http://www.100md.com
2003年11月3日
走进大多数美国的医院，你将发现那里确实存在工作流程上的滞后。通常，病人早上5：00来到医院就诊，要等2小时才能接受检查，而其中需要做手术病人还要再忍耐2个小时，才能被安排进手术室。由于病人知道这种经常发生的治疗上的延迟，所以按照惯例很晚才到手术室排队，因而等到中午，手术室门口就更人满为患了。外科医生也预料到了这种情况，所以经常比手术时间表的安排时间晚到手术室，以免浪费时间。到了下午的中段，这种瓶颈转向了康复区的ICU病房，而一部分手术后虚弱无力的病人因为缺少床位，只能无奈地暂时留在手术室。
在20世纪80年代，保险商几乎完全按照医院的要求付费，联邦和州政府则通过对Medicare和Medicaid增加资本窗口期来资助医院扩大其收治规模。虽然当时美国的工业领域已大量运用了现代化的作业流程技术，然而同其它服务业一样，医院还没有足够的竞争压力迫使他们去这样做。
1.医院服务成为了商品
20世纪80年代，健康维护组织(HMOs)开始要求降低医疗费用并增强医院间的竞争刺激。Medicare和Medicaid也顺应了这种潮流，并以平衡预算行动为标志完成了这一转型。面对更为严峻的环境，作为每年拥有4千亿美元产值的医院产业，几乎做了其所能想到的所有大规模的改变。从合并到缩减细枝末节处的成本，一些医院甚至推出了自己的保险计划。但是，以上措施无一是行之有效的。尤其是合并既不能提高医院的服务效率，又不能使医院具有抵消庞大的HMOs和有协议保证的美国联邦和州政府影响的足够的地方市场的竞争能力。与此同时，至少在作者所看到的医院中，有许多医院的业务单元的补偿率有了显著的下降。
具有竞争优势的价格要求其价格结构能带来快速的资金周转。HMOs与政府不再以单个病人或是单个服务日来补偿医院，相反，大部分按照病种来付费。以上变化和与其相关的一系列改变导致了住院病人百分比的迅速减少及住院病人留院时间的缩短。患者就医行为的改变使其对如急诊室、手术室、ICU等医院急诊类科室的服务需求量大幅上升。因此也就产生了相应科室的诊疗瓶颈和长时间的等待。
以前医院的首席执行官(CEO)会因医院收治容量的扩大(如增新手术室)而得到回报。但如今，许多医院已经因连续的手术而出现亏损，所以执行官们已羞于实行资本密集型的扩张战略，唯恐损失的更多。少数想要扩大规模的医院发现，资本市场已不象以前那样欢迎医院了。在过去的18个月中，医院的业内人士已对这些问题有了清楚的认识。在美国，一般的医院都在赤字中开展手术，并经受着关键科室病员超负荷之害，但却因不可控的财政危机而无法扩展业务。
什么能使医院摆脱窘境呢?问题的关键在于医院执行官的精力过于分散，没有把一些细微的、日常的注意力集中在医院的服务流程上。或多或少，医院的补偿形式与商品销售颇为相似，医院的经济效益会因为业务量表现的不同而出现很大的波动。储备和流通、排队论、及时流程等所有与工厂效率有关的概念，都是现今医院迫切需要的。一旦运用，回报将是巨大的。只要采用20世纪80年代福特公司和通用公司使用的终点——终点的作业流程以减少等待时间，不到一年，医院的服务量将会提高20%。而这种充足的业务量在很大程度上增强了医院的长期生存能力，而且并不需要在病房、雇员上做出新的投资。要实现此目标，必须对医院的可用资源进行高效的配置。
2.简单的模型将带来良好的效益
所有产业的发展表明，各种终点——终点的流程，包括医院的病员流、公园的游客流都比不上他们之间最薄弱的连接。如果ICU病房中护士太少，病人将被留在手术室中等待，同时又延误了下一台手术的准备，从而脱离了外科手术日程的安排。手术管理的首要任务是及时发现潜在的瓶颈，并通过平衡生产流程中各组成部分来减少这些瓶颈，以尽可能的满足需求，并在高峰时增加服务提供量。
