BEAN-Theory – The Integrated Systems Model for Pathology
Multivariate Stochastic Theory of Diagnostic Flow Geometry – An Empirical Systems Framework
En matematisk systemteori för diagnostiska flöden
BEAN-Theory är ett matematiskt och stokastiskt ramverk för analys av komplexa diagnostiska flödessystem. Teorin utvecklar klassisk köteori till en sammanhängande dynamisk systemrepresentation där inflöde, kapacitet, arbetsmassa, variation, sekvensgeometri, återhämtning och tid behandlas som ömsesidigt relaterade storheter.
Utgångspunkten är att ett diagnostiskt flöde inte kan förstås fullständigt genom att dess enskilda processer studeras isolerat. Systemets beteende formas av relationerna mellan processernas tillstånd, deras positioner, tidsförskjutningar och inbördes påverkan.
BEAN-Theory omfattar en global systemrepresentation, en lokal fältgeometrisk representation och Backlines bakåtriktade tidsgeometri. LEAN kompletterar dessa matematiska strukturer genom operativ stabilisering.
BEAN – den globala systemdynamiken
Den globala systemrepresentationen beskriver flödets samlade tillstånd och dess framåtriktade utveckling.
Systemets tillstånd uttrycks genom
M(t) = (λ(t), μ(t), DWIP(t), V(t), G(t), R(t), Ttotal(t))
Representationen sammanför inflöde, kapacitet, dynamisk arbetsmassa, variation, sekvensgeometri, globalt återhämtningsförlopp och total genomloppstid.
Dessa komponenter bildar ett kopplat dynamiskt system där förändringar i en del kan påverka flera andra komponenter. En kapacitetsförändring behöver exempelvis inte leda till kortare svarstid om kapaciteten är placerad vid fel processposition eller om arbetsmassans sekvens och tidsstruktur hindrar ett effektivt genomflöde.
Den lokala fältgeometrin
En central del av BEAN-Theory är den lokala fältrepresentationen FΩ(x,t).
Fältet beskriver hur systemets tillstånd varierar över processposition och tid. Därmed kan lokala förändringar analyseras utifrån deras position, riktning, historik och möjliga fortplantning genom flödet.
Den fältgeometriska analysen behandlar hur störningar uppstår, förstärks, dämpas eller överförs mellan processpositioner. Lokala tillstånd relateras till den globala systemrepresentationen genom definierade matematiska kopplingar.
Teorin omfattar differentiala samband, dynamiska tillståndsrelationer, matematiska operatorer, kopplingsstrukturer, propagation och kombinatoriska tillståndsrum.
Fältgeometrin ger därmed ett matematiskt perspektiv på hur ett flödessystems struktur utvecklas, snarare än enbart hur dess totala arbetsmängd förändras.
Backline – den bakåtriktade tidsgeometrin
Backline tillför ett kompletterande matematiskt perspektiv genom att utgå från ett definierat kliniskt sluttidsvillkor.
Från den tidpunkt då ett diagnostiskt svar behöver vara färdigt analyseras processen bakåt. Den återstående arbetsmassan, processgeometrin, kapaciteten och det aktuella systemtillståndet relateras till det tillgängliga tidsfönstret.
Backline gör det därmed möjligt att analysera förhållandet mellan processens aktuella position och de tidsmässiga villkor som behöver uppfyllas för att nå det kliniska målet.
LEAN – operativ stabilisering
LEAN behandlas som ett kompletterande operativt ramverk för standardisering, arbetsorganisation och reducering av påverkbar variation.
Standardiserade arbetsmoment, tydliga materialflöden, ordning, kompetensfördelning och stabila arbetsrutiner kan minska den variation som uppstår genom arbetsorganisationen.
LEAN beskriver inte den matematiska flödesdynamiken, men påverkar de operativa förutsättningar under vilka denna dynamik utvecklas.
Kömodellstruktur genom det diagnostiska flödet
Det diagnostiska flödet kan inte representeras av en enda kömodell.
