Die Schweizer Notfallversorgung steht nicht erst seit Ausbruch der Corona-Pandemie im Fokus. Notfallstationen im ganzen Land geraten aufgrund von kontinuierlich steigenden Patientenzahlen immer mehr unter Druck – man spricht in diesem Zusammenhang auch vom Emergency Department Crowding Effekt. Es scheint daher unausweichlich die Notfallversorgung in der Schweiz wie auch international strukturell anzupassen. Zu diesem Zweck erarbeiten, in einem von Innosuisse geförderten Forschungsprojekt, Partner aus der angewandten Forschung (BFH, FHS St.Gallen), Notfallmedizin (Inselspital, SGNOR[1]) und Beratung (walkerproject) mit Hilfe der Computational Design Thinking Methode nachhaltige prozessuale und strukturelle Optimierungsstrategien für diesen Versorgungssektor.

Megatrends wie die Globalisierung und die digitale Transformation haben dazu geführt, dass wir heute in einer VUCA-Welt leben. Die VUCA Merkmale – Volatilität, Unsicherheit, Komplexität und Ambiguität – betreffen nicht nur die Welt als Ganzes, sondern gelten insbesondere auch für wichtige Subsysteme wie das Gesundheits- oder Wirtschaftssystem. Eine entscheidende Konsequenz von VUCA ist, dass traditionelle Analyse- und Problemlösungsmethoden (u.a. Regressionsanalysen und betriebswirtschaftliche Strategiewerkzeuge wie Porter’s Five Forces) immer häufiger versagen, da diese Tools wichtige Sachverhalte meist statisch und linearisiert betrachten. Dies ist im Widerspruch zu den VUCA Annahmen, die von mehrheitlich dynamischen und nicht-linearen (komplexen) Wechselwirkungen ausgehen. Das Phänomen der überfüllten Notfallstationen – international auch als Emergency Department (ED) Crowding bekannt (Asplin et al., 2003; Hoot und Aronsky, 2008)  – verdeutlicht diesen Umstand eindrücklich. Es gehört zu den prototypischen dynamisch-komplexen Problemen in der Versorgungsforschung: «dynamisch», da sich die Ausgeprägtheit des Problems über die Zeit verändert, und «komplex», weil es von einer Vielzahl an Entwicklungen mitverursacht wird, die sich zudem untereinander beeinflussen können – wie beispielsweise Demographie (alternde Gesellschaft), Migration, Druck am Arbeitsplatz, Mobilität, «Bequemlichkeit», Erwartungshaltung der Patienten etc. (Schoenenberger et al., 2016). Diese Problemcharakteristika sind auch dafür verantwortlich, dass sich das ED Crowding seit Jahren als äusserst immun gegenüber Optimierungsstrategien zeigte, welche mit mehrheitlich traditionellen (reduktionistischen) Methoden entwickelt wurden (Sterman, 2000).

Um der Dynamik und Komplexität der überlasteten Notfallstationen Rechnung zu tragen, stützt sich ein interdisziplinäres Konsortium aus angewandter Wissenschaft (BFH, FHS St.Gallen), Notfallmedizin (Inselspital, SGNOR) und Beratung (walkerproject) auf einen ganzheitlichen und anwenderorientierten Ansatz aus dem Computational Design Thinking in der Erarbeitung von neuen prozessualen und strukturellen Optimierungsstrategien für diesen Versorgungssektor (Menges und Ahlquist, 2011). Im Rahmen des von Innosuisse geförderten Forschungsprojekts werden neue Notfallprozessmodelle aus dem Design Thinking und Lean Management in operationelle Computersimulationsmodelle überführt, um deren Konsequenzen für Notfallpatienten und –mitarbeiter im Zeitverlauf zu analysieren. Zu diesem Zweck wird ein virtueller Zwilling (digital twin) des universitären Notfallzentrums am Inselspital Bern mit Hilfe der discrete-event Computersimulationstechnik erstellt (Fishman, 2013). Darüber hinaus wird in diesem Projekt auch der systemischen Einbettung von Notfallstationen besondere Beachtung geschenkt. In Zusammenarbeit mit der SGNOR werden sogenannte Kontextmodelle entwickelt (Grösser, 2017), welche die Visionen der zukünftigen Ausgestaltung von verschiedenen Typen von Notfallstationen abbilden. Für die Entwicklung der Kontextmodelle ist zentral die verschiedenen Wechselwirkungen zwischen Notfallversorgung, Spitalversorgung, Grundversorgung etc. zu berücksichtigen. Ziel ist es aus den konsolidierten Erkenntnissen aus dem virtuellen Zwilling und den Kontextmodellen wirksame und nachhaltige Optimierungsstrategien für die Schweizer Notfallversorgung abzuleiten.

Referenzen

1. Asplin, B. R., Magid, D. J., Rhodes, K. V., Solberg, L. I., Lurie, N., & Camargo Jr, C. A. (2003). A conceptual model of emergency department crowding. Annals of emergency medicine, 42(2), 173-180.
2. Fishman, G. S. (2013). Discrete-event simulation: modeling, programming, and analysis. Springer Science & Business Media.
3. Grösser, S. N. (2017). Complexity management and system dynamics thinking. In Dynamics of Long-Life Assets (pp. 69-92). Springer, Cham.
4. Hoot, N. R., & Aronsky, D. (2008). Systematic review of emergency department crowding: causes, effects, and solutions. Annals of emergency medicine, 52(2), 126-136.
5. Menges, A., & Ahlquist, S. (2011). Computational design thinking: computation design thinking. John Wiley & Sons.
6. Schoenenberger, L. K., Bayer, S., Ansah, J. P., Matchar, D. B., Mohanavalli, R. L., Lam, S. S., & Ong, M. E. (2016). Emergency department crowding in Singapore: Insights from a systems thinking approach. SAGE Open Medicine. https://doi.org/10.1177/2050312116671953
7. Sterman, J. D. (2000). Business dynamics: systems thinking and modeling for a complex world. McGraw-Hill Education.
8. [1] Schweizerische Gesellschaft für Notfall- und Rettungsmedizin (SGNOR)