 Sağlık hizmeti sunan birimler arasında hastanelerin performans ölçümü, kompleks yapıları nedeniyle, diğer kurumlara göre daha zordur.  5/10/2012 tarihli.

... konulu sunumlar: " Sağlık hizmeti sunan birimler arasında hastanelerin performans ölçümü, kompleks yapıları nedeniyle, diğer kurumlara göre daha zordur.  5/10/2012 tarihli."— Sunum transkripti:

1

2  Sağlık hizmeti sunan birimler arasında hastanelerin performans ölçümü, kompleks yapıları nedeniyle, diğer kurumlara göre daha zordur.  5/10/2012 tarihli ve 847 sayılı “Kamu Hastaneleri Birlikleri Verimlilik Değerlendirmesi Hakkında Yönerge” ile kamu hastanelerinin verimlilikleri ölçülmeye başlanmıştır. Verimlilik karnesi kriterlerini etkileyen faktörlerden biri de «YATAK DOLULUK ORANI»’ dır.

3  Etkililik (Effectiveness): Örgütlerin, gerçekleştirdikleri faaliyetlerin sonucunda amaçlara ulaşma derecesini belirleyen bir performans boyutudur. (Horngren, 2000:229)  Etkinlik (Efficiency)= standart performans / gerçekleşen (fiili) performans Olası en iyi sonuca uzaklık olarak tanımlanabilir.  Verimlilik (Productivity): Üretilen mal ve hizmet miktarı ile bu mal ve hizmet miktarının üretilmesinde kullanılan girdiler arasındaki oran" olarak tanımlanır ve genellikle bu ölçü, çıktı/girdi olarak formüle edilir. (Prokopenko, 2005:19)

4 İlk olarak 1957 yılında Farrel tarafından tanımlanan üretim etkinliği yıllar içinde parametrik ve nonparametrik yöntemlerle ölçülmeye çalışıldı. 1978 yılında Charnes, Cooper ve Rhodes tarafından, ürettikleri mal ya da hizmet açısından birbirlerine benzer ekonomik karar birimlerinin “göreceli” etkinliklerinin ölçülmesi amacıyla geliştirilen Veri Zarflama Analizi (orijinal adıyla; Data Envelopment Analysis – DEA ), parametrik olmayan bir etkinlik ölçütü olarak kabul gördü. 1984 yılında Banker, R. D., A. Charnes, and W. W. Cooper «CCR» modelini daha da ilerleterek «BCC» modelini geliştirdi.  BCC modeli ve CCR modelleri arasındaki temel fark, w değişkeninin girilmesidir. w değişkeni orijinden geçecek verimlilik sınırının (daha yüksek boyutlarda bölgesinin) tanımındaki hiperdüzlemi kısıtlamadığından, ölçeğe göre getiri sabitini rahatlatır. CHARNES, A. ve W.W. COOPER ve E. RHODES (1978), "Measuring efficiency of decision making units", European Journal of Operational Research, cilt.2, ss.429- 449 Banker, R. D., A. Charnes, and W. W. Cooper. 1984. ‘‘Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis.’’ Management Science 30 (9): 1078–92.

5 n adet çıktı, m adet girdi kullanılıyorsa; n + m + 1 tane karar verme birimi olmalı

6

7 DEA avantajları  Ortak bir paydaya ihtiyaç duymadan birden fazla girdi ve çıktıyla ölçüm yapılabilir. Özellikle hastaneler gibi birden fazla farklı girdiyi birden fazla çıktıya dönüştüren işletmelerde uygulanabilir.  Verimsizliğin kaynağı ve ölçeğini açıklayabildiğinden çözümler sunabilir. DEA dezavantajları  Küçük grupların ölçümünde çok hassas sonuçlar verir. Örneklerden birinin girdi veya çıktı ölçeği çok baskınsa diğerlerini verimsiz gösterebilir.  Eğer sınıflandırma yapılırsa sınıflar arası verimlilik farkları ölçülemez  Önemli bir girdi ya da çıktının atlanması sonuçlarda sapmaya yol açabilir.