I analysen identifieras 13 olika kömodellklasser, vilka beskriver skilda egenskaper hos ankomstprocesser, servicetidsfördelningar, fasstrukturer och grader av determinism.
Samma arbetsmoment kan dessutom uppvisa olika köegenskaper beroende på belastning, tidpunkt, prioritering, tillgänglig kapacitet och föregående processers utflöde.
Kömodellerna ska därför inte betraktas som permanenta klassificeringar av enskilda arbetsmoment, utan som matematiska modellklasser vars relevans beror på processens aktuella förutsättningar.
Utflödet från en köstruktur kan bli inflöde till nästa. Variation, batchning, kapacitetsbegränsningar, sekvensförändringar och tidsförskjutningar kan därmed fortplantas mellan processer med olika matematiska egenskaper.
När deterministiska och stokastiska processer samverkar kan variationens struktur förändras genom övergångarna.
Det är dessa kopplingar som gör att laboratoriet måste analyseras som ett sammanhängande dynamiskt system snarare än som en serie oberoende köer.
Från lokala processer till systemförståelse
BEAN-Theory förenar klassisk köteori med multivariat stokastisk analys, fältgeometrisk systemrepresentation och tidsberoende matematiska relationer.
Det övergripande syftet är att beskriva hur komplexa diagnostiska flöden utvecklas, varför lokala förändringar kan få globala konsekvenser och under vilka förutsättningar korta och stabila svarstider kan upprätthållas.
Teorin har utvecklats med patologiverksamheten i Sundsvall som empiriskt observationss.
Moment
Kömodellklasser
Teknisk
beskrivning av beteendet
Transport
M/M/1,
G/G/1
Inflödet
består av schemalagda transportfönster som skapar en deterministisk komponent,
kombinerat med stokastiska transporter från kliniska tidpunkter och geografisk
variation.
Inregistrering
G/M/1,
G/G/1
Momentet
hanterar en omfattande ackumulerad arbetsmassa från föregående kväll, tre
schemalagda transportankomster samt stokastiskt inflöde av interna och
operationsrelaterade prover. Servicetiden varierar mellan olika registrerings-
och kontrollmoment
(ordinarie)
D/M/1,
M/G/1
Momentet
föregås av remiss- och burksortering, vilket skapar en reglerande och dämpande
funktion före själva utskärningen. Detta kan ge ett nära regelbundet inflöde
till utskärningsarbetet. Servicetiden är samtidigt heterogen och påverkas av
preparatets egenskaper.
Färskhantering
M/M/1,
G/G/1
Inflödet
är stokastiskt och styrs av kliniska tidpunkter och akuta händelser.
Servicetiden varierar med preparattyp, komplexitet och prioriteringsgrad,
vilket ger både lokalt Markovianska och mer generella köegenskaper.
Fryssnitt
M/M/1,
G/G/1, PH/PH/1
Inflödet
är stokastiskt och styrs av operationssalens behov. Serviceprocessen består av
flera sekventiella delmoment — utskärning, snittning, färgning och slutkontroll
— med egna tids- och variansprofiler, vilket ger momentet tydliga flerfasiga
serviceegenskaper.
Dehydrering
M/D/1,
PH/PH/1
Snittning
M/D/1,
PH/PH/1
Inflödet
styrs av bäddningens rytm. Servicetiden varierar med blockens material och
komplexitet. Efterbeställningar hanteras i ett parallellt spår för att begränsa
deras påverkan på det ordinarie flödets variation. Momentet uppvisar stark
sekvensgeometrisk koppling.
Färgning H&E
G/Ek/1,
G/G/1, PH/PH/1
Specialfärgning
G/Ek/1,
G/G/1, PH/PH/1
Cyklens
längsta färgbad fungerar som tidsankare och begränsar inmatningen av
efterföljande korgar. Inflödet är kopplat till snittningens utflöde, varifrån
variation kan fortplantas in i momentet
Immunhistokemi
M/PH/1,
G/PH/1, PH/PH/1
Momentet
består av flera faser med egna variansprofiler och fasberoende
kapacitetsbegränsningar.
