Prozessoptimierung im operativen Bereich

Welle, Kristian; Täger, S; Prangenberg, Christian; Gathen, Martin; Sebastian, Shaji; Wimmer, Matthias; Burger, C.; Kabir, Koroush

doi:10.1007/s00113-020-00810-w

Cited by 2 publications

(2 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Nicht wenige Eingriffstypen sind, insbesondere im universitären Bereich, noch kostendeckend durchzuführen [ 1 – 3 ] und als planbare Operationen sowohl von äußeren Einflüssen wie der, bislang singulären, COVID-19-Pandemie, aber auch von Streikmaßnahmen und insbesondere Personalmangel besonders betroffen [ 17 ]. Neben prozessorganisatorischen Verbesserungen wird häufig die Reduktion der Schnitt-Naht-Zeit als relevante Komponente angesehen [ 3 , 5 , 18 ]. Zu den elektiven Eingriffen gehört auch die Metallentfernung nach abgeschlossener Trichterbrustkorrektur nach der Nuss-Methode [ 9 ].…”

Section: Diskussionunclassified

Influencing factors on operating times for metal bar removal after Nuss repair

et al. 2023

View full text Add to dashboard Cite

Zusammenfassung Hintergrund Die Metallentfernung nach abgeschlossener Trichterbrustkorrektur fällt als elektiver Eingriff nicht selten zuerst den Kapazitätsengpässen der Operationsabteilung zum Opfer. Aufgrund dessen ist eine möglichst exakte Planung der zu erwartenden Schnitt-Naht-Zeit wünschenswert. Ziel der Arbeit Modellierung der Schnitt-Naht-Zeiten der Metallentfernung nach Nuss-Operation anhand der präspezifizierten unabhängigen Variablen Alter, Geschlecht, Anzahl der zu explantierenden Metallbügel sowie intraoperativ aufgetretener Komplikationen. Material und Methoden Wir schlossen retrospektiv alle Metallentfernungen nach Trichterbrustkorrektur zwischen Januar 2009 und Dezember 2020 in die Untersuchung ein. Diese wurden mittels linearer Regression modelliert und mittels Bootstrap intern validiert. Explorativ wurden zusätzlich die Erfahrung der Operateure, die Anzahl der Stabilisatoren sowie der Körpermasseindex und eine etwaige Revisionsoperation untersucht. Ergebnisse Wir schlossen 265 Patient:innen (14 % ♀) mit einem medianen Alter von 19 Jahren (Interquartilsabstand: 17–20) in die Untersuchung ein, wobei bei 81 % ein und bei 17 % zwei Metallbügel explantiert wurden. Das präspezifizierte Regressionsmodell war statistisch signifikant besser als das Nullmodell (Likelihood-Ratio 56; df = 5; p < 0,001) und hatte eine biaskorrigierte Modellgüte von R2 = 0,148. Das Patient:innenalter beeinflusste die Schnitt-Naht-Zeit um 2,1 min (95 %-Konfidenzintervall: 1,3–2,9; p < 0,001) pro Lebensjahr und jeder zu explantierende Metallbügel um 16 min (95 %-Konfidenzintervall: 10–22; p < 0,001). Schlussfolgerung Das Patient:innenalter wie auch der Anzahl der zu explantierenden Metallbügel können die Schnitt-Naht-Zeit beeinflussen und können in der Zeitplanung der Operation Berücksichtigung finden.

show abstract

Section: Diskussionunclassified

Influencing factors on operating times for metal bar removal after Nuss repair

et al. 2023

View full text Add to dashboard Cite

show abstract

“…the OR's daily planning, the punctuality of the individual actuators, the organization between the procedures (OR preparation, patient preparation, setup, etc. ), distractions during the procedure, and the collaboration of the OR team [ 9 , 10 , 14 , 16 , 18 – 22 ]. Perioperative processes are highly complex, intertwined with significant influence on each other, and have important implications on related clinical processes, patient outcome, and safety.…”

Section: Introductionmentioning

confidence: 99%

A comparison between a maximum care university hospital and an outpatient clinic – potential for optimization in arthroscopic workflows?

Schenk,

Neumann,

Adler

et al. 2023

BMC Health Serv Res

View full text Add to dashboard Cite

Background Due to the growing economic pressure, there is an increasing interest in the optimization of operational processes within surgical operating rooms (ORs). Surgical departments are frequently dealing with limited resources, complex processes with unexpected events as well as constantly changing conditions. In order to use available resources efficiently, existing workflows and processes have to be analyzed and optimized continuously. Structural and procedural changes without prior data-driven analyses may impair the performance of the OR team and the overall efficiency of the department. The aim of this study is to develop an adaptable software toolset for surgical workflow analysis and perioperative process optimization in arthroscopic surgery. Methods In this study, the perioperative processes of arthroscopic interventions have been recorded and analyzed subsequently. A total of 53 arthroscopic operations were recorded at a maximum care university hospital (UH) and 66 arthroscopic operations were acquired at a special outpatient clinic (OC). The recording includes regular perioperative processes (i.a. patient positioning, skin incision, application of wound dressing) and disruptive influences on these processes (e.g. telephone calls, missing or defective instruments, etc.). For this purpose, a software tool was developed (‘s.w.an Suite Arthroscopic toolset’). Based on the data obtained, the processes of the maximum care provider and the special outpatient clinic have been analyzed in terms of performance measures (e.g. Closure-To-Incision-Time), efficiency (e.g. activity duration, OR resource utilization) as well as intra-process disturbances and then compared to one another. Results Despite many similar processes, the results revealed considerable differences in performance indices. The OC required significantly less time than UH for surgical preoperative (UH: 30:47 min, OC: 26:01 min) and postoperative phase (UH: 15:04 min, OC: 9:56 min) as well as changeover time (UH: 32:33 min, OC: 6:02 min). In addition, these phases result in the Closure-to-Incision-Time, which lasted longer at the UH (UH: 80:01 min, OC: 41:12 min). Conclusion The perioperative process organization, team collaboration, and the avoidance of disruptive factors had a considerable influence on the progress of the surgeries. Furthermore, differences in terms of staffing and spatial capacities could be identified. Based on the acquired process data (such as the duration for different surgical steps or the number of interfering events) and the comparison of different arthroscopic departments, approaches for perioperative process optimization to decrease the time of work steps and reduce disruptive influences were identified.

show abstract

Prozessoptimierung im operativen Bereich

Cited by 2 publications

References 20 publications

Influencing factors on operating times for metal bar removal after Nuss repair

Influencing factors on operating times for metal bar removal after Nuss repair

A comparison between a maximum care university hospital and an outpatient clinic – potential for optimization in arthroscopic workflows?

Contact Info

Product

Resources

About