Short-term ICU capacity planning. Development of a web-based prediction model and a one-center pilot study

Abstract

Bakgrunn Antall pasienter innlagt en intensivavdeling varierer. Kapasiteten på intensivavdelinger er vanligvis begrenset av tilgjengeligheten av intensivsykepleiere. På grunn av sykepleiernes arbeidsplan er denne begrensningen mest uttalt i helgene. Ideelt sett bør antall sykepleiere tilpasses antall pasienter. For å gjøre dette er det nødvendig med en kortsiktig prediksjon av antall pasienter. Denne oppgaven presenterer en enkel datamodell for kortsiktig prediksjon av antall pasienter innlagt en intensivavdeling.

Metoder Et nettbasert instrument for kortsiktig prediksjon av antall intenivpasienter ble utviklet i Anvil med integrert Python-kode. Forventet liggetid for pasienter i intensivavdelingen torsdag og forventede nye innleggelser ble brukt for å forutsi antall pasienter tre adger frem i tid. En pilotstudie på 14 helger sammenlignet predikert versus observert antall pasienter. Overensstemmelse ble analysert ved Wilcoxon Signed-Rank-test, differanse skår for hver dag, gjennomsnittlig absolutt feil (MAE) og lineær regresjon. God enighet mellom predikert og observert antall pasienter ble definert som lik eller  1 pasient.

Resultater Et nettbasert instrument ble utviklet. Brukere var i stand til å fullføre instrumentet på 2-3 minutter. Gjennomsnittlig antatt antall pasienter for alle dager var 8.7 pasienter sammenlignet med en gjennomsnittlig observert antall paseinter 8.0 pasienter (p=0.02). En-og-tyve dager viste god overensstemmelse, 15 dagers overestimering (færre pasienter enn predikert) og 6 dagers underestimering (flere pasienter enn predikert). Gjennomsnittlig MAE var 1.6 pasient.

Konklusjon Et enkelt web-basert instrument brukt til å forutsi antall pasienter innlagt intensivavdelingen, ble utviklet. De kortsiktige prediksjonene om antall pasienter presterte tilsvarende mer komplekse modeller. Avvik mellom observert og predikert antall pasienter var oftest en overestimering og ville ikke resultere i en kritisk mangel på sykepleiere. Dette instrumentet kan hjelpe ledere i intensivavdelinger til å tilpasse bemanning med intensivsykepleiere i forhold til antall pasienter.

Background Intensive care unit (ICU) occupancy varies. ICU capacity is usually limited by the availability of intensive care nurses. Due to nurses´ work schedule this limitation is most pronounced in weekends. Ideally, the number of nurses should be tailored to ICU occupancy. To do this a short-term prediction of ICU occupancy is needed. This thesis presents a simple computer model for short-term prediction of ICU occupancy.

Methods A web-based instrument for short-term prediction of ICU occupancy was developed in Anvil with integrated Python code. Expected length of stay for patients in the ICU on Thursday and expected new admissions were entered to predict occupancy during the weekend. A pilot study of 14 weekends compared predicted versus observed ICU occupancies. Agreement was analyzed by the Wilcoxon Signed-Rank test, difference scores for each day, mean absolute error (MAE) and linear regression. Good agreement was defined as equal or  1 patient.

Results A web-based instrument was developed. Users were able to complete the instrument in 2-3 minutes. Mean predicted occupancy for all days were 8.7 patients compared to a mean observed occupancy of 8.0 patients (p=0.02). Twenty-one days showed good agreement, 15 days overestimation (less patients than predicted) and 6 days underestimation (more patients than predicted). Mean MAE was 1.6 patient.

Conclusion An easy-to-score instrument to short-term predict ICU occupancy was developed. The short-term occupancy predictions from the instrument performed similar to more complex models. The prediction errors were generally skewed towards overestimation and would not result in a critical lack of nurses. This instrument can aid ICU managers to more precisely tailor weekend nurse staffing to occupancy.