Molekylärpatologi
M/H2/1,
G/PH/1, PH/PH/1
Inflödet
varierar med metodval och provtyp. Cykliska PCR‑processer skapar fasindelad
service.
Skanning
G/D/1,
D/M/1
Inflödet
styrs av färgningens utflöde. Servicen är nära deterministisk. Variation i
färgningen fortplantas in i skanningen.
Diagnos
Inflödet
varierar med kliniska tidpunkter och ärendekomplexitet. Vid stabilt inflöde
uppträder M/G/1‑egenskaper.
Transkription
G/G/1,
M/G/1, PH/PH/1
Servicetiden
varierar med ärendetyp, textmängd och behov av komplettering. Vid sekventiella
delmoment kan serviceprocessen uppvisa fasstrukturerade egenskaper
Signering
G/G/1
Inflödet
är tidsberoende och styrs av kliniska prioriteringar. Servicetiden varierar med
ärendets komplexitet.
Svarsutskick
D/M/1,
G/M/1
Vid
regelbundet inflöde uppstår en D/M/1‑struktur. Vid stokastiskt inflöde
motsvarar momentet G/M/1.
Tabellen visar att det diagnostiska flödet snarare bör betraktas som ett konglomerat av sammankopplade köstrukturer än som en homogen kö. Ankomstprocessen till ett moment är dessutom ofta utflödet från det föregående momentet. Variation, batchning och tidsstruktur kan därför fortplantas mellan processstegen.
En klassisk kömodell kan beskriva viktiga lokala egenskaper såsom ankomstintensitet, serviceintensitet, nyttjandegrad, väntetid och kölängd. När flera sådana moment kopplas samman uppstår emellertid ytterligare systemegenskaper. Ett lokalt stabilt moment behöver inte innebära att det sammanhängande flödet är stabilt, eftersom arbetsmassa och variation kan förskjutas mellan processgränserna.
Detta utgör en viktig övergång från traditionell köteori till BEAN-Theory. Kömodellerna försvinner inte ur modellen utan behålls som lokala matematiska beskrivningar. BEAN placerar dessa lokala köstrukturer i ett gemensamt tidsvarierande system där inflöde, kapacitet, dynamisk arbetsmassa, variation, sekvensgeometri, riktning och total svarstid kan analyseras tillsammans.
Köteorin beskriver därmed lokala mekanismer i flödet. BEAN-Theory beskriver hur dessa mekanismer samverkar och förändras genom det sammanhängande systemet.
Svarstidernas utveckling 2015–2026
Analysen bygger på cirka 9.75 miljoner datapunkter från det diagnostiska flödet (Motsvarar ungefär 25 000 A4-sidor).
Figuren visar utvecklingen av medianen (p50) och den 95:e percentilen (p95) för svarstider under perioden 2015–2026.
Under perioden minskade p50 från 9,92 till 4,66 dagar, vilket motsvarar en minskning med 53,02 procent. Samtidigt minskade p95 från 32,05 till 8,87 dagar, motsvarande en reduktion med 72,32 procent.
Förändringen är särskilt tydlig i p95. De längre svarstiderna har reducerats kraftigt samtidigt som medianen har förskjutits mot kortare tider. Avståndet mellan p50 och p95 har därmed minskat, vilket visar att svarstidsfördelningen blivit mer sammanhållen och att variationen i det diagnostiska flödet har reducerats.
Utvecklingen innebär att en större del av diagnostiken ryms inom de kliniska tidsfönster som omger laboratoriets arbete. Det är centralt i BEAN-Theory, där flödets funktion inte enbart bedöms utifrån intern produktionstid, utan utifrån dess förmåga att föra diagnostiken genom processen inom de tidsramar som den kliniska verksamheten kräver.
