Studie ukazuje, že nemocnice mohou ušetřit miliony optimalizací seznamů chirurgických zásob

Studie ukazuje, že nemocnice mohou ušetřit miliony optimalizací seznamů chirurgických zásob

Výzkumníci z University of California San Diego School of Medicine ve spolupráci s Data Science Alliance, neziskovou organizací, která propaguje důležitost odpovědného vědeckého prostředí, provedli studii, která ukázala, že nemocnice by mohly ušetřit miliony dolarů a výrazně snížit chirurgický odpad tím, že přehodnotí seznamy přípravných materiálů na operační sály, aniž by byla ohrožena bezpečnost pacientů.

Studie byla zveřejněna v online vydání 26. listopadu 2025Chirurgie JAMAzjistili, že preferenční karty – nemocniční kontrolní seznamy nástrojů a potřeb pro chirurgii – často obsahují mnohem více položek, než je skutečně potřeba. Když se tyto seznamy v průběhu času kopírují a znovu používají, hromadí se nepotřebné položky, což vede k neefektivitě a plýtvání, což má za následek zaplnění operačních sálů materiály, které se často nepoužívají.

Optimalizované chirurgické preferenční karty nejen snižují množství odpadu na operaci, ale mohou také ušetřit značné hodiny při přípravě a čištění mezi případy. To znamená, že máme více času pomoci více pacientům prostřednictvím operací a postupů, které změní život a zachraňují život.“

Sean Perez, MD, hlavní autor a rezident chirurga na UC San Diego School of Medicine

Vědci analyzovali tisíce praktik v UC San Diego Health v urologii, chirurgické onkologii a kolorektálních specializacích, aby zjistili, jaké materiály byly skutečně použity. V těchto oblastech představovalo snížení nevyužitých položek významný zdroj potenciálních úspor během pětiměsíčního období – až 3 miliony USD v položkách, které byly buď vyhozeny, nebo bylo potřeba znovu naskladnit.

Pomocí pokročilých statistických modelů tým optimalizoval verze těchto seznamů tak, aby byla zachována plná provozní připravenost při výrazném snížení plýtvání. Pro pacienty by to mohlo znamenat kratší čekací doby a nižší náklady na zdravotní péči.

„Doufáme, že tato studie povzbudí zdravotnické systémy, aby zaujaly přístup více založený na datech k udržování preferenčních map,“ řekl Karandeep Singh, MD, hlavní autor studie a hlavní zdravotní ředitel AI v UC San Diego Health. "Optimalizace těchto seznamů znamená, že operace jsou připravovány efektivněji a zdroje jsou využívány zodpovědněji, aniž by byla obětována bezpečnost nebo kvalita."

Tradičně se mapy preferencí aktualizují ručně na základě individuálních zkušeností. Tato studie představuje metodu založenou na důkazech, která využívá reálná data a činí aktualizace efektivní a konzistentní.

UC San Diego Health nyní implementuje tyto optimalizované seznamy v chirurgických prostředích v reálném čase a hledá způsoby, jak automatizovat aktualizace, aby zůstaly v průběhu času přesné. Vědci se domnívají, že tento projekt demonstruje praktický dopad, který mohou mít data na zdravotní péči, tím, že demonstruje, jak může zodpovědná věda o datech snížit nemocniční odpad, zvýšit provozní efektivitu a v konečném důsledku zlepšit péči o pacienty.

Zdroje: