Applicazione del Workload Indicators of Staffing Need (WISN) per la stima del fabbisogno di Tecnici Sanitari di Radiologia Medica in una Struttura di Diagnostica per Immagini italiana.
Barra laterale dell'articolo
Contenuto principale dell'articolo
Abstract
INTRODUZIONE
In Italia, la stima del fabbisogno di tecnici di radiologia viene tradizionalmente calcolata tenendo conto di variabili generiche come la popolazione, la grandezza della struttura e il rapporto medici/professionisti sanitari. Nel dicembre 2022, la Conferenza Stato-Regioni ha ratificato un nuovo “Metodo per la determinazione del fabbisogno di personale del SSN”, ma anch'esso fornisce indicazioni troppo vaghe e range operativi troppo ampi.
Il presente studio mira a sperimentare l’applicazione del metodo Workload Indicators of Staffing Need (WISN), già utilizzato in ambito industriale e nelle professioni sanitarie assistenziali, per la stima del fabbisogno dei Tecnici Sanitari di Radiologia Medica (TSRM).
MATERIALI E METODI
In via preliminare è stata effettuata una revisione della letteratura scientifica sui principali metodi utilizzati per la stima del fabbisogno dei TSRM; secondariamente è stata condotta un’indagine tra un campione di dirigenti delle professioni sanitarie. Infine è stato applicato il metodo WISN sull'Ospedale "ALFA" e sulla sua Unità Operativa di Radiologia con il calcolo del numero di TSRM impiegati e il loro monte ore annuale. Sono stati, inoltre, raccolti dati sul numero e tipologia di esami effettuati nel 2022, e stimato il tempo medio per esame per ciascuna modalità. Attraverso questi dati, è stato stabilito il carico di lavoro annuo e il numero di TSRM necessari per le attività professionali standard, applicando un fattore correttivo per considerare anche le attività aggiuntive di categoria ed individuali.
RISULTATI
Dalla revisione della letteratura scientifica sono stati selezionati 45 articoli scientifici riportanti 4 tipologie di metodiche per la determinazione del fabbisogno dei TSRM. L’indagine tra i dirigenti delle professioni sanitarie ha confermato la necessità di un metodo più preciso ed efficace, basato sull’effettivo carico di lavoro.
L’Available Working Time (AWT) rilevato di 1369 ore/anno è risultato simile a quello previsto dalla Conferenza Stato-Regioni di 1480 ore/anno evidenziando che, nonostante i TSRM in organico siano 13, il volume di ore di servizio svolte corrisponde a quello di 10 unità. Anche il tempario della Società Italiana di Radiologia Medica (SIRM) si è rivelato, in linea di massima, conforme al tempo reale delle attività rilevato sul campo. Contrariamente alle aspettative di un organico adeguato, il metodo WISN ha evidenziato una carenza di 1 unità rispetto al personale assunto, con un eccessivo carico di lavoro, in particolare nella tomografia computerizzata (TC). Tuttavia, il surplus di attività rilevata in TC risulta congruo, in quanto la pressione lavorativa non supera globalmente il valore soglia del 10%.
CONCLUSIONI
Il metodo WISN si è rivelato uno strumento semplice, flessibile ed efficace per stabilire il fabbisogno di personale e per orientare i processi decisionali riguardo la pianificazione del personale, consentendo alle strutture sanitarie di allocare in modo adeguato le risorse umane e di migliorare la qualità e l'efficienza dei servizi forniti.
Downloads
Dettagli dell'articolo
Gli autori mantengono i diritti sulla loro opera e cedono alla rivista il diritto di prima pubblicazione dell'opera, contemporaneamente licenziata sotto una Licenza Creative Commons - Attribuzione che permette ad altri di condividere l'opera indicando la paternità intellettuale e la prima pubblicazione su questa rivista.
Riferimenti bibliografici
Conferenza Stato-Regioni. Metodo per la determinazione del fabbisogno di personale ospedaliero. 2017. Disponi-bile su: https://www.compartosanita.it/wp-content/uploads/2018/06/Fabbisogno-Personale-Gen2018.pdf
Cloete C. An activity-based workload modelling approach for determining diagnostic radiographer staffing re-quirements within a diagnostic radiology practice (Doctoral dissertation, Stellenbosch: Stellenbosch University). 2021.
Brancato G, Beltrami P, Lombardo S. Modello per la determinazione dei carichi di lavoro e della produttività dei TSRM. Federazione Nazionale Collegi TSRM. 2002.
Calamandrei C. Manuale di management per le professioni sanitarie (4a ed.). McGraw-Hill Education. 2015.
