HEALTH SUPPLY CHAIN MANAGEMENT

HEALTH SUPPLY CHAIN MANAGEMENT

RIRL 2010 The 8th International Conference on Logistics and SCM Research BEM Bordeaux Management School September 29, 30 and October 1st 2010 Ordonnancement réactif des interventions dans les salles opératoires : cas d une catastrophe Issam Nouaouri, Jean-Christophe Nicolas, Daniel Jolly Univ Lille Nord de France, Univ Artois, France issam.nouaouri@fsa.univ-artois.fr, jchristophe.nicolas@univ-artois.fr, daniel.jolly@univ-artois.fr Résumé Dans ce travail, nous étudions le problème d ordonnancement réactif des interventions dans les salles opératoires en situation de crise. Face à une telle situation, les victimes en attente ou en cours de transfert à l hôpital d accueil peuvent voir leur état se dégrader ou encore s améliorer, réduisant ou rallongeant leur date limite d intervention. Dans ce contexte, nous proposons un modèle réactif de programmation opératoire dont la finalité est de prendre en charge le maximum de victimes. Pour la résolution de ce problème, nous proposons une heuristique qui fait appel à plusieurs modèles de programmation linéaire en nombres entiers. Les résultats expérimentaux mettent en exergue l apport de ce modèle pour l aide à la décision dans de telles situations. Mots clés: Programmation linéaire, Situation d exception, Perturbation, Salles opératoires. 1

1. INTRODUCTION L efficacité du système de gestion hospitalier est conditionnée par de multiples facteurs dont l anticipation et la réactivité. Une situation d exception est caractérisée par l apparition brutale de plusieurs perturbations qui troublent l exécution du programme opératoire en cours. Face à une telle situation l hôpital doit disposer d un outil d aide à la décision lui permettant de réagir à temps. Ces dernières années, certains travaux se sont intéressés aux problèmes réactifs dans le domaine hospitalier en situation normale, notamment quand il s agit de prendre en considération des interventions urgentes au niveau du bloc opératoire (Lamiri et al., 2008) (Hammami, 2004) (Roland et al., 2009). Tous ces travaux ne considèrent pas un problème d ordonnancement dans une situation d exception avec un afflux massif de victimes. Dans une telle situation la plupart des interventions doivent être réalisées en urgence et dans un horizon de temps relativement court. L objectif de notre recherche consiste à proposer un modèle réactif de programmation opératoire en cas de catastrophe. Nous traitons le problème d ordonnancement des interventions dans les salles opératoires dont la finalité est de prendre en charge le maximum de victimes. Dans le cas d une catastrophe, les victimes sont normalement évacuées du lieu du sinistre jusqu à l hôpital d accueil via le Poste Médical Avancé (PMA) (Ministère de la santé et de la solidarité, 2006). Le PMA installé à proximité du lieu sinistré, assure le triage des victimes et les premiers soins d urgence. Le triage est un acte médical de diagnostic, qui permet de catégoriser chaque victime, selon son degré d urgence. Ainsi, les extrêmes urgences nécessitent des gestes salvateurs immédiats au niveau du PMA et ceux pour stabiliser leur état et transférer ainsi leur degré d urgence. Dans certains cas d extrêmes urgences, les victimes sont opérées (on parle des opérations de stabilisation) au PMA pour assurer leur évacuation aux hôpitaux (Noto et al., 1994). Quant aux urgences de premier, deuxième et troisième degré, elles sont mises en condition d évacuation avant d être transférées à l hôpital d accueil. Celles-ci doivent être prises en charge dans des délais respectifs, inférieurs à 6 heures, 18 heures et 36 heures (Dhahri, 1999). 2

Les capacités des moyens de transport disponibles étant limitées, les victimes ne peuvent être transférées en une seule fois, et arrivent progressivement à l hôpital d accueil. En outre, selon l ampleur du sinistre, le nombre de victimes et la nature des lésions à traiter, les ressources humaines (médicales et paramédicales) peuvent être renforcées au cours du temps. Ainsi le PMA permet de définir le degré d urgence (date limite d intervention), la date d arrivée à l hôpital, la nature des pathologies et la durée opératoire nécessaire pour les victimes qui doivent subir des actes chirurgicaux. En se basant sur ces données, envoyées par le service d aide médicale urgente (SAMU) via un système d information, l hôpital d accueil réalise son programme opératoire initial (Nouaouri et al., 2008). Toutefois, des perturbations peuvent survenir à n importe quel moment au cours de l exécution du programme. Suite à une perturbation, l hôpital doit réagir rapidement, afin de pouvoir en minimiser les conséquences, notamment sur le nombre de victimes à traiter. Pour réduire la complexité du problème étudié nous supposons que chaque chirurgien est affecté à une salle opératoire. Pour la résolution de ce problème réactif, nous proposons une heuristique composée de plusieurs modèles de programmation linéaire en nombres entiers. Dans ce papier, nous ne traitons à un instant donné qu une seule perturbation : évolution d un degré d urgence. En effet, en cas de catastrophe, les victimes en attente ou en cours de transfert à l hôpital d accueil peuvent voir leur état se dégrader ou encore s améliorer, réduisant ou rallongeant leur date limite d intervention. Cet article est structuré en 5 sections. Dans la section 2, nous présentons une revue de la littérature des travaux traitant l ordonnancement et l affectation des interventions chirurgicales en cas d urgence. Un intérêt particulier sera donné aux travaux réalisés dans le domaine industriel notament pour résoudre des porblèmes réactifs. Dans la section 3, nous décrivons la problématique étudiée. Dans la section 4, nous proposons l approche de résolution. Les résultats des expérimentations obtenus sont présentés et analysés dans la section 5. Dans la section 6, nous expliquons la mise en pratique du programme développé. Des perspectives sont enfin présentées à la fin de cet article. 2. REVUE DE LA LITTERATURE En situation normale, le domaine hospitalier est un secteur qui induit des coûts élevés. Ainsi, les méthodes d optimisation trouvent largement leurs places notamment ceux qui concernent l optimisation de la planification. 3

Dans la littérature, plusieurs travaux traitent le problème de la planification et d ordonnancement des interventions au bloc opératoire. L importance de ce problème dans le système décisionnel, explique l abondance des travaux. Il s agit d ordonnancer et d affecter les interventions aux ressources (salles opératoires, chirurgiens, etc.), et ainsi déterminer, sur un horizon fixe, les dates de début de chaque intervention (Kao, 1973) (Kao, 1974) (Hanchock et Walter, 1984) (Kusters et Groot, 1996) (Hammami, 2004) (Blake J.T. et al., 2002), (Kuo P.C. et al., 2003), (Guinet et Chaabane, 2003), (Fei H. et al., 2004) (Fei et al., 2009 a). Bien que la programmation opératoire ait fait l objet de plusieurs efforts de recherche dans le cadre des interventions programmées, peu de travaux ont pris en considération les urgences. Dans (Kuo et al., 2003) les auteurs proposent un programme linéaire, qui alloue, dans le planning pré-établi une plage horaire par chirurgien dédiée aux urgences non programmées. Aucune intervention non programmée ne pourrait être réalisée en dehors de ces plages horaires. Dans (Lamiri et al., 2008), un modèle stochastique pour la planification simultanée, des interventions programmées et celles non programmées, est présenté. Les auteurs proposent une approche basée sur la programmation linéaire mixte en nombres entiers et la méthode de simulation Monte Carlo. Il s agit d insérer une urgence dans un programme prédictif déjà établi. (Roland et al., 2009) présentent aussi un modèle stochastique pour la planification des interventions dans le bloc opératoire en utilisant les chaînes de Markov. Le dépassement des durées opératoires estimées, l arrivée des cas urgents et le blocage suite à une insuffisance des lits dans la salle de réveil, sont tous modélisés par des événements stochastiques. Une simulation du modèle proposé a permis d identifier le taux de perturbations et le temps d attente des patients qui nécessitent des actes urgents. (Hammami, 2004) a développé une approche qui constitue plusieurs possibilités d insertion d une urgence dans le programme opératoire. Chaque possibilité constitue une étape qui doit être testée avant de passer à l étape d après : (1) insertion de l urgence au sein du groupe de chirurgiens pour lequel l urgence est affectée à l un de chirurgiens de ce groupe. (2) insertion de l urgence à l une des plages banalisées. (3) réaffectation des plages du groupe de chirurgiens pour lequel l urgence est affectée à l un des chirurgiens de ce groupe. (4) insertion de l urgence dans d autres groupes de chirurgiens. (5) redéfinition des plages restantes des chirurgiens. 4

La prise en charge des urgences vitales inter-hospitalières a été traitée dans (Glaa, 2008). Ce problème est résolu en deux étapes : (1) la conception et l évaluation de la chaîne de survie inter-hospitalière. (2) le dimensionnement et l affectation de l équipe mobile de réanimation d urgence ainsi que le positionnement des défibrillateurs semi automatiques. L auteur précise que le problème peut être considéré dans le cas d une catastrophe. La plupart des travaux qui traitent les situations d urgence (Hammami, 2002) (Hammami, 2004), se sont inspirés des recherches réalisées sur les problèmes réactifs dans le domaine industriel. A savoir : l insertion d un ou plusieurs jobs (Tadeuz, 2007), qui peut (peuvent) être urgent(s) (Sun et Xue, 2001), dans le planning préétabli, et l ordonnancement des activités avec des durées incertaines (Van de Vonder et al., 2007) (Bonfill et al., 2007). (Tadeuz, 2007) réordonnance un ensemble d ordres de fabrication sur plusieurs machines identiques organisées en flow shop. Le réordonnancement est réalisé suite à une perturbation causée par : la modification de la quantité d un ordre de fabrication (OF) et l annulation ou l ajout d un ou plusieurs OF. Tadeuz utilise trois stratégies de réordonnancement à savoir : le réordonnancement de tous les OF suite à une perturbation à un instant donné (REALL), le réordonnancement d une partie des OF (RENON), et le réordonnancement uniquement des OF qui sont en attente de la matière (REMAT). (Bonfill et al., 2007) traitent un problème d ordonnancement robuste et réactif dans un environnement incertain. Deux perturbations sont considérées : les durées incertaines des opérations et les pannes. Ce travail comporte deux étapes de résolution : (1) la génération d un ordonnancement proactif permettant d absorber au maximum les perturbations qui surviennent au cours du processus de production, minimisant ainsi le réordonnancement des lots. (2) l approche réactive qui sert à ajuster l ordonnancement suite à une perturbation, soit par une simple translation à droite (shift right), ou si nécessaire par un réordonnancement des lots. En cas d insertion d un OF urgent, (Sun et Xue, 2001) passent directement au réordonnancement des OF restantes. En situation normale, les critères fréquemment utilisés pour programmer les interventions sont, la maximisation du taux d exploitation du bloc opératoire (Kuo et al., 2003), (Lamiri et al., 2008), (Fei H. et al., 2006), (Hans et al., 2007) (Fei et al., 2009 b), la minimisation du Cmax (Marcon, 2004), la minimisation des heures supplémentaires (Chaabane S. et al., 2006), (Guinet A. et al., 2006), (Dexter et al., 2007) (Fei et al., 2009 b) et de l attente entre 5

les dates d hospitalisation et d intervention (Jebali A. et al., 2004) (Persson et A.Persson, 2009). (Hammami, 2004) minimise le coût d introduction d une urgence dans le programme opératoire en minimisant le nombre des interventions à reporter. Contrairement à une situation normale, en situation de catastrophe, notre travail porte sur l ordonnancement réactif des interventions dans les salles opératoire, avec pour objectif, traiter le maximum de victimes, autrement dit, sauver le maximum de vies humaines (Nouaouri et al., 2008). S H T 3. DESCRIPTION DU PROBLEME Avant de décrire le problème, voici les différentes notations utilisées : Nombre de salles opératoires. Nombre total de chirurgiens. Horizon de l étude. d i Durée de l intervention de la victime i. dl i Date limite d intervention de la victime i. rv i rc h Date d arrivée de la victime i à l hôpital. Date d arrivée du chirurgien h à l hôpital. Nous considérons que le nombre de salles est égal au nombre de chirurgiens (H=S) et que chaque chirurgien h est affecté à une seule salle opératoire s (h = s). Dans le cas d une catastrophe, les victimes sont évacuées du lieu du sinistre jusqu à l hôpital d accueil via le PMA. Le triage des victimes est réalisé au PMA. Il permet de définir le degré d urgence traduit en date limite d intervention dl i, la date d arrivée à l hôpital rv i, la nature des pathologies et la durée opératoire nécessaire d i pour les victimes qui doivent subir des actes chirurgicaux. En se basant sur ces données, l hôpital d accueil réalise son programme opératoire à l instant t = t 0. Toutefois, des perturbations peuvent survenir à n importe quel moment au cours de l exécution du programme. Nous traitons dans notre cas, l évolution du degré d urgence d une victime. Suite à une perturbation à l instant t = t p, l hôpital doit réagir rapidement, afin de pouvoir en minimiser les conséquences, notamment sur le nombre de victimes à traiter. Pour réduire la 6

complexité du problème étudié nous supposons que chaque chirurgien est affecté à une salle opératoire. Dans le cas où l état d une victime se dégrade, le problème se ramène à un problème d insertion d une nouvelle victime dans le programme opératoire. En effet, il s agit de supprimer du programme opératoire la victime dont l état s est dégradé et de l insérer à nouveau en fonction de ce nouveau paramètre (date limite d intervention). Une victime, qui passe d un état d urgence relative ou absolue à un état d urgence dépassée ne peut plus être prise en charge sur le plan médical avec des chances raisonnables de réussite d une part et ceci sans risques majeurs pour les autres victimes qui peuvent encore être sauvées d autre part. Dans ce cas cette victime n est plus affectée et donc n est plus prise en compte dans le programme opératoire. Si une victime voit son état s améliorer cela n entraîne aucune contrainte supplémentaire. Dans ce cas, l ordonnancement n est pas modifié. Ces deux derniers cas libèrent des ressources qui devaient être affectées ou augmentent les degrés de liberté de l ordonnancement qui devient de ce fait plus apte à absorber de nouvelles perturbations. Nous proposons un modèle réactif de programmation opératoire en situation d exception dont la finalité est de prendre en charge le maximum de victimes. 4. APPROCHE DE RESOLUTION Pour la résolution du problème réactif, nous proposons une heuristique composée de plusieurs modèles de programmation linéaire en nombres entiers. Dans ce papier, nous ne traitons à un instant donné qu une seule perturbation : évolution d un degré d urgence. En effet, en cas de catastrophe, les victimes en attente ou en cours de transfert à l hôpital d accueil peuvent voir leur état se dégrader ou encore s améliorer, réduisant ou rallongeant leur date limite d intervention. Dans le cas où l état d une victime se dégrade, le problème se ramène à un problème d insertion d une nouvelle victime dans le programme opératoire. En effet, il s agit de supprimer du programme opératoire la victime dont l état s est dégradé et de l insérer à nouveau en fonction de ce nouveau paramètre (date limite d intervention). Une victime, qui passe d un état d urgence relative ou absolue à un état d urgence dépassée ne peut plus être prise en charge sur le plan médical avec des chances raisonnables de réussite d une part et ceci sans risques majeurs pour les autres victimes qui peuvent encore être sauvées d autre part. Dans ce cas cette victime n est plus affectée et donc n est plus prise en compte dans le programme opératoire. Si une victime voit son état s améliorer cela n entraîne 7

aucune contrainte supplémentaire. Dans ce cas, l ordonnancement n est pas modifié. Ces deux derniers cas libèrent des ressources qui devaient être affectées ou augmentent les degrés de liberté de l ordonnancement qui devient de ce fait plus apte à absorber de nouvelles perturbations. 4.1. Algorithme de résolution Soit P 0 le programme connu à l instant t = t 0. t = t p (date de la perturbation) est la date pour laquelle le degré d urgence d une victime se dégrade. Afin de minimiser l effet d une perturbation sur le programme opératoire P 0, nous procédons en plusieurs étapes. Le programme P 1 cherche à insérer la victime dont l état s est dégradé dans une plage inexploitée. Si elle n a pas été insérée, on calcule pour chaque salle opératoire une marge libre g s et la somme des marges libres i des interventions appartenant à une même salle afin de forcer l insertion. Cette méthode de calcul est inspirée de la méthode PERT. Avec : N Δgs = Δ i (I) i s Δ = DF_tard DF_tôt (II) i i i DF i-2 DD i-2 DD i-1 DF i-1 DD i DF i DD i+1 DF i+1 i-2 i-1 i i+1 Figure 1. Exemple d ordonnancement des interventions. On désigne par DD i : date de début de l intervention i dans le programme opératoire, et DF i : date de fin de l intervention. La date de fin au plus tard est donnée par l équation (III). DF _ tardi = min ( dli + d i,dd i + 1) (III) La date de fin au plus tôt est donnée par l équation (IV). DF _tôt = DF + d (IV) i i 1 i P 2 réordonnance, à partir de la date de la perturbation, les victimes appartenant à la salle opératoire qui possède le plus grand g s. Les interventions qui sont en cours d exécution ne seront pas interrompues. Si la nouvelle victime n a pas pu être insérée, le programme P 3 8

réordonnance, à partir de la date de la perturbation, toutes les interventions dans toutes les salles opératoires, sous contrainte que les interventions qui sont en cours d exécution ne seront pas interrompues. Si l algorithme n arrive pas à insérer la victime dont l état s est dégradé, l hôpital peut décider de la réinsérer à la place d une victime qui possède une date limite d intervention assez grande lui permettant d être transférée vers un autre hôpital. début P 0 : Programme connu à l instant t = t 0 P 1 : Réinsérer la victime dans une plage inexploitée. Dégradation de l état d une victime à t = t p La victime est réinsérée? oui non Calculer pour chaque salle la marge libre g s P 2 : Réinsérer la victime dans la salle opératoire qui possède le plus grand g s. Les interventions qui sont en cours d exécution, ne seront pas interrompues. Faire une translation à droite (shift right). La victime est réinsérée sans remettre en cause la prise en charge à temps des autres victimes? oui non Revenir à l ordonnancement initial. P 3 : Réordonnancer, à partir de la date de la perturbation, les victimes dans la salle opératoire qui possède le plus grande g s. Les interventions qui sont en cours d exécution, ne seront pas interrompues. La victime est réinsérée? oui Fin P 4 : Réordonnancer, à partir de la date de la perturbation, toutes les interventions dans toutes les salles opératoires. non La victime est réinsérée? oui non Remplacer la victime avec une autre qui possède un degré d urgence moins important Figure 2. Algorithme de résolution. Nous présentons dans le paragraphe suivant, les différents modèles proposés pour traiter les perturbations générées suite à la dégradation d un état d une victime au cours de l exécution du programme opératoire. L approche proposée permet ainsi de maximiser le nombre de 9

victimes traitées, en respectant les contraintes aussi variées que les dates d arrivée à l hôpital (des victimes et des chirurgiens), les durées des interventions, la capacité des ressources médicales, les ressources nécessaires aux interventions et les délais sur les interventions des victimes. 4.2. Modélisation Avant de présenter les modèles mathématiques des programmes linéaires (P 1 ), (P 3 ) et (P 4 ), ainsi que l algorithme shift right (P 2 ) nous définissons les notations suivantes : A partir du programme P 0 (Nouaouri et al., 2008), nous définissons t is la date de début de l intervention de la victime i dans la salle opératoire s. X its = 1 si l intervention de la victime i a débuté à l instant t dans la salle opératoire s, 0 sinon. t is = t.x its y ijs = 1 si l intervention de la victime j suit l intervention de la victime i dans la même salle opératoire s, 0 sinon. t p Date à laquelle le programme opératoire est perturbé. t p est généré d une façon aléatoire. NR Nombre de victimes dont le degré d urgence s est dégradé (la victime à réinsérer dans le programme opératoire). Dans notre cas, nous traitons une seule victime à la fois, NR = 1. Variables de décisions Z kts = 1 si l intervention de la victime k à réinsérer est affectée à l instant t à la salle opératoire s, 0 sinon. Désignons par M un nombre positif très grand et considérons : t k Date de début de l intervention de la victime k. P 1 : Réinsertion de la victime dont l état s est dégradée dans une plage inexploitée En utilisant les différentes notations décrites ci-dessus, nous proposons le programme linéaire suivant pour une ou plusieurs victimes à insérer dans le programme opératoire : 10

La fonction objectif (1) exprime la maximisation du nombre des nouvelles interventions à insérer dans le programme opératoire. Maximiser NR T S Zkts (1) k tp s Les contraintes (2) assurent qu une victime est affectée au plus, une seule fois. T Zkts 1 k { 1..NR} (2) tp S s Les contraintes (3) vérifient que pour chaque plage inexploitée, une victime au plus est affectée à l instant t. t js Zkts yijs s { 1..S} t= tis + d i /t tp i, j { 1..N} k { 1..NR} (3) (4) imposent pour chaque victime à réinsérer, que la date de prise en charge ne dépasse pas la date limite d intervention. T S T S k { 1..NR} t dl Z M(1 Z ) 0 k k kts kts tp s tp s (4) (5) assurent que la durée opératoire de la victime à réinsérer est inférieure ou égale à la durée de la plage inexploitée. t y ( t d ) y d Z js ijs is i ijs k kts t p T + k { 1..NR} i, j { 1..N} s { 1..S} (5) (6) et (7) vérifient qu une intervention ne peut avoir lieu que lorsque victime et chirurgien sont présents à l hôpital. T t + M(1 Z ) rv k kts k tp s S k { 1..NR} (6) T t rc Z M ( 1 Z ) 0 k s kts kts t = t p t = t p T k { 1..NR} s { 1..S} (7) (8) vérifient qu une intervention ne peut être insérée avant la date de la perturbation t p. T t + M(1 Z ) t k kts p tp s S k { 1..NR} (8) Les contraintes (9) assurent que chaque victime k est insérée dans une plage inexploitée. T (t + d )y Z t t y Z is i ijs kts k js ijs kts tp tp T k { 1..NR} s { 1..S} i, j { 1..N} (9) Les contraintes (10) retiennent la date de début d intervention réinsérée dans le programme. Si une victime ne peut être prise en charge à temps, la date d intervention est prise égale à la valeur M. 11

T S T S t = t.z + (1 Z ) M k kts kts tp s tp s RIRL 2010 - Bordeaux September 30th & October 1st, 2010 k { 1..NR} Les contraintes (11) sont des contraintes d intégrité. Z, kts = { 01} k { 1..NR} h { 1..S} t { t p..t} (10) (11) Si la victime n a pas été insérée, nous passons au programme P 2. P 2 : Algorithme shift right Avant d appliquer l algorithme shift right, nous devons calculer la marge libre de chaque salle opératoire g s. Algorithme shift right 1/ Initialisation : s : salle opératoire qui possède la plus grande marge libre g s. k : victime à réinsérer. I s : nombre de victimes qui n ont pas encore été opérées dans la salle opératoire s. p : entier vide. 2/ réinsertion de la victime k : Pour (i = 1 ; i < I s ; i++) Si t i dl k et t i rv k et (t i + d i ) dl k Alors Réinsérer la victime k à la date t i (t k = t i ). p = i Fin Pour 3/ Décaler à droite, à partir de la victime k, toutes les interventions affectées à la salle opératoire s avec une durée égale à d k : Pour (i = p+1 ; i < I s ; i++) t i = t i + d k si t i dl i Fin Pour Alors Retourner à l ordonnancement initial (P 0 ) et aller à 4/ 4/ Fin 12

Si l algorithme shift right n arrive pas à réinsérer la nouvelle victime, nous réordonnançons dans ce cas les interventions appartenant à la salle qui possède le plus grand Δ. gs P 3 : Réordonnancement des interventions dans la salle opératoire qui possède la plus grande marge libre Pour la résolution de ce problème nous devons connaitre la date à laquelle la salle opératoire s (chirurgien h) est disponible après la date t p. A cette date, les interventions en cours d exécution ne peuvent être interrompues. Ainsi il est possible de calculer la prochaine date de disponibilité A s (à partir de la date t p ) de la salle opératoire possédant la plus grande marge Δ h sont connus au préalable. gs. La salle s ainsi que le chirurgien On désigne par W l ensemble des victimes en attentes d une opération chirurgicale (y compris la victime à réinsérer). Variables de décision : X its = 1 si l intervention de la victime i est affectée à l instant t à la salle opératoire s, 0 sinon. t i Date de début de l intervention de la victime i. En utilisant les différentes notations décrites ci-dessus, nous proposons le modèle linéaire suivant : La fonction objectif (12) exprime la maximisation du nombre d interventions réalisées après la date t p. Maximiser W T X its (12) i t= t p Les contraintes (13) assurent qu une victime est affectée au plus, une seule fois. T X its 1 i W (13) t = t p Les contraintes (14) vérifient qu une victime au plus est opérée à l instant t dans la salle s. 13

W Xits 1 t { t p..t} (14) i (15) imposent pour chaque victime traitée, que la date de prise en charge ne dépasse pas la date limite d intervention T t dl X M ( 1 X ) 0 i i its its t = t p t = t p T i W (15) (16) et (17) vérifient qu une intervention ne peut avoir lieu que lorsque victime et chirurgien sont présents à l hôpital. T ti + M(1 Xits) rv i W i (16) t p T t rc X M ( 1 X ) 0 i s its its t = t p t = t p T i W (17) Les contraintes (18) vérifient la disponibilité de la salle opératoire s après la perturbation. T ti A s.x its M (1 X its ) i W (18) t p Les contraintes (19a), (19b) et (20) permettent de mettre y ijs = 1 chaque fois que l intervention j est effectuée à la suite de i. W y ijs 1 i W (19a) j i W y jis 1 i W (19b) j i W W W T y jis = X its 1 s (20) i j i i t= t p Les contraintes (21) retiennent la date de début d intervention concernant chacune des victimes traitées. Si une victime ne peut être prise en charge à temps, la date d intervention est prise égale à la valeur M. T ti = t.x its + ( 1 t.x its )M i W (21) t p T t p Les contraintes (22) permettent de laisser un temps suffisant à un chirurgien pour réaliser deux opérations consécutives i et j. 14

t t + y d M ( 1 y ) i, j W (22) j i ijs i ijs Les contraintes (23) et (24) sont des contraintes d intégrité its { 01} X =, i W ijs { 01} t { t p..t} (23) y =, i, j W (24) Si le réordonnancement des interventions dans une salle opératoire ne suffit pas pour insérer la victime, nous proposons dans ce cas de réordonnancer, à partir de la date de la perturbation, les interventions dans toutes les salles opératoires. P 4 : Réordonnancement de toutes les interventions dans toutes les salles opératoires. Comme pour le programme P 3, pour la résolution de ce problème nous devons connaître la date à laquelle chaque salle opératoire (chirurgien) est disponible après la date t p. Soit A s la date de disponibilité de la salle opératoire s calculée à l instant t p. W Ensemble de victimes en attentes (y compris la victime à réinsérer). Nous proposons le modèle linéaire suivant : La fonction objectif (25) exprime la maximisation du nombre d interventions réalisées après la date t p. Maximiser W T S X its (25) i t= t s p Sous les mêmes contraintes que le modèle P 3, sauf qu il faut considérer toutes les interventions appartenant à toutes les salles opératoires. Par exemple les contraintes (13) et (14) deviennent (26) et (27). T S X its 1 i W (26) t= tp s W Xits 1 t { t p..t} s { 1..S} (27) i Nous présentons dans le paragraphe suivant, les résultats relatifs à cette heuristique de réinsertion de la victime dont l état s est dégradé. 15

5. EXPERIMENTATION Dans cette section, nous présentons les résultats obtenus par l approche réactive. Ces résultats ont été obtenus en utilisant le solveur Cplex solver 10.1 sur un cluster composé de 6 machines Bixeon de processeur 3.00 GHz et 2 à 4 Go de RAM. 5.1. Les scénarios La prise en considération d un ensemble de scénarios est une manière de prendre en compte l incertain (Hammami, 2004). N ayant pas trouvé de problèmes tests ni dans la littérature ni dans les historiques des structures de soins, nous avons défini une série de scénarios. Ces derniers sont générés d une façon aléatoire du fait de l impossibilité d obtenir des informations réelles qui pourraient provenir des bases de données hospitalières. Nous retenons pour chaque taille du problème (25, 50 et 70) trois instances qui diffèrent entre elles par le nombre de salles opératoires et les dates de disponibilité des chirurgiens. N 25 Instances P25.4.R 1 P25.6.R 3 P25.6.R 5 50 P50.4.R 1 P50.6.R 3 P50.8.R 3 70 P70.4.R 1 P70.6.R 3 P70.10.R 3 Tableau 1. Les instances retenues Le programme P 0 correspondant à chacune des instances. Nous considérons 20 scénarios dans lesquels l état d une victime se dégrade (traduit par le décroissement de la date limite d intervention dl i ). Les indicateurs que nous étudions sur l ensemble des scénarios sont les suivants : le taux de prise en charge des victimes dont l état s est dégradé (V.D (%)), et le pourcentage des cas pour lesquels les perturbations sont traitées et résolues par le programme P k (V.D.Pk (%)). 16

V.D(%) = i j Victimes j prises encharge Victimes i dont l'état s'est dégradé (VI) V.D.Pk(%) = j Victimes j prises en compte par le programme p i Victimes i k (IX) 5.2. Les résultats Pour chacune des instances, nous indiquons : le pourcentage des cas où on arrive à prendre en charge les victimes dont l état s est dégradé (V.D.(%)), le pourcentage des cas pour lesquels les victimes sont traitées par le programme P 1 (V.D.P1(%)), le pourcentage des cas pour lesquels les victimes sont traitées par l algorithme P 2 (V.D.P2(%)), le pourcentage des cas pour lesquels les victimes sont traitées par l algorithme P 3 (V.D.P3(%)), le pourcentage des cas pour lesquels les victimes sont traitées par le programme P 4 (V.D.P4(%)), le temps de calcul minimal en secondes (Tmin (s)) et le temps de calcul maximal en secondes (Tmax (s)). Instances V.D (%) V.D.P1(%) V.D.P2(%) V.D.P3(%) V.D.P4(%) Temps de calcul Tmin (s) Tmax (s) TO(%) P25.4.R 1 60 0 0 15 45 41 752 81.25 P25.6.R 3 100 5 0 45 50 56 425 53.17 P25.6.R 5 100 5 0 45 50 116 786 53.33 P50.4.R 1 45 0 0 10 35 204 851 94.82 P50.6.R 3 40 0 0 15 25 324 854 78.73 P50.8.R 3 85 0 0 35 45 107 293 63.79 P70.4.R 1 60 0 0 20 40 690 1158 98.30 P70.6.R 3 65 0 0 20 45 462 1267 85.55 P70.10.R 3 85 5 0 40 40 179 1143 59.41 Moyenne 71 2 0 27 42 242 837 17

Tableau 2. Résultats numériques pour le cas d évolution d un degré d urgence. Figure 3. Pourcentage des cas traités par programme de résolution. Figure 4. Pourcentage des cas traités par instance Avec l approche proposée, nous avons réussi à insérer les nouvelles victimes, dans le programme opératoire, dans 71 % des cas (Tableau 2). Nous remarquons d après le tableau 2 et la figure 4 que le taux d insertion des victimes varie en fonction du taux d exploitation des salles opératoires (TO(%)) (exemple : V.D (%) = 60% pour TO(%) =81.25 (P25.4.R1) contre V.D(%) = 100% pour TO(%) =53.17 (P25.6.R 3 )). En analysant la figure 3, nous remarquons que dans la plupart des problèmes, les victimes sont insérées par le programme P 4 (42 %) et P 3 (27 %). Le programme P 1 résout 2% des cas et le programme P 2 n arrive à insérer aucune victime. Ce qui nous laisse poser la question sur l efficacité de P 2 à pouvoir traiter les 18

perturbations. En effet, à cause des dates limites d interventions, le fait de décaler les dates de début des interventions à droite l algorithme shift right (P 2 ) élimine d autres victimes du programme opératoire. En comparant les deux cas de perturbations : insertion d une nouvelle victime et évolution d un degré d urgence, nous remarquons que l algorithme de résolution permet de mieux gérer la deuxième perturbation (71% des cas traités contre 48%). En effet, les deux programmes de réordonnancement (P 3 et P 4 ) possèdent plus de flexibilité, puisque nous ne lui rajoutons pas de victime. 6. MISE EN PRATIQUE Nous avons développé dans cet article un outil d aide à la décision qui aide les praticiens à réagir en temps réel, et par voie de conséquence de s organiser au mieux afin de sauver le maximum de vies humaines avec les moyens sanitaires disponibles. Suite à une catastrophe, les victimes sont transférées au(x) PMA qui assure(nt) les premiers soins médicaux et le triage selon leur degré d urgence. Toutes les informations relatives aux victimes (degré d urgence, pathologie, durée opératoire estimée, date d arrivée à l hôpital, etc.) sont communiquées aux hôpitaux concernés, en fonction de leur capacité d accueil, via un système d information géré par le SAMU. Au niveau de l hôpital, plus précisément au niveau du bloc opératoire, un praticien (le chef de bloc et/ou le coordinateur médical) récupère ces informations pour élaborer le programme opératoire avant l arrivée des victimes à l hôpital. Les données communiquées par le SAMU peuvent être sous format numérique, dans ce cas elles seront automatiquement intégrées, en temps réel, dans le logiciel pour réaliser le programme opératoire. Plusieurs travaux traitent le problème de transfert d information en cas de catastrophe. Tous ces travaux se sont mis d accord sur l intérêt capital du système d information (Belardo et Karwan, 1986) (Leidner et al., 2009) (Mansourian et al., 2006). Une fois arrivées à l hôpital, les victimes sont affectées aux salles et aux équipes chirurgicales selon le programme opératoire établi. En cas de perturbation (exemple l évolution d état d une victime, d une urgence relative à une urgence absolue), le chef de bloc et/ou le coordinateur médical applique(nt) l heuristique proposée dans cet article afin de tenir compte de cette perturbation en temps réel. Avant la catastrophe, les praticiens sont formés sur l utilisation de cet outil. Ce dernier est aussi testé lors des exercices des simulations du plan blanc (plan d organisation des hôpitaux en cas de catastrophe). 19

7. CONCLUSION Nous nous sommes intéressés dans cet article à la programmation opératoire en situation d exception avec la prise en compte de manière réactive l évolution du degré d urgence d une victime. Ainsi, nous avons développé un modèle réactif de programmation opératoire dont la finalité est de prendre en charge le maximum de victimes. Il est basé sur plusieurs programmes linéaires en nombres entiers et un algorithme de shift right. Il s agit d un outil d aide à la décision, qui aide les praticiens à se décider, selon le cas rencontré, comment procéder pour sauver le maximum de vies humaines. Nous avons montré dans cet article, l intérêt de cette approche pour résoudre ce type de problématique. Pour certaines instances, nous arrivons à absorber les perturbations dans 100% des cas. D après les résultats obtenus, nous pouvons affirmer que l algorithme shift right issu du domaine industriel, n est pas adapté aux problèmes hospitaliers en situation d exception. Le temps de calcul est relativement long pour certains cas que nous avons traités, ce qui réduit les possibilités d absorber les perturbations à temps. En termes de perspectives, ce travail s ouvre sur des problématiques qui visent à tenir compte d autres types de perturbations à savoir l arrivée d une nouvelle victime et le dépassement de la durée opératoire estimée. Nous projetons aussi d intégrer d autres contraintes liées aux différents composants de la chaîne hospitalière en situation d exception (services hospitaliers, disponibilité des lits de réveil et personnel de soin, etc.). Dans ce cas, des nouvelles approches de résolutions, pour l ordonnancement des interventions dans les salles opératoires, sont nécessaires pour remédier au problème du temps de calcul qui reste parfois prohibitif. REFERENCES Belardo S., Karwan K., (1986) «The development of a disaster management support system through prototyping», Information & Management, Vol.10, pp. 93-102. Blake J.T., Michael W. Carter, (2002) «A goal programming approach to strategic resource allocation in acute care hospitals», European Journal of Operational Research, ed. Elsevier Sciences, Vol. 140, pp 541-561. Bonfill A., Espuna A. et Puigjaner L. (2007) «Proactive approach to address the uncetainty in short-term scheduling», Computers and Chemical Engineering, doi : 10.1016/j.compche meng.2007.08.014. 20

Chaabane S., Meskens N., Guinet A., Laurent M., (2006) «Comparaison des performances des politiques de programmation opératoire», 3ème Conférence Francophone en Gestion et Ingénierie des Systèmes hospitaliers GISEH-2006. Dhahri M.A., «Organisation des secours médicaux dans les situations d exception en Tunisie, D.E.S.S de médecine d urgence et de catastrophe», Département d Anesthésie et de réanimation, Hôpital Militaire de Tunis, 1999. Dexter F., Macario A., Ledolter J., (2007), «Identification of systematic underestimation (bias) of case durations during case scheduling would not markedly reduce overutilized operating room time», Journal of Clinical Anesthesia, Vol.19, pp.198 203. Fei H., Chu C. et Meskens N. (2004) «Planification des salles opératoires : résolution par la génération de colonnes et la programmation dynamique», 2ème Conférence Francophone en Gestion et Ingénierie des Systèmes hospitaliers GISEH-2004. Fei, H., Meskens, N. et Chu, C. (2009 a) «A planning and scheduling problem for an operating theatre using an open scheduling strategy». Computers and Industrial Engineering. Fei, H., Meskens N., Combes, C. et Chu, Ch., (2009 b) «The endoscopy scheduling problem : a case study with two specialised operating rooms». Int. J. Production Economies. Vol. 120, pp. 452-462. Fei H., Duvivier D., Meskens N. et Chu C., (2006), «Ordonnancement journalier dans un bloc opératoire dans le cadre d une stratégie «open scheduling»», 3ème Conférence Francophone en Gestion et Ingénierie des Systèmes hospitaliers GISEH-2006. Glaa, B. (2008) «Contribution à la conception et l optimisation d un système d aide à la gestion des urgences». Thèse de doctorat. L Ecole Centrale de Lille. Guinet A. et Chaabane S. (2003) «operating theatre planning», International Journal of Production Economics, Vol.85, pp.69-81. Guinet A., Chaabane S. et Lin J., (2006), «Ordonnancement des interventions d un bloc opératoire avec contraintes des chirurgiens nomades», 3ème Conférence Francophone en Gestion et Ingénierie des Systèmes hospitaliers GISEH-2006. Hammami, S. (2004) «Aide a la décision dans le pilotage des flux matériels et patients d un plateau médico-technique». Thèse de doctorat. Institut National Polytechnique de Grenoble. Hammami, S. (2002). «Comment gérer l urgence dans les services de soins». DEA de Génie Industriel, Institut polytechnique de Grenoble, Juillet. Hanchock, W.M. et Walter, P.F. (1984). «The use of admissions simulation to stabilize ancillary workloads». Simulation, Vol. 43, N 2, August, pp.88-94. Hans E., Wullink G., Houdenhoven M.et Kazemier G., (2007) Robust surgery loading, European Journal of Operational Research, Vol.185, pp.1038 1050. Jebali A., Ladet P. et Hadj Alouane A., (2004) «Planification du bloc opératoire : une approche par processus», 2ème Conférence Francophone en Gestion et Ingénierie des Systèmes hospitaliers GISEH-2004. Kao E.P.C. (1974) «Modelling the movement of coronary patients within a hospital by a semi-markov processes», Operations Research, Vol. 22, pp.683-699. Kao, E.P.C (1973). «A Semi-Markovien Population Model with application to Hospital Planning». IEEE Transaction on systems, man and cybernetics, Vol. SMC-3, N 4, Juillet, pp. 327-336. 21

Kuo P.C., Schroeder R.A, Mahaffey S. et Bollinger R. (2003) «Optimization of operating room allocation using linear programming techniques», The American College of Surgeons, Elsevier. Kusters, R.J. et Groot P.M.A. (1996) «Modelling resources availability in general hospitals. Design and implementation of a decision support model», European Journal Operational Research, Vol.88, pp. 428-445. Lamiri M., Xie X., Dolgui A. et Grimaud F., (2008) «A stochastic model for operating room planning with elective and emergency demand for surgery», European Journal of Operational Research, Vol. 185, pp. 1026-1037. Leidner D., Pan G., and Pan S., (2009) «The role of IT in crisis response: Lessons from the SARS and Asian Tsunami disasters», The Journal of Strategic Information Systems, pp. 80-99. Marcon.E., (2004), «Influence de l ordonnancement des interventions dans les salles opératoires sur le fonctionnement de la Salle de Soins Post-Interventionnels (SSPI)», 2ème Conférence Francophone en Gestion et Ingénierie des Systèmes hospitaliers GISEH-2004. Ministère de la santé et de la solidarité, France (2006). «Plan blanc et gestion de crise». Edition 2006, annexe à la circulaire n DHOS / CGR / 2006 / 401. Mansourian A., Rajabifard A., Valadan Zoej M.J., Williamson I., (2006) «Using SDI and web-based system to facilitate disaster management» Computers & Geosciences, Vol. 32, pp.303-315. Nouaouri, I., Hajri-Gabouj, S., Dridi, N., Nicolas, J.Ch., Jolly, D. et Dr.Gabouj, M., (2008) «Programmation des interventions de stabilisation dans les salles opératoires : cas d une catastrophe à effet limité», 7ème Conférence Internationale de MOdélisation et de SIMulation MOSIM 08. Noto R., Huguenard P. et Larcan A., 1994, «Médecine de catastrophe», 2ème édition- Masson. Persson, M., A. Persson J., (2009). «Health economic modeling to support surgery manangement at Swedish hospital», Omega, Vol. 37, pp 853-863. Pinedo M., (2002), «Scheduling theory algorithms and systems», Englewood Cliffs, NJ : Prentice-Hall. Roland, B., Cordier, J-P., Tancrez, J-S., Riane, F. (2009), «Recovery beds and blocking in stochastic operating theatres» Conference on Industrial Engineering and Systems Management (IESM), Montreal, Canada. Tadeuz Sawik (2007) «Integer programming approach to reactive scheduling in make-toorder manufacturing», Mathematical and Computer Modeling, vol. 46, pp. 1373-1387. Sun J. et Xue D., (2001) «A dynamic reactive scheduling mechanism or responding to changes of production orders and manufacturing resources», Computers in industry, vol.46, pp.189-207. Van de Vonder S., Ballestin F., Demeulemeester E., et Herroelen W. (2007) «Heuristic procedures for reactive project scheduling», Computers & Industrial Engineering, vol. 52, pp.11-28. 22

RIRL 2010 The 8th International Conference on Logistics and SCM Research BEM Bordeaux Management School September 29, 30 and October 1st 2010 Quelle démarche de pilotage logistique dans les activités de service? Le cas des flux de patients à l hôpital Claude Fiore Université de la Méditerranée CRET-LOG IUT d Aix en Provence - France (claude.fiore@univmed.fr) Nathalie Sampieri-Teissier Université de la Méditerranée CRET-LOG IUT d Aix en Provence - France (nathalie.teissier@univmed.fr) Résumé Le pilotage des flux logistiques dans les activités de service va au-delà des flux physiques traditionnels, il s intéresse également aux flux de clients. Cette logistique dite de service est pourtant un vecteur puissant de pilotage et d amélioration de la performance opérationnelle au service de la stratégie des organisations. A travers l exemple de la gestion d un bloc opératoire dans un hôpital, comme modèle constitutif de la performance hospitalière, les auteurs proposent une démarche de construction du pilotage des flux de clients depuis les théorie de la valeur, en passant par le pilotage des processus, grâce à la construction de chaînes causales de performance et à l identification d indicateurs de performance. Mots clés : logistique de service, pilotage, performance, management hospitalier, processus, création de valeur, chaînes causales.

INTRODUCTION La logistique dans les activités de service s applique à deux grands types de flux : des flux classiques, que l on retrouve dans l industrie qui sont des flux physiques de biens (matières premières, produits finis ), et des flux de clients (Mathe, 1997). Peu de travaux en gestion s intéressent aux flux de clients selon une perspective purement logistique, si ce n est en lien avec des problématiques de Yield Management (qui reposent sur un équilibre de la demande grâce à la variable prix), ou dans une optique de recherche opérationnelle (voir par exemple les travaux du LIMOS, Clermont-Ferrand). Notre contribution s inscrit dans les travaux de Mathe (1997) développant une réflexion logistique propre aux flux de clients. L auteur distingue une logistique traditionnelle dans les services (qui porte sur des flux physiques classiques, comme dans l industrie) d une logistique dite de service (qui s intéresse au pilotage des flux de clients). Cela renvoie en partie à ce que Lovelock et al. (2004) nomment l équilibre entre la charge et la capacité ou encore ce que Vogler (2004) qualifie de gestion des opérations. L objectif de cet article est précisément de proposer une démarche de construction du pilotage des flux de clients, au service de l amélioration de la performance logistique. Pour cela, notre réflexion prend ancrage dans la théorie de la valeur, qui précise notamment la notion de valeur clients. Cette valeur est reliée à des perspectives logistiques qu il nous semble important d explorer, au travers du prisme du flux de clients. Autrement dit, le client est à la fois le bénéficiaire de la valeur créée par l organisation et également le support du processus de la création de valeur. Afin de comprendre l articulation du processus de pilotage des flux de clients et la valeur créée pour ce client, nous mobiliserons les chaînes causales de performance (Kaplan et Norton, 2003). Cela aura pour conséquence de montrer le lien existant entre pilotage stratégique et pilotage opérationnel des processus logistiques (pour les flux de clients). Pour cela, nous baserons notre réflexion sur un contexte organisationnel «exemplaire» en matière de logistique de service : l hôpital. Le choix de ce terrain se justifie à deux niveaux. Tout d abord la participation et la place du patient dans l organisation révèlent des problématiques logistiques particulières (Sampieri, 2000), qui nécessitent une remise en question des processus existants et un pilotage des performances au moyen d indicateurs transverses, intra, voir inter-organisationnels (voir par exemple les travaux sur le concept de chemins cliniques, Reynaud, 2003). Ensuite, l hôpital est aujourd hui traversé par une vague de changements importants qui portent notamment sur des restructurations profondes et une 2

modification radicale de son mode de gouvernance, et du pilotage des ses activités opérationnelles (Ordonnances n 2005-406 du 2 mai 2005, Loi HPST, juillet 2009). Notre démarche est issue d une confrontation entre une action de formation sur le terrain hospitalier depuis environ un an avec un ensemble de recherches développées depuis de nombreuses années par les deux auteurs, d une part dans le domaine de la logistique et du contrôle de gestion appliqués aux secteurs de l industrie et de la grande distribution, d autre part dans le secteur de la santé selon des angles logistique, organisationnels et de gestion des ressources humaines. La méthodologie mobilisée repose avant tout sur une approche empirique. Les auteurs ont été impliqués dans un dispositif de formation à destination des responsables de pôles (médecins, soignants et administratifs) suite à la mise en place des pôles. Les auteurs ont créé une formation au pilotage des pôles d une durée de 1 an en 2009-2010 pour un centre hospitalier de 540 lits et places. L objectif était essentiellement un apport méthodologique dans la construction d indicateurs et de tableaux de bord opérationnels. Parallèlement à cette approche du terrain, une recherche sur les principaux sites officiels a été développée en particulier : creer-hopitaux.fr (collaboration, ressources, échanges d expériences en réseau), site officiel du ministère de la santé de la jeunesse et des sports ; la FHF (Fédération Hospitalière de France) qui réunit plus de mille établissements publics de santé et autant de structures médico-sociales ; la MEAH (mission nationale d expertise et d audit hospitalier) rattachée au Ministère de la santé (DHOS), pour aider les établissements de santé publics et privés à améliorer leur organisation. Ont également été exploitées des recherches sur les mémoires de fin d étude de l EHESP, Ecole des Hautes Etudes en Santé Publique (ex-ensp), ainsi qu un certain nombre de communications faites par des établissements de santé sur le pilotage des pôles et les tableaux de bord (en particulier l Assistance Publique des Hôpitaux de Paris, le CHU de Strasbourg ou le CH de Sedan). Cette recherche a été complétée par une recherche systématique dans la revue Gestions Hospitalières depuis mars 2006. Il s agit donc d un travail exploratoire associé à une méthode de nature interprétativiste. Ce positionnement implique pour le chercheur de se positionner en interprète du terrain étudié. De ce fait, la nature de la connaissance produite est subjective et contextuelle. A l instar de ce qu écrivent M. Girod-Seville et V. Perret, les auteurs considèrent que la réalité, dépendante de l observateur, est «appréhendée par l action du sujet qui l expérimente». Ce positionnement permet la compréhension d un phénomène «de l intérieur» et la production de connaissances grâce à une immersion dans le contexte étudié. Selon A. Mbengue et I. Vandargeon-Derumez, 3

le chercheur, par son interprétation des données, se fait une représentation, la plus proche possible de la façon dont les acteurs perçoivent eux-mêmes la réalité. Afin d illustrer notre cadre empirique, nous concentrerons nos propos sur une thématique chère aux hôpitaux : l organisation du bloc opératoire, comme modèle constitutif (Lemoigne, 2002 et 2003) du pilotage des performances hospitalières. Tous les patients qui transitent dans un hôpital ne subissent pas forcément d intervention chirurgicale ; toutefois, l organisation du bloc a des impacts directs sur l utilisation des biens qui sont mutualisés au sein de l établissement ou partagés à l intérieur d un service (les laboratoires, la radiologie, les lits, ).. Le bloc opératoire est alors un lieu central de l organisation hospitalière. La première partie de cette contribution sera consacrée au contexte organisationnel au cœur de ce papier. Il conviendra ensuite de proposer un cadre conceptuel visant à piloter la performance logistique. Enfin, il s agira d appliquer ce cadre construit à l objet empirique. 1. L HOPITAL PUBLIC, UN CONTEXTE «MILLE-FEUILLE» Nous allons présenter dans un premier temps le contexte hospitalier, en mettant en évidence les principales modifications des modes de gouvernance (qui ont une influence sur le pilotage de la performance), puis nous exposerons les principales caractéristiques opérationnelles qui guident le pilotage logistique dans cette organisation. 1.1. L hôpital en mouvement Après l amélioration de la qualité des soins et la réduction des coûts (lois de juillet 1991, ordonnances d avril 1996), l Etat français souhaite marquer une nouvelle page importante dans la restructuration globale des hôpitaux avec le plan Hôpital 2007, en s attaquant à la structure même des établissements, unanimement considérée comme trop cloisonnée, et à leur système de gestion. Est ainsi introduite la nouvelle gouvernance, en particulier le volet sur les pôles d activités, qui cherche à lutter contre les rigidités et les cloisonnements. Le principe mis en avant est de réaménager les établissements autour de grands pôles d activités médicales, regroupement de plusieurs services de soins. A ce changement succède en 2009, la loi HPST (2009) qui contribue elle aussi à moderniser et restructurer les établissements de santé. Le plan Hôpital 2007, plus particulièrement l ordonnance du 2 mai 2005, tente d apporter une réorganisation des modes de décision au sein des hôpitaux. «( ) elle cherche à rapprocher 4

les soignants, les médecins et les administratifs. Elle vise deux objectifs essentiels : dynamiser et responsabiliser les équipes en luttant contre les rigidités et les cloisonnements, et médicaliser la gestion de l hôpital en associant les médecins, les praticiens à la gestion des grandes orientations» 1, notamment grâce à la T2A, ou tarification à l activité 2. Le changement attendu de structure s accompagne d une évolution du système de gestion via une «déconcentration» reposant sur la contractualisation interne et la délégation de gestion. Cette dernière «suppose l élaboration de tableaux de bord intégrant les données médicoéconomiques (management, flux d activité) et des données relatives à la qualité des soins (satisfaction des usagers, évaluation des pratiques professionnelles, etc.) permettant au responsable du pôle de disposer des données objectives sur son fonctionnement et vérifier le respect des objectifs contractuellement consentis.» (DHOS, 2006). Concrètement, il s agit d accorder aux pôles l autonomie nécessaire à l utilisation des ressources financières préalablement définies. Les changements de pilotage ne s arrêtent pas aux frontières de l hôpital. Celui-ci doit également évoluer en tenant compte d un contexte concurrentiel (en partie administré), d un ensemble de partenaires plus ou moins contraignants, représentant plus ou moins d opportunités ou de menaces (les instances de tutelles, d autres hôpitaux publics ou privés, des sous-traitants, ). Nous limiterons notre recherche à une vision interne du pilotage logistique hospitalier. Il est toutefois important de comprendre la perméabilité des frontières de l hôpital, en particulier lorsqu il s agit de piloter le flux d un patient pour lequel l hôpital n est qu un passage dans une trajectoire plus globale. De plus, les tutelles interviennent directement dans le pilotage de l hôpital, soit par l intermédiaire des autorisations (ou pas) de développer telle ou telle activité, soit en développant de nouvelles normes de pratiques professionnelles, pour ne citer que deux exemples. En définitive, on assiste à une véritable révolution du pilotage des activités dans l hôpital. On entend par pilotage, le fait de conduire, diriger, gouverner, mener ; fixer des objectifs et contrôler leurs résultats afin de corriger les moyens engagés au regard des ressources existantes. Nous adoptons, à l instar de Lorino (1997) ou d Avenier (1997) une vision rénovée du pilotage stratégique qui fait le lien entre les différents niveaux de décision de 1 www.reformes-hospitalieres.com 2 La T2A remplace le système de Dotation Globale où les budgets alloués aux établissements étaient reconduits d année en année par rapport au budget de l année précédente. Ce sont désormais les activités de l hôpital qui 5

l entreprise, stratégique, tactique et opérationnel : «Piloter, c est déployer la stratégie en règles d actions opérationnelles» (Lorino, 1997). En cherchant à intégrer les praticiens (médecins et soignants) à la gestion de l hôpital, en leur attribuant plus d autonomie, plus de responsabilité, la réforme se rapproche de cette nouvelle vision du pilotage, où les acteurs opérationnels contribuent à la mise en acte de la stratégie (Giordano, 1997). Ainsi, les directeurs fonctionnels administratifs ne sont plus considérés comme les seuls acteurs de la gestion d un hôpital, mais les médecins, les soignants, participent également au pilotage de la performance, et doivent construire des outils de pilotage leur permettant à la fois d évaluer a posteriori leurs résultats, mais également d évaluer leurs processus, au service de la stratégie de l établissement, de la politique des instances de tutelles, et de leur propre unité organisationnelle. Le rôle de ces middle managers (voir à ce sujet Autissier et Vandangeon-Derumez, 2007) s en trouve ainsi profondément modifié, alors même qu ils ont peu ou pas de connaissance ou pratique de la gestion. Notre démarche empirique de pilotage s ancre dans cette perspective opérationnelle, contrainte (ou portée) par des orientations stratégiques (voir politiques). A la complexité du contexte, s ajoutent les particularismes liés à la logistique dans les services. 1.2. L hôpital, quel contexte de pilotage opérationnel? Avant d exposer la démarche de pilotage des flux de patients, il est en effet important d analyser en quoi les spécificités propres à l hôpital peuvent conditionner l organisation de la production des services dans cette organisation. Selon les travaux de Bancel-Charensol et Jougleux (1997), l hôpital s inscrit dans un système de production «technique et relationnel», ce qui se traduit par deux conséquences importantes pour le pilotage des flux : la cible du service (ce sur quoi porte le service) est humaine, et cette cible est co-productrice du service (Sampieri, 2000). Le service hospitalier porte directement sur la «transformation» d une personne, de malade en prise en charge, de malade en guérie... Ce caractère humain de la cible introduit des facteurs d incertitude importants, qui s expliquent par le fait que «la cible est intrinsèquement hétérogène» [Bancel-Charensol et Jougleux, 1997]. Ainsi que l écrit Gadrey (1996) à propos des services «obtenir de clients ( ) des normes comportementales déterminent directement ses ressources. Les recettes vont ainsi correspondre à une approche médicalisée de l activité. La T2A place ainsi le contrôle de gestion au cœur des outils opérationnels de l hôpital. 6

prévisibles est pratiquement impossible. Ces «participants» à la production, faiblement encadrés, introduisent des incertitudes fortes sur les processus, sur leurs résultats et sur leur qualité. Chacun revendique le droit de se comporter comme une exception». Afin de réduire cette incertitude, on cherche à améliorer les modes d examens de la cible. Cependant, le risque réside dans le fait de vouloir intégrer tous les cas particuliers dans le système de production et de distribution, ce qui complexifie à outrance le pilotage global de l activité. Ce phénomène est classique à l hôpital et a pu être observé, à de multiples reprises dans les interventions des auteurs sur ce secteur d activité. Même lorsqu il est possible de stabiliser et de standardiser certains modes opératoires, notamment pour des tâches de back office, tout se passe comme si l exception et l urgence primaient (Sampieri, 2000). Ainsi que le souligne Minvielle (1996) le processus de prise en charge médicale se caractérise par un fort degré d incertitude dans son déroulement puisqu il «n existe pas dans le cas de la prise en charge des patients hospitalisés, de convergence vers un seul type de processus», ou encore «il n existe pas un mode de circulation homogène du processus sur une même ligne. Ici, les processus se déroulent sans ordre de passage préétabli, ni véritablement d étapes prédéterminées». En revanche, la standardisation des modes opératoires est largement employée pour tous les actes techniques, sous la forme de protocoles médicaux et de protocoles de soins. De plus, à la différence de l industrie, le client est mobilisable en tant que ressource, puisqu il réalise une partie de l activité de service. Ce «patient usager client apparaît a ce niveau comme un bénéficiaire actif : ( ) il agit directement et indirectement, sur le fonctionnement des organisations publiques, au point même d en être dans certains cas le co-producteur ou le coprestataire» (Sampieri-Teissier et Sauviat, 2002). Il devient donc co-producteur du service [Toffler (1988) parle de pro-summer], et il peut perturber en ce sens les systèmes de pilotage mis en place pour stabiliser l organisation. Le patient est donc un flux spécifique, à la fois objet de la structuration des processus, créateur et évaluateur de la valeur produite. 2. PROPOSITION D UN CADRE CONCEPTUEL DE PILOTAGE DE LA PERFORMANCE LOGISTIQUE Le contexte de pilotage organisationnel et de gestion des flux logistiques de patients étant posés, il convient à présent de présenter le cadre conceptuel de construction de pilotage de la performance logistique (pour les flux de clients). 7

2.1. Retour sur le concept de valeur La valeur est un concept fortement mobilisé dans les Sciences de Gestion (Malleret, 2009). Charreaux (1997) distingue : la valeur actionnariale, qui privilégie la création de valeur pour l actionnaire (Shareholder Value), de la valeur partenariale, qui valorise la création de valeur pour l'ensemble des partenaires (Stakeholder Value). De nombreux travaux en marketing apportent un éclairage intéressant sur ce concept de valeur, en particulier Aurier et al. (2004) qui proposent la définition suivante : «La valeur globale d un produit ( ) est définie comme l évaluation globale de l utilité d un produit fondée sur les perceptions de ce qui est reçu et donné ou comme le rapport entre les bénéfices et les sacrifices perçus». En ce sens, le processus de création de la valeur peut être représenté par le schéma ci-dessous. Schéma n 1 - Le processus de création de la valeur Valeur pour le client Offres concurrentes 1 2 3 Valeur d usage = satisfaction en fonction des besoins 4 Valeur d échange = prix Source : Elaboration personnelle, à partir de Malleret (2009). Les services rendus par une prestation déterminent en grande partie la valeur d échange ou prix de cette prestation, qui peut toutefois être reconsidérée par une offre concurrente. Autrement dit, le rapport qualité prix constitue le pivot du pilotage de la valeur dans un contexte d offre de prestations. Ce pivot peut être décomposé en plusieurs éléments : Les attributs de la qualité du service rendu (Malleret, 2009), gage d une performance clients dans le cadre d une offre de prestations. Les coûts générés par la création des fonctionnalités matérialisant la prestation rendue, gage d une performance financière. 8

L articulation entre le niveau de qualité rendu et la variation des coûts générée par cette offre. La question, au cœur de cette communication, consiste à poser les jalons du pilotage de la valeur dans un contexte de management de services, à savoir : Identifier les inducteurs d une performance en termes de qualité de service dans une perspective logistique. Mesurer l impact de ces inducteurs sur la performance financière en termes de variations des coûts. Ainsi, plus encore que dans l industrie, le management de la valeur des services reposera sur l identification d un ensemble d éléments allant bien au-delà du cœur de service (ou de la fleur de service, chère à Lovelock et al. 2004), qui prendront la forme d attributs de la valeur, chaque attribut contribuant à satisfaire les besoins du client (Lorino, 1995, parle de fonctionnalités). Une fois cette valeur identifiée, il s agit de s intéresser aux processus clé qui peuvent y contribuer. 2.2. Valeurs, coûts et processus Ce système de valeurs se mobilise et se crée par et au travers des différents processus de l organisation. [«La valeur se crée par agencement en réseau d une multiplicité de processus» (Lorino, 1995)]. Une fois la valeur identifiée, notamment au travers des objectifs stratégiques de l établissement, il s agit de cibler les processus contribuant le plus à la création de la valeur. «Un processus n est pas un produit ou un service en tant que tel, ce n est pas non plus une simple série de tâches ou d actions. Il rend toujours compte d une succession de fonctions et/ou d opérations [ou d activités] reliées entre elles au sein d une chaîne finalisée.» (Lorino, 1997, voir aussi Cattan et alii, 2008 et Brandenburg et Wojtyna, 2008). Une activité est «un ensemble de tâches élémentaires : réalisées par un individu ou par un groupe, faisant appel à un savoir-faire spécifique, homogènes du point de vue de leurs comportements de coût et de performance, permettant de fournir un output, à un client interne ou externe, à partir d un panier d inputs : des «faires»» (Lorino). Nous nous intéresserons au processus de prise en charge d un patient au bloc opératoire. 2.3. Valeur et logistique La spécificité de la logistique de service associée aux flux de clients (ici des patients) repose sur deux caractéristiques propres aux activités de service. 9

La participation du client à la production du service nécessite de piloter, orienter des trajectoires de clients, tant pour l utilisation optimale des capacités, que pour l atteinte d un niveau de qualité de prestation pour le client. La concomitance de la production et de la consommation du service, nécessite un arbitrage permanent entre une sous-utilisation des capacités, c est-à-dire le personnel, le matériel (ce qui représente un coût important mais permet de satisfaire la demande) et un mécontentement des clients dû aux files d attente interminables, voire à une perte définitive de ces clients. Les objectifs de la logistique de service sont donc d une part d améliorer le niveau de service à la clientèle : disponibilité, fiabilité et rapidité (Bowersox et al., 1993), et d autre part de piloter au mieux la capacité des services (optimiser l utilisation des capacités, voir Lovelock et al. 2004). Les arbitrages qui en découlent sont liés, selon nous, aux objectifs stratégiques que se fixe une organisation. L une des difficultés réside dans la mobilisation d outils de pilotage de ces flux physiques spécifiques qui permettent à la fois d intégrer les problématiques stratégiques des dirigeants de l entreprise, mais aussi les questionnements opérationnels que se posent les managers de proximité. Associer l approche par les processus aux chaînes causales de performances permet de faire le lien entre pilotage opérationnel et pilotage stratégique. 2.4. Les chaînes causales de performance, comme cadre général Le principe d une chaîne causale (Kaplan et Norton, 2003) consiste à identifier les inducteurs des performances, autrement dit les paramètres altérant les niveaux cibles de manière à anticiper sur les variations de quelque nature que ce soit. Il s agit de passer d une mesure ex post à une mesure ex ante des performances. A partir de leur théorie sur le Balanced Score Card ou tableau de bord prospectif, Kaplan et Norton ont pour la première fois fait émerger le concept de chaîne causale des performances. En effet, ces deux auteurs ont élaboré un modèle de pilotage stratégique structuré autour de quatre processus : Le processus clients. Le processus d apprentissage organisationnel. Les processus internes (production, R & D ). Le processus financier. 10

Le pilotage des performances prend alors la forme d une chaîne causale, visant à améliorer les performances d une organisation, au moyen de la mise en place d interrelations entre les quatre types de processus identifiés. La chaîne causale des performances se décompose en trois niveaux : Le niveau de la performance cible qu elle soit financière ou pas. Le niveau des indicateurs d efficacité mesurant la capacité d une organisation à atteindre l objectif de performance cible. Le niveau des inducteurs de performances mesurant le potentiel d amélioration de la productivité d une organisation, notamment au moyen d une moindre mobilisation des ressources utilisées en vue de l atteinte de la performance cible. Chacun des inducteurs de performances peut générer des altérations plus ou moins fortes par rapport aux cibles de performances définies par indicateur. C est donc bien à partir de ces inducteurs de performances qu il est possible de stabiliser les différents indicateurs, mesurant notamment les critères de valeur clients et organisation, puis d arbitrer entre leurs niveaux afin de piloter le volume d activité d une organisation. Nous présenterons dans la troisième partie la chaîne causale des performances du bloc opératoire, cas applicatif de ce modèle général. 3. LE PILOTAGE DES PROCESSUS : LE CAS DES BLOCS OPERATOIRES 3.1. Le management de la valeur à l hôpital Pour un patient pris en charge à l hôpital, la valeur créée ne portera pas forcément sur le seul service médical mais bien sur l ensemble du processus de prise en charge (voir à titre d exemple l échelle de mesure mise en place par le ministère Compaqh, coordination pour la mesure de la performance et l amélioration de la qualité hospitalière), d autant que le patient est dans une situation d asymétrie d informations qui ne lui permet pas toujours d être à même d évaluer la qualité du service médical rendu. Les éléments logistiques sont alors essentiels à sa satisfaction : fréquence, disponibilité, délai, fiabilité La valeur pour le patient : La difficulté d appréciation et de production de la valeur du service hospitalier est liée au fait que le service est intangible, immatériel. Il est donc impossible de s assurer que le service offert a priori par l hôpital (la plupart du temps par le chirurgien en consultation) correspondra à ce que le patient attend. De plus, l évaluation est à la fois cognitive et affective 11

et porte sur trois types d attributs : d examen (d évidence physique, tangible) ; d expérience ; de croyance (Zeithaml, 1981). L une des difficultés dans le management de cette valeur est que, ce que le patient reçoit (le bénéfice), ne correspond pas toujours à ce que l organisation lui offre, sans que les membres de celle-ci en aient conscience. Cette difficulté est d ailleurs accentuée par la pluralité des attributs de la valeur ; l évaluation faite par le patient allant bien au-delà de la «fleur de service». Ainsi que le disaient certains participants à la formation dans laquelle sont impliqués les deux auteurs «on a souvent l'impression, en tant que professionnel que l'essentiel est de faire correctement son travail, que les dysfonctionnements sont inévitables et que le patient sait où est l'essentiel : être bien soigné. Or des dysfonctionnements basiques : attente d'un résultat, délai à la radio, rupture d'un médicament..., sont autant d'éléments d'insatisfaction» [propos d un médecin en novembre 2010]. Si l on se limite à une vision logistique de la valeur créée dans le cadre d un bloc opératoire, On peut rapprocher la valeur apportée au patient des trois éléments pré-cités en référence à Bowersox et al. (1993) : disponibilité, fiabilité et rapidité. La disponibilité correspond au fait que le patient en tant que flux sera mis à disposition des équipes de chirurgie au bon moment, quand les équipes sont effectivement disponibles, pour éviter des délais d attente trop importants (des équipes et des patients). La disponibilité renvoie également à un accès à la salle de bloc dans un délai raisonnable. La fiabilité correspond à l identification précise du patient et de sa pathologie, ce qui permet de rassurer le malade lors de sa prise en charge au bloc. Elle renvoie également à une fiabilité de l organisation qui permet de respecter le programme opératoire (grâce à l identification de temps standards) et évite des temps de dépassement de programme trop important (et donc, là encore de rassurer le patient). La rapidité repose sur une convergence des deux éléments précédents : rapidité d accès au service de bloc, notamment en cas d urgence, et fiabilité des temps opératoires. La logistique de service est donc un élément important constitutif de la valeur créée pour le patient en particulier au sein du bloc opératoire. En effet, le bloc est une ressource mutualisée entre plusieurs acteurs, plusieurs métiers, plusieurs services, qui accueille des flux de patients à la fois urgents et programmés. De son pilotage dépend donc la satisfaction du patient, qui au-delà du fait que l opération se passe bien, sera particulièrement attentif aux retards pris durant sa prise en charge, qui sont autant de facteurs aggravant sa situation de stress. 12