Skillnaden mellan p50 och p95 – systemets stabilitet
Skillnaden mellan p50 och p95 kan betraktas som ett sammansatt uttryck för stabiliteten i det diagnostiska flödet. Svarstiden uppstår inte i ett enskilt processteg utan som resultatet av hur hela systemets tillstånd utvecklas över tid. När avståndet mellan medianen och den 95:e percentilen minskar innebär det därför att variationen i systemet får mindre genomslag på den slutliga genomloppstiden.
I BEAN-Theory kan denna utveckling relateras till hela tillståndsvektorn
Ett stabilt flöde innebär inte att inflöde, kapacitet, arbetsmassa eller variation är konstanta. Tvärtom förändras dessa kontinuerligt. Stabiliteten ligger i systemets förmåga att absorbera dessa förändringar utan att de fortplantas till växande arbetsmassor, sekvensförskjutningar, kapacitetsobalanser eller långa svarstider.
Den kraftigt minskade och därefter relativt stabila skillnaden mellan p50 och p95 är därför förenlig med att komponenterna i BEAN-systemet över tid samverkar inom ett mer begränsat dynamiskt område. Inflöde och kapacitet behöver inte vara konstanta, men relationen mellan dem, arbetsmassans rörelse, variationen, sekvensgeometrin och resursernas riktning mot utflödet förmår tillsammans återföra systemet mot ett stabilt tillstånd.
Det är denna egenskap som är central i BEAN: stabilitet är inte frånvaro av variation, utan systemets förmåga att bära variation utan att variationen växer till instabilitet i det diagnostiska flödet.
Täckning inom den definierade kravmatrisen
För att jämföra de tre strukturerna används en gemensam kravmatris bestående av 42 definierade systemkrav. Varje krav klassificeras som fullt representerat (✔), delvis representerat (◐) eller saknat (✖). Vid beräkning av den viktade täckningsgraden ges full representation värdet 1, partiell representation värdet 0,5 och saknad representation värdet 0.
| Modell / kombination | Fullt ✔ | Delvis ◐ | Saknas ✖ | Viktad summa | Täckningsgrad |
|---|---|---|---|---|---|
| BEAN | 32 | 8 | 2 | 36,0 / 42 | 85,7 % |
| Backline | 28 | 11 | 3 | 33,5 / 42 | 79,8 % |
| LEAN | 6 | 19 | 17 | 15,5 / 42 | 36,9 % |
| BEAN + Backline | 38 | 4 | 0 | 40,0 / 42 | 95,2 % |
| BEAN + LEAN | 38 | 4 | 0 | 40,0 / 42 | 95,2 % |
| LEAN + Backline | 33 | 8 | 1 | 37,0 / 42 | 88,1 % |
| BEAN + Backline + LEAN (Triaden) | 42 | 0 | 0 | 42,0 / 42 | 100 % |
Tabellen visar att de tre strukturerna har betydande täckningsytor var för sig men att dessa ytor inte är identiska. BEAN når en viktad täckningsgrad på 85,7 procent och Backline 79,8 procent, medan LEAN når 36,9 procent. Skillnaden ska inte tolkas som en rangordning mellan modellerna. De representerar olika delar av systemet och har olika funktioner i den integrerade teorin.
Detta framträder tydligare när strukturerna kombineras. BEAN tillsammans med Backline når 95,2 procent, vilket även kombinationen BEAN och LEAN gör. LEAN tillsammans med Backline når 88,1 procent. Först när samtliga tre strukturer integreras erhålls full representation av den definierade kravmatrisen: 42 av 42 krav är då fullt representerade.
Resultatet visar samtidigt varför täckningsgraderna inte kan adderas. Matriserna överlappar varandra i vissa delar, medan andra delar är komplementära. Ett krav som redan representeras av BEAN ger därför inte ytterligare täckning enbart genom att samma krav också representeras av LEAN eller Backline. Den integrerade täckningsgraden bestäms av den sammanlagda representationen av de 42 kraven.