AGENAS – Agenzia Nazionale per i Servizi Sanitari Regionali. Metodo per la determinazione del fabbisogno di per-sonale del SSN. 2022-2024. Disponibile su: https://www.trovanorme.salute.gov.it/norme/renderNormsanPdf?anno=2023&codLeg=92083&parte=1%20&serie=null
Bam L, Cloete C, de Kock IH. Determining diagnostic radiographer staffing requirements: A workload-based ap-proach. Radiography. 2022;28(2):276-282.
Aloisio JJ, Winterfeldt CG. Rethinking traditional staffing models. Radiology Management. 2010;32(6).
Conlon M, Molloy O. Learning to See: Using Mixed OR Methods to Model Radiology Staff Workload and Support Decision Making in CT. SN Computer Science. 2022;3(5):361.
Cruz-Gomes S, Amorim-Lopes M, Almada-Lobo B. A labor requirements function for sizing the health workforce. Human Resources for Health. 2018;16(1):1–12. doi: 10.1186/s12960-018-0334-4
Dal Poz M, Dreesch N, Fletcher S, Gedik G, Gupta N, Hornby P, Schofield D. Models and tools for health work-force planning and projections. Human Resources for Health Observer. 2010;3:1–19.
Doosty F, Maleki MR, Yarmohammadian MH. An investigation on workload indicator of staffing need: A scoping re-view. Journal of Education and Health Promotion. 2019;8:22. doi: 10.4103/jehp.jehp_220_18
Dutton SC, Sze GK, Lund PL, Bluth EI. Radiology practice environment: Options, variations, and differences - A report of the ACR commission on human resources. Journal of the American College of Radiology. 2014;11(4):352–358. doi: 10.1016/j.jacr.2013.12.025
Fakhri A, Seyedin H, Daviaud E. A Combined Approach for Estimating Health Staff Requirements. Iranian Journal of Public Health. 2014;43(1):107–115. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4454024/pdf/IJP
IAEA - International Atomic Energy Agency. Staffing in Radiotherapy: An Activity Based Approach (IAEA Human Health Reports No. 13) [CD-ROM]. 2015.
Isambert A, Du DL, Valéro M, Guilhem MT, Rousse C, Dieudonné A, Blanchard V, Pierrat N, Salvat C. Medical physics personnel for medical imaging: Requirements, conditions of involvement and staffing levels-french recom-mendations. Radiation Protection Dosimetry. 2015;164(1–2):130–133. doi: 10.1093/rpd/ncu312
Khetrapal A. What is Teleradiology. News Medical Life Sciences. 2018. https://www.news-medical.net/health/What-is-Teleradiology.aspx
Kirby KM, Schueler BA, Littrell LA, Long Z. Workload and use factor data for a modern digital radiography sys-tem. Journal of Applied Clinical Medical Physics. 2023;24(5):e13962.
Kwee TC, Kwee RM. Workload of diagnostic radiologists in the foreseeable future based on recent scientific ad-vances: growth expectations and role of artificial intelligence. Insights into imaging. 2021;12(1):1-12.
Larson DB, Froehle CM, Johnson ND, Towbin AJ. Communication in diagnostic radiology: Meeting the challenges of complexity. American Journal of Roentgenology. 2014;203(5):957–964. doi: 10.2214/AJR.14.12949
Laurence CO, Karnon J. Improving the planning of the GP workforce in Australia: a simulation model incorporating work transitions, health need and service usage. Human Resources for Health. 2016;14(1):13. doi: 10.1186/s12960-016-0110-2
MacDonald SLS, Cowan IA, Floyd RA, Graham R. Measuring and managing radiologist workload: A method for quantifying radiologist activities and calculating the full-time equivalents required to operate a service. Journal of Medical Imaging and Radiation Oncology. 2013;57(5):551–557. doi: 10.1111/1754-9485.12091
Mariani C, Tronchi A, Oncini L, Pirani O, Murri R. Analysis of the X-ray work flow in two diagnostic imaging de-partments with and without a RIS/PACS system. Journal of Digital Imaging. 2006;19(1 SUPPL.):18–28. doi: 10.1007/s10278-006-0858-3
McEnery KW. Coordinating patient care within radiology and across the enterprise. Journal of the American Col-lege of Radiology. 2014;11(12):1217-1225. doi: 10.1016/j.jacr.2014.09.010.
Pandey AA, Chandel S. Human resource assessment of a district hospital applying WISN method: Role of laborato-ry technicians. International Journal of Medicine and Public Health. 2013;3(4).
Patel P, Mitera G. A systematic scoping literature review of incorporating a total quality culture within radiother-apy staffing models: A management strategy to improve patient safety and quality of care in radiation therapy departments. Journal of Medical Imaging and Radiation Sciences. 2011;42(2):81–85. doi: 10.1016/j.jmir.2011.03.001
Ridoutt L, Schoo AM, Santos T. Workload Capacity Measures for Use in Allied Health Workforce Planning. 2006.