提高工作流程的效率首先应当明确一个典型病人的就诊过程(当然，该过程中的各个环节会因患者病情的不同而异)，具体的细节不必十分详细。例如，一个外科住院病人要经过4至5个环节：登记、术前护理、手术、ICU中康复以及部分病人可能需要的在普通病房内的恢复。每个环节，管理人员必须分析服务的需求量和系统的供应能力，以及与两者相关的一些变化。并用某一时刻各科室的病人数量来测量。需求可以处于病人在最低的到达率的水平，并且存在着小时与小时之间、天与天之间的差异。容量是指在整个流程中的某特定环节可开设的服务窗口数。要知道环节的容量，就必须知道患者经过该环节所需要的时间，而且这些时间也存在着个体差异。
通常，需求与容量是一些大型参数的函数，如数量、类型、到达率和床位数、护士数以及医生数。基于此观点，可以预计一天内的病人流，确定各种设想条件下的瓶颈。当需求量大于容量时，瓶颈将会出现，困难在于如何预计该类事件的发生时刻。
重复的使用这一模型可以找出终点到终点系统的一些基本特征，即某个环节的服务容量利用率与等待时间呈指数关系。上班时间的高速公路上，从理论上来讲，交通流量可以实现最大化，只要每辆车以每小时65英里的速度行驶，并保持1英尺的车距。但是由于存在上下坡，司机又需要一定的反应时间，所以，车流因等待而被迫变得不连贯。医院也是如此，当服务容量被占满时，很小的变异可以引起整个流程的大波动。问题不在于少数疏忽的雇员或个别试图提高效率但失败的病区。事实上，其中的主要原因在于那些不考虑其上游和下游，只顾优化自身服务的半自动化病区。在很多情况下，牺牲局部速度来换取全程的可预见性更为可取。当一个预见到其上游的病人可能延迟的医生比预定时间晚15分钟到达手术室，其个人的工作效率可能会因为其充足的准备而提高，但是事实上病人却很可能只延误了10分钟。所以阻碍上游速度的提高(迟到的外科医生或麻醉师)是造成令人厌烦的等待的原因。
10年前，各科室之间的逻辑联系是通过几个科室的主管护士(每个护士都监管几个病区)来实现的。这些护士就像警察一样，发现早期的瓶颈，重新分配资源以疏通病员流。但主管护士并不直接护理病人，因此，病人不能得到很好的照料。所以这些护士成了20世纪90年代中期缩减成本的牺牲品。失去了这些护士后，原本不协调的系统变得更加无序了。
3.我们需要既优质又畅通的服务
如高速公路的例子所示，控制流程的主要困难在于系统中的各种变异性。走入一个现代化高效的自动化工厂，你可以发现这样一种现象，所有的事物都处于安静有序的状态，并高度的协调化。汽车公司花费了数年、数十亿美元找出了整个生产流程中的各种变异并平衡了其流水线。
显然医院不是汽车工厂，病人比起汽车部件更无法预料。然而，医院也不象工厂那样有那么多分散的环节需要顾及。所以，在较大程度上减少这种变异是完全能做到的。
一个针对每个环节的简单的供需模型，应当足以找出最有可能造成瓶颈的变异源。就需求方面来讲，最重要的是找出特定时间患者到达数量的差异。医院可以通过诸如改变手术日程表等方法来控制这种差异。供给方面，差异主要存在于人员与资源的不合理配置，如医生巡视病人时间上的不协调或是对工作人员整理病房的时间估计失误。一旦清楚了问题之所在，就有可能通过良好的计划逐个解决，即便是细微的改进也会有很大的帮助。因为，通过减少系统中3-4个参数的变异可以削减许多闲置的容量。
4、知道什么将会发生
