. […] 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 […]

Lämna en kommentar

Want to join the discussion?
Feel free to contribute!

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *