· Cédric Druck
De soorten planningssystemen voor klinische bevoorrading
Ik zal die dag nooit vergeten. Pas afgestudeerd ontdekte ik tien jaar geleden de klinische bevoorrading, toen ik in een vergaderzaal op het bureau van een klant een vergeten blad papier vond. Er stonden vuistregels op om de overmaat aan studiemedicatie te berekenen (de medicatie die niet aan patiënten wordt verstrekt, maar nodig is om onzekerheid, netwerkeffecten, beschadigde en verloren eenheden op te vangen…). Zoiets als:
- Minimale overmaat: 10 %
- Als de studie titraties bevat: +20 %
- Als de studie meer dan 2 behandelingsarmen heeft: +15 %
Mijn illusies over wiskundig onderbouwde praktijken in de sector lagen aan diggelen! Er zijn talloze voorbeelden van hoe deze regels kunnen mislopen, maar dat is niet het onderwerp van dit artikel. Beloof me gewoon dat u ze niet gebruikt!
Het voorbije decennium is het beheer van de klinische bevoorradingsketen sterk geëvolueerd, onder druk van steeds complexere studies en een toenemende kostendruk. Heel wat leveranciers bieden vandaag gespecialiseerde software aan. In dit artikel stel ik een mogelijke indeling van die oplossingen voor en zet ik de verschillen op een rij, vanuit de diepgang en nauwkeurigheid van de berekeningen.
Op de achterkant van een envelop
De titel zegt het al. Snelle berekeningen op basis van ervaring en intuïtie. Elke planner heeft zijn of haar eigen aanpak.
Meestal geen veilige manier om beslissingen te nemen tijdens de planning of uitvoering van een studie, maar het kan zinvol zijn in een heel vroeg stadium, bijvoorbeeld om het ontwerp van de bevoorradingsketen of de verpakking te verbeteren… wanneer nauwkeurige en volledige gegevens toch ontbreken.
Rekenbladen
Een krachtig en flexibel hulpmiddel. Gebruikers begrijpen perfect wat er in en uit hun eigen formules gaat… tot ze het niet meer begrijpen. Rekenbladen worden vaak steeds ingewikkelder, aanpassingen raken vergeten, en stilaan sluipen er fouten en misrekeningen in. Voor u het weet, hebt u uw eigen Frankenblad gecreëerd, dat u in het beste geval wat hoofdpijn en uren onderhoud per studie oplevert.
Ik heb wel bedrijven gezien waar sjablonen voor klinische bevoorrading beheerd en gecontroleerd worden door IT, en gedeeltelijk vergrendeld zijn. Een goede manier om sommige nadelen van de methode te beperken.
Prognosesoftware
Prognosesoftware maakt een duidelijk onderscheid tussen de generieke modellering van de klinische bevoorradingsketen, die gebruikers niet mogen wijzigen, en het model en de gegevens van één specifieke studie.
Meer gestandaardiseerd dan rekenbladen, beter te onderhouden, en met het programmeerwerk bij gespecialiseerde leveranciers: dit is voor mij het eerste “professionele” niveau van systemen voor klinische bevoorrading.
Sommige van deze oplossingen dekken alleen de rekrutering of de vraag naar kits, andere ook de bevoorradings- en verzendplanning, de upstreamplanning (afgewerkt product, actief bestanddeel) en eventueel koppelingen met andere kernsystemen (ERP…).
Een zwakte van deze aanpak (en van alle vorige) is wel dat alleen de gemiddelde behoeften voorspeld kunnen worden, en dat de overmaat manueel bepaald moet worden.
Simulatiesoftware
Als gemiddelde projecties niet volstaan, moet men overstappen op geavanceerdere rekentechnieken, zoals Monte-Carlosimulaties.