BEAN-Theory kan principiellt uttryckas som
BEAN-Theory = BEAN-matrisen + LEAN-matrisen + Backline-matrisen
Uttrycket ska förstås strukturellt och inte som en aritmetisk addition av tre täckningsgrader. Varje matris tillför en egen informationsyta till den gemensamma systemrepresentationen.
BEAN beskriver systemets aktuella och framåtriktade dynamik. Backline relaterar systemets tillstånd till det kliniska tidskravet genom en bakåtriktad tidsgeometri. LEAN beskriver de operativa strukturer som gör det möjligt att omsätta dessa förhållanden i ett stabilt och reproducerbart arbetssätt.
Triaden kan därmed beskrivas som tre riktningar i samma system:
BEAN → flödets tillstånd och progression framåt
Backline ← kliniskt tillåtet tidsrum bakifrån
LEAN ↔ den operativa struktur som stabiliserar rörelsen mellan dessa
Tre mått på BEAN-Theorys empiriska styrka
BEAN-Theory utvärderas genom flera kompletterande mått som beskriver olika egenskaper hos teorin.
Den stegvisa M1–M6-analysen visar hur förklaringsgraden ökar när ytterligare systeminformation inkluderas. För medelsvarstiden ökar R² från endast 0,66 procent med inflödet λ(t) till 90,08 procent i Modell 6, där även personell struktur, variationssammansättning, strukturellt systemtillstånd, sekvensgeometri och dynamisk arbetsmassa ingår.
Den slutliga Modell 6 uppvisar en förklaringsgrad på 90,08 procent för medel, 87,10 procent för median och 82,19 procent för p97,5.
Den separata longitudinella analysen av svarstidsfördelningen ger FG = 96,77 procent och EV = 98,71 procent. Dessa mått beskriver den långsiktiga utvecklingen och ska därför hållas åtskilda från den månadsbaserade M1–M6-modellens förklaringsgrad.
Den samlade empiriska evidensen beräknas från fyra komponenter: förklaringsförmåga, inkrementellt informationsbidrag, diagnostisk stabilitet och temporal reproducerbarhet. Med den fullständiga Modell 6 erhålls:
EF = 86,46 %
EI = 99,14 %
ED = 97,37 %
ET = 61,85 %
Dessa sammanförs genom
Eₛₐₘₗₐd = (EF × EI × ED × ET)¹⁄⁴
vilket ger
Eₛₐₘₗₐd = 0,848 ≈ 0,85.
Tre olika mått beskriver därmed tre olika egenskaper hos teorin:
Täckningsgrad – hur stor del av den definierade systemstrukturen som teorin representerar.
Förklaringsgrad – hur stor del av den observerade variationen som den empiriska modellen kan beskriva. M6 når 90,08 procent för medelprofilen, medan den separata longitudinella analysen ger FG = 96,77 procent.
Samlad empirisk evidens – hur starkt det empiriska stödet är när flera oberoende egenskaper hos modellen vägs samman. För den fullständiga M1–M6-prövningen är Eₛₐₘₗₐd ≈ 0,85.
Måtten ska alltså inte jämföras som om de vore samma sak. Tillsammans beskriver de BEAN-Theorys strukturella omfattning, empiriska förklaringsförmåga och samlade evidensstyrka..
Backline-matrisen är en bakåtriktad tidsgeometrisk modell utvecklad inom ramen för BEAN-Theory. Bakåtriktad beräkning och matrisrepresentation förekommer sedan tidigare inom bland annat nätverksplanering, Design Structure Matrix och tidsreverserade stokastiska modeller. Backline skiljer sig genom att den bakåtriktade strukturen används för att översätta ett kliniskt sluttidskrav till tidsmässiga randvillkor genom det diagnostiska processflödets sekvens.
