Im Beitrag zu v0.2 habe ich die Schließungsanalyse nur kurz angekündigt und versprochen, sie in den nächsten Devlogs genauer vorzustellen. Das hole ich jetzt in zwei Teilen nach. Heute geht es um den Überblick: was die Analyse auswertet und wie man sich darin bewegt. Im nächsten Devlog schaue ich mir dann ein einzelnes Schließungsereignis im Detail an.
Bisher kannte die Plattform Abmeldungen nur aus Sicht der einzelnen Zuweisung: Das IVENA-Feld „Fachbereich war abgemeldet“ zeigt, ob der Zielbereich zum Zeitpunkt der Zuweisung abgemeldet war. Darauf baut die Analyse der Notzuweisungen aus Devlog #32 auf. Die Schließungsanalyse geht von der anderen Seite heran. Grundlage sind die Schließungslisten, die IVENA für jede Klinik exportieren kann und die man jetzt zusätzlich zu den Zuweisungen hochladen kann. Jede Zeile darin ist eine Abmeldung: eine Fachabteilung, eine Versorgungsstufe, ein Beginn, ein Ende und ein Grund. In der Anwendung heißen diese Zeilen Einzelschließungen.
Oft werden mehrere Fachabteilungen gleichzeitig abgemeldet. Die Analyse fasst deshalb zusammen, was zusammengehört: Einzelschließungen mit derselben IVENA-Gruppe werden zu einer „Gruppe“, Einzelschließungen ohne Gruppe, die in derselben Klinik exakt zur selben Zeit beginnen und enden, zu einem „Cluster“. Alles andere bleibt eine Einzelschließung. Diese drei Typen sind die Ereignisse, mit denen die Analyse arbeitet. Wichtig ist das vor allem für die Dauer: Fünf parallele Abmeldungen über zwei Stunden ergeben zusammen zehn Stunden, die Klinik war aber nur zwei Stunden lang betroffen. Die Übersicht zeigt deshalb die tatsächliche Schließungszeit, bei der sich überlappende Zeiträume nur einmal zählen.
Die Übersicht beantwortet zunächst die einfachen Fragen: Wie viel Zeit war insgesamt etwas abgemeldet, wie verteilt sich das über die Monate, und an welchen Wochentagen und zu welchen Uhrzeiten häufen sich Schließungen? Im Beispiel oben sind es zusammen 9 Wochen und 22 Stunden tatsächliche Schließungszeit in zwölf Monaten, mit deutlichen Spitzen im April und im August. In der Heatmap darunter steht jede Zelle für zwei Stunden an einem Wochentag. Die Farben sind relativ zur gewählten Auswahl: Grün sind die Zeitfenster mit der wenigsten Schließungsdauer, Rot die mit der meisten. In diesen synthetischen Daten liegen die roten Felder vor allem zwischen Mittag und spätem Abend an Werktagen.
Rechts daneben steht, woraus sich die Schließungen zusammensetzen: 279 Ereignisse, davon 85 Gruppen, 70 Cluster und 124 Einzelschließungen. Darunter folgen die Gründe, die Dringlichkeiten und die betroffenen Fachbereiche und Fachabteilungen. Bei den Gründen und Dringlichkeiten zählt jede Einzelschließung einmal, die Anteile ergeben also zusammen 100 %. Bei Fachbereichen und Fachabteilungen geht es dagegen um Dauer, und weil sich Schließungen überlappen können, darf man diese Anteile nicht addieren.
Neben der Übersicht gibt es einen Reiter zur Dauer und zeitlichen Belastung mit Median, Durchschnitt, kürzester und längster Dauer sowie dem Anteil der beobachteten Zeit, in dem keine, genau eine oder mehrere Fachabteilungen gleichzeitig abgemeldet waren. Im zeitlichen Drilldown kann man einen Monat Woche für Woche und Fachabteilung für Fachabteilung durchgehen. Zeitraum und Bereich wählt man wie in den übrigen Statistiken, als Bereich stehen allerdings nur die eigenen Kliniken zur Auswahl. Über die Filter lässt sich die Auswahl unter anderem auf bestimmte Gründe, Ereignistypen oder auf vorläufige und endgültige Ergebnisse eingrenzen.
Eine Kennzahl in der oberen Reihe braucht etwas mehr Erklärung: die Abweichung zwischen beobachteten und erwarteten Zuweisungen. Für jede Schließung schätzt die Anwendung, wie viele Zuweisungen die abgemeldeten Fachabteilungen zur selben Zeit üblicherweise bekommen hätten, und stellt dem gegenüber, wie viele tatsächlich angelegt wurden. Das ist ausdrücklich keine Zahl verlorener oder umgeleiteter Patienten, und sie sagt auch nichts über das gesamte Aufkommen einer Notaufnahme. Es geht ausschließlich um rettungsdienstliche Zuweisungen über IVENA an die betroffenen Bereiche. Wie diese Erwartung zustande kommt und wie man sie liest, ist das Thema des nächsten Devlogs.
Der Weg zu einem einzelnen Ereignis führt über den Reiter „Gruppen und Ereignisse“. Die Liste zeigt jedes Ereignis mit Beginn, Ende, Typ, betroffenen Fachrichtungen und Abteilungen, Anzahl der Einzelschließungen, Dringlichkeit, Dauer und Grund. Mit dem Schalter „Einzeln“ lassen sich Gruppen und Cluster in ihre Einzelschließungen auflösen, und die aktuelle Ansicht kann als CSV exportiert werden. Ein Klick auf den Beginn oder den Ereignistyp öffnet die Detailseite mit einer Tageszeitleiste aller beteiligten Abmeldungen und dem Reiter „Verlaufsanalyse“. Dort sieht man Stunde für Stunde, wie sich die Zuweisungen vor, während und nach der Schließung entwickelt haben. Über die Namen von Fachbereichen und Fachabteilungen gelangt man außerdem zu Profilen, die alle Schließungen eines Bereichs zusammenfassen.
Ein Hinweis noch zur Kennzeichnung „Vorläufig“ in der Liste: Für die Erwartung braucht die Analyse auch die Wochen nach einer Schließung. Solange diese Daten noch nicht importiert sind, bleibt das Ergebnis vorläufig und kann sich mit späteren Importen noch ändern.
Die Schließungsanalyse befindet sich weiterhin in einer geschlossenen Testphase. Bei der Erprobung tauchen nach wie vor Fehler und Unstimmigkeiten auf, die ich nach und nach behebe. Dazu kommt, dass die Auswertung bei großen Datenmengen deutlich mehr verlangt als die meisten anderen Statistiken: Für jede Schließung werden stundengenaue Erwartungswerte aus mehreren Wochen berechnet, und das muss auch bei vielen Kliniken und mehreren Jahren zuverlässig und in vertretbarer Zeit funktionieren. Bevor ich die Analyse für alle freischalte, soll sie verlässlich laufen. Einen festen Termin dafür nenne ich deshalb bewusst nicht.
Wer mit den Daten der eigenen Klinik an der Testphase teilnehmen möchte, kann sich jederzeit bei mir melden, entweder über die Feedback-Sprechblase hier in der Anwendung oder per E-Mail an mich. Ich schalte den Zugang dann frei. Rückmeldungen aus der Praxis, gerade auch zu unklaren oder überraschenden Werten, helfen mit natürlich immer sehr!