8 AraştırmacıÜlkeKurumGirdiÇıktı Lavers ve Whynes (1978) İngiltere 193 hastane (kadın doğum polikliniği) teknik etkinlik ölçümü 1.Hekim sayısı 2.Hemşire - diğer sağlık personeli sayısı 3.İlaç + tıbbi malzemeye yapılan toplam harcama 1.Hasta sayısı 2.Günlük ortalama yatan hasta sayısı Nunamaker (1983) Amerika Wisconsin 1978-1979 dönemi Wisconsin hastane grubu (17 hastane) 1.Toplam yatan hasta gün maliyeti 1.Rutin yaşlı hasta gün sayısı 2.Rutin doğum gün sayısı 3.Rutin diğer tedavi gün sayısı Waldmanis (1992) Amerika 41 Michigan hastanesi 1982 1.İdari personel sayısı 2.Sağlık personeli sayısı (doktor, hemşire ve diğ.) 3.Yatak sayısı 4.Net duran varlıklar 1.Günlük hasta sayısı 2.Ameliyat sayısı 3.Günlük acil vaka sayısı Kavuncubaşı (1996) TürkiyeKamu hastaneleri 1.Yatak sayısı 2.Uzman hekim sayısı 3.Pratisyen hekim sayısı 1.Poliklinik sayısı 2.Yatan hasta sayısı 3.Hasta günü sayısı 4.Ameliyat sayısı Magnussen (1996) Norveç 46 Norveç hastanesi 1989 -91 dönemi 1.Toplam personel sayısı (sağlık ve diğer) 2. Toplam yatak sayısı 1.Günlük hasta sayısı 2.Yapılan ameliyat sayısı 3.Uzun süre tedavi gören yatan hasta sayısı Güçlü (1999) TürkiyeTSK hastaneleri 1. Toplam yatak sayısı 2. Hekim sayısı 3.Diğer sağlık personeli sayısı 1.Yatan hasta sayısı 2.Poliklinik sayısı 2.Yapılan ameliyat sayısı 3.Yapılan tetkik sayısı 4.Sağlık kurulu toplantısı sayısı Rollins ve diğ. (2001) Amerika 36 Amerikan hastanesi 1993-97 dönemi 1.Yönetim giderleri 2.Hasta maliyetleri 1. Hasta yatılan gün sayısı 2. Ayakta tedavi sayısı Güleş ve diğ. (2007) Türkiye50 SSK hastanesi 2002 yılı 1.Yatak sayısı 2.Uzman hekim sayısı 3.Pratisyen hekim sayısı 4.Hemşire-ebe sayısı 1.Muayene sayısı 2.Ameliyat sayısı 3.Yatan hasta sayısı Çakmak ve diğ. (2009) Türkiye 41 Kamu kadın doğum hs.,2004 yılı 1.Yatak sayısı 2.Malzeme giderleri (yatırım) 3.İlaç giderleri 4.Tıbbi malzeme giderleri 1.Poliklinik sayısı 2.Ameliyat sayısı (büyük,küçük, orta) 3.Doğum sayısı 4.Ortalama hasta yatış günü 5. Toplam gelir

9  Çalışmamızda, Ocak 2012 – Haziran 2014 dönemleri arasında HNEAH’ deki yataklı tedavi hizmeti veren birimlerin yatış günü çıktıları ve personel girdi değerlerindeki değişimleri ölçme ve verimsiz olduğu saptanan birimlerin hangi parametrelerle desteklenebileceğinin Veri Zarflama Analizi ile ortaya konulması amaçlanmıştır

10  Ocak 2012 – Haziran 2014 arası 30 aylık dönemde 18 kliniğin aylık toplam yatış günleri ile uzman doktor, asistan doktor ve toplam yardımcı sağlık personeli verileri HBYS ve manuel listelerden saptandı. Spearman Korelasyon Analizi ve Regresyon Analizi ile verilerin uyumluluğu saptandı.  Girdi bağımlı Malmquist Veri Zarflama tekniği ile (Input Orientated Malmquist DEA) birimlerin dönem boyunca etkinlik değişimleri gözlendi (DEAP, Version 2.1).

11 Btp %95 Güven Aralığı Alt limitÜst limit Uzman Doktor 82,138,4860,001**63,033101,235 Asistan Doktor 30,596,1830,001**30,83040,360 Yardımcı Toplamı -5,65-0,9160,361-17,8516,536 **p<0,01 AYLIK YATILAN GÜN SAYISI ÜZERİNE REGRESYON ANALİZİ Verimlilik ölçütlerinin aylık yatak doluluk oranı üzerine etkisi regresyon analizi ile incelendiğinde, modelin anlamlı olduğu (p<0,01) ve R 2 değerinin %58,1 olduğu saptanmıştır. Modelde anlamlı bulunan uzman doktor verimlilik ölçütündeki bir birimlik değişim, aylık yatılan gün üzerine 82,13 kat; Asistan doktor verimlilik ölçütündeki bir birimlik değişim 30,59 kat etkilidir. İstatistiksel analizler için NCSS (Number Cruncher Statistical System) 2007&PASS (Power Analysis and Sample Size) 2008 Statistical Software (Utah, USA) programı kullanıldı. Çalışma verileri değerlendirilirken tanımlayıcı istatistiksel metodların (Ortalama, Standart Sapma, Medyan, Frekans, Oran, Minimum, Maksimum) yanısıra parametreler arası ilişkilerin değerlendirilmesinde Spearman Korelasyon Analizi kullanıldı. Verimlilik ölçütlerinin aylık yatılan gün üzerine etkileri Regresyon Analizi ile değerlendirildi. Anlamlılık p<0,01 ve p<0,05 düzeylerinde değerlendirildi.