De modellen bevatten dan statistische verdelingen van de variabelen in het systeem (rekruteringssnelheid, opening van sites, randomisatie, titraties…) en proberen daaruit experimentele verdelingen van de vraag per site en per depot af te leiden, om vervolgens vrijgave- en distributieplannen te berekenen.
Deze oplossingen geven een antwoord op de berekening van de overmaat, maar ze hangen sterk af van de nauwkeurigheid en volledigheid van de gegevens die u erin stopt. En met de complexiteit gedragen ze zich vaak als “black boxes”, met weinig controle en zicht op hoe de berekeningen gebeuren.
Analytische en statistische modellen
Een alternatief voor simulatie is het analytisch berekenen van statistische verdelingen. Dat is krachtiger dan simulatie, maar snel beperkt door de complexiteit van de formules.
Geautomatiseerde scenariotests
Zodra een scenario gesimuleerd en een bevoorradingsstrategie berekend kan worden, kan een systeem automatisch varianten van een referentieplan testen.
Als er indicatoren gedefinieerd zijn, zoals het serviceniveau en de totale kost van de bevoorradingsketen, kunnen de geteste scenario’s met elkaar vergeleken worden en kan een betere strategie gekozen worden.
Optimalisatie
Het begrip optimalisatie wordt heel vaak misbruikt. Strikt genomen betekent het de keuze van het beste element (volgens bepaalde criteria) uit een reeks beschikbare alternatieven (bedankt, Wikipedia). Optimalisatie gebeurt met wiskundige technieken zoals (niet-)lineaire programmering, gemengd geheeltallige programmering, constraint programming, heuristieken enzovoort.
Voor de bevoorradingsketen van een klinische studie zou het betekenen dat men de beste parameters van de keten vindt (herbevoorradingsparameters van de IRT, depotbeheer, planning van verpakking en etikettering…) door tegelijk meerdere tegenstrijdige doelstellingen te optimaliseren, zoals de totale bevoorradingskost en het risico op gemiste dosissen. Dat heet multi-objectieve optimalisatie.
Voor zover ik weet, biedt vandaag geen enkele oplossing op de markt dit aan. Misschien in de toekomst?
Welke is dan de beste?
Er is geen eenvoudig antwoord. De echte vraag is welke de beste is voor u. Hier zijn enkele kernvragen.
Wat zijn uw doelstellingen? Welke beslissingen wilt u nemen? Gaat het eerder om vroege planning of om uitvoering? Om kostenbesparing, controle over lopende studies, eenvoudiger planningswerk…?
Hoe goed zijn uw gegevens? U kent het gezegde: garbage in, garbage out. Als uw rekruteringsramingen doorgaans zwak zijn, is een eenvoudigere oplossing misschien beter dan een geavanceerde oplossing voeden met onbetrouwbare gegevens.
Hoe complex of duur zijn uw studies? Hoe verhouden de studies in een grote portefeuille zich qua complexiteit en kost? Kleine, eenvoudige maar dure studies worden soms zelfs beter “met de hand” beheerd, met gedetailleerde opvolging en een creativiteit die geen enkel generiek systeem kan bieden.
Hoe geavanceerder de oplossing, hoe duurder en/of tijdrovender ze wordt: de kosten en baten van de opties afwegen is dus essentieel. Niet elke studie verdient dezelfde inspanning, en misschien moeten meerdere oplossingen samen gebruikt worden, of gekozen op basis van een segmentering van de studies.
Wat zijn de vaardigheden en profielen van uw bevoorradingsteam? Ook hier vragen de geavanceerdere technologieën een dieper begrip van de principes van de bevoorradingsketen, statistiek enzovoort. Misschien moet u kiezen tussen opleiden, aanwerven of het bevoorradingsbeheer van de meest complexe of dure studies uitbesteden.
Ik bespreek graag een specifiek geval: contacteer me via LinkedIn of op cedric.druck@belenox.be.
Oorspronkelijk in het Engels gepubliceerd op LinkedIn, op 12 augustus 2015.