Short-Term Impact of Weekend Shifts on Absence in the Healthcare Sector: A GLMM and Case-Crossover Study

Abstract

Et robust helsevesen er essensielt for samfunnet. Demografiske trender i Norge og andre vestlige land forutsier en aldrende befolkning som vil legge enormt press på helsevesenet i de kommende tiårene, noe som krever en økning i antall helsearbeidere. Samtidig jobber heltidsansatte bare hver tredje helg, noe som fører til ekstra belastning på helsevesenet i helgene, som ofte er underbemannet eller dominert av midlertidig og ufaglærte personell. Dette ekstra presset kan ha en negativ effekt på arbeidsmiljøet, noe som resulterer i økt fravær de påfølgende dagene.

I denne studien undersøker vi den kortsiktige effekten av helgevaktforhold på fravær den påfølgende uken. Framlent AS sponser arbeidet og leverer et omfattende turnusdatasett for helsearbeidere fra fem forskjellige kommuner for analysen.

Generalized Linear Mixed Effects Model (GLMM) blir trent på ulike datasettkonfigurasjoner og sammenlignet kvantitativt for å bestemme hvilken modell som presterer best. De beste modellene viser nøyaktigheter nær 0,8, med betydelig flere type I-feil enn type II-feil. Prediktive modeller for fravær kan hjelpe med planlegging av turnus og for å forstå implikasjonene av eksisterende planer.

En case-crossover studie er også anvendt på datasettet for å studere de medvirkende faktorene til helsearbeideres fravær etter helgevakter. Studiet resulterer i vide konfidensintervaller for mange av faktorene, noe som gjør det vanskelig å konkludere hvordan disse faktorene påvirker fraværet. Antallet fullførte, planlagte, ekstra og fraværende timer i helgen har imidlertid forskjellige, nøyaktige estimater fra studiet. Planlagte og fraværende timer i helgen øker oddsen for fravær de påfølgende ukedagene med henholdsvis 6% per åttende time og 13% per time. Hver åttende fullført og ekstra time senker oddsen for fravær med henholdsvis 7% og 3%.

A robust healthcare system is essential for society. Demographic trends in Norway and other Western countries predict an aging population that will place immense pressure on healthcare systems in the coming decades, necessitating an increase in healthcare workers. At the same time, full-time employees usually work each third weekend, leading to additional strain on healthcare systems during weekends, which are often short-staffed or dominated by temporary workers and untrained employees. This added pressure may negatively affect the work environment, resulting in increased absence in the following days.

In this study, we examine the short-term impact of weekend shift conditions on absence in the subsequent week. For the analysis, Framlent AS has provided a comprehensive rotation schedule data set for more than 6400 health care workers from five different municipalities over five years.

Generalized Linear Mixed Effects Model (GLMM) are trained on various data set configurations and are quantitatively compared to determine the best-performing model. The best models exhibited accuracies close to 0.8, with a significantly higher number of Type I errors than Type II errors due to a prevalence lower than 10%. Predictive models for absence can aid in planning rotation schedules and understanding the implications of current schedules.

Additionally, a case-crossover study is applied on the data set to study the contributing factors in the weekend to health workers’ absence the following weekdays. The study results in effects with wide confidence intervals and it is therefore hard to accurately conclude how many of these factors contribute. The number of completed, planned, hired and absence hours in the weekend have different, accurate contributions. Planned and absent hours in the weekend increase the odds for the workers absence the following weekdays by 6% per eight hours and 13% each hour, respectively. Each eight completed and hired hours reduce the odds for absence by 7% and 3%, respectively.