Intensivvårdsdrift på sjukhus Levande modell

Du samordnar intensivvårdsavdelningen på ett sjukhus: 20 IVA-platser som kan utökas till 30, sjuksköterskorna som bemannar dem och en tank med flytande syre som matar varje plats. Det här är en driftsimulator – den modellerar inte kliniska beslut.

Vad du kommer att lära dig

Simulator

Tid 0 h
IVA-beläggning 75% · Patienter som väntar på akuten 0 · Syrebehov 290 L/min · Återstående tid i syretanken 145 h🛏🛏🛏🛏🛏🛏🛏🛏🛏🛏🛏🛏🛏🛏🛏·····🚑 Patienter som väntar på akuten: 0 · 👩‍⚕️ 1,5O₂290 L/min · max 600⏱ 145 h
  • Patient på IVA-plats
  • Tom bemannad plats
  • Plats utan personal
  • Väntar på akuten

Reglage

Varje sjuksköterska kan bemanna två intensivvårdsplatser i den här modellen. Schemat har 10; varje sjuksköterska utöver det är övertid eller bemanningstid och belastar personalbudgeten.

Upp till 10 extra platser – bara användbara om det finns sjuksköterskor som kan bemanna dem.

Flytta patienter som återhämtar sig till avdelningar med lägre vårdtyngd tidigare (vistelserna 25 % kortare).

Kliniker siktar mot den nedre delen av det ordinerade intervallet; modelleras bara som 20 % lägre efterfrågan.

Timmar mellan schemalagda leveranser av flytande syre; varje leverans fyller tanken på 3000 L till full kapacitet. Leverantören behöver 24 h varsel, så ett kortare intervall får aldrig nästa tankbil att komma tidigare än så.

Reservgas, högst 150 L/min – den kompletterar tanken men kan inte ersätta den. Bara två fulla bankar finns på plats.

Från en annan leverantör: en last på upp till 3000 L flytande syre, som anländer 18 h efter beställningen. Vid brist kan de avvara bara en.

Indikatorer

IVA-beläggning
75%
normal
Patienter som väntar på akuten
0
normal
Syrebrist
0L/min
normal
Återstående tid i syretanken
145h
normal
Syrebehov290 L/min
IVA-patienter15
Längsta väntan på en IVA-plats0 h
Sjukskötersketimmar på övertid / bemanning0 h
Patienter per sjuksköterska1,5
Flytande syre i tanken3000 L
Cylinderreserv0 m³

Trend

IVA-beläggning: — %1000

Krisscenarier

Nivå 1 · Luftvägstopp

Enheten är nästan full när en våg av luftvägssjukdom mer än fördubblar ankomsterna till intensivvården under ett dygn, och fler av dem är svårt sjuka. Få in varje patient på en IVA-plats i tid utan att köra syresystemet över dess gränser – och inom personalbudgeten för toppen.

  • Genomsnittligt väntande på akuten ≤ 1 patient
  • Ingen patient väntar 6 h eller mer på en IVA-plats
  • Ingen syrebrist någon gång
  • Aldrig fler än 2 patienter per sjuksköterska
  • Ingen övertid / bemanning innan toppen har utlysts
  • Övertid / bemanning ≤ 420 sjukskötersketimmar

Nivå 2 · Syrgasleverans försenad

Tanken är nere på en tredjedel, och den ordinarie leveransen ska komma i morgon. Sedan ringer leverantören: den leveransen blir flera dagar sen. Håll varje patient försörjd tills den kommer – ingen extra personal behövs för det här.

  • Ingen syrebrist någon gång
  • Tanken blir aldrig tom
  • Inga sjukskötersketimmar på övertid / bemanning

Nivå 3 · Förångaren vid sin gräns

Enheten är nästan full med mycket sjuka patienter när en våg av svårt sjuka patienter anländer – ungefär en i timmen under ett halvt dygn. Var och en behöver ett högt syreflöde, och förångaren kan bara leverera 600 L/min. Håll flödet uppe och korridorerna fria, inom personalbudgeten.

  • Ingen syrebrist vid något tillfälle
  • Genomsnittligt väntande på akuten ≤ 2 patienter
  • Tanktiden aldrig under 12 h
  • Ingen övertid / bemanning innan vågen kommer
  • Övertid / bemanning ≤ 300 sjukskötersketimmar

Underlag – modellen bakom siffrorna

Varje samband simulatorn använder, med källa. Konstanter markerade som antaganden är illustrativa kalibreringar.