Même si la valeur créée pour le patient a un impact sur sa fidélité à l établissement de soins, la création de valeur pour l hôpital ne se résume pas à la satisfaction du patient. Pour l hôpital, la notion de valeur renvoie à trois thématiques principales : l équilibre financier, l obtention ou la production de ressources supplémentaires et l amélioration de l image de marque (compétence, sérieux, excellence, meilleure prise en charge du patient ). L identification des dimensions de la valeur pour l institution aura des répercutions sur ses objectifs stratégiques, mais également sur le pilotage opérationnel des flux de patients. Identifier les activités créatrices de valeur pour l hôpital consiste à surveiller en particulier trois éléments : le tarif de chaque groupe homogène de séjour (en fonction d une pathologie précise, l hôpital ne percevra pas les mêmes sommes, les mêmes ressources de l assurance maladie), l utilisation, la consommation des ressources (financières, humaines, matérielles) c est-à-dire l ensemble des coûts et enfin, l activité / le flux patient (le nombre de patients, autrement dit le volume de l activité). Le volume d activité a une importance capitale à l hôpital : au-delà des ressources financières qu il représente, il conditionne l atteinte de seuils, qui déclenchent (ou arrêtent) l autorisation d exercer certaines activités, d acheter tel ou tel investissement (une IRM, par exemple). Le pilotage du processus de prise en charge d un patient au niveau du bloc opératoire pourra ainsi contribuer aux objectifs stratégiques d un établissement, à la valeur pour l institution de plusieurs façons : en augmentant l activité du bloc opératoire (effet volume), en optimisant l utilisation du bloc (dégager des ressources, améliorer l efficience et améliorer la satisfaction des patients par une plus grande fiabilité des programmes opératoires), en identifiant et en permettant l accueil de pathologies lucratives. La valeur liée aux activités supports est également un élément important à l hôpital. Elles n apportent pas une valeur directe aux patients, mais elles sont nécessaires au bon fonctionnement des processus : la prise de rendez-vous, l admission, la maintenance, la pharmacie, la comptabilité,. Par exemple, le circuit de facturation aura un impact important sur le besoin en fond de roulement de l hôpital, à son équilibre financier, tant sur la vitesse avec laquelle on pourra gérer l information, mais également la fiabilité de l information (si l on oublie de quotter des actes réalisés au bénéfice du patient, cela génère des coûts sans compensation de recette). 13

Enfin les activités sans valeur ajoutée pour les patients et l hôpital ; elles correspondent soit à des activités qui n apportent aucune valeur au client ou à l hôpital, soit à des activités qui contribuent à leur satisfaction mais qui sont causées par des dysfonctionnements des processus (doublons d examens de diagnostic, pertes de dossiers, relance pour les impayés ). Nous avons pu observer, lors de nos recherches, un arbitrage permanent entre le pilotage des critères générant de la valeur pour les patients et ceux générant de la valeur pour l hôpital : Les critères logistiques générateurs de valeur patients sont, la disponibilité des équipes techniques et médicales, la fiabilité de l organisation et la rapidité d intervention (cela correspond au niveau opérationnel). Les critères générateurs de valeur pour l hôpital sont le tarif de chaque groupe homogène de séjour, l ensemble des ressources mobilisées et le volume de l activité d un service ou d un pôle en nombre de patients et en nombre d actes (cela correspond au niveau stratégique). Si l on considère que les tarifs des groupes homogènes de séjour et le niveau des coûts, essentiellement la masse salariale, constituent en grande partie des contraintes environnementales 1 pour l hôpital, en conséquence la marge de manœuvre (Herriau, 1999) pour les responsables hospitaliers réside dans le pilotage du volume d activité d un service, d un processus ou d un pôle. Aussi, dans une perspective logistique, nous posons l hypothèse de travail selon laquelle le volume d activité est structuré par les niveaux respectifs de la disponibilité, fiabilité et rapidité, comparativement aux seuils concurrentiels constatés au sein du bassin de santé d un hôpital. Nous validerons l hypothèse émise ci-dessus au moyen d un cas, le pilotage du bloc opératoire. Le pilotage des performances consiste à normaliser les temps opératoires des prestations destinées aux patients (médicales, logistiques et administratives). En effet, la variabilité des prestations hospitalières est cause de risques organisationnels, altérant ainsi la performance. En ce sens, l on peut dire que le pilotage des performances consiste à stabiliser les prestations hospitalières relatives aux différents critères ou indicateurs de création de valeur, afin de pouvoir arbitrer entre eux. La clé du pilotage des performances hospitalières réside dans cette 1 Au sens du périmètre d un hôpital. Les coûts horaires et les tarifs sont régulés sur le plan national et échappent donc à la maîtrise du pilotage dans le cadre d un hôpital. 14

articulation de stabilisation et d arbitrage des indicateurs de création de valeur. Car, les processus hospitaliers comportent des spécificités : ils sont complexes, et comportent un nombre variable d entrées et un nombre variable de sorties ; cette variabilité est accentuée par un patient intrinsèquement hétérogène ; la perception aigüe de cette variabilité est accentuée par un contact direct avec le patient qui est dans une situation généralement vécue comme exceptionnelle et stressante. Il est donc impossible de pouvoir arbitrer entre ces trois indicateurs de création de valeur (disponibilité, fiabilité et rapidité) sans les avoir auparavant stabilisés, sous peine de ne pas pouvoir identifier le bon niveau d arbitrage. Ainsi, les processus de production de soins, si l on se réfère à leur extrême variabilité en fonction des ressources disponibles, des compétences ou tout simplement des préférences ou de l humeur des acteurs, confinent à des processus artistiques, c est-à-dire des processus dont le résultat n est pas répétitif et qui n utilisent aucune méthodologie fixe. Faute de pouvoir définir le contenu des bonnes décisions et des bonnes actions, la gestion par processus à l hôpital ne consiste donc pas à normaliser complètement la prise en charge par le biais de procédures inflexibles prescrivant chaque tâche et son contenu, car cela rend les processus aveugles face à l émergence de risques. Il s agit plutôt d introduire quelques îlots d ordre dans les prises en charge des patients, en stabilisant quelques points clés, afin de contenir les processus dans des limites acceptables en termes de performances. La phase suivante consiste à mesurer la contribution à la création de valeur par chacune des opérations de cette trajectoire patient, ce qui amène les responsables hospitaliers, que ce soit dans le cadre de processus ou au sein de pôles, à mettre en œuvre des indicateurs de pilotage. Sur quelles bases peut-on mesurer les performances d un processus ou d un pôle? 3.2. Le pilotage d un bloc opératoire : quels indicateurs? Quels inducteurs de performance? Prenons le cas du pilotage des blocs opératoires, dont l intégralité du processus est représentée par le schéma ci-dessous. Rappelons, que nous cherchons dans cette étude de cas à mettre en évidence le lien entre le volume d activité et les critères logistiques de rapidité, fiabilité et disponibilité. Pour cela nous mobilisons les travaux de la MEAH, Mission nationale d Expertise et d Audit Hospitalier (2006, 2007/2008 et 2009), qui a proposé de nombreux indicateurs de pilotage, tant sur un plan conceptuel que factuel en construisant des référents chiffrés, outils de benchmarking entre établissements. 15

Schéma n 2 : Gestion et organisation du bloc Source : Meah (2007/2008). Cinq activités principales constituent le processus de prise en charge d un patient au bloc opératoire ; dans un souci de simplification, nous excluons les processus amont (accueil) et aval (salle de réveil, soins intensifs). Le TROS ou temps réel d occupation des salles globalise la totalité du processus ou cycle patients dans le cadre du bloc. Toutefois, ce TROS ne comptabilise pas le temps réel de remise en état des salles, mais un temps standardisé afin de ne pas surestimer le temps de mise à disposition du bloc, ainsi que les temps perdus entre chacune des interventions. Le pilotage du bloc s effectue au moyen d un tableau de bord comprenant les indicateurs suivants : Taux d offre des vacations = TVO TMD Où TVO = Temps de vacation offert (cycle) Et TMD = Temps de mise à disposition du bloc (capacité). Cet indicateur répond à un critère de disponibilité visant à accroître les plages horaires d accessibilité des patients au bloc. En ce sens, la cible de performance doit se rapprocher le plus possible des 100 %. Taux de performance par spécialité (taux d occupation) = TRVO TVO Où TRVO = Temps réel de vacation offert (heures utilisées). Ici aussi, il s agit d occuper au maximum les plages horaires qui ont été attribuées aux différentes spécialités. Cet indicateur répond à la fois aux critères de disponibilité et de rapidité en termes de fiabilité des temps opératoires. 16

Taux de débordement par spécialité = pourcentage des heures utilisées pour réaliser l activité programmée hors TVO par une spécialité par rapport aux heures offertes (TVO) à cette spécialité. Cet indicateur répond au critère de rapidité au sens où il mesure à la fois la disponibilité des salles par rapport à l entrée de patients, et la fiabilité des temps opératoires prévus. Contrairement aux indicateurs précédents, l objectif de performance consiste à réduire le taux de débordement par spécialité. Taux d activité semaine n-1 = pourcentage d activité programmée le jeudi de la semaine précédente par rapport au total de l activité réalisée (y compris les débordements). Taux d activité 48 H avant intervention. Taux d activité 12 H avant intervention. Taux d activité non programmée. Cette batterie d indicateurs mesure le taux de fiabilité de la programmation du bloc, qu il s agit bien évidemment d optimiser à la hausse. La programmation de l activité, même à court terme (à 12 heures), permet une plus grande disponibilité des salles et une prise en charge plus rapide en cas d urgence réelle. Taux d évolution des heures supplémentaires (par spécialité et global) = Réel/prévu et d une année sur l autre. Cet indicateur, contrairement aux précédents, répond à un des critères de création de valeur pour l hôpital, la mobilisation des ressources, se traduisant par un niveau des coûts, en proportion des cibles de performances patients. Il faut maintenant s intéresser aux corrélations entre indicateurs du tableau de bord du bloc, autrement dit comment piloter les performances au moyen d un arbitrage entre la création de valeur patients et celle afférente à l hôpital? Cet arbitrage répond à des alternatives posées fréquemment aux responsables hospitaliers : Accroître la fiabilité de la planification de l activité par spécialité peut générer en retour une accessibilité moins grande des patients au bloc. De la même façon, figer des plages opératoires par spécialité médicale, peut entraîner des déséquilibres à certains moments avec certaines plages occupées et d autres vides. D où le risque de ne pas atteindre l objectif stratégique de développement de l activité. 17

3.3. La chaîne causale des performances d un bloc opératoire A cette fin, nous présentons le modèle d une chaîne causale de performances (Fiore, 2005) appliquée au pilotage du bloc (Cf. schéma ci-dessous). Schéma n 3 La chaîne causale de performance de l activité du bloc opératoire Taux d occupation TVO TRVO TMD 2 1 Activité du bloc opératoire Taux de débordement Débordements 3 TVO 2 Taux d évolution des heures supplémentaires Taux d activité programmée Taux de mobilisation du personnel selon planning 1 le temps réel d occupation des salles pour une intervention donnée 2 Temps de vacation offert (cycle) 3 nombre d heures dépassant du temps standard Source : Elaboration personnelle. La chaîne causale des performances du bloc opératoire se décompose en trois niveaux : Le niveau de la performance cible, accroître le volume d activité du bloc opératoire. Le niveau des indicateurs de pilotage du bloc : taux d occupation, taux de débordement, taux d activité programmée et taux d évolution des heures supplémentaires. Le niveau des inducteurs de performances : TMD, TVO, TRVO, nombre d heures en débordement, taux de mobilisation du personnel en fonction du planning. Chacun de ces inducteurs de performances peut générer des altérations plus ou moins fortes par rapport aux cibles de performances définies par indicateur. C est donc bien à partir de ces inducteurs de performances qu il est possible de stabiliser les différents indicateurs, mesurant notamment les critères de valeur patients et hôpital, puis d arbitrer entre leurs niveaux afin de piloter le volume d activité du bloc opératoire (en nombre de patients, en nombre d actes). 18

3.4. Le pilotage : l indicateur, vers l inducteur, vers la marge de manœuvre Quelles sont donc les marges de manœuvre que peut dégager le pilotage du bloc opératoire? Accroître le temps de mise à disposition des salles (TMD) au moyen d une plus grande régularité des temps de remise en état des salles, ainsi que par un planning de mobilisation du personnel plus en adéquation avec les besoins d intervention. Optimiser le temps de vacation offert (TVO) par spécialité en proportion des potentiels respectifs de croissance. Accroître le temps réel de vacation offert en stabilisant au mieux les temps opératoires par spécialité. Réduire le taux de débordement au moyen d une plus grande fiabilité du planning des interventions et des temps opératoires. Enfin, mettre en adéquation le planning du personnel avec le planning des interventions. L ensemble de ces marges de manœuvres, générées par le pilotage du bloc opératoire, induit une double incidence sur le volume d activité, d une part directement par le taux d occupation et le taux de débordement, d autre part indirectement par le taux d évolution des heures supplémentaires (action sur la masse salariale). L enquête menée par la MEAH en 2007-2008 nous permet d identifier plus concrètement quelques unes des marges de manœuvres potentielles dans le cadre des blocs opératoires. Nous avons utilisé cette enquête avec un objectif de concrétisation de la chaîne causale des performances du bloc opératoire. Il s agissait pour nous de croiser un certain nombre de chiffres recueillis lors de ces enquêtes nationales en vue d identifier les interrelations entre : Les indicateurs d efficacité au sens de la qualité du service rendu aux patients (disponibilité, fiabilité et rapidité). Les indicateurs d efficacité et les inducteurs de performances, causes de la variation des coûts. Les différents inducteurs de performances. Les différents tableaux présentés ci-dessous nous permettent de valider les relations de causes à effets entre les différents paramètres affectant le pilotage d un bloc opératoire, tels que nous les avons présentés dans le schéma n 3. Nous avons cherché à identifier plus particulièrement les indicateurs qui nous semblaient les plus associés à une performance logistique, à savoir le taux de débordement, le taux 19

d occupation (schéma 4) et le taux d activité programmée (schéma 5), afin de voir leur lien avec le volume d activité. Nous avons ainsi synthétisé une partie des résultats des enquêtes de la MEAH au travers d un cas pédagogique comparant deux spécialités (cf. tableau cidessous), l orthopédie et la cardiologie. Schéma n 4 - Cas comparatif des indicateurs de performance au bloc opératoire Bloc d'orthopédie Bloc de cardiologie Heures d'ouverture/jour 7,5 Heures d'ouverture/jour 9 Nb de jours 5 Nb de jours 5,5 Nb de salles 5 Nb de salles 3 TVO 187,5 TVO 148,5 TROV 135 TROV 123,75 Débordement 30 Débordement 8,25 Taux d'occupation 72,0% Taux d'occupation 83,3% Taux de débordement 16,0% Taux de débordement 5,6% Source : Elaboration personnelle à partir de MEAH (2007/2008). Ces chiffres ouvrent une piste de réflexion sur la corrélation entre le taux d occupation et le taux de débordement. En effet, nous observons une relation inversement réciproque entre ces deux indicateurs, avec respectivement 72 % de taux d occupation et 16 % de taux de débordement pour l orthopédie, contre 83 % de taux d occupation et 5,6 % de taux de débordement pour la cardiologie. Ce tableau montre qu en stabilisant au mieux les temps opératoires par spécialité (d où une plus grande disponibilité et une plus grande rapidité) et en fiabilisant les plannings d intervention, il est d autant plus facile de développer l activité d une spécialité, car elle sera moins freinée par le coût excessif des heures supplémentaires. Concernant le taux d activité ou programmation des blocs opératoires (cf. graphique cidessous) nous montrons la corrélation inversement réciproque entre le nombre de patients programmés et le nombre de patients ajoutés au programme. Schéma n 5 - Cas de la programmation d un bloc opératoire 100,0% 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% 54,6% 30,8% 14,6% 65,6% 27,4% 7,0% 65,8% 22,6% 11,6% 64,0% 24,7% 11,4% 56,9% 22,7% 20,4% 66,1% 21,4% 12,5% 61,7% 24,6% 13,8% Janvier Février Mars Avril Mai Juin Juillet Nb de patients en urgence Nb de patients ajoutés au programme Nb de patients programmés Source : Elaboration personnelle à partir de MEAH (2007/2008). 20

Plus la fiabilité de la programmation est élevée, d autant le nombre de patients ajoutés au programme est faible. C est le cas en février, mars, avril juin et juillet. Seul le mois de mai échappe à la règle du fait d une forte croissance du nombre de patients admis en urgence. Ce cas chiffré nous permet donc de valider empiriquement l hypothèse de travail : le volume d activité est structuré par les niveaux respectifs de la disponibilité, fiabilité et rapidité, avec toutefois l émergence d une hiérarchie entre ces trois indicateurs d efficacité. En effet, le taux de disponibilité, caractérisé par le taux d occupation dans ce cas, exerce un impact décisif sur le taux de débordement et donc agit directement de manière prépondérante sur le volume d activité du bloc opératoire. Les indicateurs de fiabilité et de rapidité, caractérisés ici par la stabilisation des temps opératoires et des temps perdus entre chaque intervention, induisent un effet non négligeable, mais moins important que le précédent. Enfin, il faut noter, en se référant au schéma n 6 ci-dessous, que le taux de mobilisation du personnel au sein du bloc opératoire, constitue le second point névralgique en matière de relation de cause à effet. Schéma n 6 Taux de mobilisation du personnel d un bloc opératoire 12 10 8 6 4 2 0 6H30-7H30 8H30-9H30 10H30-11H30 12H30-13H30 14H30-15H30 16H30-17H30 18H30-19H30 20H30-21H30 Présence Planning Source : Elaboration personnelle à partir de MEAH (2007/2008). Car, un écart trop important entre le taux de présence réel et le planning constitue un frein au volume d activité du bloc opératoire dans des proportions semblables au taux d occupation. CONCLUSION Nous nous sommes attachés dans cette contribution à présenter une démarche de pilotage opérationnel autour des flux logistiques spécifiques que sont les clients, dans un contexte particulier qu est l hôpital. A partir d un exemple précis de pilotage des patients dans un bloc 21

opératoire, nous avons tenté de mettre en évidence en quoi la logistique des services pouvait être un levier important dans le développement de l activité d un établissement hospitalier, et répondre ainsi à ses préoccupations stratégiques (de maintien ou de développement d activités nouvelles ou actuelles). Ainsi, identifier des chaînes causales de performance permet de comprendre quels sont les leviers opérationnels (les marges de manœuvre) sur lesquels les acteurs hospitaliers peuvent jouer, et ainsi répondre à une meilleure satisfaction de leurs patients. De nombreux hôpitaux, essentiellement nord-américains et anglo-saxons, ont d ailleurs développé des méthodologies complètement orientée sur le pilotage du flux patients en utilisant le principe de chemin clinique ou chemins critiques (clinical pathways, critical pathways, integrated care pathways ) qui est un véritable outil d ordonnancement de la production de service. L HAS 1 le définit comme une méthode visant «à planifier, rationaliser et standardiser la prise en charge pluridisciplinaire de patients présentant un problème de santé comparable. Elle repose sur la description d une prise en charge optimale et efficiente à partir des recommandations professionnelles.» [pour une présentation complète voir Reynaud (2003)]. Elle s ancre notamment sur le concept d agenda du patient, qui consiste à réorganiser les services hospitaliers sur l emploi du temps du patient à l hôpital. Le flux de patient devient ainsi un élément structurant qui organise la production de l hôpital selon une logique matricielle. Il devient le projet éphémère ralliant une multitude de professionnels internes (médecins, soignants, gestionnaires, laborantins, radiologues, ) et externes à l hôpital (assurance maladie, HAS, ARS 2, associations de patients ), qui vont se coordonner autour de son processus de prise en charge médical, social ou financier. Cette configuration organisationnelle n est pas sans rappeler les derniers travaux en logistiques sur les chaînes multi-acteurs (Paché et Spalanzani, 2007). Cette recherche exploratoire n a cependant pas permis d articuler les indicateurs de performance entre le niveau de pilotage opérationnel et le niveau de pilotage stratégique de façon suffisamment précise. Il conviendra donc de proposer dans une recherche future des tableaux de bord imbriqués, présentant le niveau stratégique, le niveau intermédiaire du pôle 1 Haute Autorité de Santé ; ses missions portent sur l analyse, la production et la promotion des bonnes pratiques, de bon usage des soins et de diffusion de l'information médicale. Elle a un rôle central dans l accréditation et la certification des professionnels et organisations de santé (dont les hôpitaux). 2 Agence Régionale de Santé, sortes de préfectures sanitaires, qui autorisent ou non le développement d activités médicales. 22

hospitalier, et le niveau opérationnel du processus clé (le bloc opératoire, la gestion des lits ). Ce papier permet également de mettre au jour un parallèle intéressant qu il sera utile d approfondir : l apport de la logistique de service (dans un contexte hospitalier) à la problématique organisationnelle d une gestion lean et agile [Fabbe-Costes (2007)] des chaînes logistiques multi-acteurs, où dans un contexte de recomposition permanente des chaînes d acteurs, il faut arbitrer entre réduction des coûts et amélioration du service client (flexibilité, disponibilité, variabilité ). Chaque trajectoire de client/patient est un cas spécifique (pathologies différentes, trajectoires différentes, modes d entrée différents ), qui structure une chaîne d acteurs différents, intra-hospitaliers, externes à l hôpital et interhospitaliers. Il pourrait ainsi être intéressant d analyser les processus de composition, recomposition de ces chaînes, particulièrement agiles, en particulier par le prisme des modalités de contrôle et de coordination, comme des capacités au «plug and play» [Fabbe- Costes (2007)]. BIBLIOGRAPHIE Aurier P., Evrard Y., N Goala G. (2004) Comprendre et mesurer la valeur du point de vue du consommateur, Recherche et applications en marketing, vol. 19, no3, pp. 1-20 Autissier D., Vandangeon-Derumez I. (2007) Les managers de première ligne et le changement, Revue française de gestion, n 174. Avenier M-J. (1997) Une conception de l action stratégique en milieu complexe : la stratégie tâtonnante, in Avenier M-J. La stratégie «chemin faisant», ouvrage collectif, Economica, Paris, pp. 1 35. Bancel-Charensol L., Jougleux M. (1997) Un modèle d analyse des systèmes de production dans les services, Revue Française de Gestion, Mars- Avril- Mai, pp. 71-81. Bowersox D.J., Carter P.L., Monczka R.M. (1993) Materials Logistics Management, International Journal of Physical Distribution & Logistics Management, vol. 23, n 5, pp. 46-51. Brandenburg H., Wojtyna J-P. (2008) L'approche processus, mode d'emploi, Eyrolles, Editions d Organisation. Cattan M., Idrissi N., Knockaert P. et Maurel V. (2008) Maîtriser les processus de l'entreprise, Eyrolles, Editions d Organisation. Charreaux G. (1997) Gouvernement de l entreprise, in Simon Y., Joffre P. Encyclopédie de gestion, 2 ème édition, Tome 2, Economica. DHOS (direction de l'hospitalisation et de l'organisation des soins) (2006) Présentation de la réforme de la gouvernance hospitalière, juillet. Fabbe-Costes N. (2007) La gestion des chaînes logistiques multi-acteurs : les dimensions organisationnelles d une gestion lean et agile, in Paché G., Spalanzani A. La gestion des chaînes logistiques multi-acteurs : perspectives stratégiques, ouv. Collectif, PUG. Fiore C. (2005) Pilotage de l offre de valeur, éditions Village mondial. 23