建立一个类似随机浮动的模型是减少变异的一种低成本的方法。作者通过在急诊室90天的调查，发现了患者单位小时到达率的显著差异。但当用天为单位来组织数据时，大多数差异就消失了。在特定的小时段内，到达率是可以预计的，医院可以调整工作人员数量来适应预计的需求。同样的，在测量每3个手术的间隔时间时，发现其范围在283-386分钟之间。但当作者们根据做某项手术的特定医生来组织数据时，差异下降的非常明显。其中某些外科医生手术所用的时间较长，医院就可以相应安排较多的时间，从而减少了手术室的闲置。
此外，系统的变异可能需要通过整个流程的多步模式才能暴露出来。例如，有一个医院在星期五因心血管手术的大需求量而使医务人员相对不足，只能花费昂贵的加班费用使医务人员超时工作。问题最初不在手术室而在心血管病的诊断科室，而且经过这些科室诊断的心血管疾病常常需要手术。由于胸痛的病人常在度完周末后的星期一在全科医师处就诊，并于2、3天后来医院检查，所以大量的检查集中在星期三、四。而手术往往是在检查后的一天进行，于是星期五的手术室就出现了瓶颈。医院可以将某些能够安全延后的手术顺延至下周初，以减少这种情况的发生，使手术室的分配变得更平衡。
5.仔细设定极限
除了通过用这些程序导向的技术来减少差异外，医院还可以应用系统的、政策导向的方法。这样，有时可能需要使医生巡视的时间间隔缩短。由于这类限制减少了较高的变异性，病员溢出流向系统其它部分的可能性下降了。对手术室的清扫和手术的准备时间加以限制，可以减少整个整理时间的变异(虽然这种变异可能不是很大，但是却足够分散)。某些医院成立了应急组对任何一间可能空闲30分钟的手术室进行打扫和消毒。当然，这种措施在采取时必须谨慎。强迫医生做频繁的巡视，可能会激惹他们而使医疗质量降低。差异小表明等待时间短，仅仅这一项能使医生和病人共同获得巨大利益。事实上，另一个要求提高作业效率的重要原因是患者对节约时间的强烈要求。在最近对75人所做的调查中发现，人们愿意驱车更远、花更多的钱甚至更换医生以求获得快捷的服务。
无论如何，医疗卫生服务大体上是一种商品。医疗服务的质量很难区别医院的好坏，至少在某一特定地区的某层次的竞争机构中是如此。比如，纽约的主要教学医院有着超过平时三倍的收治能力，但是只有能够提供缩短等待时间和加速科室间流转的这类便利的医院，才能具有区别于其它医院的优势。
在20世纪80年代，保险商几乎完全按照医院的要求付费，联邦和州政府则通过对Medicare和Medicaid增加资本窗口期来资助医院扩大其收治规模。虽然当时美国的工业领域已大量运用了现代化的作业流程技术，然而同其它服务业一样，医院还没有足够的竞争压力迫使他们去这样做。
1.医院服务成为了商品
20世纪80年代，健康维护组织(HMOs)开始要求降低医疗费用并增强医院间的竞争刺激。Medicare和Medicaid也顺应了这种潮流，并以平衡预算行动为标志完成了这一转型。面对更为严峻的环境，作为每年拥有4千亿美元产值的医院产业，几乎做了其所能想到的所有大规模的改变。从合并到缩减细枝末节处的成本，一些医院甚至推出了自己的保险计划。但是，以上措施无一是行之有效的。尤其是合并既不能提高医院的服务效率，又不能使医院具有抵消庞大的HMOs和有协议保证的美国联邦和州政府影响的足够的地方市场的竞争能力。与此同时，至少在作者所看到的医院中，有许多医院的业务单元的补偿率有了显著的下降。
具有竞争优势的价格要求其价格结构能带来快速的资金周转。HMOs与政府不再以单个病人或是单个服务日来补偿医院，相反，大部分按照病种来付费。以上变化和与其相关的一系列改变导致了住院病人百分比的迅速减少及住院病人留院时间的缩短。患者就医行为的改变使其对如急诊室、手术室、ICU等医院急诊类科室的服务需求量大幅上升。因此也就产生了相应科室的诊疗瓶颈和长时间的等待。
