Kapacitní model pro nemocnice z dílny analytiků EY je nástrojem, který najde uplatnění na poli prevence a plánování procesů. COVID-19 v posledních dvou letech uvrhl zdravotníky po celém světě do stavu akutní nejistoty. Nikdo si nemohl být jistý, zda se stávající situace dramaticky nezhorší takříkajíc „na přes noc“, a zda interní zdroje budou dostačovat k pokrytí aktuálních potřeb pacientů. Status quo tuzemského zdravotnictví se v těchto měsících vyznačoval především jednou vlastností – nepředvídatelností. Na tu se snažili najít řešení právě autoři kapacitního modelu EY.

„Úkolem modelu rozhodně není snížení počtu nakažených a hospitalizovaných. Jde především o analytický nástroj, který se opírá o kvalitu a kvantitu vstupních dat. Nemocnicím může v podobných krizových situacích výrazně pomoci s přípravou na další dny a týdny, protože vytváří co nejpřesnější predikci na až třítýdenní období,“ vysvětluje povahu nástroje Marek Jindra z oddělení Strategie a transakcí EY.

Marek Jindra

Kapacitní model nabízí odpovědi na následující otázky, jejichž včasné a co nejpřesnější zodpovězení umožňuje nemocnicím pohotově a efektivně reagovat:

1. Kolik pacientů bude hospitalizovaných a kdy přesně?
2. Jaké zdravotnické vybavení bude potřeba?
3. Jaký personál bude vyžadován – kolik lékařů a sester?
4. Jaký vliv na počet nemocných budou mít aktuálně účinná vládní opatření?

Předpokladem co nejexaktnějších předpovědí je povaha vstupních dat. Na jedné straně software operuje s parametry konkrétního zdravotnického zařízení. Typově jde například o celkovou kapacitu a poměr obsazených/neobsazených lůžek, personální kapacitu i hladinu zásob zdravotnických pomůcek a dalších zdrojů. Druhá sada dat vychází z veřejně dostupných informacích a zohledňuje obecné údaje o demografické skladbě obyvatelstva, vzorcích chování lidí a klinickou prognózu konkrétních onemocnění. Klasicky jejich nakažlivost, smrtnost, inkubační dobu a podobně.

Do modelu lze také vnášet data o aktuálně účinných vládních a hygienických opatřeních, díky čemuž mohou zdravotníci pozorovat, jak se prognóza změní po zohlednění těchto ad hoc vlivů. Samozřejmostí je práce s údaji pravidelně zveřejňovanými Ministerstvem zdravotnictví ČR. Data o počtech nově potvrzených případů, hospitalizovaných pacientů a úmrtí jsou přitom pro fungování modelu klíčová, protože jsou pouze obtížně zkreslitelná.

„Předpovědi jsme průběžně porovnávali s realitou českých nemocnic. Potvrdilo se, že předpokladem přesnosti programu je dostatečné množství vstupních dat. Z krátkodobého hlediska tak dokáže poskytovat zdravotníkům skutečně nápomocný detailní výhled. V dlouhodobém měřítku ale naráží na jistá úskalí, způsobená především externími vlivy. Například často a významně se měnící vládní opatření, která významně komplikovala dosahování přesných predikcí. Důvodem je nepředvídatelnost chování lidí – na vynalézavost v obcházení pravidel je totiž jakýkoliv program krátký,“ hodnotí zkušební provoz na půdě jedné pražské nemocnice Marek Jindra.

Program lze v budoucnu rozšiřovat o analýzu blíže nespecifikovaných dat, která mohou dopomoci k ještě vyšší přesnosti jeho výstupů. „Model nabízí dostatek prostoru k rozšíření. Má potenciál být variabilnější a přesnější. Ač byl vyvíjen přímo na míru pandemii COVID-19, lze jej jednoduše přizpůsobit podle aktuální potřeby. Pomáhat tak může malým i větším nemocnicím, například v čase sezónních chřipkových epidemií,“ dodává Magdalena Souček, vedoucí partnerka EY Česká republika.

Magdalena Souček