Gadrey J. (1996) Services : la productivité en question, Sociologie économique, Desclée de Brouwer. Giordano Y. (1997) L action stratégique en milieu complexe : quelle communication, in Girod-Séville M., Perret V. (1999) Fondements épistémologiques de la recherche, in Thiétart R-A. et coll. (1999) Méthodes de recherche en management. Dunod, Paris, pp. 13-33. Herriau C. (1999) Le concept de performance soutenable en comptabilité de gestion, Finance, Contrôle, Stratégie, Volume 2, N 3, pp. 147-178. Kaplan R.S, Norton D.P (2003), Le tableau de bord prospectif, EYROLLES. Kaplan R.S, Anderson S.R (2004), Time Driven Costing, Harvard Business Review, Novembre, pp.131-138. Lemoigne J-L. (2002, 2003) Le Constructivisme, T.1, T.2, T.3. Ed. ESF. Loi n 91-748 du 31 juillet 1991 portant réforme hospitalière, Journal Officiel de la République Française, 2 août 1991. Loi HPST, pour «Hôpital, patients, santé, territoires», n 2009-879 du 21 juillet 2009, Journal Officiel de la République Française, 22 juillet 2009 Lorino P. (1995) Comptes et récits de la performance Essai sur le pilotage d entreprise, Les Editions d Organisation, Paris, 2ème tirage, édition 1996. Lorino P. (1997) Méthodes et pratiques de la performance Le guide du pilotage, Les éditions d Organisation. Lovelock C., Wirtz J., Lapert D. (2004) Marketing des services, Pearson Education, 5ème edition. Malleret V. (2009) Peut-on gérer le couple coûts-valeur?, Revue Comptabilité- Contrôle Audit, tome 15, vol 1, juin, pp.7-34. Mathe H. (1997) (en collaboration avec Dubosson M. et Rousseau M.) Le service global Innovations et stratégies internationales de développement dans les services, Maxima, Ed. Laurent Dumesnil. Mbengue, A., Vandargeon-Derumez I. (1999) Positions épistémologiques et outils de recherche en management stratégique, Actes de la VIIIème Conférence de l Association Internationale en Management Stratégique, 26, 27, 28 mai, Paris. MEAH (Mission nationale d Expertise et d Audit Hospitalier ; www.meah.sante.gouv.fr) (2006) Recueil des bonnes pratiques organisationnelles observées, septembre. MEAH (2007/2008) Indicateurs de gestion du bloc opératoire GD/OPC/004, version 6. MEAH (2009) Piloter l activité, mesurer l efficience Répertoire d indicateurs MEAH, octobre. Minvielle E. (1996) L organisation du travail Gérer la singularité à grande échelle, Revue Française de Gestion, n 109, pp. 114 124. Ordonnances n 96-346 du 24 avril 1996 portant réforme de l hospitalisation publique et privée, Inter Bloc n 3/96, tome XV. Ordonnances n 2005-406 du 2 mai 2005 [Journal Officiel du 3 mai] et n 2005-1112 du 1 er septembre 2005 [Journal Officiel du 6 septembre] ; Rapport de présentation de la réforme de la gouvernance hospitalière, fait par la DHOS, Direction Hospitalière, en juillet 2006. Paché G., Spalanzani A. (2007) La gestion des chaînes logistiques multi-acteurs : perspectives stratégiques, ouv. Collectif, PUG. Reynaud M. (2003) Une organisation de la prise en charge innovante au CHU de Montpellier : le projet chemins cliniques, Mémoire de l ENSP (Ecole Nationale de Santé Publique) Sampieri N. (2000) Contribution à l analyse de la logistique hospitalière : proposition d une typologie des pratiques logistiques des hôpitaux publics français à partir d une étude 24

empirique, Thèse de doctorat en Sciences de Gestion, Université de la Méditerranée (Aix- Marseille II), décembre. Sampieri-Teissier N., Sauviat I. (2002) «Les évolutions du positionnement des acteurs du système hospitalier : le cas de la situation du patient-usager-client», Revue Electronique du RECEMAP (http://www.unice.fr/recemap/contenurevue/articles.html) Toffler A. (1988) La troisième vague, Gallimard Vogler, E. (2004) Management stratégique des services Du diagnostic à la mise en œuvre d une stratégie de services, Dunod. V. A. Zeithaml (1981) How Consumer Evaluation Processes Differ Between Goods and Services, in Donnelly J. H., George W. R., Marketing of Services, American Marketing Association. 25

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 RIRL 2010 The 8th International Conference on Logistics and SCM Research BEM Bordeaux Management School September 29, 30 and October 1st 2010 Outsourcing in Health Care Sector A State of the Art Review * Cristina Machado Guimarães ISCTE IUL Lisbon University Institute José Crespo de Carvalho ISCTE IUL Lisbon University Institute Abstract Outsourcing has become one of healthcare sector buzzwords. In the supply chain management of healthcare organizations, outsourcing decisions have specific distinctiveness. This paper reviews the state of the art literature on outsourcing in healthcare sector and gives a structured frame of outsourcing in different countries with different health systems. This appears to be the first time evidence on outsourcing practices in healthcare sector has been systematically collected and structured in order to understand the reality beyond the outsourcing processes and trends. Keywords: Outsourcing; healthcare; health systems; contracting; literature review This paper was not presented at any other revue. Corresponding author : José Crespo de Carvalho, Tel. +351938457900; Fax: +351210129192 Email addresses: jose.carvalho@iscte.pt or crespo.carvalho@gmail.com 1

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 INTRODUCTION In the supply chain management (SCM 1,) of healthcare organizations, outsourcing decisions have specific distinctiveness, namely in the reasons and constraints of the decision, in the selection criteria of the activities left to third party operators, in the type of possible agreements, and even in the impact of the outsourcing decision in the organization. Starting after the outsourcing trend in manufacturing industry (Roberts, 2001), healthcare sector is pointed as one of top three sectors (along with Finance and Legal) having a higher outsourcing growth (Brown and Wilson, 2005). Our goal in this study was to understand how embedded are outsourcing practices in healthcare sector. Thus, the literature review approach involved: (i) reviewing scientific articles and grey literature (Farace, 1998) on the subject; (ii) reviewing publications that focus narrowly on outsourcing in healthcare private and public organizations; (iii) reviewing publications regarding clinical and non-clinical outsourced activities; (iv) categorizing literature into thematic areas and items regarding: motives, risks, advantages and trends in this researched field. This paper enhances the evolution of supply chain management (SCM) in healthcare, particularly: (i) in outsourcing decisions rationale; (ii) in the main drivers and its differences from other sectors; (iii) in specific risks and benefits of this decision related with an adopted activities common typology; and (iv) in the wide spectrum of privatepublic supplier relationships Healthcare organizations have a commitment with reliability (Weick and Sutcliffe, 2001) which implies taking supply chain management decisions as outsourcing not as a panaceia. METHODS In this study we synthesized evidence of outsourcing in healthcare sector. We developed a key word search in electronic databases to find articles respecting the inclusion criteria of being only related to outsourcing in healthcare sector and the exclusion criteria of being related to contracting-out or subcontracting in healthcare sector, as outsourcing has, in the literature, differences from the common use of the concept. In fact, 1 Vitasek (2005) definition, consensual amomg Council of Supply Chain Management Professionals, can beconsulted at http://www.cscmp.org/website/aboutcscmp/definitions/definitions.asp 2

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 outsourcing refers also to activities not previously performed in-house (ex. procurement) and it differs from subcontracting and contracting-out by the premises of long-term relationships and obligation of not only means but results (Kakabadse and Kakabadse, 2003). We identified 76 eligible articles in the peer-reviewed literature,.16 in the grey literature and 10 books concerning: (i) outsourcing in healthcare private and public organizations in different health systems; (ii) distinction between outsourcing clinical and non-clinical activities; (iv) motives, risks, advantages and trends in this researched field. OUTSOURCING IN HEALTHCARE RATIONALE Outsourcing or transferring internal activities to third parties (Greaver, 1999) can assume several forms in a wide spectrum of relationships (Ballou, 2003: 716; Franceschini and Galetto, 2003; Sanders et al, 2007). A theoretical evolution from Transaction-cost Analysis (TCA) (Coase, 1988, Williamson, 1979) and Agency theory (Eisenhardt, 1989), to Resource-Based View (RBV), supporting to outsource non core activities, keeping internal and focus in core activities (Bettis et al, 1992; Kelley, 1995; Lacity et al, 1995; Mullin, 1996; Peisch, 1995; Prahalad and Hamel, 1990;.Quinn and Hilmer, 1994), and, more recently, to the Transformational view (Linder, 2004), places outsourcing as a SCM strategic tool able to redesign the organization value chain and, sometimes, its mission (Schneller and Smeltzer, 2006). Outsourcing decisions context is frequently organizational change. Even low volatility sectors as healthcare (Goepfert, 2002) have riotous periods resulting from regulations alterations, more informed and demanding patients and broader networking of a bigger care offer. In this entrepreneurship environment, healthcare organizations adopt outsourcing solutions for the same reasons as in other sectors (Quinn and Hilmer, 1994), looking for efficiency, quality and profitability gains. However, in healthcare units, outsourcing is part of a volume flexible strategies (namely in bigger organizations as academic medical centers) trying to respond to demand flotation s, care increasing complexity, and to the linkage between clinical performance and act volume (Jack and Powers, 2006). In fact, according to some authors (Atun, 2006; Campos, 2004), in some European countries more politically reluctant to privatizations (United Kingdom, Sweden, Spain and Portugal) outsourcing of clinical services was a response to waiting lists. In fact, through contracting agreements with public and private providers (including public-private partnerships (PPPs)), healthcare systems looked for access, 3

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 quality, equity and efficiency advantages (Abramsom, 2001; Liu et al, 2004). However, according to Bossert (2004) there s evidence, in primary care outsourcing agreements (Walshe and Smith, 2006: 54) of access improvement (in provision, coverage and utilization) gains, but not clear evidence of equity, quality and efficiency impacts. Evidence regarding efficiency gains has revealed some inconsistency (Atun, 2006; England, 2000; England, 2004; Liu et al, 2004; Liu et al, 2007). Although the extension of outsourcing decision from non-clinical to clinical activities occurred in healthcare sector later than in other sectors, the phenomenon took global scale with many reported cases from medical transcription to the latest trend of medical tourism (Bies and Zacharia,2007; McCallum and Jacoby, 2007). MAIN DRIVERS From reviewing the literature, the most pointed drivers to outsource in healthcare units are: (i) cost reduction; (ii) risk mitigation; (iii) adapting to quick changes without jeopardize internal resources; and (iv) value stream redefining (Alper, 2004; Bhattacharya et al, 2003; Chen and Perry, 2003; Hazelwod et al, 2005; Lorence and Spink, 2004; Roberts, 2001; Wholey et al., 2001; Yang and Huang, 2002). Wiggleswoth and Zelcer (1998) defend to outsource healthcare units supply chain global management to specialized providers pointing three reasons: (i) possibility to externalize non-core activities, but critical to process oriented organizations; (ii) the transference of information technology to support SCM investment allows the leverage of its nuclear capacities; and (iii) possibility for critical mass to build up and achieve economies of scale. Yang and Huang (2002) identify four imperatives for outsourcing growth in healthcare sector: (i) organizational; (ii) strategic; (iii) regulatory; and (iv) technological. Still, outsourcing decisions in healthcare units depend on: (i) the kind of activity (modular versus integral more or less contractible); (ii) the type of contract (classical versus relational); (iii) contract duration (depending on contract type and supplier selection process); (iv) specification of performance requirements (process and outcomes indicators) and, finally (v) payment mechanisms (Liu et al. 2007). 4

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Table I - Outsourcing in Health Care Sector across countries Constructs Outsourcing Activities Drivers Beneficts Risks Conclusions and Future Perspective Countries Germany U.K. Australia and New Zealand a) Non-Clinical Services a) Non-Clinical Services a) Non-Clinical Services - Information Technology -Facility management, - Car Parking and services cleaning, meals and - Laundry - Procurement, purchasing maintenance;sterilization, - Cleaning and delivery Non-emergency patient - Meals -Payment collection transport - Information System Facility Management: b) Clinical Services: - Security - Cleaning, Laundry, - Physiotherapy, - Distribution to wards Quio sque, Patient transport, Occupational Therapy, - Maintenance and Snack-bar Speech and Language gardening b) Clinical Services: Therapy. b) Clinical Services: (medical and tecnical): -Home delivered High-tech - Mental Health services, - Laboratory(,Pathology; Healthcare (total parenteral Radiology, Pathology, Microbiology); Pharmacy; nutrition,intravenous Pharmacy, Dentistry Radiology; Imaging; chemotherapy, continuous Nuclear medicine ambulatory peritoneal dialysis) - Medical tourism - reduce investment in devices and stocks - HR (allocated to few patienst) costs - Investments expenses (easier to support by bigger hospitals) - Outsourcing service quality higher than internal (namely in IT) - Cost reduction - Adapting problems - High hidden costs of IT outsourcing - Patient claims regarding service quality - Outsourcing level (clinical and non clinical) decreases as hospital size grows. - Regional differences in outsourcing (IT) willingness - Dominant pattern is: patient direct care delivery services are internalized - Outsourcing second wave in cleaning, meal, laundry and laboratory services; - Outsourcing growth in sterilization,building maintenance, accounting and HR management services - Cost and health service quality standardization - Partnership policy - Cos reduction in anciliary activities -Business process redesign a nd IT updating - Access to expertise - Flexibility; focus on critical activities and applying lean. thinking to achieve strategic advantages - Service standardization (to follow National Standards of Cleanliness for the NHS Report ) - Difficulty in monitoring results and consequent need for process monitoring. - NHS Trusts outsourcing contracts evolution : - from cost savings in anciliary services to filling expertise gaps through knowledgeintensive business service (KIBS) - Growing trend of clinical services off shoring - Cost Reduction - End Public- Private interess conflit - Flexibility to deal with low and vulnerable demand services (ex. Dental care) -Fo cus on core competences - Staff reduction (relacted cases of 22% reduction) -Government privatization program - efficiency, risk - Equipment improvement - Increase in number of patients - Staff reduction (160 to 35 in a 1200 bed unit) - Cost reduction (from $Aus 200,000 to 3,000), - Supplier non compliance and quality decreasement -Contract clauses non compliance - Monitoring costs not previously considered - Cultural discrepancies leading to internalization (meals, cleaning) - Mix-outsourcing solutions cleaning and meals for downsizing purposes (staff transfer) - Cost reductions and quality gains only by reviewing contracts -Clinical services for having difficult monitoring and outcome measuring comparing with nonclinical, keep internal E.U.A a) Non-Clinical Services Meals, Cleaning; Laundry, Legal Advising, Pest control; Waste management, Car Parking, Information Systems, Patient Transport, Sterilization b) Clinical Services: - Emergency medicine, Magnetic resonance, Imaging, Physiotherap y and rehabilitation, Pharmacy, Dialysis, Pathology, Anesthesiology, Inpatient care management, Medical tourism - In clinical activities access to expertise - In non-clinical act. : Cost Reduction - Process agility (Outsource IT to front-end activities as patient admission); liability in data transferring and wharehousing -Health financing systems changes (funding) -Access to best practices and top class technology - Dissatisfaction with outsourcing outcomes (service quality, cost reduction and processes agility). - Contract management fails due to: lack of negotiation skills, bids bad evaluation, bad choice of payment form and absence of measuring culture. - The possibility to revert outsourcing process and internalize activities refers only to clinical services - Clinical services outsourcing in agenda -Communication services offshore outsourcing trend Grece a) Non-Clinical Services: - Snack-bar,Meals, Legal Advising, Equipment maintenance, Laundry, Laboratory NB: -No published research was found regarding clinical services outsourcing in Greek healthcare sector. - Cost Reduction - Patient satisfaction - Flexibility - Scarcity of human resources - Focus in core business - Service quality improvement - Very low impact on costs - Integration and coordination difficulties - Vendor difficulty to understand internal processes. - Difficulty in negotiating changes in quality levels - 95,3%, of respondents outsource one or more activities. -Outsourcing didn t lead to full-time personnel reduction (only in 16,3% of respondents occurred a staff replacement of 11% to 20%). - 81,4%, of respondents predict a moderate to substantial outsourcing growth in near future while less than 20% predict a reduction Based in: Aggarwal, 2004; Amaratunga et al, 2002; Augurzky and Scheuer, 2007; Bies and Zacharia, 2007; Chasin et al, 2007; Chess, 2006; Giarraputo, 1990; Grande e Roberts, 2001; Greeno, 2001; Guven, 2003; Heavisides and Price, 2001; Hensley, 1997; Hoppszallern, 2002; Katzman, 1999; Kirchheimer, 2005; Kirchheimer, 2006; Lorence and Spink, 2004; Mark, 1994; May and Smith, 2003; McCallum and Jacoby, 2007; McPake and Mills, 2000; Moschuris and Kondylis, 2006.Okohoh et al, 2002; Pilling and Walley, 1996. Prager, 1997; Renner and Palmer, 1999; Shinkman, 2000; Smith and Waymack, 2000; Sunseri, 1998.Young, 2005;Young, 2007a; Young, 2007b. CLINICAL AND NON-CLINICAL RISKS AND BENEFITS We found a consensual typology in the literature that identify as clinical all the activities (direct or indirect patient care deliveries) processes or sub-processes accomplished by health professionals, while non- clinical differ from being apart from health care delivery. We also identified a pattern in distinguishing outsourced clinical services by the proximity to patient and separating non-clinical in support activities and business process outsourcing (Alper, 2004;Cezarotti and Di Silvio, 2006; Guy and Hill, 5

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 2007; Hazelwood et al, 2005; Shinkmam, 2000; Shohet and Lavy, 2004; Stockamp, 2006; Worrell, 2003). In general, outsourcing in healthcare pointes risks were: (i) losing control of supplier (discontinuity of services quality levels (MacCutcheon and Griffin, 2002)), (accountability issues and loss of competences (Hazelwood et al, 2005); information confidentiality problems, (ii) excessive supplier dependency and consequent loss of flexibility (Renner and Palmer, 1999). Referring to non-clinical services several authors stressed the importance of performance monitoring to avoid quality problems (infection risks, patient dessatisfaction) and hidden costs of support activities as: (i) cleaning (Andersen and Rash, 2000; Barrs and Fahey, 2000; Dancer, 1999; Giarraputo, 1990; Goggins, 2007; Griffith et al., 2000; Liyanage and Egbu, 2006; Murphy, 2002; (ii) meal services (Bossert, 1994; Crogan and Evans, 2006; Kwon and Yoon, 2003; Lau and Gregoire, 1998; Hwang et al, 2003). Another non-clinical activities outsourced with the main driver of cost reduction are procurement and purchasing to group purchasing organizations (GPO) (Nollet and Beaulieu, 2005; Rivard-Royer et al., 2002; Schneller and Smeltzer, 2006). Although evidence on GPO show cost reduction advantages (10% to 15% in acquisition cost, 40% in transaction related costs), same authors highlighted the risk of oligopoly development and function duplications due to strategic misalignment. The most reported risks of outsourcing clinical activities refer to integration difficulties in activities as radiology, laboratory (Chasin et al., 2007; Peisch, 1995). On the benefit side, the gains in expertise, capacity, and resources release are underlined by Renner and Palmer (1999) and Greeno, (2001). VISITING DIFFERENT HEALTHCARE SYSTEMS From the several cross-national health system studies (Elling, 1980; McPake and Mills, 2000, among others) one common conclusion is that context differences are crucial to understand advantages and risks of outsourcing in each healthcare system framework. Based on the source of funding, three main models can be identified: the Beveridge model with predominantly public funding, based on taxation (in United Kingdom (UK), Spain, Portugal, Greece, Italy, Sweden, Denmark, Canada, Australia, New Zealand); the Bismarck model with private/public providers and premium-funding (Germany, France, Austria, Switzerland, Belgium, Holland, Japan), and the Private Insurance model, in 6

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 United States of America (USA) with predominantly private providers coexisting with Medicare and Medicaid social care (Simões, 2004). From all reviewed literature, we enhanced the following countries, not only because of the higher number of articles founded regarding outsourcing practices, but also for being illustrative of the three different healthcare systems. The main findings are summarized in Table I. Outsourcing in German Healthcare Sector A description of the Bismark model evolution, adopted in German healthcare sector by 1883, is presented by Kakabadse and Kakabadse (2005) stressing the demographic changes, the social security financial resources scarcity (mostly due to unemployment) and the decrease of physicians as main constraints for a deep reforms in hospital sector. One of the measures deployed was a new remuneration system based on diagnosisrelated groups (DRG), following the Australian system, starting in 2004 to be completely implemented in 2009 (Augurzy and Scheuer, 2007). This new system, along with quality implications of the integrated care (or integrated delivery systems Burns (2001)), forced a second wave of outsourcing trying to achieve better costefficient outcomes than in the 1990 s first wave. Outsourcing in UK, Australia and New Zealand s Health Systems In the United Kingdom, National Health Service (NHS) system, created from Beveridge s 1942 report, with universal access and comprehensive coverage of services for all citizens has undergone considerable changes throughout the past decades. These changes have often been portrayed as a move toward an internal market in the UK system. Under a conservative government and against the strong opposition of physicians and nursing personnel, provisions to reform the NHS (the National Health Services and Community Care Act) were intended to open the field to the private sector on a wider scale. Private hospitals were enabled to compete with regional and municipal hospitals for NHS patients, publicly owned hospitals could be acquired by private entities, and, most visibly, services were to be managed under prospective global budgets (Perrot, 2004; Simões, 2004). The Trusts and internal market creation, in the beginning of 1990 s and, latter in 1997 the Blair s government reforms led to the encouragement of private sector entrance and spreading of outsourcing practices started in previous decade (McPake and Mills, 2000). 7

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Likewise, Australian and New Zealand s healthcare systems, having the same Beveridge background, driven by efficiency, flexibility, innovation, waiting time reducing, and service range diversity gains, took measures as the National Competition Policy creating outsourcing opportunities (Ashton et al, 2004; Prager, 1997; Young, 2005; Young, 2007a; Young, 2007b). Outsourcing in north-american Healthcare Sector Funded through a complex mix of private and governmental insurance, the US healthcare system shows a great reliance on the mechanisms of the market, including contracting and competition that forces providers to do more with less money (Goolsby, 2001). Outsourcing practices evidence are, however, much later identified comparing to other sector s. Hazelwood et al (2005) justify that fact due to the ownership of most healthcare organizations, for being mostly non-for profit (80%), government financed and managed by committees and not by an administration with no strategic planning and no cost driven decision making processes. However, a growing outsourcing trend (Smith and Waymack, 2000) has emerged helped by quality constraints of JCAHO - Joint Commission on Accreditation of Healthcare Organizations and outlined by HIPPA Health Insurance Portability and Accountability Act (Goolsby, 2001; Hazelwood et al, 2005). According to Stockamp (2006), around 75% of American hospitals have at least one function in outsourcing, not only of support services, as in early years, but from patient path inbound to outbound functions. (Schneller and Smeltzer, 2006, Rhea, 2007, Neil, 2005; Chess, 2006, Sanan, 2007). The gowth trend is also poited in studies using surveys to hospitals, long.-term care units and clinics (Hensley, 1997; Katzman, 1999; Kirchheimer, 2005; Kirchheimer, 2006; Shinkman, 2000). Another growing trend is Group Purchasing Organizations (GPO) providing 97% of American hospitals that outsource procurement (Neil, 2005). The latest trend is medical outsourcing (Bies and Zacharia, 2007), that led to creation of partnership as the one of Parkway Hospitals in Singapore and Johns Hopkins Hospital, in Baltimore, and the one of Heath Care City, in Dubai and Mayo Clinic, in Rochester (McCallum and Jacoby, 2007). Outsourcing in Greece Healthcare Sector The Greek healthcare sector, of Beveridge model inspiration, illustrates the importance of the public health sector as main provider in an economic difficulties environment. 8

