Reconstructing End-User Demand under Batch-Level Ambiguity: Flow-Constrained Record Linkage and Audit Allocation in Orthopedic Consignment Networks

आधुनिक सर्जरी की उच्च-दांव वाली दुनिया में, एक सर्जन द्वारा चिकित्सा उपकरण का उपयोग करने का क्षण केवल एक जटिल प्रशासनिक यात्रा की शुरुआत मात्र है। जब कोई अस्पताल एक ऑर्थोपेडिक इम्प्लांट का उपयोग करता है, जैसे कि टूटी हुई हड्डी को थामे रखने के लिए एक पेंच (स्क्रू), तो उस घटना को दर्ज करने के लिए एक नैदानिक रिकॉर्ड बनाया जाता है। हालांकि, वह वित्तीय रिकॉर्ड जो पुष्टि करता है कि उस पेंच के लिए किसने भुगतान किया और वह कहाँ से आया, अक्सर बाद में आता है, कभी-कभी एक अलग प्रारूप में, और अक्सर अन्य उपकरणों के साथ समूह में होता है। भौतिक सर्जरी और वाणिज्य के कागजी दस्तावेज़ के बीच का यह अंतर एक अदृश्य क्षेत्र (ब्लाइंड स्पॉट) पैदा करता है। अस्पतालों और वितरकों को इन्वेंटरी और बिलिंग के प्रबंधन के लिए यह जानना आवश्यक है कि वास्तव में किस उपकरण का उपयोग किया गया था, लेकिन जब रिकॉर्ड देर से आते हैं या उन्हें एक साथ मिला दिया जाता है, तो एक विशिष्ट पेंच को एक विशिष्ट सर्जरी से मिलाना कठिन हो जाता है। यह अनिश्चितता केवल कागजी कार्रवाई की समस्या नहीं है; यह राजस्व के नुकसान, गलत इन्वेंटरी ऑर्डर और इस बात की स्पष्टता की कमी का कारण बन सकती है कि चिकित्सा आपूर्ति वास्तव में सिस्टम के माध्यम से कैसे आगे बढ़ रही है।

एक शोधकर्ता, होंगजी जियांग ने ऑर्थोपेडिक कंसिग्मेंट नेटवर्क के विशिष्ट संदर्भ में इस पहेली को हल करने का प्रयास किया। इन नेटवर्कों में, चिकित्सा उपकरण अस्पतालों में बिक्री से पहले रखे जाते हैं, जिसका अर्थ है कि अस्पताल इन्वेंटरी रखता है लेकिन केवल उसी के लिए भुगतान करता है जिसका वे उपयोग करते हैं। चुनौती यह है कि जो उपयोग किया गया था उसके रिकॉर्ड अक्सर बैचों में आते हैं, जिससे यह बताना कठिन हो जाता है कि वितरक के पेंचों का कौन सा विशिष्ट बैच एक विशिष्ट सर्जरी से संबंधित है। जियांग ने एक बड़े वितरक और अस्पताल नेटवर्क में उपयोग किए जाने वाले स्पाइनल स्क्रू के एक एकल परिवार पर ध्यान केंद्रित किया। एक महीने के सर्जिकल रिकॉर्ड को देखने और नौ महीने के सेटलमेंट डेटा के साथ तुलना करने के बाद, अध्ययन ने इन उपकरणों की वास्तविक मांग को पुनर्ग構築 (reconstruct) करने का प्रयास किया, भले ही कागजी रास्ता अधूरा या विलंबित हो। लक्ष्य न केवल यह पता लगाना था कि किन पेंचों का उपयोग किया गया था, बल्कि यह भी समझना था कि कुछ रिकॉर्ड क्यों मेल नहीं खा रहे थे और उन विसंगतियों को ठीक करने के लिए सीमित समय और संसाधनों का उपयोग कैसे किया जाए।

अध्ययन की शुरुआत इस मिलान प्रक्रिया को एक साधारण सूची तुलना के बजाय एक 'प्रवाह समस्या' (flow problem) के रूप में मानकर हुई। कल्पना कीजिए कि आप चाबियों के एक सेट को तालों के एक सेट से मिलाने की कोशिश कर रहे हैं जहाँ कुछ चाबियाँ कई तालों में फिट हो सकती हैं, और कुछ ताले उन चाबियों से खोले गए हो सकते हैं जो देर से आईं। शोधकर्ता ने एक ऐसा मॉडल बनाया जो प्रणाली की भौतिक सीमाओं का सम्मान करता था: एक वितरक अपने बैच में मौजूद पेंचों से अधिक पेंचों की आपूर्ति नहीं कर सकता है, और एक एकल सर्जरी में दर्ज किए गए पेंचों से अधिक पेंचों का उपयोग नहीं किया जा सकता है। इन सख्त नियमों को लागू करके, मॉडल यह निर्धारित कर सका कि कौन से मिलान संभव थे और कौन से असंभव। जब मॉडल चला, तो उसने पाया कि 540 सर्जिकल रिकॉर्डों में से, जिनमें से तुलना की जा सकती थी, केवल 229 का सेटलमेंट रिकॉर्ड के साथ एक स्पष्ट, एकल मिलान था। अन्य 84 के पास एक मिलान था, लेकिन वह कई संभावनाओं में से एक था। शेष 311 रिकॉर्डों का कोई स्पष्ट मिलान नहीं था। इसने "अनसुलझी" मांग का एक बड़ा समूह छोड़ दिया जिसे समझने की आवश्यकता थी।

इन 311 बेमेल रिकॉर्डों को समझने के लिए, अध्ययन ने समय और लापता कड़ियों की प्रकृति को देखा। यह पाया गया कि बेमेल होने के कारण यादृच्छिक (random) नहीं थे। बेमेल रिकॉर्डों का लगभग एक-तिहाई हिस्सा बस अपने कागजात के आने का इंतजार कर रहा था; सर्जरी हो चुकी थी, लेकिन वित्तीय निपटान अभी तक समय सीमा तक संसाधित नहीं किया गया था। बेमेल रिकॉर्डों का एक चौथाई हिस्सा इसलिए बाधित था क्योंकि कई सर्जरी एक ही बैच के पेंचों के लिए प्रतिस्पर्धा कर रही थीं, या क्योंकि वितरक के रिकॉर्ड इतने अस्पष्ट थे कि किसी एक स्रोत की पहचान करना कठिन था। सबसे बड़ा समूह, जो लगभग आधे बेमेल रिकॉर्डों का प्रतिनिधित्व करता था, पूरी तरह से एक अलग पथ से संबंधित प्रतीत हुआ। ये संभवतः वे पेंच थे जो थोक चैनलों या अन्य इन्वेंटरी प्रणालियों के माध्यम से चले थे जो अध्ययन किए जा रहे विशिष्ट कंसिग्मेंट रिकॉर्ड में दिखाई नहीं दिए। मॉडल ने प्रत्येक परिदृश्य के लिए संभावनाओं को सौंपा, प्रभावी रूप से इस बात का मानचित्र तैयार किया कि अनिश्चितता कहाँ स्थित थी।

शोध का सबसे महत्वपूर्ण हिस्सा केवल विसंगतियों की पहचान करना नहीं था, बल्कि उन्हें कुशलतापूर्वक ठीक करने का तरीका खोजना था। अस्पतालों और वितरकों के पास इन रिकॉर्डों की समीक्षा करने के लिए सीमित कर्मचारी और समय होता है। वे प्रत्येक बेमेल प्रविष्टि की जांच नहीं कर सकते। शोधकर्ता ने पूछा: यदि आप केवल रिकॉर्ड के एक छोटे से हिस्से की समीक्षा कर सकते हैं, तो आपको किसे चुनना चाहिए ताकि सबसे अधिक स्पष्टता प्राप्त हो सके? एक सामान्य प्रवृत्ति सबसे बड़े ऑर्डर की जांच करने की होती है, यह मानते हुए कि बड़े नंबर सबसे अधिक महत्वपूर्ण होते हैं। हालांकि, अध्ययन ने पाया कि यह दृष्टिकोण अक्षम था। कई बड़े ऑर्डर पहले से ही स्पष्ट और स्थिर थे, इसलिए उनकी जांच करने से बहुत कम नई जानकारी मिली। इसके बजाय, अध्ययन ने "सूचना के मूल्य" (value of information) पर आधारित एक रणनीति प्रस्तावित की। यह विधि उन रिकॉर्डों को प्राथमिकता देती है जो मात्रा में भी बड़े हैं और अत्यधिक अनिश्चित भी हैं। यह उन विशिष्ट मामलों को देखता है जहाँ एक समीक्षा एक बड़ी अस्पष्टता को हल कर सकती है, जैसे कि एक सर्जरी जिसके लिए तीन अलग-अलग वितरकों में से किसी का भी उपयोग किया जा सकता था।