以前医院的首席执行官(CEO)会因医院收治容量的扩大(如增新手术室)而得到回报。但如今，许多医院已经因连续的手术而出现亏损，所以执行官们已羞于实行资本密集型的扩张战略，唯恐损失的更多。少数想要扩大规模的医院发现，资本市场已不象以前那样欢迎医院了。在过去的18个月中，医院的业内人士已对这些问题有了清楚的认识。在美国，一般的医院都在赤字中开展手术，并经受着关键科室病员超负荷之害，但却因不可控的财政危机而无法扩展业务。
什么能使医院摆脱窘境呢?问题的关键在于医院执行官的精力过于分散，没有把一些细微的、日常的注意力集中在医院的服务流程上。或多或少，医院的补偿形式与商品销售颇为相似，医院的经济效益会因为业务量表现的不同而出现很大的波动。储备和流通、排队论、及时流程等所有与工厂效率有关的概念，都是现今医院迫切需要的。一旦运用，回报将是巨大的。只要采用20世纪80年代福特公司和通用公司使用的终点——终点的作业流程以减少等待时间，不到一年，医院的服务量将会提高20%。而这种充足的业务量在很大程度上增强了医院的长期生存能力，而且并不需要在病房、雇员上做出新的投资。要实现此目标，必须对医院的可用资源进行高效的配置。
2.简单的模型将带来良好的效益
所有产业的发展表明，各种终点——终点的流程，包括医院的病员流、公园的游客流都比不上他们之间最薄弱的连接。如果ICU病房中护士太少，病人将被留在手术室中等待，同时又延误了下一台手术的准备，从而脱离了外科手术日程的安排。手术管理的首要任务是及时发现潜在的瓶颈，并通过平衡生产流程中各组成部分来减少这些瓶颈，以尽可能的满足需求，并在高峰时增加服务提供量。
提高工作流程的效率首先应当明确一个典型病人的就诊过程(当然，该过程中的各个环节会因患者病情的不同而异)，具体的细节不必十分详细。例如，一个外科住院病人要经过4至5个环节：登记、术前护理、手术、ICU中康复以及部分病人可能需要的在普通病房内的恢复。每个环节，管理人员必须分析服务的需求量和系统的供应能力，以及与两者相关的一些变化。并用某一时刻各科室的病人数量来测量。需求可以处于病人在最低的到达率的水平，并且存在着小时与小时之间、天与天之间的差异。容量是指在整个流程中的某特定环节可开设的服务窗口数。要知道环节的容量，就必须知道患者经过该环节所需要的时间，而且这些时间也存在着个体差异。
通常，需求与容量是一些大型参数的函数，如数量、类型、到达率和床位数、护士数以及医生数。基于此观点，可以预计一天内的病人流，确定各种设想条件下的瓶颈。当需求量大于容量时，瓶颈将会出现，困难在于如何预计该类事件的发生时刻。
重复的使用这一模型可以找出终点到终点系统的一些基本特征，即某个环节的服务容量利用率与等待时间呈指数关系。上班时间的高速公路上，从理论上来讲，交通流量可以实现最大化，只要每辆车以每小时65英里的速度行驶，并保持1英尺的车距。但是由于存在上下坡，司机又需要一定的反应时间，所以，车流因等待而被迫变得不连贯。医院也是如此，当服务容量被占满时，很小的变异可以引起整个流程的大波动。问题不在于少数疏忽的雇员或个别试图提高效率但失败的病区。事实上，其中的主要原因在于那些不考虑其上游和下游，只顾优化自身服务的半自动化病区。在很多情况下，牺牲局部速度来换取全程的可预见性更为可取。当一个预见到其上游的病人可能延迟的医生比预定时间晚15分钟到达手术室，其个人的工作效率可能会因为其充足的准备而提高，但是事实上病人却很可能只延误了10分钟。所以阻碍上游速度的提高(迟到的外科医生或麻醉师)是造成令人厌烦的等待的原因。