12 KLİNİKcrstevrstescalEFFICIENCY 10.8650.9400.920irs 20.9370.9610.976irs 30.8390.8770.957drs 40.8811.0000.881irs 50.8110.8380.968irs 61.000 - 7 - 8 - 9 - 101.000 - 110.8830.8950.986drs 120.7140.8970.796irs 130.8711.0000.871irs 140.826 1.000- 151.000 - 161.000 - 170.9721.0000.972irs 180.6870.6990.983irs ORTALAMA0.9050.9410.962

13  Malmquist TFV endeks yöntemi; karar verme birimlerinin etkinlik ölçümüne zaman boyutu katmakta, her bir veri noktasının uzaklıklarının oranlarını hesaplamakta ve farklı zamana ait iki veri noktası arasında toplam faktör verimliligindeki toplam değişmeyi ölçmektedir (Lorcu, 2010: 279).  İki gözlemin toplam faktör verimliligindeki degismeyi, ortak bir teknolojiye olan uzaklıkların oranı olarak ölçmektedir. Bu ölçümde "uzaklık fonksiyonu« kullanılır. Endeks ilk olarak Caves ve digerleri tarafından gelistirilmistir. Bu endekse Sten Malmquist, uzaklık fonksiyonları kullanma fikrini gelistirmistir ve endekse Malmquist endeks adı verilmistir. Toplam Faktör Verimliliği Değişimi = Teknolojik Etkinlikteki Degisim x Teknik Etkinlikteki Degisim = Saf Etkinlikteki Degisim x Ölçek Etkinlikteki Degisim

14  Teknolojik, teknik, saf, ölçek ve toplam faktör verimliligi degisim degerlerinin 1’den büyük olması degisimdeki artısı, 1’den küçük olması degisimdeki düşüşü, 1 olması herhangi bir değişiklik olmadığı anlamına gelmektedir  Toplam faktör verimliligindeki degisim teknik ve teknolojik etkinlikteki degisimin toplamıdır  Teknolojik etkinlik degerinin 1’den büyük olması üretim sınırında kayma durumunu ifade etmektedir.  Ölçek etkinligindeki degisim en etkin üretim büyüklügüne ulasma derecesini verir  Saf teknik etkinlikteki degisme ve ölçek etkinlikteki degismenin 1’den büyük olması firmanın yönetsel etkinligin oldugunu ve uygun ölçekte üretim yaptıgını ifade etmektedir

15 KLİNİK Teknik Etkinlikteki Degisim Teknolojik Etkinlikteki Degisim Saf Etkinlikteki Degisim Ölçek Etkinlikteki Degisim Toplam Faktör Verimliliği Değişimi 10.9801.0250.9860.9941.005 20.9621.0340.9710.9910.995 30.9761.0280.9800.9961.004 40.9901.0221.0000.9901.012 50.9451.0281.0150.9310.971 60.9770.9981.0000.9770.975 71.0001.0111.000 1.011 81.000 9 1.0431.000 1.043 100.9890.9840.9890.9990.972 110.9811.0300.9840.9971.011 120.9901.0491.0090.9811.039 130.9961.0741.0000.9961.070 140.9841.0230.9900.9931.007 151.0001.0431.000 1.043 160.9771.0211.0000.9770.997 170.9631.0340.9960.9670.996 181.0151.0211.0151.0001.037 ORTALAMA0.9851.0260.9960.9881.010

16 ORTALAMA0.9231.2040.9740.9471.111 Teknik Etkinlikteki Degisim Teknolojik Etkinlikteki Degisim Saf Etkinlikteki Degisim Ölçek Etkinlikteki Degisim Toplam Faktör Verimliliği Değişimi OCAK 2012-EKİM 2013 DÖNEMLERİ ARASI KASIM 2013-HAZİRAN 2013 DÖNEMLERİ ARASI

17  Veri zarflama analizini hastanelerde uygularken; birimlerin farklı hizmetlerin sunumundan sorumlu olmaları, branş farklılıkları ve kaynak aktarımındaki farklı uygulamalar nedeniyle karar verme birimlerinin (DMU) özenle seçilmesi, standart analizler yerine (VRS ya da CRS) Malmquist analizi gibi verimlilikteki değişimlerin ölçülmesinin daha efektif olacağı düşünülmektedir. Birimlere kaynak aktarımında veri zarflama yöntemiyle yapılacak analiz sonuçlarının kullanılması hem verimliliği yükseltecek, hem de birim çalışanları arasında adalet duygusunu pekiştireceği kanısındayız.

18