Kritiskt sjuka patienter anländer slumpmässigt och stannar en slumpmässig tid (exponentiell, medelvärde 72 h).
arrivals ~ Poisson(λ·Δt); P(discharge in Δt) = 1 − e^(−Δt/LOS), LOS = 72 h[4][2]Antagande: vårdtid, antal platser och sjuksköterskor, personalbudgetarna, storlekarna på tank, förångare och cylindrar samt akutleverantörens villkor är illustrativa värden för ett medelstort sjukhus.
Beläggning och köbildning: med slumpmässiga ankomster växer fördröjningarna kraftigt långt innan avdelningen är 100 % full.
occupancy = patients / open beds; queueing delay rises steeply as occupancy → 100 %[2][3]
En plats räknas bara om den är bemannad.
staffed beds = min(open beds, 2 × nurses)[4]Antagande: vårdtid, antal platser och sjuksköterskor, personalbudgetarna, storlekarna på tank, förångare och cylindrar samt akutleverantörens villkor är illustrativa värden för ett medelstort sjukhus.
Personalkostnad: varje sjukskötersketimme utöver det schemalagda passet är övertid eller bemanningstid. Extraplatser behöver de sjuksköterskorna, så de bär kostnaden.
overtime/agency nurse-hours = Σ max(0, nurses − 10) · ΔtAntagande: vårdtid, antal platser och sjuksköterskor, personalbudgetarna, storlekarna på tank, förångare och cylindrar samt akutleverantörens villkor är illustrativa värden för ett medelstort sjukhus.
Längsta väntan på akuten på en IVA-plats. I en stor registerstudie hade svårt sjuka patienter som väntade 6 h eller mer högre dödlighet.
longest ED wait = now − time the first waiting patient arrived (first come, first served); ≥ 6 h counts as a delayed transfer[6]
Syrebehov utifrån WHO:s planeringsflöden per patient.
demand = Σ flow(patient): severe 10 L/min, critical 30 L/min[1]
Förångaren begränsar hur mycket gas tanken kan leverera per minut; cylindrar tillför lite till.
delivered = min(demand, vaporizer 600 L/min, tank) + cylinders (≤150 L/min)[1]Antagande: vårdtid, antal platser och sjuksköterskor, personalbudgetarna, storlekarna på tank, förångare och cylindrar samt akutleverantörens villkor är illustrativa värden för ett medelstort sjukhus.
Flytande syre expanderar ungefär 843 gånger till gas vid 15 °C och 1 atm (det ofta citerade 861 är värdet vid 21 °C); tanktimmar följer av aktuell förbrukning.
gas litres (15 °C, 1 atm) = liquid litres × 843; tank hours = gas / (use × 60)[5]
Andra driftkonstanter som modellen använder.
20 base beds + up to 10 surge · 10 rostered nurses · 40 % critical at baseline · tank 3,000 L liquid, deliveries fill it to capacity; a new interval moves the next truck no closer than 24 h · vaporizer 600 L/min · 2 cylinder banks on site, 120 m³ each at ≤150 L/min · one emergency load of up to 3,000 L, 18 h after the order · step-down push shortens stay by 25 %Antagande: vårdtid, antal platser och sjuksköterskor, personalbudgetarna, storlekarna på tank, förångare och cylindrar samt akutleverantörens villkor är illustrativa värden för ett medelstort sjukhus.
Återhållsam titrering som en efterfrågefaktor.
demand × 0.8 when conservative titration is applied[7]Antagande: besparingen på 20 % är illustrativ. Syremål är ett kliniskt beslut som fattas för varje patient; den här simulatorn visar bara effekten på försörjningen.

Slumpmässighet: en seedad mulberry32-generator; fördelningar som används – likformig, exponentiell (invers CDF), normal (Box–Muller), Poisson (Knuth). Seeden visas och kan delas.

Källor

  1. WHO — Oxygen sources and distribution for COVID-19 treatment centres (planning flows: severe 10 L/min, critical 30 L/min) — World Health Organization, 2020
  2. A. Bagust, M. Place, J. W. Posnett — Dynamics of bed use in accommodating emergency admissions: stochastic simulation model — BMJ 319:155, 1999
  3. N. Proudlove — The 85% bed occupancy fallacy: the use, misuse and insights of queuing theory — Health Services Management Research, 2020
  4. D. Gross, C. M. Harris — Fundamentals of Queueing Theory (M/M/c, loss systems) — Wiley, 2008
  5. NIST Chemistry WebBook, SRD 69 — Thermophysical properties of oxygen (saturated liquid at 1 atm: 1141.2 kg/m³; gas at 15 °C, 1 atm: 1.3544 kg/m³ → ≈ 843 L gas per L liquid; ≈ 861 at 21.1 °C) — National Institute of Standards and Technology
  6. D. B. Chalfin, S. Trzeciak, A. Likourezos et al. — Impact of delayed transfer of critically ill patients from the emergency department to the intensive care unit (ED stay ≥ 6 h: higher ICU and hospital mortality) — Critical Care Medicine 35(6):1477–1483, 2007
  7. BTS guideline for oxygen use in healthcare and emergency settings (target saturation ranges) — British Thoracic Society, Thorax 72, 2017

Vem arbetar med det här

Pedagogisk modell – inte för operativa beslut. Verkliga anläggningar kalibrerar varje konstant efter sin egen utrustning och sina egna data.