10年前，各科室之间的逻辑联系是通过几个科室的主管护士(每个护士都监管几个病区)来实现的。这些护士就像警察一样，发现早期的瓶颈，重新分配资源以疏通病员流。但主管护士并不直接护理病人，因此，病人不能得到很好的照料。所以这些护士成了20世纪90年代中期缩减成本的牺牲品。失去了这些护士后，原本不协调的系统变得更加无序了。
3.我们需要既优质又畅通的服务
如高速公路的例子所示，控制流程的主要困难在于系统中的各种变异性。走入一个现代化高效的自动化工厂，你可以发现这样一种现象，所有的事物都处于安静有序的状态，并高度的协调化。汽车公司花费了数年、数十亿美元找出了整个生产流程中的各种变异并平衡了其流水线。
显然医院不是汽车工厂，病人比起汽车部件更无法预料。然而，医院也不象工厂那样有那么多分散的环节需要顾及。所以，在较大程度上减少这种变异是完全能做到的。
一个针对每个环节的简单的供需模型，应当足以找出最有可能造成瓶颈的变异源。就需求方面来讲，最重要的是找出特定时间患者到达数量的差异。医院可以通过诸如改变手术日程表等方法来控制这种差异。供给方面，差异主要存在于人员与资源的不合理配置，如医生巡视病人时间上的不协调或是对工作人员整理病房的时间估计失误。一旦清楚了问题之所在，就有可能通过良好的计划逐个解决，即便是细微的改进也会有很大的帮助。因为，通过减少系统中3-4个参数的变异可以削减许多闲置的容量。
4、知道什么将会发生
建立一个类似随机浮动的模型是减少变异的一种低成本的方法。作者通过在急诊室90天的调查，发现了患者单位小时到达率的显著差异。但当用天为单位来组织数据时，大多数差异就消失了。在特定的小时段内，到达率是可以预计的，医院可以调整工作人员数量来适应预计的需求。同样的，在测量每3个手术的间隔时间时，发现其范围在283-386分钟之间。但当作者们根据做某项手术的特定医生来组织数据时，差异下降的非常明显。其中某些外科医生手术所用的时间较长，医院就可以相应安排较多的时间，从而减少了手术室的闲置。
此外，系统的变异可能需要通过整个流程的多步模式才能暴露出来。例如，有一个医院在星期五因心血管手术的大需求量而使医务人员相对不足，只能花费昂贵的加班费用使医务人员超时工作。问题最初不在手术室而在心血管病的诊断科室，而且经过这些科室诊断的心血管疾病常常需要手术。由于胸痛的病人常在度完周末后的星期一在全科医师处就诊，并于2、3天后来医院检查，所以大量的检查集中在星期三、四。而手术往往是在检查后的一天进行，于是星期五的手术室就出现了瓶颈。医院可以将某些能够安全延后的手术顺延至下周初，以减少这种情况的发生，使手术室的分配变得更平衡。
5.仔细设定极限
除了通过用这些程序导向的技术来减少差异外，医院还可以应用系统的、政策导向的方法。这样，有时可能需要使医生巡视的时间间隔缩短。由于这类限制减少了较高的变异性，病员溢出流向系统其它部分的可能性下降了。对手术室的清扫和手术的准备时间加以限制，可以减少整个整理时间的变异(虽然这种变异可能不是很大，但是却足够分散)。某些医院成立了应急组对任何一间可能空闲30分钟的手术室进行打扫和消毒。当然，这种措施在采取时必须谨慎。强迫医生做频繁的巡视，可能会激惹他们而使医疗质量降低。差异小表明等待时间短，仅仅这一项能使医生和病人共同获得巨大利益。事实上，另一个要求提高作业效率的重要原因是患者对节约时间的强烈要求。在最近对75人所做的调查中发现，人们愿意驱车更远、花更多的钱甚至更换医生以求获得快捷的服务。
无论如何，医疗卫生服务大体上是一种商品。医疗服务的质量很难区别医院的好坏，至少在某一特定地区的某层次的竞争机构中是如此。比如，纽约的主要教学医院有着超过平时三倍的收治能力，但是只有能够提供缩短等待时间和加速科室间流转的这类便利的医院，才能具有区别于其它医院的优势。