Royal College of Radiologists. How many radiologists do we need? A guide to planning hospital radiology services Board of the Faculty of Clinical Radiology. 2008.
Royal College of Radiologists. Clinical radiology workload: guidance on radiologists’ reporting figures. 2012a. Di-sponibile su: https://www.rcr.ac.uk/publication/clinical-radiology-workload-guidance-radiologists’-reporting-figures
Royal College of Radiologists. Investing in the Clinical Radiology Workforce – The Quality and Efficiency Case (Issue June). 2012b.
Schoo AM, A Boyce R, Ridoutt L, Santos T. Workload capacity measures for estimating allied health staffing re-quirements. Australian Health Review: A Publication of the Australian Hospital Association. 2008;32(3):548–558. doi: 10.1071/AH080548
Smith LJ, Kearvell R, Arnold AJ, Choma K, Cooper A, Young MR, Churcher K. Radiation therapy staffing model 2014. Journal of Medical Radiation Sciences. 2016;63(4):209-216.
Stankovic S, Santric Milicevic M. Use of the WISN method to assess the health workforce requirements for the high-volume clinical biochemical laboratories. Human Resources for Health. 2022;19(Suppl 1):143. doi: 10.1186/s12960-021-00686-w
Tripković K, Šantrić Milićević M, Mandić Miladinović M, Kovačević L, Bjegović Mikanović V, Vuković D. Implemen-tation of the Workload Indicators of Staffing Need (WISN) Method in Determining Staff Requirements in Public Health Laboratories in Serbia. Disaster Medicine and Public Health Preparedness. 2022;16(1):71-79. doi: 10.1017/dmp.2020.133
WHO - World Health Organization. Workload Indicators of Staffing Need: USER’S MANUAL, SECOND EDITION. 2023. Disponibile su: https://iris.who.int/bitstream/handle/10665/373473/9789240070066-eng.pdf?sequence=1
Asres GD, Gessesse YK. Workload Indicators of Staffing Need (WISN) method for health workforce planning at health facility: A scoping review. PREPRINT (Version 1). 2022. doi: 10.21203/rs.3.rs-1940496/v1
Farrasizdihar D, Girsang E, Nasution SLR. Analysis of workforce requirements based on WISN in radiology instal-lation of RSU X. JMMR (Jurnal Medicoeticolegal dan Manajemen Rumah Sakit). 2021;10(1):63-76.
SIRM – Società Italiana di Radiologia Medica. Modello di appropriatezza prestazionale quali – quantitativa in diagnostica per immagini, Rev.2.0. Società Italiana Radiologia Medica. 2022. Disponibile su: https://sirm.org/wp-content/uploads/2022/12/MODELLO-DI-APPROPRIATEZZA-PRESTAZIONALE-QUALI-%E2%80%93-QUANTITATIVA-IN-DIAGNOSTICA-PER-IMMAGINI.pdf
Regione Lazio. Tempario regionale di riferimento delle prestazioni specialistiche ambulatoriali individuate come critiche. 2017. Disponibile su: https://www.regione.lazio.it/sites/default/files/decreti-commissario-ad-acta/SAN_DCA_U00239_28_06_2017.pdf
Arifah S. A Workload Analysis Using Power Radiographer Workload Indicators Need Staff (Wisn) In The Installa-tion Of Radiology University Hospital Sebelas Maret Surakarta: Analisa Tanggung Jawab Radiografer Menggunakan Metode Workload Indicator Staffing Needs (Wisn). Medical Imaging and Radiation Protection Research (MIROR) Journal. 2022;2(1):7-12.
ESR - European Society of Radiology. The future role of radiology in healthcare. Insights into Imaging. 2010;1(1):2–11. doi: 10.1007/s13244-009-0007-x
Perry N, Broeders M, de Wolf C, Törnberg S, Holland R, von Karsa L. European guidelines for quality assurance in breast cancer screening and diagnosis. -summary document. Oncology in Clinical Practice. 2008;4(2):74-86.
Shoshan Y, Bakalo R, Gilboa-Solomon F, Ratner V, Barkan E, Ozery-Flato M, Mullen LA. Artificial intelligence for reducing workload in breast cancer screening with digital breast tomosynthesis. Radiology. 2022;303(1):69-77.
Al-Sawai A, Al-Shishtawy MM. Health workforce planning: An overview and suggested approach in Oman. Sultan Qaboos University Medical Journal. 2015;15(February):27–33.
Mohamed N, Al-Lawati N. How to make the best use of the workload indicators of staffing needs method in determining the proportion of time spent in each of the workload components and its implication in decision making: the experience of the Sultanate of Oman. Human resources for health. 2022;19(Suppl 1):113.