Im letzten Devlog ging es um den Überblick der Schließungsanalyse. Diesmal schaue ich mir ein einzelnes Ereignis an und gehe durch, wie man die Verlaufsanalyse liest. Das Beispiel stammt aus der Demo-Umgebung: Klinik, Abmeldungen und Zuweisungen sind vollständig synthetisch, die Zahlen sind also nur zur Erklärung da und sagen nichts über eine echte Klinik.
Ausgewählt habe ich das Ereignis in der Liste „Gruppen und Ereignisse“, gefiltert auf März 2026. Es ist ein Cluster vom Sonntag, dem 15. März 2026: Von 15:25 bis 21:19 Uhr waren fünf Fachabteilungen gleichzeitig für SK2 abgemeldet, nämlich Gastroenterologie, Kardiologie, Nephrologie, Rhinologie und Unfallchirurgie, jeweils mit dem Grund „Überlastung der Notaufnahme“. Zusammengezählt ergeben die fünf Abmeldungen 1 Tag und 5 Stunden, die tatsächliche Schließungszeit beträgt 5 Stunden und 54 Minuten. Die Übersicht der Detailseite zeigt die fünf Abmeldungen auf einer Zeitleiste des Tages, der Reiter „Verlaufsanalyse“ das, worum es hier geht.
Zuerst lohnt sich ein Blick auf den kleinen Text über den Kennzahlen, weil er festlegt, was überhaupt gezählt wird. Gezählt werden Zuweisungen an die geschlossenen Fachabteilungen dieses Ereignisses, und zwar nur in der Dringlichkeit, die tatsächlich abgemeldet war, hier also SK2. Es geht nicht um alle Patientinnen und Patienten der Notaufnahme und nicht um alle Einsätze des Rettungsdienstes, sondern um rettungsdienstliche Zuweisungen über IVENA an genau diese fünf Fachabteilungen. Zuweisungen in SK1, SK3, in den Schockraum oder ins Herzkatheterlabor berechnet die Seite nur zum Vergleich mit, sie fließen nicht in die Kennzahlen ein. Mit dem Schalter oben lässt sich die Betrachtung auf den ganzen betroffenen Fachbereich erweitern. Im Beispiel steigen die Werte dann auf 8,7 erwartete und 6,0 beobachtete Zuweisungen.
Das obere Diagramm zeigt für jede Stunde zwei Werte. „Beobachtet“ ist die Zahl der Zuweisungen, die in dieser Stunde angelegt wurden. „Erwartet“ ist der übliche Wert für dieselbe Stunde am selben Wochentag. Dafür nimmt die Anwendung die vier Wochen vor dem Beginn und die vier Wochen nach dem Ende der Schließung, im Beispiel also die vier Sonntage vom 15. Februar bis 8. März und die vier vom 22. März bis 12. April, jeweils zur selben Uhrzeit. Die Schließung selbst zählt nie mit, und Stunden, in denen dieselben Abteilungen ebenfalls abgemeldet waren, bleiben draußen. Gibt es weniger als vier vergleichbare Stunden, weicht die Berechnung auf den Tageszeitblock aus, und reicht auch das nicht, fehlt der Erwartungswert, statt als Null zu erscheinen. Beginnt oder endet die Schließung mitten in einer Stunde, wird die Erwartung nur für den entsprechenden Teil der Stunde gerechnet.
Für das Beispiel heißt das: Während der knapp sechs Stunden wären 6,8 Zuweisungen in SK2 an die fünf Abteilungen üblich gewesen, angelegt wurden 5. Das ergibt eine Abweichung von −1,8 oder −26,5 %. In den sechs Stunden davor waren es 7 Zuweisungen bei 7,9 erwarteten, in den sechs Stunden danach 2 bei 2,6 erwarteten. Im Diagramm sieht man auch, warum man solche Prozentwerte nicht überbewerten sollte: Pro Stunde geht es um null bis drei Zuweisungen, die Erwartung liegt je volle Stunde zwischen etwa 0,3 und 1,8. Eine einzelne Zuweisung mehr oder weniger verschiebt die Abweichung schon deutlich. Nach dem Ende der Schließung fällt die Erwartung außerdem in die Nachtstunden, in denen ohnehin wenig zugewiesen wird.
Das zweite Diagramm rechnet beides in einen Prozentwert um: beobachtet geteilt durch erwartet, für jede Stunde einzeln. Die blaue Linie ist der betroffene Bereich aus dem oberen Diagramm, die graue Linie die gesamte Klinik und die gestrichelte Linie das ganze Fachgebiet der geschlossenen Abteilungen. Diese Vergleichslinien sind der eigentliche Grund für das Diagramm. Wenn in einer Stunde der betroffene Bereich unter 100 % liegt, die ganze Klinik aber ebenfalls, spricht das eher für eine allgemein ruhige Stunde als für ein Muster, das mit der Abmeldung zu tun hat. Einen Nachweis, dass die Schließung etwas bewirkt hat, liefert aber keine der Linien. Zuweisungen können aus vielen Gründen schwanken, und bei so kleinen Zahlen wie hier springen die Linien zwischen 0 % und über 250 %.
Die Tabelle darunter fasst die Stunden zu Zeitfenstern zusammen: ein, drei und sechs Stunden vor dem Beginn, die Schließung selbst und ein, drei und sechs Stunden nach dem Ende. Die Fenster sind kumulativ, das Sechs-Stunden-Fenster enthält also die kürzeren. Jedes Fenster bekommt außerdem ein Qualitätskennzeichen. „OK“ bedeutet, dass das Fenster vollständig ausgewertet werden konnte und die Erwartung über Wochentag und Uhrzeit berechnet wurde. Andere Kennzeichen weisen darauf hin, dass nur eine gröbere Referenz zur Verfügung stand, dass eine andere Schließung derselben Abteilungen das Fenster überlagert oder dass Daten fehlen. Im Beispiel sind die Ein- und Drei-Stunden-Fenster als „Lücke“ markiert, obwohl die Daten vollständig sind. Das gehört zu den Stellen, die ich gerade prüfe.
Rechts neben den Diagrammen steht eine Aufschlüsselung nach Phase, die die beobachteten Zuweisungen in den Fenstern „Davor“, „Währenddessen“ und „Danach“ für alle Dringlichkeiten nebeneinanderstellt. Im Beispiel kamen während der Schließung neben den fünf Zuweisungen in SK2 noch zwei in SK3 an dieselben Abteilungen, die für SK3 nicht abgemeldet waren. Unter den Diagrammen lassen sich die einzelnen Zuweisungen der drei Phasen als Liste aufrufen. Jede Zeile zeigt, ob die Zuweisung an eine betroffene Fachabteilung ging und ob zum Zeitpunkt der Zuweisung eine passende Abmeldung aktiv war. Das ist nicht dasselbe wie die Notzuweisungen aus Devlog #32: Dort zählt die IVENA-Angabe „Fachbereich war abgemeldet“ an der Zuweisung, hier der Abgleich mit den importierten Schließungslisten.
Wer statt eines einzelnen Ereignisses wissen möchte, wie es bei vielen Schließungen eines Fachbereichs typischerweise aussieht, findet in den Profilen einen typischen Zuweisungsverlauf. Dort sind die Ereignisse übereinandergelegt, und zwar in zwei getrennten Diagrammen. Im ersten ist 0 h der Beginn der Schließung, links davon liegt die Zeit davor, rechts die ersten Stunden der Schließung. Im zweiten ist 0 h das Ende, links liegen die letzten Stunden der Schließung, rechts die Zeit danach. Die Trennung ist nötig, weil Schließungen unterschiedlich lang sind: Richtet man alle am Beginn aus, liegen ihre Enden an ganz unterschiedlichen Stellen, und umgekehrt. Die Werte dort sind Mediane über die Ereignisse, und erst ab vier beitragenden Ereignissen zeigt die Seite überhaupt einen Verlauf.
Die Schließungsanalyse bleibt vorerst in der geschlossenen Testphase. Gerade die Verlaufsanalyse ist aufwendig zu berechnen und muss auch mit großen Datenmengen schnell und verlässlich laufen, und wie die Markierung der Zeitfenster oben zeigt, tauchen bei der Erprobung weiterhin Unstimmigkeiten auf. Für alle freischalten möchte ich sie erst, wenn sie zuverlässig funktioniert.
Wer mit den Daten der eigenen Klinik an der Testphase teilnehmen möchte oder beim Lesen eines Ereignisses über etwas stolpert, kann sich jederzeit über die Feedback-Sprechblase in der Anwendung oder per E-Mail bei mir melden.