जब शोधकर्ता ने पुराने तरीके (सबसे बड़े ऑर्डर की जांच करने) के मुकाबले इस नई रणनीति का परीक्षण किया, तो अंतर स्पष्ट था। केवल 20% रिकॉर्डों की समीक्षा करने के बजट के साथ, नई रणनीति ने प्रणाली की कुल अनिश्चितता के आधे से अधिक हिस्से को हल कर दिया। इसके विपरीत, सबसे बड़े ऑर्डर की जांच करने वाली पारंपरिक विधि ने अनिश्चितता का केवल एक-तिहाई हिस्सा ही हल किया। नया दृष्टिकोण उस परिणाम को प्राप्त करने के लिए जो पुराने तरीके को चाहिए होता, उससे 40% कम समीक्षाओं के साथ समान स्पष्टता प्राप्त करने में सक्षम था। इसका अर्थ है कि केवल सबसे बड़े नंबरों पर ध्यान केंद्रित करने के बजाय, जहाँ भ्रम सबसे अधिक था उन विशिष्ट रिकॉर्डों पर ध्यान केंद्रित करके, संगठन अपने समय और धन की बचत कर सकते हैं और अपनी आपूर्ति श्रृंखला की अधिक स्पष्ट तस्वीर प्राप्त कर सकते हैं।

अध्ययन ने यह भी परीक्षण किया कि क्या ये निष्कर्ष तब भी कायम रहेंगे यदि डेटा थोड़ा अलग दिखता है। उदाहरण के लिए, क्या होगा यदि कुछ रिकॉर्ड एक ही सर्जरी के डुप्लिकेट हों? या क्या होगा यदि सबसे सक्रिय वितरक को विश्लेषण से हटा दिया जाए? हर परिदृश्य में, नई रणनीति श्रेष्ठ बनी रही। भले ही डेटा को सरल बनाया गया हो या नेटवर्क बदला गया हो, उच्च-अनिश्चितता, उच्च-मात्रा वाले रिकॉर्डों को लक्षित करने की विधि ने लगातार मानक दृष्टिकोण से बेहतर प्रदर्शन किया। शोध ने यह भी दिखाया कि अनिश्चितता समान रूप से नहीं फैली हुई थी; यह विशिष्ट वितरकों और महीने के विशिष्ट समय में केंद्रित थी, विशेष रूप से बिलिंग चक्र के अंत में जब रिकॉर्ड के विलंबित होने की संभावना सबसे अधिक होती है।

अंततः, यह कार्य चिकित्सा आपूर्ति श्रृंखलाओं में अदृश्य अंतराल को प्रबंधित करने के लिए एक व्यावहारिक मार्गदर्शिका प्रदान करता है। यह प्रदर्शित करता है कि अनिश्चितता अधिक डेटा की जांच करके हल की जाने वाली एक एकल समस्या नहीं है, बल्कि सही डेटा की जांच करके प्रबंधित किया जाने वाला एक संसाधन है। घटनाओं के समय को इन्वेंटरी की भौतिक सीमाओं के साथ जोड़कर, अध्ययन एक अराजक बेमेल रिकॉर्ड के ढेर को एक स्पष्ट, कार्रवाई योग्य योजना में बदलने का तरीका प्रदान करता है। जो प्रबंधक इन नेटवर्कों की देखरेख करते हैं, उनके लिए संदेश स्पष्ट है: केवल सबसे बड़े नंबरों को न देखें। उन स्थानों को देखें जहाँ कहानी अस्पष्ट है, और अपना ध्यान वहीं केंद्रित करें। यह दृष्टिकोण उन्हें अपने खातों का तेजी से मिलान करने, अपनी इन्वेंटरी को अधिक सटीक रूप से प्रबंधित करने और यह सुनिश्चित करने की अनुमति देता है कि रोगियों को ठीक करने के लिए उपयोग किए जाने वाले उपकरणों का उचित हिसाब रखा जाए, भले ही कागजी रास्ता अपूर्ण हो।