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Despite of the lack of empirical and published research on outsourcing in healthcare sector, the Moschuris and Kondylis, (2006) study gives a full description of the Greek healthcare system constraints to outsourcing practices in public hospitals, leaving private healthcare providers outside the empirical setting. This study focusing on the decision-making process, the extension of outsourcing, impacts on public healthcare, and future trend, stresses the difficulty of decision making in public healthcare organizations while explores reasons of (des)satisfaction with outsourcing decisions. CONCLUSIONS This paper reviews the state of the art literature on outsourcing in healthcare sector in an aggregated view. Summing all the available information regarding the activities typology commonly found, the pointed risks and pitfalls, but also the advantages and opportunities that turned outsourcing in this sector into a strategic tool, gives a structured frame of outsourcing in different countries with different health systems. A systematic review was conducted with the purpose of gather information and examples from both scientific and grey literature that could show a full picture of the main drivers, risks, advantages and trends found when outsourcing different activities in different countries in order to understand the reality beyond the outsourcing processes and trends. In order to describe and compare all the relevant findings of the literature review, a visit to different healthcare systems practices in countries as Germany, United Kingdom, Australia and New Zealand, United States of America and Greece is presented and illustrates the updated reality of outsourcing in healthcare. Despite of the literature scarcity found in this field, all gathered information was synthesized, organized and structured in main issues, offering a new research agenda to follow the phenomenon evolution in health care sector, namely to compare the shifting of outsourcing paradigm stages of each country and to evaluate the implications to healthcare supply chain managers. The existing literature is frugal in empirical research on performance models and measures in outsourcing cases (Heavisides, 2001). There is also a lack of published research on how healthcare organizations deal with outsourcing risks before and after the decision and in diferent contexts from organizational change processes, such as star-tup organizations outsourcing decisions. Rigorous cientific research is also missing in order to gain generalization of findings. Lessons from other sectors practices should be learned instead of thinking of outsourcing as a panacea to mitigate risks or simply reduce costs. 9

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 REFERENCES Abramson, W. B. (2001), Monitoring and evaluation of contracts for health service delivery in Costa Rica, Health Policy and Planning, Vol.16, No.4, pp. 404-411, Oxford University Press. Aggarwal, A. (2004), Moving up the value-chain: From BPO to KPO, White Paper from CIO Canada Outsourcing Summit, June, 2; available at http://kpo.evalueserve.com/kpo/bpo-to-kpo-shift.aspx (visited 9 September 2008). Alper, M. (2004), New Trends in Healthcare Outsourcing, Employee Benefit Plan Review, Feb, Vol. 58, No.8, pp. 14-16. Amaratunga, D., R. Haigh, M. Sarshar, D Baldry (2002), Assessment of facilities management process capability: a NHS facilities case study, International Journal of Health Care Quality Assurance, Vol.15, No.6/7, pp. 277-288. Andersen B. M. and M. Rasch (2000), Hospital-acquired infections in Norwegian long-term-care institutions. A three-year survey of hospital-acquired infections and antibiotic treatment in nursing/residential homes, including 4500 residents in Oslo, Journal of Hospital Infection, Vol.46, pp. 288-296. Ashton, T. J. Cumming, J. McLean, M. McKinlay and E. Fae (2004), Contracting for Healthcare Services Lessons from New Zealand, Report to the World Health Organization Regional Office for the Western Pacific www.wpro.who.int (visited 13 September, 2007). Atun, R. A. (2006), Privatization as descentralization strategy, Report to the World Health Organization Regional Office for Europe Cap 14, 246-71 www.wpro.who.int (visited 12 September, 2008). Augurzky, B. and M. Scheuer (2007), Outsourcing in the German Hospital Sector, The Service Industries Journal Vol.27, No.3, pp.263-277. Ballou, R. H. (2003), Business Logistics/Supply Chain Management, Fifth Edition Pearson - Prentice Hall - International Edition. Barrs, A. W. and P. Fahey (2000), Infection control across the board, Nursing Homes, Nov Vol.49, No.11, pp. 38-43. Bettis, R. A., S. P. Bradley and G. Hamel (1992), Outsourcing and industrial decline, Academy of Management Executive, Vol. 6, No.1, pp. 7-21. Bhattacharya, S., R.S. Behara and D.E. Gundersen (2003), Business Risk Perspective on Information System Outsourcing, International Journal of Accounting Information Systems Vol.4, pp.75-93. 10

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Bies. W. and L. Zacharia (2007), Medical tourism: Outsourcing surgery, Mathematical and Computer Modelling, Vol.46, pp.1144-1159. Bossert, J. L. (1994), Supplier Management Handbook, ASQ Quality Press, Milwaukee, Wisconsin. Bossert, T (2004), Organizational Reforms and Reproductive Health: Decentralization, Integration and Organizational Reform of Ministries of Health. Working Paper prepared for the WHO Technical Consultation on Health Sector Reform and Reproductive Health: Developing the Evidence Base. Geneva, 30 November - 2 December 2004. Available at: www.wpro.who.int (visited 12 September, 2008) Brown, D. and S. Wilson (2005), The Black Book of Outsourcing: How to Manage The Changes, Challenges and Opportunities, April 2005 Wiley, John & Sons, Incorporated. Burns, L. R., S. L. Walston, J. A. Alexander and H. S. Zuckerman (2001), Just how integrated are integrated delivery systems? Results from a National Survey, Health Care Mangement Review, Vol.26, No.1, pp. 20-39. Campos, A. C. (2004), Decentralization and privatization in Portuguese health reform, Revista Portuguesa de Saúde Pública,Vol. 4, No. 7. Cezarotti, V. and B. Di Silvio (2006), Quality management standards for facility services in the Italian health care sector, International Journal of Health Care Quality Assurance, Vol.19, No.6,pp. 451-462. Chasin, B. S., S. P. Elliot and S.A. Klotz (2007), Medical Errors Arising from Outsourcing Laboratory and Radiology Services. The American Journal of Medicine. Vol.120, pp. 819.e9-819.e11 Chen, Y. and J. Perry (2003): IT Outsourcing: A Primer for Healthcare Managers, IBM Center for Healthcare Management report, available at: http://www.businessofgovernment.org (visited 12 September, 2008). Chess, J. (2006), Case Study: An Rx for Healthcare Communication, Customer Inter@ction Solutions, Vol.25, No.4, pp. 44-46. Coase, R. H. (1988), The Firm, the Market and the Law, The University of Chicago Press, Chicago. Crogan, N. L. e B. C. Evans (2006), The Shortened Food Expectations Long-Term Care Questionaire, Journal of Gerontological Nursing, Vol.32,NO.11, pp. 50-59. Dancer, S. J. (1999), Mopping up hospital infection, Journal of Hospital Infection Vol.43, pp.85-100. 11

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Eisenhardt, K.M. (1989),.Agency theory: an assessment and review. Academy of Management Review, Vol. 14, No.1, pp. 57-74 Elling, R.H. (1980),Cross-national study of health systems: concepts, methods and data sources (vol.ii); and Countries, world regions and special problems (vol.iii), Detroit, MI, Gale Research Company. England, R.E. (2000), Contracting and Performance Management in the Health Sector: a guide for low and middle income countries, London DFID Health Systems Resource Centre, http://www.phrplus.org, (visited 12 of September, 2008). England, R.E (2004), Experience of contracting with the private sector: a selective review, DFID Health Systems Resource Centre, http://www.phrplus.org (visited 12 of September, 2008). Farace, D. J. (1998) Foreword. In Third International Conference on Grey Literature. Jean Monnet Building, Luxembourg. 13 14 November 1997. Amsterdam: Grey Literature Network Service. Franceschini, F. and M. Galetto (2003), Outsourcing: guidelines for a structured approach, Benchmarking, Vol. 10, No.3, pp. 246-260. Giarraputo, D. (1990), In-House Versus Off-Site Sterilization, Hospital Materiel Management Quarterly, Nov Vol 12, No.2, pp. 49-55. Goepfert, J (2002), Transformational Outsourcing- Helping Companies Adapt to a volatile Future, IDC White Paper, September 2002 available at http://www.idc.com (visited 10 of September, 2008). Goolsby, K. (2001), Behind the 8 Ball: Current State of the U.S. Healthcare Industry. White Paper 20001 Outsourcing Center, www.outsourcing-center.com (visited 10 of September, 2008). Goggins, R. (2007), Hazards of Cleaning, Professional Safety, Vol.52, No.3, pp. 20-27. Grande, C. and A. Roberts (2001), Synergy Healthcare eyes float on Aim, Finantial Times Jul 23, Vol.23. Greaver, M. F. (1999), Strategic Outsourcing, AMACOM, AMA Publications, NY. Greeno, R. (2001), Hospitals take on the risk as they turn to hospitals programs, Managed Healthcare Executive, Vol. 11, No.5, pp.48-50. Griffith, C. J., R.A. Cooper, J. Gilmore, C. Davis and M. Lewis (2000), An evaluation of hospital cleaning regimes and standards, Journal of Hospital Infection, Vol.45, pp.19-28. 12

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Guven, P. (2003), Implementation of Benchmarking in NHS Trusts, Working Paper, Proceeding of Business Excellence I, Performance measures, benchmarking and best practices in new economy, edited by Goran D. Putnik and Angappa Gunasekaran, University of Minho, Braga, 2003, pp. 429-435. Guy, R. A. and J R. Hill (2007), 10 Outsourcing myths that raise your risk, Healthcare Financial Management, Jun, Vol. 61,No.6, pp. 67-72. Hazelwood, S.E., A.C Hazelwood and E.D. Cook (2005), Possibilities and Pitfalls of Outsourcing, Healthcare Financial Management; Vol.59, No.10, pp. 44-48. Heavisides, B. and I. Price (2001), Input versus output-based performance measurement in the NHS-the current situation, Facilities, Vol.19, No. 10, pp. 344-56. Hensley, S. (1997), Outsourcing boom. Survey shows more hospitals turning to outsides firms for a broad range of services, Modern Healthcare, 1997, Sep 1, Vol.27, No.35. Hoppszallern, S. (2002), Contract Management Survey 2002, Hospitals and Health Networks, Vol.76 No.10, pp. 49-53. Hwang, L. J., A. Eves e T. Desombre (2003), Gap analysis of patient meal service perceptions, International Journal of Health Care Quality Assurance, Vol.16, No. 2/3, pp.143-153. Jack, E. P. and T. L. Powers (2006), Managerial perceptions on volume flexible strategies and performance in health care services, Management Research News, Vol.29, No.5, pp. 228-241. Kakabadse, A. and N. Kakabadse (2003), Outsourcing best practice: transformational and transactional considerations, Knowledge and Process Management; Jan-Mar 2003; Vol. 10, No.1, pp. 60-71. Kakabadse A. and N. Kakabadse (2005), Outsourcing: Current and Future Trends, Thunderbird International Business Review, Vol. 47, No. 2, pp 183-204. Katzman, C. N. (1999), Outsourcing keeps growing. Contract management survey finds times are good for firms serving healthcare industry, Modern Healthcare 1999 Aug 30; Vol. 29, No.35, pp. 42-50. Kelley, B. (1995), Outsourcing marches on, Journal of Business Strategy, Vol. 16, No.4, pp. 38-42. Kirchheimer, B. (2005), Outsourcing Ins and Outs,.Modern Healthcare, Chicago: Oct 3; Vol.35, No.40, pp. S1-5. 13

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Kirchheimer, B. (2006), Out through the in door,.modern Healthcare, Chicago: Oct 2; Vol.36, No.39, pp. S1-5. Kwon, J. and B. J. H. Yoon (2003), Prevalence of outsourcing and perception of clinical nutrition managers on performance of health care dietetics services, Journal of The American Dietetic Association, Vol. 103, pp. 1039-1042. Lacity, M. C., L. P. Willcocks and D. F. Feeny (1995), IT outsourcing maximises flexibility and control, Harvard Business Review, Vol.73, No.3, May-June, pp. 84-93. Lau, C. and M. B. Gregoire (1998), Quality ratings of a hospital foodservice department by inpatients and postdischarge patients, Journal of the American Dietetic Association, Vol. 98, pp. 1303-1307. Linder, J. C. (2004), Transformational Outsourcing, Supply Chain Management Review, Vol. 8, No.4, pp.54-61. Liu, X., D. R. Hotchkies, S. Bose, R. Bitran and U. Giedion (2004), Contracting for primary health services: evidence on its effects and a framework for evaluation. Partners for Health Reformplus Publication, www.phrplus.org. Liu, X., D. R. Hotchkies and S. Bose (2007), The impact of contracting-out on health system performance: A conceptual framework, Health Policy, Vol. 82 (2007), pp.200-211. Liyanage, C. and C. Egbu (2006), The integration of key players in the control of healthcare associated infections in different types of domestic services, Journal of Facilities Management, Vol.4, No.4, pp. 245-261. Lorence, P. D. and A. Spink (2004), Healthcare Information Systems Outsourcing, International Journal of Information Mamnagement, Vol.24, pp. 131-145. MacCutcheon, M. and K. Griffin (2002) When Outsourcing Makes Cents, Post-Acute Care, Vol.5. No.4, pp.32. Mark, A. (1994), Outsourcing Therapy Services: A Strategy for Professional Autonomy, Health Manpower Management, Vol.20, No.2, pp. 37-40. May, D. and L Smith (2003), Evaluation of the new ward housekeeper role in UK NHS Trusts, Facilities, Vol.21, No.7/8, pp. 168-174. McCallum, B. T. and P. F. Jacoby (2007), Medical Outsourcing: Reducing Client s Health Care Risks, Journal of Financial Planning, Vol. 20, No.19, pp. 60-69. McPake, B. and A. Mills (2000), What can we learn from international comparisons of health systems and health system reform?, Bulletin of World Health Organization, 2000,Vol. 78,No.6, pp. 811-20. 14

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Moschuris, S. J. and M. N. Kondylis (2006), Outsourcing in public hospitals: a greek perspective, Journal of Health Organization and Management, Vol.20, No.1, pp. 4-14. Mullin, R. (1996), Managing the outsourced enterprise, Journal of Business Strategy, Vol. 17, No. 4, pp 28-32. Murphy, J. (2002), Literature Review On Relationship between Cleanig and Hospital Acquired Infections. Unpublished manuscript, http://cupe.ca/cleaning_and_infecti/be4599 (visited 12 of September, 2008). Neil, R. (2005), A survey of materials managers about their GPOs from the buyer s perspective. Materials Management in Health Care, Vol.14, No.9, pp.18-25. Nollet, J. and M. Beaulieu (2005), Should an organization join a purchasing group?, Supply Chain Management: An International Journal, Vol.11, No.1, pp.11-17. Okoroh, M. I., P. P. Gombera and B. D. Ilozor (2002), Managing FM (support services): business risks in the healthcare sector, Facilities, Vol 20, Nº 1/2, pp 41-51. Peisch, R. (1995), When Outsourcing Goes Awry, Harvard Business Review, May- June, pp.24-37. Perrot, J. (2004), Le Role de la Contractualisation dans l amélioration de la performance des systèmes de Santé, Discussion Paper Nº1-2004, Département Health System Financing, Expenditure and Resource Allocation (FER), Groupe Evidence and Information for Policy (EIP), Organization mondiale de la Santé (OMS), Genéve. Pilling, M. and T. Walley (1996), Effective contracting of high-tech health care for patients at home, Journal of Management in Medecine, Vol. 10,No.3, pp. 6-14. Prager, J. (1997), Contracting out as a vehicle for privatization: Half speed ahead, Journal of International Affairs, Vol.50, No.2, pp. 613-632. Prahalad, C. K. and G. Hamel (1990), The Core Competence of the Corporation, Harvard Business Review, May-June 1990, pp 79-91. Quinn, J.B. and F.G. Hilmer (1994), Strategic Outsourcing, Sloan Management Review, Vol.35, No.4, pp. 43-55 Renner, C. and E. Palmer (1999), Outsourcing to increase service capacity in a New Zealand Hospital, Journal of Management in Medicine, Vol.13, No.5, pp.325 338. Rhea, S. (2007) Moving beyond the hospital, Modern Healthcare, September Vol. 3. Rivard-Royer H., S. Landry and M Beaulieu (2002), Hybrid stockless: a case study. Lessons for health-care supply chain integration, International Journal of Operations & Production Management, Vol. 22, No.4, pp. 412-424. 15

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Roberts, V. (2001), Managing Strategic Outsourcing in the Healthcare Industry, Journal of Healthcare Management, Vol.46, No.4, pp. 239-249. Sanan, S. (2007), Frank J. Casale interview Satish Sanan, President & CEO of Zavata Inc, Outsourcing Institute,. www.outsourcing.com (visited 20 December, 2007). Sanders, N. R., A. Locke, C.B. Moore, and C.W. Autry (2007), A Multidimensional Framework for Understanding Outsourcing Arrangements, The Journal of Supply Chain Management, Nov 2007, Vol.3, pp 15. Schneller, E. S. and L. R. Smeltzer (2006) Strategic Management of the Health Care Supply Chain, Jossey-Bass, San Francisco. Shinkman, R. (2000), Outsourcing on the Upswing, Modern Healthcare, Sep 4, Vol.30, No.37, pp.46-54. Shohet, I. M. and S. Lavy (2004), Healthcare facilities management: state of the art review, Facilities, Vol.22, No.7/8, pp. 210-220. Simões, J. (2004), Retrato Político da Saúde- Dependência do Percurso e Inovação em saúde: da Ideologia ao Desempenho, Livraria Almedina, Coimbra. Smith, B. and P. Waymack (2000), Outsourcing on a grand scale, Health Management Technology, Jul 2000; Vol. 21, No.7, pp. 18-20. Stockamp, D. (2006), Revenue cycle outsourcing: the real costs and benefits, Healthcare financial management, Vol.April, pp. 84-90. Sunseri, R. (1998), Outsourcing looses its MO : our annual survey points to a plateau for most contract services, Hospitals & Health Networks, nov,vol.20. Walshe K. and J. Smit (2006), Healthcare Management, Open University Press, Maidenhead- England. Weick, K. E. and K. M. Sutcliffe (2001), Managing the unexpected: assuring high performance in an age of compllexity, San Francisco: Jossey- Bass. Wholey D.R., R. Padman, R. Hamer and S. Schwartz (2001), Determinants of Information Technology Outsourcing among Health Maintenance Organizations, Health Care Management Science; Sep 2001, Vol.4, No.3, pp. 229-239. Wigglesworth, K. and J. Zelcer (1998), The healthcare supply chain: Applying bestpractice remedies to the healthcare sector, in: Gattorna J (ed) Strategic Supply Chain Alignment Best Practice in Supply Chain Management, Gower Publishing Limited. Williamson, O. (1979), Transaction-Cost Economics: The Governance of Contractual Relations. Journal of Law and Economics, Vol. 22, pp. 233-261. 16

RIRL 2010 - Bordeaux, Sept 30, Oct 1st 2010 Worrel, B. (2003), Cap Gemini forecast health care s top 10 issues for 2003, Health Care Strategic Management, Jan 2003, Vol.21, No.1, pp. 14-15. Vitasek, K. (2005) Supply Chain and Logistics Terms and Glossary, site of The Council of Supply Chain Management Professional (CSCMP), http://www.cscmp.org/downloads/resources/glossary03 (visited, 9 September, 2007). Yang, C. and J. Huang (2000), A decision Model for IS Outsourcing, International Journal of Information Management, Vol. 20, pp. 225-239. Young, S. (2005), Outsourcing in the Australian health sector: The interplay of economics and politics, The International Journal of Public Sector Management, Vol.18, No. 1, pp.25-35 Young, S. (2007a), Outsourcing: two case studies from the Victorian public hospital sector, Australian Health Review, Vol.31, No.1, pp. 140-149. Young, S. (2007b), Outsourcing: uncovering the complexity of the decision, International Public Management Journal, Vol.10, No.3, pp. 307-25. 17

RIRL 2010 The 8th International Conference on Logistics and SCM Research BEM Bordeaux Management School September 29, 30 and October 1st 2010 Improving Health Systems in Developing Countries by Reducing the Complexity of Drug Supply Chains Marianne Jahre BI Norwegian School of Management, Norway & Lund University, Sweden, marianne.jahre@bi.no Luc Dumoulin Global Emergency Group, Canada luc@dumoulin.net Langdon B. Greenhalgh Global Emergency Group Langdon.Greenhalgh@GlobalEmergencyGroup.com Claudia Hudspeth UNICEF chudspeth@unicef.org Phillips Limlim UNICEF plimlim@unicef.org Anna Spindler UNICEF aspindler@unicef.org Uganda is one of many African countries struggling to develop adequate healthcare, particularly at the last mile of local treatment. Based on a study and evaluation that included 50 interviews and 27 site visits of the public healthcare system in Karamoja, north-east Uganda, the paper provides an understanding as to the applicability of traditional logistics principles in a context characterized by lack of health system infrastructure, financial resources, capacity and competence. Contributing much needed in-depth understanding of humanitarian logistics reality to the academic community, the study shows that reduced complexity provides better integration between information and goods flows, shortens leadtimes and improves efficiency. Key words: drug, supply chain, health, Uganda. 1