Täckningsgrad → vad modellen representerar
Förklaringsgrad → hur mycket av den observerade dynamiken modellen förklarar
Evidensnivå → hur starkt den observerade empirin stöder modellstrukturen
BEAN-Theorys huvudsakliga egenskap ligger därför inte i någon av de tre matriserna isolerat. Den ligger i integrationen. Teorin försöker inte ersätta LEAN och behandlar inte Jaconinial Backline som en fristående konkurrerande modell. I stället sammanförs deras olika informationsytor i en gemensam matematisk systemstruktur där operativ stabilitet, framåtriktad flödesdynamik och bakåtriktade kliniska tidskrav kan analyseras samtidigt.
Det är denna integration som definierar BEAN-Theory som systemmodell.
Svarstidernas utveckling 2012–2026 – från långa ledtider till stabila diagnostiska flöden
Diagrammet visar den longitudinella utvecklingen av diagnostiska svarstider vid patologilaboratoriet i Sundsvall under perioden 2012–2026. Genom att följa både medianen och den övre delen av svarstidsfördelningen framträder en omfattande förändring av laboratoriets tidsstruktur.
År 2012 uppgick medianen (p50) till cirka 7,51 dagar, medan den 95 percentilen (p95) låg omkring 30,44 dagar. År 2026 hade motsvarande värden minskat till 4,66 respektive 8,87 dagar. Detta motsvarar en minskning av medianen med cirka 38 procent och av p95 med cirka 71 procent.
Den mest betydande förändringen återfinns således i svarstidsfördelningens övre del. Medan medianen visar hur snabbt huvudmassan av remisser besvaras, beskriver p95 den tidsgräns inom vilken 95 procent av remisserna har fått ett svar.
Percentilbanden visar fördelningens förändring
Det ljusblå området mellan p35 och p65 illustrerar spridningen kring svarstidernas centrala del. Den blå linjen visar medianen och därmed utvecklingen för den mittersta delen av fördelningen.
Det mörkare, diffusa området mellan p70 och p97,5 beskriver den övre delen av svarstidsfördelningen. Den mörkblå linjen visar p95 och synliggör hur de längre svarstiderna förändrats genom åren.
De färgade områdena representerar observerade percentilintervall, inte statistiska konfidensintervall.
Under de första observationsåren var skillnaden mellan den centrala fördelningen och de längre svarstiderna betydande. Från 2016 framträder en kraftig förskjutning, särskilt i den övre delen av fördelningen. Diagrammet redovisar april–maj och september 2016 separat för att synliggöra förändringen under detta år.
Efter 2017 återfinns p95 huvudsakligen omkring 9–11 dagar, medan medianen ligger omkring 4–5 dagar. Trots variation mellan åren har den tidigare omfattande övre svarstidssvansen inte återkommit.
Betydelse för BEAN-Theory
Utvecklingen är central för den empiriska bakgrunden till BEAN-Theory. Kortare medianvärden visar att den centrala delen av det diagnostiska flödet har förskjutits mot kortare genomloppstider. Den ännu större förändringen i p95 visar att även de längre svarstiderna har reducerats kraftigt.
BEAN-Theory analyserar denna utveckling som ett resultat av ett sammanhängande flödessystems egenskaper, där inflöde, kapacitet, dynamisk arbetsmassa, variation, sekvensgeometri, redundans, återhämtning och tid samverkar.
Särskilt betydelsefull är relationen mellan arbetsmassans position, tillgänglig kapacitet och processens tidsstruktur. Ett flöde kan ha hög nominell kapacitet utan att uppnå korta svarstider om arbetsmassan ackumuleras vid fel positioner eller om processernas tidsmässiga samordning inte fungerar.
De observerade förändringarna är förenliga med ett system där arbetsmassans genomströmning har stabiliserats och där långvariga tidsfördröjningar har blivit mindre framträdande.
Diagrammet visar därmed inte enbart att svarstiderna blivit kortare. Det visar också hur hela svarstidsfördelningens struktur har förändrats över tid.
Denna utveckling utgör en viktig del av det empiriska underlaget för BEAN-Theorys analys av diagnostiska flöden. Diagrammet visar förändringarnas omfattning, medan den matematiska och longitudinella analysen undersöker vilka systemrelationer som kan bidra till att förklara dem.
