Οικονομία κλίμακας | Economic scale | αποδοτικότητα | efficiency | δημόσιο νοσοκομείο | public hospital | μέσο κόστος | average cost | Γ.Ν Ν.Ιωνίας ΄΄Κωνσταντοπούλειο΄΄ | General Public Hospital N.Ionias “Konstantopouleio”
5
18
10
Περιέχει : πίνακες, σχήματα, διαγράμματα.
Οικονομική και χρηματοδοτική διαχείριση υπηρεσιών υγείας / Αλετράς Β.,Ματσαγγάνης Μ., Νιάκας, Δ.
Σε περιόδους οικονομικής ύφεσης, με σημαντικό περιορισμό των προϋπολογισμών στο σύστημα υγείας, η βέλτιστη διαχείριση των διαθέσιμων πόρων αποτελεί καίριας σημασίας γεγονός. Ουσιαστικό βήμα σε αυτή την προσπάθεια αποτελεί η ορθή & αξιόπιστη εκτίμηση των δεδομένων κάθε νοσηλευτικού ιδρήματος.
Ως αντικείμενο της παρούσας εργασίας ορίστηκε η διερεύνηση ύπαρξης φαινομένων οικονομίας κλίμακας του Γενικού Νοσοκομείου Ν.Ιωνίας ΄΄Κωνσταντοπούλειο΄΄. Πραγματοποιείται σύγκριση ανάμεσα σε όλες τις κλινικές του νοσοκομείου με βάση τις δαπάνες για αγορά φαρμάκων αλλά και αναλώσιμων υλικών, ενώ παράλληλα ελέγχεται η συνολική λειτουργία του νοσοκομείου διαχρονικά. Επίσης, συνυπολογίζονται οι νοσηλευτικές κινήσεις στις κλινικές αλλά και στις μονάδες (ΜΕΘ & ΜΕΘ Εμφραγμάτων). Ακόμα, αξιολογείται ο αριθμός των χειρουργικών επεμβάσεων ανά κλινική καθώς και η βαρύτητα κάθε χειρουργείου.
Για την ανάλυση των παραπάνω στοιχείων χρησιμοποιήθηκαν δεδομένα από το πληροφοριακό σύστημα ΒΙ του νοσοκομείου. Αρχικά, υπολογίστηκαν οι συνολικές δαπάνες λειτουργίας κάθε τμήματος / κλινικής και στη συνέχεια, συνολικά ανά έτος. Από τον αριθμό των νοσηλευομένων και τον αριθμό των ημερών νοσηλείας υπολογίστηκε η μέση διάρκεια νοσηλείας (ΜΔΝ) καθώς και η πληρότητα των κλινών. Από αυτά προκύπτουν στοιχεία όσον αφορά τη λειτουργική & οικονομική θέση κάθε κλινικής. Επιπλέον, υπολογίζεται το μέσο κόστος λειτουργίας ανά νοσηλευθέντα ασθενή αλλά και ανά ημέρα νοσηλείας.
Το αποτέλεσμα της ανάλυσης έδειξε ότι το νοσοκομείο δεν έχει σταθερές δαπάνες λειτουργίας ανά χρονιά, έχει ΜΔΝ σχετικά σταθερή κατά τη διάρκεια των ετών, ενώ αποδεικνύεται πως λειτουργούν κλινικές με σημαντική υπερκάλυψη ή εξαιρετικά χαμηλή κάλυψη κλινών. Επίσης, συγκεκριμένες κλινικές διατηρούν μεγάλο όγκο χειρουργείων καθόλη τη διάρκεια των ετών που μελετώνται. Διαπιστώνεται πως οι περισσότερες χειρουργικές επεμβάσεις ανήκουν στις προγραμματισμένες και όσον αφορά τη βαρύτητα στις μεγάλες. Επιπροσθέτως, συμπεραίνει κανείς πως συγκεκριμένες κλινικές, καθ’όλη τη διάρκεια των ετών που μελετήθηκαν, λειτουργούν σε οικονομία κλίμακας, ενώ άλλες όχι. Θα προταθεί αλλαγή του οργανισμού με εσωτερική ανακατανομή των κλινών του. Τέλος, διαπιστώθηκαν σημαντικές ελλείψεις στα δεδομένα αλλά και διαφορετική κατηγοριοποίηση των δεδομένων ανά χρονιά, γεγονός που δυσχεραίνει σημαντικά την ανάλυση, τον ακριβή έλεγχο αλλά και την ορθή σύγκριση των στοιχείων του νοσοκομείου. Ενδιαφέρον θα παρουσίαζε επίσης, η σύγκριση των δεδομένων του Γενικού Νοσοκομείου Ν.Ιωνίας με νοσοκομεία παρόμοιου μεγέθους της ίδιας υγειονομικής περιφέρειας.
In times of economic downturn, when there is a significant impediment on the health system budget, it is of utmost importance to optimize resources. A key milestone in this effort is a thorough and reliable evaluation of all available data/analytics down to each health unit’s level.
The objective of this dissertation is to assess/investigate potential benefits coming out of optimization and economies of scale at the “Konstantopouleio” General Hospital, in N. Ionia. We compare across all hospital clinics based on drug and other consumables’ expenditures, while we check the full costs of the hospital’s full working cycles over the years. We also consider all associated costs in the clinics and in the units (Intensive Care Units and ICUs on Heart Attacks). We finally assess the number of surgeries at each clinic as well as the outcomes/quality of each surgery.
For the analysis of all the above-mentioned data we used data from the hospital’s BI information system. At first, we calculated the total expenditure of each department/clinic and then the overall hospital one per year (between the aforementioned period of time). From the number of the hospital patients and the number of days hospitalized, we could determine the average duration of hospitalization (ADH) as well as the bed occupancy. From these data we could come to subsequent measurements with regards to the functional and financial situation of each clinic. Additionally, we could determine the average running cost per hospitalized patient and per day of hospitalization.
The result of this analysis showed that the hospital doesn’t have consistent running expenses per year, has a relatively stable ADH throughout the years, while it proves that there are clinics that run with over-coverage or under-coverage of beds. Also, particular beds retain a big percentage of surgeries throughout the years in scope. We also noted that most of the surgeries are programmed and extremely significant. Finally, it is assumed that particular clinics run on economies of scale, while others don’t. We suggest some organizational changes focusing on in-clinic bed reallocation. Concluding, it has been noted that there are significant data gaps, but also different categorization of data from year to year, a fact that creates some limitations on the analysis, the overall results and the appropriateness of the comparison across all unit’s data. It would be worth comparing the data of the N. Ionia General Hospital with other hospitals in the same category and/or within the same Healthcare District, to allow a more robust assessment/evaluation and consequently conclusions, so to ideally support resource optimization suggestions accordingly.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
Main Files
Φαινόμενα οικονομιών κλίμακας & αποδοτικότητα σε Δημόσιο Νοσοκομείο σε περιόδους οικονομικής ύφεσης Description: dmy_DE_PogaVassiliki.pdf (pdf)
Book Reader Info: Κυρίως σώμα διπλωματικής Size: 0.7 MB
Φαινόμενα οικονομιών κλίμακας & αποδοτικότητα σε Δημόσιο Νοσοκομείο σε περιόδους οικονομικής ύφεσης - Identifier: 91728
Internal display of the 91728 entity interconnections (Node labels correspond to identifiers)