1: INTRODUCTION AND PURPOSE During the past four years, humanitarian logistics has attracted a lot of attention in academia with an immense growth of published articles which, however, suffers from lack of facts and knowledge about humanitarian logistics practice (Kovacs and Spens, 2008; Jahre et al. 2009). The major part of the publications concern disaster relief operations (e.g. Oloruntuba and Gray, 2006; Balcik et al. 2010; Beamon and Balzik, 2008) with little so far reporting on studies in terms of logistics involved in long-term development and distribution of goods in developing countries. The study presented in this paper tries to fill some of that void by reporting on a study of drug supply chains in a specific region of Uganda. As many African countries Uganda is struggling to develop adequate healthcare systems. One critical problem is establishing supply chain systems for drugs and medical equipment to ensure availability at local treatment facilities. A recent survey reveals that 32-50% of medicines essential for treating common diseases such as malaria, pneumonia, diarrhoea, HIV/AIDS, tuberculosis, diabetes and hypertension are not available (Okiror, 2009). Sixtyfive percent of facilities across Uganda experienced medical supply stock outages ( stockouts ) in 2008 (MoH, 2009a). Over time, many stop-gap actions have been implemented, but problems persist. Suggested recommendations from previous studies have often not been implemented. Adequate access to a functioning healthcare system is particularly difficult in rural districts such as Karamoja. Lack of a consistent drug supply is identified as a primary reason why health centres are not utilised with resulting high morbidity and mortality rates from malaria, diarrhoea, HIV/AIDS. In particular, children are most vulnerable and need more stable and better treatment. Based on an in-depth study of the public healthcare system in the Karamoja region of Uganda, this paper discusses how logistical tools and principles can be used to improve the supply chain for drugs and thus reduce mortality and morbidity. A basic model for logistics process redesign (Persson, 1995) is used as a conceptual framework for describing and analysing the supply chain. More than 50 interviews were undertaken from October 2009 till January 2010 and 27 different health facilities visited for assessment of logistics processes and performance such as ordering, warehousing and stock-outs. Lead-times, ordering frequencies, uncertainties and management techniques and tools are assessed. The subsequent findings contribute to our understanding of how traditional logistics principles can be used to 2

cope with a demanding context characterized by a lack of financial resources, health system infrastructure, capacity and competence. It is concluded that by reducing the complexity of the supply chain, better integration between information (i.e. order) and goods (i.e. medical supplies) flows can be obtained and bureaucratic processes which increases the length of response time as well as creating a lot of instability, can be reduced to a minimum. This leads to lower costs and reduced stock-outs with corresponding reductions in mortality and morbidity rates. The major contribution of this paper is a study conducted over ten weeks of field work that provides a solid understanding of the context in which the supply chain has to function. Major implications from the study are realistic suggestions for improvements in terms of quickwins and more sustainable solutions. Further, the study provides the academic community with much needed in-depth understanding of the reality of improving humanitarian logistics in a developmental context. There is a lack of in-depth cases within this area of study with most papers being of conceptual nature. Additionally, the paper contributes with further development of the model on logistics process redesign in terms of applicability in a different context within which it was originally developed. 2: RESEARCH DESIGN AND METHODOLOGY The study was undertaken as a project for UNICEF Uganda by a team of three (2 logisticians and the project manager) from Global Emergency Group (www.globalemergencygroup.com) together with a pharmacist and a project assistant from Uganda. The project constitutes three different parts using various sources and data to cross reference information (Ellram, 1996; Yin, 2003). First, two main sources were used to get an overview of the health system in Uganda: primary data gathered through interviews with stakeholders at the national (Kampala) level and secondary data collected through desk research. Approximately 1500 pages of articles and reports were included in the desk top review pinpointing constraints, opportunities and best practices i. Results from the data collection and analysis guided the finalisation of the research framework, choice of the conceptual framework presented in section 3, methodology and development of the field research. Second, from a total of 94 health facilities in Karamoja the project team conducted 27 site visits and interviews with key informants providing 28.7% coverage with relatively equal coverage across each of the five districts. The interviews were structured, lasting between 2-4 3

hours including the check of stock-cards and facilities and conducted with individuals as well as in groups. Almost all interviews were undertaken by two researchers, one asking and one taking notes. Informants selected were based on a mix of health facilities from remote areas, those facilities with insufficient systems and those that were functioning very well. The five district stores maintaining medical supply stocks were also visited (Annex 1 and 2). In order to ensure reliability, a study protocol was developed and refined during the process as were interview guides. Interview guides were developed on the basis of the desk research, the conceptual framework and discussions with stakeholders and include information on how each facility undertakes the logistics processes as well as constraints, possible solutions and information concerning human resources and performance (Annex 3). Based on the field assessment in Karamoja, interviews at the national level as well as previous studies, the primary and secondary supply chains were mapped regarding process steps and lead-times. Data was written up in individual word documents and excel worksheets forming a database, then compiled in one common worksheet and analysed across for each theme to identify patterns. More detailed analysis of particular issues was undertaken and results presented to and discussed with stakeholders. The conceptual framework was used to analyse and summarise findings, to identify solutions and to quantify their impact as presented in sections 4 and 5 of this paper. The project was written up in detail in a report handed over to UNICEF together with data-files and the most interesting secondary material. 3: OVERVIEW OF THE HEALTH SYSTEM IN UGANDA 3.1: Health issues and Key Actors in the health system With an annual population growth rate of 3.2%, Uganda is one of the fastest growing countries in Africa. Of 30.7 million people, 88% live in rural areas. Since the early 1990s, the Government of Uganda has focused on various efforts, with varying levels of success, towards improving the health care system. Significant progress has been made addressing the HIV epidemic, but this still remains a leading cause of morbidity and mortality (having risen slightly the past two years) together with malaria and tuberculosis. Seventy percent of child mortality is due to malaria, acute respiratory infections (ARIs), diarrhoea and malnutrition. Major determinants of health in Uganda include low levels of literacy, poor sanitation, cultural beliefs, physical accessibility, uptake of risky behaviours and prevailing poverty. Medicines account for over 30% of total expenditure on health now amounting to 10.7% of 4

GNP. The estimated value of all drugs, including imports for sale, donations and locally manufactured products, is USD 120 million. Uganda s national health system comprises a number of organizations and entities as depicted in figure 1. Figure 1: Key Actors within the National Health System (Numbers from Elliott, 2008) Ministry of Health (MOH) District Supply Chain Primary Supply Chain Community Health Workers (including Village Health Teams) Health Centre II Health Centre III Health Centre IV Traditional & Complimentary Medicine Practitioners (TCMPs) Sub District Admin District Health Officials (5 total or 1 DHO for each district) Regional Hospitals (11) Private Health Practitioners (PHPs) National Referral Hospitals (2) United Nations, NGOs Private Hospitals & Health Centres (PNFPs) Private Non Prescription Drug Stores (4,732) National Medical Stores (NMS) Joint Medical Stores (JMS) Private Not For Profit Providers (PNFP) Private For Profit Wholesalers National Drug Authority (NDA) International Suppliers Domestic Public Suppliers Domestic Private Suppliers Private Prescription Pharmacies (440) In addition to public, private not-for-profit hospitals and private health practitioner hospitals, there are a large number of public and private health centres, private retail pharmacies and drug shops (Japan International Cooperation Agency, 2008; MoH, 2008e). The public and private sectors each account for approximately 50% of the health service delivery of Uganda (MoH, 2009b), with the private sector accounting for as much as 70% of the drug supply (I#1 1 ). The public system is organised around health centres (HCs) classified at levels II, III, IV depending on the staff employed and thus services and treatments provided. The two main national regulatory bodies are the Ministry of Health (MoH) and the National Drug Authority (NDA), with the first to provide resource mobilization and budgeting, policies, planning and regulations, coordination of services and monitoring of performance 1 For sake of anonymity, the interviews undertaken are numbered and do not correspond to the listing in Annex 2. 5

and the latter being responsible for Essential Medicines and Health Supplies (EMHS), registering medicines and analysing samples collected from ports of entry into Uganda. To ensure efficient and effective procurement, storage and distribution of EMHS to public and private health facilities, National Medical Stores (NMS) was established in 1993. NMS base all procurement on competitive tendering with approximately 93-95% being imported generic products from India (70-80%), China, Kenya, South Africa, Egypt and Brazil (I#4). In 2009, NMS annual budget increased from 13 to 63 USH billion, with money going directly from the government GoU Ministry of Finance to NMS instead of via the districts (as had been the previous governmental policy). Hence, NMS will now account for 70% of procurements and districts for 30%, whereas this was opposite previously (Saturday Monitor, 2009). 3.2: Challenges in the Healthcare System Two main challenges were identified. First, the public health system is underutilised. Second, stock-outs and expired drugs occur at all levels in the public system including distribution outlets, district stores, hospitals and NMS (MoH, 2009b) particularly in the public system in rural communities (Elliot, 2008). The causes, as suggested by previous studies and during recent interviews with stakeholders are related to lack of funding (MoH, 2009c) and limited control of drug quality and pricing (Elliot, 2008) such as counterfeiting (Wendo, 2008; I#4), mark ups (Elliot, 2008); expired drugs ((Tebajjukira, 2009) and lack of transparency and regulation concerning prices (MoH, 2009b; Kiapi, 2008; I#14). Problems also constitute leakages including commissions (I#14) and pilferage (Kaheru, 2009; I#5) and lack of coordination with the private sector in procurement (MoH, 2009c); forecasting (Izama 2009), problems of unsolicited drug donations, parallel production and lack of overview of available stocks (MoH, 2008b). While some of the above are closely linked with logistics problems, specific challenges with the drug supply chain are pointed out including: Lack of efficient funding and ordering processes means it can take six months to complete tendering process at NMS (Saturday Monitor, 2009), while delivery times from NMS to health centres are found to vary between 2-4 months (Kimera, 2008; MoH 2009d). There is lack of overview of drugs availability at NMS (Okiror, 2009), at HCs (Kimera, 2008; MoH, 2009b), lack of competent staff (MoH, 2009b; Kimera, 2008; AllAfrica, 2009; Okuonzi, 2009) and poor coordination between store managers and medical clinicians (I#5) and between HCs and NMS (Kimera, 2008; I#5). Furthermore, at NMS there is a shortage of storage space, lack of funding to procure enough drugs as well as insufficient capacity to handle the substantial volumes of orders. Even though many initiatives (consolidation of warehousing, new warehousing 6

management systems, and better planning cycles) have been introduced, it is acknowledged that we [NMS] have not been able to supply even 50-60% of our mandate (I#5). Particularly in rural areas, lack of transport and storage facilities pose constraints (MoH, 2008b; I#1; Kimera 2008; I#3). 4: CONCEPTUAL FRAMEWORK FOR SUPPLY CHAIN ANALYSIS An overall conceptual framework that incorporates a set of connected cycles based on logistics processes involved in the flow of information and goods is depicted in figure 2 and was used to develop interview guides and analyse and evaluate the findings. Figure 2: Logistics Processes as Response Cycles (Adapted from Persson, 1995) 4:1 Transaction Lead-time is the elapsed time from identifying a need to satisfying it (e.g. time from when the health centre submits an order to when they receive drugs). Frequencies mean the number of events per time unit (e.g. orders per year). Uncertainties are fluctuations in demand, capacity, and lead times as well as data accuracy. Expected Demand means specific demand patterns (e.g. cyclical variations such as typical seasonal disease outbreaks) and is particularly relevant to forecasting. In general, longer lead times, lower frequencies, higher uncertainties and uneven demand imply bigger stocks to safeguard against stock-outs, lower inventory turnover and less flexibility. 4.2: Structure 7

Complexity is the number of distribution levels (e.g. storage at national, district and health centre level); and distribution points and the same level (e.g. number of district stores). Divisibility means the degree of dependence between specific products (e.g. you cannot store measles vaccines without also having gas for the refrigerator). The more dependence, the greater the need is for coordination in procurement and other tasks. Predictability is the degree to which it is possible to specify the task to perform at a given point in time (e.g. what will an outbreak of a specific disease or a large donation of a specific drug imply in terms of impact on the existing supply chain and extra tasks that must be undertaken). In general, higher complexity, more dependency and lower predictability imply bigger stocks to safeguard against stock-outs, lower inventory turnover and less flexibility. 4.3: Management Principles are methods (e.g. pull/push system, forecasting technique) used for managing the supply chain. Tools relate to how information is processed and communicated and the kind of systems used for inventory and ordering management (e.g. stock-cards, electronic order forms). The final point addresses how actors are organised in terms of responsibilities regarding specialisation and coordination (e.g. whether a third party service provider is used and how a cooperation agreement is set up). Consistent and differentiated principles supported by appropriate tools and an organisation balancing between specialisation and integration are essential factors for securing efficient goods and information flows. 4.4: Improving performance by changes in transactions, structure and management The framework proposes a number of strategies to improve performance (Persson 1995): (1) Reducing or redistributing (possibly increasing for some while reducing for others) lead times; (2) Reducing or adapting to uncertainties; (3) Redistributing or increasing frequencies; (4) Eliminating or adapting to expected demand patterns; (5) Simplifying structures, systems and processes such as reducing the number of distribution points and/or distribution levels; (6) Differentiate the way one works with suppliers, products and customers, and (7) Using postponement/speculation strategies so that changes in form, identity and location occur as late as possible in the supply chain. The overall goal of the strategies is to avoid high inventory with according costs and risks of obsolescence and damage, while also being able to provide flexibility, short and predictable delivery times. 5: FINDINGS 8

5:1: The state of health in the Karamoja Region With an estimated one million people, Karamoja accounts for 3.25% of the total Ugandan population. It is also the poorest region in the country, with 87% living below the poverty line (UBOS, 2009). There are problems of drought, sporadic and brutal violence, cattle raiding and food insecurity. Meat from livestock, supplemented by cultivated vegetables, wild fruits and greens, make up the basic diet. A dual settlement system has traditionally allowed for the mitigation of vulnerability from drought and food insecurity with manyattas as semipermanent housing near cultivated areas while kraals are mobile or semi-mobile livestockcamps. Cattle-raiding is a traditional activity among regional pastoral groups. Raided cattle are used to redistribute wealth and food in times of scarcity, to acquire bride price and to form alliances with other families, manyattas and tribes. However, over the past decade increased raiding has created insecurity in the region. Accordingly, major regional challenges can be summarized as poverty, security, drought, food insecurity, a culture of reliance on traditional medicine practitioners combined with scepticism for the government and public system. Furthermore, up until this time Karamoja receives little attention from international donors, agencies and organizations in comparison to the north-central region to the country (Stites et al, 2007). Karamoja has an under-5 mortality rate of 177 per 1,000 live births, which is among the highest in the African region, a life expectancy of 47.7 years compared to the national average of 50.4 and a maternal mortality rate of 750 per 100,000 live births, which is significantly higher than the national average of 435. The main causes of death in Karamoja for adults and children are pneumonia, malaria, tuberculosis, anaemia followed by meningitis, AIDS, dysentery, malnutrition, septicaemia and diarrhoea (UNICEF 2009). The annual performance assessment makes it clear that the region has specific problems regarding health service delivery in comparison to other parts of Uganda with 4 of the 5 districts ranking among the the lowest 10% in the whole country (MoH, 2008f). Only 27.3% of the population is within a 5 kilometre range of access to health facilities in Kaabong district, 39.6% in Abim, 25.8% in Nakapiripirit, 15.02% in Moroto, and 29.8% in Kotido (MoH 2008e). There are few private pharmacies and drug stores in the region (I#13). Large volumes of unregistered drugs are used in the region, although most are for veterinary use, many are also used by people (I#13). Food insecurity makes the use of health system prescriptions even more challenging because often people do not have the strength to walk to health centres (WFP, 2009). 9

5:2: The state of drug supply chains in Karamoja Using the conceptual framework the supply chain in Karamoja was mapped with regard to actors, activities and main lead-time elements for two of the six drugs ACTs and Cotrimoxazole - as shown in figure 3. Orders are transported physically from the HCs to the District Health Official (DHO) via the health sub-district and then on to NMS where they are submitted into the electronic system and processed. Figure 3: Lead-times, actors and activities undertaken in the response cycle of HC and NMS TOTAL DOWNSTREAM LEADTIME = 61 Days LEADTIME = 11.2 Days LEAD TIME = 1 Day Transport Stock keeping Ordering Receive Control Cumulate Order Transport Receive Control Cumulate Order Transport Receive Register Input Electronically LEAD TIME = 26.1 Days Health Centre HC Store Health Sub District or DHO National Medical Stores (NMS) LEAD TIME = 2 Days Receive Control Unpack Store Transport District Medical Store Receive Store Find & Plan Transport Transport Pick & Pack Register for Delivery note Plan Transport Load LEAD TIME = 11.1 Days LEADTIME = 4 Days LEADTIME = 5.6 Days The total average lead-time for an order to be fulfilled at the HCs is 61.2 days of which the ordering process from the health centre to NMS accounts for 20%, internal lead-time at NMS for 61% and transport from NMS to health centre for 19% 1. Table 2 below summarises the main findings from the field assessment and analysis with basis in the concepts presented in the previous section. 1 Numbers based on average from previous studies (MoH 2009d), own assessment in Karamoja and interviews at district and national level. A conservative stance is taken, meaning that real lead-times are most probably longer. 10

Table 2: Transactions, Structure and Management of the Drug Supply Chain(s) Conceptual Framework & Definition/Measure Supply Chain Concept TRANSACTION Lead-Time Time from order to delivery STRUCTURE Frequencies Uncertainties Distribution Levels Distribution Points How often orders and deliveries occur In lead-times for funding, ordering and transport. Accuracy of data on demand, stocks, etc. Number of actors in order flow at district level Number of storage levels in goods flow at the district level Number of health facilities Main conclusions from field assessment HC - NMS: 61.2 days of lead time NMS - Suppliers of ACTs: 6 month lead time NMS - Suppliers of Co-trimoxazole: 5 month lead time HCs -order every 4 months New NMS framework agreement for drugs established every 12-18 months Large variations from one order to the next, between districts and for particular drugs Highly inaccurate data on consumption and stocks and ordered vs. received quantities (i.e. service level). Total of 4: Patient, HC, Sub Health District, DHO 1 or 2: HC (District Medical Store (DMS) if utilised) Total of 94 functioning in Karamoja: 5 hospitals, 4 HCIV, 29 HCIII and 55 HCII, 5 DMS, 1 NMS MANAGEMENT Management Principles What guidelines are used for forecasting, ordering, inventory management, storage and transport management What tools are used for forecasting, ordering, inventory management and transport No guidelines for forecasting Guidelines for quantification of ordering, storage and transport, but little knowledge and/or use. Management Tools Hard-copy forms, no electronic data exchange, stock-cards and little means of communication apart from physically meeting each other. In fact there are three physical flows (i.e. requiring transport) involved: bringing the order form to HCs, bringing the filled form back through to NMS and bringing the drugs back to the HCs. Lack of clear roles, too many logistics managers without adequate competency/capacity and lack of management support or coordination. Organisation Efficacy of management structure and clear delineation of roles/responsibilities To conclude there are major deficiencies in the management of the supply chain with long and highly erratic lead-times. The complexity in terms of distribution levels and points is quite high, which poses particular problems for the flow of information including ordering and feedback regarding stock-outs and deliveries. The process is overly bureaucratic and unnecessarily complicated, allowing inconsistencies in practice even if the processes and responsibilities are theoretically clear. With regards to the sharing of responsibility between sub-health districts, districts and health centres, both concerning information and goods flows, the supply chain is characterised by inconsistent planning, forecasting, ordering and inventory 11

management. Nor are appropriate tools used. This in turn leads to a lack of coordination between information and goods flows with the ordering process disintegrated from the follow up of the physical delivery of medical supplies which means information on what is delivered compared to what was ordered is lacking. As a result, there are significant bottlenecks in the present system which when combined with the inability of NMS to fulfil their critical supply role is cause frequent stock-outs, unnecessary expiration of drugs and high cost. 6: RECOMMENDATIONS, IMPACT AND CONCLUDING REMARKS Based on the analysis with conclusions concerning major problems in the supply chain, solutions were developed and recommendations for improvements suggested. Built around the principle of supply chain simplification and with a basis in limited capacity and resourcing at HC-level, it is suggested to place less responsibility for SCM on the HCs and instead develop stronger district supply chain hubs. By moving the order point upstream from the HCs to the district, at least for those HCs with inadequate capacity and competence to do it themselves, the system can be simplified with increased specialisation of roles and fewer bureaucratic impediments. The sustainable solutions proposed are built on process logic where the districts make the order on behalf of the HCs which is based on HC monthly stock reports, whereupon the districts receive the medical supplies from NMS, whereby they are then distributed to HCs in accordance with needs estimated from stock-reports and forecasted demand. The forecast should take into account historical consumption plus additional data on seasonal demands and changes in population for each HC. Accordingly, more responsibility is given to the districts (along with required corresponding resourcing of logistics competencies and capacity) for ensuring the last mile of the distribution affording the HC-staff more time to treat patients and focus on reporting correct information about present stock levels. Linked with this transfer of responsibility is also the suggestion of moving safety stock from the 94 HCs to the 5 DMS. As shown in table 3 below other suggestions include quick-wins, i.e. solutions that do not require major changes of the system itself but are necessary to rapidly reinforce the system and subsequent more sustainable solutions. The purpose of quick wins are meeting problems related to lack of sufficient storage in HCs (#1), transport means (#2), competence and capacity of staff at HC (#3) and inefficient ordering (#4). Table 3: Solution impacts on lead-times, safety stock and ordering frequencies 12

Solutions Storage Improvement Kit and Storage Remedies (Quick Win #1) Temporary Transport Loan Program (Quick Win #2) Process Guideline Posters and Rapid Training (Quick Win #3) Electronic Data Exchange (Quick Win #4) Incorporation of District Logistics Advisor (Sustainable Solution #1) Establish Forecasting Process and Move Ordering to District Level (Sustainable Solution #2) Simplify and Reduce Logistics Workload at Health Centre Level (Sustainable Solution #3) Set Clear Transport Financing Parameters (Sustainable Solution #4) Establish Buffer Stock (Sustainable Solution #5) Improvement strategies from framework: Impact on lead-times, safety stock and order frequencies Improvement in stock-keeping at HCs results in more accurate record keeping and thus better basis for correct ordering. This reduces uncertainty and order lead-time to NMS. Better access to transport reduces uncertainty and transport lead-time from NMS to HCs Training and clear processes will bring an improvement in stock-keeping and stock management at HCs resulting in correct ordering. This will reduce uncertainty and order lead-time to NMS. Electronic submission of orders reduces order lead-time to NMS and internal lead-time at NMS as well as uncertainties. An improved forecasting and ordering process while ensuring that the correct data is inputted reduces order lead-time to NMS and internal lead-time at NMS. Through a more efficient order process, order frequency can increase. As above, but even more reduction in lead-time. Simplification of the structure by moving order point and incorporating sub-health district and district levels with the district store, i.e. reducing complexity by fewer distribution levels and points and use of postponement. Better forecasting also means adapting to demand patterns. As above. Reduction in transport lead-times particularly at the district levels. Establish 1 month safety stock in each DMS. Because of fewer uncertainties in the system, lead-times will be reduced. Safety stocks at health centres reduce accordingly. This means reducing the number of distribution points for stocks as well as postponing movement of stocks until they are needed at HC. Hence, in accordance with the conceptual framework overall changes include simplification of structure, transactions and management by reducing lead-times, increasing frequencies, adapting to and reducing uncertainties, reducing complexity by moving the customer order point upstream and strengthening the supply chain role of the district, reducing complexity by moving safety stock from HCs to DMS, improving information and communication principles and tools and improving coordination for better use of limited resources, clarify and strengthening the supply chain role of the district. The suggested solutions were tested in terms of quantification of their impact on lead-times and costs by developing a model to simulate the different solutions. This is reported elsewhere (Global Emergency Group, 2010). With basis in order frequency, lead-time, consumption data and cost estimates, the model calculates order quantity, average units in 13

stock and safety stock levels using basic logistics equations. From this follows comparisons of total costs between the current system and partly or full implementation of the recommendations, taking required investments to implement the suggested solutions into account. The purpose of the modelling exercise was to clarify and demonstrate basic links between important logistical characteristics, thus providing better decision support and argumentation for suggestions and ease the implementation phase. UNICEF intends to start implementation as soon as possible which means the study will have practical implications for the health of the Karamajong. Concerning theory, the study has contributed to further development of a basic model on logistics process redesign in terms of applicability in a different context within which it was originally developed. The application of the model demonstrates its strengths in terms of simplicity and usefulness when information is scarce, data collection is challenging and the main group of stakeholders have competence in other areas, such as health, than logistics and supply chain management. Furthermore, additional publications from the study will demonstrate how simple tools for quantification of impacts from solutions suggested from theory (Persson, 1995) can be developed and demonstrated by presenting the calculation model and tests that were developed as part of the project. Further research will focus on reporting on and refinement of the modelling approach to determine costs with more accuracy, while also developing a tool for practical use in terms of setting optimized order quantities and safety stock levels. Given the constraints in data availability and means of registration, there must be a continued focus on simple and applicable tools for use in a context which also in the foreseeable future will be characterised by lack of financial resources, infrastructure, competence and capacity. The study on which this paper is based provides substantial data and knowledge on an issue of great importance in most developing countries, namely how to improve logistics and supply chains for drugs which is an essential part of any health system. As such it contributes with empirical evidence much needed in humanitarian logistics. Further research should link studies like the one presented here with another area of research, namely that on global health supply chains (e.g. Chick et al. 2008). 14

7: REFERENCES AllAfrica (2009), Uganda: Health Centre III s a Death Trap, 18th September, AllAfrica.com: Kampala (http://allafrica.com/stories/200909140910.html). Anderson, T. (2009), Confusion over counterfeit drugs in Uganda, World Report, www.thelancet.com, Vol. 373, June 20. Balcik, B., Beamon, B.M., Kreijci, C.C., Muramatsu, K.M. and Ramirez, M. (2010) Coordination in humanitarian relief chains: Practices, challenges and opportunities, International Journal of Production Economics, Vol. 126, pp.22-34. Baraguhara, P., Maniple, E. and Mugisha, J.F. (2008), The challenges of managing government-seconded health workers in private not-for-profit health facilities of Kibaale District, Uganda, Health Policy and Development, Vol.6, N o 3, pp. 142-152. Beamon, B.M. and Balcik, B. (2008) Performance measurements in humanitarian supply chains, International Journal of Public Sectors Management, Vol.21, N o 1, pp. 4-25. Chick, S.E., Mamani, H. and Simchi-Levi, D. (2008) Supply Chain Coordination and Influenza Vaccination.Citation Only, Operations Research, Vol. 56 N o 6, pp. 1493-1506. EastAfrican (2009), Karamoja: No sign that Uganda s Wild West will sober up, East African 20 October. Elliot, C. (2008), Private Sector Mapping Uganda, Mission Report, Uganda, The Medicines Transparency Alliance (MeTA), December. Global Emergency Group (2010) Health Commodities Supply Chain Assessment in Karamoja Region Uganda, (Dumoulin, L., Greenhalgh, L. & Jahre, M.) 28th January, UNICEF Uganda. GoU (2007), Peace, Recovery and Development Plan for Uganda, 2007-2010, Republic of Uganda, September. IRIN PlusNews: From 17th June 2008 to 12th Oct. Selected articles on Drug Supply in Uganda. Izama, A. (2009), Uganda: The Disturbing Mystery of Missing HIV/Aids Drugs, 6th September, AllAfrica.com: Kampala (http://allafrica.com/stories/200909140910.html). Jahre, M. and Heigh, I. (2008) Does the Current Constraints in Funding Promote Failure In Humanitarian Supply Chains?, Supply Chain Forum: An International Journal, Vol. 9, N o 2, pp.44-54. Jahre, M. and Jensen, L-M. (2010) Coordination In Humanitarian Logistics Through Clusters, forthcoming, International Journal of Physical Distribution and Logistics Management. Jahre, M., Jensen, L-M. and Listou, T. (2009) Theory development in Humanitarian Logistics - A Framework and Three Cases, Management Research News, Vol.32, N o 11, pp. 108-1023. Japan International Cooperation Agency (2008), Local Service Delivery, Decentralisation and Governance: A Comparative Study of Uganda, Kenya and Tanzania on Education, Health and Agriculture Sectors, Uganda Case Report, March. Kaheru, H. (2009), NMS Gets Quicker, Modern Ways of Distributing Drugs, 13th September, AllAfrica.com: Kampala (http://allafrica.com/stories/200909140910.html). 15

Kiapi, E.M. (2008), Chronic drug shortage cripples health system, The Observer, April 2. Kimera, D. (2008), Assessing Bottlenecks in the reproductive health commodities supply chain, Consultancy Report for UNFPA-Uganda, February. Kovács, G. and Spens, K. M. (2007) Humanitarian Logistics in Disaster Relief Operations, International Journal of Physical Distribution and Logistics Management, Vol. 37, pp. 99-114. Kovács, G. and Spens, K. M. (2009) Identifying challenges in humanitarian logistics, International Journal of Physical Distribution and Logistics Management, Vol. 39, N o 6, pp. 506-528. Lemukol, J. (2008) Delivery of health services to a semi nomadic population, The experience of Karamoja. Doctors with Africa CUAMM. Uganda. Management Sciences for Health (2007), Rational Pharmaceutical Management Plus Program, Supporting the Uganda Ministry of Health to Improve Pharmaceutical Management for Malaria Interventions in Uganda, Support to Malaria Control in Uganda US President s Malaria Initiative, FY Work Plan,. MoH (2007), Annual Health Sector Performance Report, FY 2006/07, October. MoH (2007), The 3-year rolling procurement plan for essential medicines and health supplies. Including road map for harmonization, integration and alignment (FY 2006/07-2008/09), July, Ministry of Health, Government of Uganda. MoH (2008a), Health Facilities Inventory, Ministry of Health. MoH (2008b), NMS Task Force Recommendations, February, Draft Report. MoH (2008c), Pharmaceutical situation assessment level II, Health Facilities in Uganda, Report of a survey conducted July-August, December. MoH (2008d), Uganda Service Provision Assessment 2007, August, Ministry of Health, Government of Uganda. MoH (2008e), Access to and Use of Medicines By Households In Uganda. Report of a survey conducted for Ministry of Health, Government of Uganda. MoH (2008f), Annual Health Sector Performance Report, FY 2006/07, October. MoH (2009a), Annual Health Sector Performance Report, FY 2008/09, 1st Draft, October MoH (2009) National Health Policy; Reducing poverty through promoting people s health, May, Ministry of Health, Government of Uganda. MoH (2009b), National Pharmaceutical Sector Strategic Plan (NPSSP) 2000/10-20013/14, Draft, September Ministry of Health, Government of Uganda. MoH (2009c), National Health Policy. Reducing poverty through promoting people s health, May, Ministry of Health, Government of Uganda. MoH (2009d) Final Report Essential Medicines and Health Supplies Tracking Study, Unpublished, October Ministry of Health, Government of Uganda OCHA (2009), Karamoja Demographics and Health, http://www.ugandaclusters.ug, http://ochaonline.un.org. 16

Ofosu-Barko, K. (2008), NMS Task Force Report: Matrix of Recommendations from NMS Reviews, Summary, Unpublished internal review for the USAID Deliver Project, Kampala, Uganda. Okiror, B. (2009), Drug shortage hits Uganda, The New Vision, March 20. Okuonzi, S. (2009), Uganda: Drug Shortage is Due to Inefficiency in NMS, 24th February, AllAfrica.com: Kampala (http://allafrica.com/stories/200909140910.html). Oloruntoba, R. & Gray, R. (2006) Humanitarian aid: an agile supply chain?, Supply Chain Management: An International Journal, Vol. 11, pp.115-120. OPM (2007), Karamoja Integrated Disarmament And Development Programme. Creating Conditions for Promoting Human Security and Recovery in Karamoja, 2007/2008-2009/2010. Office Of The Prime Minister (OPM). Karamoja, Uganda. Persson, G. (1995) Logistics Process Redesign: Some Useful Insights, The International Journal of Logistics Management, Vol. 6, N o 1, pp.13-26. Saturday Monitor (2009), MDGs: Is UN target of combating HIV achievable?, 17th October. Spindler, A. (2008), In-Country Logistics Lesson s Learned 2008 Uganda National Integrated Health Campaign, Focus: ITN Distribution, Internal Report UNICEF. Stites, E., Akabwai, D., Mazaruna, D. and Ateyo, P. (2007), Angering Akajü: Survival and Suffering in Karamoja, A Report on Livelihoods and Human Security in the Karamoja Region of Uganda, Feinstein International Center, December. Tebajjukira, M. (2009), Uganda: Drug Firms in Court Over Faka Raw Materials, 7th September, AllAfrica.com: Kampala (http://allafrica.com/stories/200909140910.html). UBOS (2009), Statistical Abstract, Uganda. UN (2008), United Nations Development Assistance Framework (UNDAF) 2008 report entitled UNDAF Meta analysis on levels, trends and causes of the main development and humanitarian challenges in Uganda. By: Rev Consult International. UNICEF (2009a), Purchasing Supply for Children, http://www.unicef.org/supply/. UNICEF (2009b), The state of the world's children report 2009. UNICEF. New York. USAID (2007), Uganda: Final Country Report, March. USAID (2008), Task Order 1 Annual Report, USAID Deliver Project. USAID (2009), Uganda: Mapping The Distribution Of Commercial Goods To The Last Mile Distribution Along The North Shore Of Lake Kwania, USAID Deliver Project February. Viberg, N. (2009), Selling Drugs of Providing Health Care? The Role of Private Pharmacies and Drugstores, Examples from Zimbabwe and Tanzania, Karolinska Institutet, Phd. thesis, Stockholm. Wendo, C. (2008), Uganda: Fake Malaria Drugs On Sale, 16th May, AllAfrica.com: Kampala (http://allafrica.com/stories/200909140910.html). WFP (2009), Uganda: WFP Funding Cut Makes Hard Times Harder, 3 September, http://www.wfp.org/stories/. 17

WHO (2008),Task Shifting: rational redistribution of tasks among health workforces teams: global recommendations and guidelines, Geneva, Switzerland: WHO Document Production Services, Geneva. www.allafrica.com/stories www.ambkampala.um.dk/en www.gavialliance.org www.health.go.ug/ www.jcrc,co.ug www.jms.co.ug/ www.medicalaccess.co.ug www.msh.org www.natmedstores.org www.ochaonline.un.org www.pepfar.gov www.rollbackmalaria.org www.scms.pfscm.org/scms/where/ug www.theglobalfund.org www.uganda.usaid.gov www.ugandaclusters.ug www.unicef.org www.unicef.org/infobycountry/uganda_statistics.html www.wfp.org/stories www.whouganda.org Annex 1: Site visits in Karamoja District County Sub County Parish UBOS Population Projection 2008 Govt * PNFP * Name of the Facility HC V Hospital HC IV HC III HC II Abim Labwor 1 District Medical Store 1 1 Abim Labwor Abim Town Council Town Council / Wiawer 5652 1 Abim 1 1 Abim Labwor Alerek Koya 2681 1 Koya 1 1 Abim Labwor Lotukei Awach 4059 1 Awach 1 1 Abim Labwor Morulem Aremo 4707 1 Morulem 1 1 Abim 17099 5 0 1 1 0 1 2 5 Kaabong 1 District Medical Store 1 1 Kaabong Dodoth Kathile Kathile 1 Kathile 1 1 Kaabong Dodoth Kalapata Kalapata 1 Kalapata 1 1 Kaabong Dodoth Kalapata Kamion 1 Kamion 1 1 Kaabong Dodoth Sidok Langaro 1 Kopoth 1 1 Kaabong Dodoth Kaabong TC Central 1 Kaabong 1 1 Kaabong 281400 6 0 1 1 0 2 2 6 Kotido 1 District Medical Store 1 1 Kotido Jie Kacheri Kacheri 1 Kacheri 1 1 Kotido Jie Kacheri Losakucha 1 Losakucha 1 1 Kotido Jie Kotido TC Kotido west 1 Kotido 1 1 Kotido Jie Panyangara Loletio 1 Panyangara 1 1 Kotido 179306 5 0 1 0 1 1 2 5 Moroto 1 District Medical Store 1 1 Moroto Bokora Lopeei Lopeei 5000 1 Lopeei 1 1 Moroto Bokora Matany Lukuwas 13100 1 Matany Hospital 1 1 Moroto Bokora Iriir Iriir 10400 1 Iriri 1 1 Moroto Matheniko Katikekile Natumukale 5300 1 Lopelipel 1 1 Moroto Matheniko Katikekile Tapac 7500 1 Tapac 1 1 Moroto 41300 4 2 1 1 0 3 1 6 Nakapiripirit 1 District Medical Store 1 1 Nakapiripirit Pian Lolachat Lotaruk 4700 1 Lolachat 1 1 Nakapiripirit Chekwi Kamkomogole Tokora 3600 1 Tokora 1 1 Nakapiripirit Chekwi Namalu Loregae 14600 1 Nabulenger 1 1 Nakapiripirit Pokot Karita Karita 13400 1 Karita 1 1 Nakapiripirit 36300 5 0 1 0 1 2 1 5 Total no. of facilities assessed 18

Annex 2: List of Interviews Organisation Interviewee Position/Location Interview Date Chief, Moroto Zonal Office Narinder Sharma Moroto Diverse for Karamoja and Teso, UNICEF Admin Assistant, UNICEF Thomas Ochom Moroto Diverse Health & Nutrition, Joanna Nikulin Moroto Diverse UNICEF HIV specialist, UNICEF Francis Nyakojoo Moroto Diverse Health & Nutrition, Charles Wilfred Ochieng Moroto Diverse UNICEF Nutrition Specialist, Brenda Akwanyi Moroto Diverse UNICEF World Food Programme Rohit Pal Moroto Diverse (WFP) UNICEF Dr. Claudia Hudspeth Chief, Health & Nutrition 03.10.09 MoH Ms. Khalid Mohammed Consultant at Pharmacy Division, 20.10.09 Coordinator of the NPSSP Plan JMS Mr. Andrew C.W. Operations Manager 20.10.09 Nsubuga WHO Dr. Soloman Fisseha Medical Officer and Emergency 21.10.09 Cluster Lead Co ordinator MoH Dr. Martin Oteba Assistant Commissioner in Charge 22.10.09 of Pharmaceutical Supplies, International Health Specialist, Pharmacist MoH Dr. Gideon Kisuule Principal Pharmacist, Pharmacy 22.10.09 Division NMS Mr. Kamabare Moses General Manager 23.10.09 Kampala Pharmaceutical Mr. Anthony Kuria Business Development Manager 23.10.09 Industries Ltd. Quality Chemicals Mr. Nalima Geofrey Marketing Manager 26.10.09 Industries Ltd NDA B. Pharm Okello Okidi Inspector of Drugs 27.10.09 Simmons Danida Mr. Frans Bosman Medicines Management Advisor 28.10.09 Danida Mr. Claes Brom Senior Advisor 28.10.09 SURE Ms. Birna Trap Chief of Party 28.10.09 UNICEF Ms. Anna Spindler Supply Manager 23. & 30.10.09 ICRC Dr. Stephane Du Mortier Medical Co ordinator 02.11.09 UNFPA Dr. Ismail Ndifuna National Programme Officer 02.11.09 (Reproductive Health) UNFPA Dr. Primo Madra National Programme Officer 02.11.09 (Emergencies) UNICEF Mr. Phillips LimLim Programme Officer, Health & 03.11.09 Nutrition DHI Dr Martin Lyra Moroto 09.11.09 OCHA Kasper Enghorg Moroto 09.11.09 Health Sub District Achia Debora in the Moroto (Matany Hospital) 10.11.09 Matany Hospital absence of Dr Bruno CUAMM TA Dr Bernard Otucu Moroto 11.11.09 Senior Supplies Officer Locul Festo District Medical Store, Moroto 11.11.09 Senior Nurse Sister Rosario Matany Hospital, Moroto 11.11.09 Registered Midwife Irene Apio Tapac HCIII, Moroto 12.11.09 19

Enrolled nurse David Loitakol Lopelipel HCII Moroto 12.11.09 Nursing Officer Koder Joshua Lopeei HCIII, Moroto 13.11.09 CAO Walakira Paul Kotido 16. 11.09 Store Assistant Mary Mudong Kotido HCIV 16. 11.09 Clinical Officer Joseph Sapurr Kotido HCIV 16. 11.09 Senior Clinical Officer Ignatius Lodokyo Kacheri HCIII, Kotodo 17. 11.09 Nursing Assistant Labega Ensio Losakucha HCII, Kotido 17. 11.09 Nursing Officer Moding Celestine Panyangara HCIII, Kotodo 18. 11.09 DHO Dr Omeke Michael Moroto 19.11.09 DHO Dr Okio Talamoi Kotido 16. & 19.11.09 CUAMM TA Dr Philip Olinga Kotido 16. & 19.11.09 CUAMM TA Dr Rogers Ayoko Abim 19. 11.09 DHO Dr Kisambu James Kaabong 19. 11.09 CUAMM TA Dr Simon Aliga Kaabong 19. 11.09 CUAMM TA Tudo John Bosco Nakapiripirit 19.11.09 Nakapiripirit DHI Philip Siloi Nakapiripirit 19.11.09 IRC Raphael Ogutu & Mr. Moroto 19.11.09 Epiu Leonard Stephen HCT/PMTCT Aboka Moses Moroto 19.11.09 ACF USA Edward Kutindo Moroto 19.11.09 CUAMM TA Regional Dr Giovanni Dallogilo Moroto 20.11.09 Italian Embassy, Moroto Diocese 20.11.09 Development cooperation office Dr Pier Luifi Rossanigo Store Assistant Goeffey Okogo District Medical Store, Abim 23. 11.09 Store health Assistant Owilli John Logira HCV Abim Hospital 23. 11.09 Nursing Officier Ojum Benson Koya HCII, Abim 24. 11.09 Nursing assistant Akidi Christie Awach HCII, Abim 24. 11.09 Accounting Assistant Basil Morulem HCIII, Abim 24. 11.09 Record Assistant Bradford Morulem HCIII, Abim 24. 11.09 supplies officer Max Ben District Medical Store, Kotido 25. 11.09 Health Sub District Dr Sherif Kaabong 26. 11.09 Senior Supplies Officer Lokiru Gabriel Tirach District Medical Store, Kaabong 26. 11.09 Assistant supply officer Ayolo Alex Alinga HCV Kaabong Hospital 26. 11.09 Store assistant Betty Ayola HCV Kaabong Hospital 26. 11.09 Senoir clinical officer Angella John Bosco Kathile HCIII, Kaabong 26. 11.09 Nursing Assistant Chilla Methew Kamion HCII, Kaabong 30. 11.09 Registered comprehensive Kalapata HCIII, Kaabong 30. 11.09 Omara Alfred Daniel nurse Registered comprehensive Kopoth HCII, Kaabong 01.12.09 Okello William nurse Nursing assistant Logwe Zakary Kopoth HCII, Kaabong 01.12.09 Nakapiripirit DHO Dr John Anguzu Nakapiripirit 02.12.09 Assistant supply Officer District Medical Store, 03.12.09 Edward Ogwang Nakapiripirit Senior Nursing Officer Langgin Sisto Assis Tokora HCIV, Nakapiripirit 03.12.09 Clinical officer Turkey Solomon Karita HCIII, Nakapiripirit 03.12.09 Registered midwife Alirach Jane Karita HCIII, Nakapiripirit 03.12.09 Nursing Assistant Boniface Chuma Nabulenger HCII, Nakapiripirit 04.12.09 Enrolled Nurse Limlim Teddy Lolochat HCIII, Nakapiripirit 04.12.09 20

Annex 3: Interview guide Section 1: general questions type of facility interviewer s name date of interview name of person interviewed job title of person interviewed mobile number / email number of years or months working in the facility health facility name health facility type: district store, hc (v iv iii ii) county / sub county / parish district Section 2: human resources & staff capacity are you responsible for medical scm?, if no, find the right person! are you cumulating other functions? % of workload for medical scm? who else is involved? Name positions. what is your formal training? Qualification any medical scm training? would additional training be required? What type? do you know of available training? how many staff and function in hc facility? Name the positions. are there vacant positions? How many? any other human resources issues to add? what solutions would you propose to solve hr problems? is the office equipment, furniture adequate? what communication tools are you using? Section 3: forecasting requirements do you have guidelines for forecasting? what are the tools or the forms used to forecast needs stock on hand, demographic information, distribution data. is delivery lead time taken into account? Section 4: ordering drugs do you have guidelines for ordering drugs? when are drugs ordered? regular frequency? reach a stock reorder point or min stock? can you place emergency order? under what conditions? Does it work? how do you order drugs? what form is used? Show an example where is the form sent? How? how do you follow your orders? If no why not? what are the keys constraints when ordering drugs how would you improve the ordering process? Section 5: receiving the goods do you have guidelines for receiving goods? do you check goods received against the order? are medical items checked against documentation before a delivery is accepted? How is it organized? when the orders are received what are the 3 most common problems with the drug order? less quantity than ordered, poor packaging, expired drugs, not consistent with what you ordered, drugs are substituted. how do you report on these problems? To whom? do you get feedback on complaints and is action taken? 21

do you record reception of goods? what are the key constraints for receiving drugs? how would you improve the reception process? Section 6: sending the goods do you have guidelines for sending goods? do you follow (track) the goods you send out? do you notify the customer? how do you organize transport? frequency, outsource or not, organize route what are the key constraints when sending goods? how would you improve the delivery system? Section 7: stock and inventory practices (at both health centers level and district stores) do you have guidelines for stock and inventory management? what types of inventory records are maintained at this store? (stock cards/records, requisition and issue voucher, tally sheets) are periodic reports generated? If yes, provide example. Where is the report sent? Frequency? is a physical count undertaken? What frequency? how do you manage discrepancies? what are the key constraints for stock and inventory management? how would you improve the stock management process? Section 8: storage facility (at district and health centers) what type of facility is used for storage:(dedicated building / room, shared room) what type of storage is used for medical items? (pallets, shelves, cupboards) is there a refrigerator or cold storage room for vaccine? is the storage space adequate for the volume and type of products stored in the pharmacy? is there a separate locked cabinet for controlled drugs? Yes/no is there a protocol in place for fire and other hazards? Yes/no is there fire equipment on site? Yes/no storeroom is regularly cleaned and maintained in good condition yes/no the storeroom is dry and does not suffer from damp conditions. Yes/no the storeroom is well lit. Yes/no the storeroom is air conditioned (well ventilated, ceiling fan) or other means of temperature control yes/no room temperature routinely monitored (check temperature charts). Yes/no products are stored out of direct sunlight. Yes/no products are separated by therapeutic group, lots and are stored in a manner accessible for first expiry / first out (fefo), counting and general management. Yes/no drugs are arranged so that identification labels, batch no, expiry dates, and manufacturing dates are visible. Yes/no is there a standard policy on rejected, damaged, and expired drugs or products? What is it? are measures implemented to ensure security of pharmacy and supplies? electricity (solar, generator, other) water (distance to water source) telephone (landline or mobile) internet yes/no what would be the priority for improvement for infrastructure? do you have transport mean? i Although a number of these sources refer Ministry of Health (MoH), they were undertaken by consultants and researchers on behalf of MoH, not by MoH themselves. However, care should of course be taken when it comes to objectivity, which is why data has been triangulated. Lack of data is one of the challenges in developing countries. By meeting a large number of stakeholders and 22

working in Uganda on behalf of UNICEF for such a long time, this project had access to data that would have been very difficult to get hold of otherwise. 23