Tillid er godt men data er bedre Hvordan kan viden om data over tid sige noget om vores arbejde?

Transkript

1 Tillid er godt men data er bedre Hvordan kan viden om data over tid sige noget om vores arbejde? ISH Læringsseminar 3, 15/16 maj 2018 Søren Laursen Pia Tjørnelund Arjen Stoop

2 Indhold af denne session 1. Tilbage til basis: Hvorfor måler vi på vores processer og resultater? 2. Hvordan kan man motivere sine kollegaer til at kigge på data? 3. Hvordan ser jeres data ud og hvordan burde I handle på jeres data?

3 Hvorfor har vi så stor fokus på data? Fordi data brugt rigtigt kan understøtte forbedringsprocessen og give os ideer til hvad der virker. Fordi data brugt forkert, kan få os til at tro at det vi gør virker eller ikke virker!

4 Hvorfor har vi så stor fokus på data? Lidt psykologi: Observationer gjort i dag fylder mere i hukommelsen end observationer gjort i sidste uge Vores hjerner filtrerer informationer - nogle gange observerer vi det, vi forventer at observere Vi overvurderer forandringer, fordi vi ikke tager højde for den tilfældige variation i processer

5 Formålet med målinger i forbedringsarbejdet Læring Visuelt overblik Indikation af problemområder Motivation for forbedringsarbejdet

6

7

8 Hvornår er vi overbevist om at resultaterne ER blevet bedre? Når vi kan se det i data for de enkelte indikatorer

9 Hvornår er vi overbevist om at resultaterne ER blevet bedre? Når vi kan se sammenhæng mellem procesdata og resultatsdata Fx: Mange dage mellem nyopståede tryksår, men tryksårsscreening og/eller HUSK viser ikke gode data: Hvad er så årsagen til at der går mange dage mellem nyopståede tryksår? Data for tryksårsscreening og/eller HUSK er i virkeligheden bedre end data viser fordi handlingerne foretages, men krydserne sættes ikke? Ikke alle nyopståede tryksår bliver registreret? Heldigt!?

10 Hvornår er vi overbevist om at resultaterne ER blevet bedre? Når vi kan se sammenhæng mellem procesdata og resultatsdata Fx: Mange situationer hvor medicin ikke bliver givet til rette tid, men resultaterne er rigtigt gode for brug af dispenserings- og administrationstjeklisten Data på dispenserings- og administrationstjeklisten er i virkeligheden ikke så gode?

11 Erfaringer fra Sønderborg kommune med data Pia Tjørnelund

12 Andel Tryksårspakken Egernsundeved - HUSK 1 Alt-eller-Intet 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Udfordring med nummerering af køreruter LS 3 Sommerferie Juleferie 2015 Mål : At 95 % af borgere vurderet til at være i tryk risiko, får dagligt HUSK Stabile processer, borgere i risiko, får HUSK daglig

13 Procent HUSK Hjemmepleje gruppe 100% 90% mål: 95 % 80% 70% 60% Ny ledelse Ny konsulent 50% 40% omstrukturering i huset HUSK - Alssund Øst Sommerferie % 20% 10% 0%

14 2015:06: :07: :08: :09: :10: :11: :12: :01: :02: :03: :04: :05: :06: :07: :08: :09: :10: :11: :12: :01: :02: :03: :04: :05: :06: :07: :08: :09: :10: :11: :12: :01: :02: :03:15 Procent 100% Procent dispenseringer, hvor tjeklisten blev anvendt 95% 90% 85% 80% 75% 70% 65% 60% 55% Bruch up på medicindispensering 50%

15 Procentl 100% 90% 80% AFVIGELSER DISPENSERING ALSSUND Procent afvigelser i relation til dispenseringen - Sygeplejen 70% 60% 50% 40% Brug af seddel til udlevering af medicin på apoteket. 30% 20% 10% median; 0,20 0%

16

17 Anbefalinger Nysgerrig og opsøgende Rollemodel Få hjælp til at forstå data Fast dagsorden Ledelses opbakning

18 Brug af data og indikatorer Projektleder Søren Laursen

19 Data hvad snakker vi om? Forskellige dataperspektiver Forskning Forbedring Kontrol Hypotese Statisk Dynamisk Ingen hypotese Formål Skabe ny viden Implementere eksisterende viden på nye måder Variation Kontrollér Studér Justér Dokumentere, bedømme og sammenligne Målehyppighed En eller få målinger Dage, uger, måneder Kvartaler, år Stikprøve Stor Lille Ingen stikprøve Statistiske metoder Komparative metoder (t-test, chi2, regression, ) Procesanalyser (statistisk processtyring) Deskriptive metoder (gennemsnit, spredning, )

20 Dataprocessen Beslut mål Vælg indikatorer Definer indikator I hvilken del af processen bruger vi vores tid? I hvilken del af processen høster vi gevinsterne ved data? Bestem handling Gentag trin 4-6 Indsaml data 2 min. tavs refleksion Analyser data

21 Gruppeøvelse 10 min: (4-5 stk. sammen) Hvorfor samler vi data (formålet)? I hvilke sammenhænge bruger vi data og hvordan (anvendelse)? Hvem er det, vi viser vores data til (målgruppe)?

22 Gruppeøvelse 10 min: - En Patientsikkert Sygehus oplevelse! Hvorfor samler vi data (formålet)? - Det har vi fået at vide, at vi skal! - Vi gør jo allerede det, pakkerne siger vi skal (så vi gør det kun af pligt) - Vi ved jo godt, hvilke forbedringer der skal til (så vi gør det kun af pligt) I hvilke sammenhænge bruger vi i data og hvordan (anvendelse)? - Vi bruger dem ikke der er nok nogen i projektledelsen el. hospitalsledelsen, der skal bruge dem (til kontrol). Hvem er det vi viser vores data til (målgruppe)? - Vi viser dem til færrest mulige (måske kan data blive brugt imod os) Gad vide hvorfor vi fik disse svar? Men ejerskab og holdning til data skulle retænkes.

23 Analysere, præsentere og gennemgå data hvordan får vi data ud at arbejde i dagligdagen? Data bliver samlet AF forbedringsteamet og FOR forbedringsteamet det er jeres data. I er de primære brugere. MEN skal sekundært også bruges til: Ledelser (ikke mindst de lokale) skal interessere sig for data og bruge data Medarbejdere: Data skal gøres synlige og dynamiske ex. på tavler, i personaleblade mm. Medarbejdere: Brug af data i lokale fora i afdelingerne ex. personalemøder, tavlemøder mm. Patienter/borgere og pårørende skal også se data vi skal vise hvad vi arbejder med

24 Synliggørelse af data Eksempler på anvendelse og synliggørelse Til borgere/pårørende I styregruppen

25 Dataprocessen Beslut mål Vælg indikatorer Definer indikator I hvilken del af processen bruger vi vores tid? I hvilken del af processen høster vi gevinsterne ved data? Pointe: eller 20-80? er naturligt i opstartsfasen, men senere i processen bør tiden bruges på at analysere, præsentere og gennemgå data (step 5-7)! Bestem handling Gentag trin 4-6 Indsaml data Man skal gradvist PDSA e sin dataindsamlingsproces, så man kommer i over i det kommer ikke af sig selv Analyser data Hvordan? Drosle ned på 1-4 og øge 5-7

26 En opsummering på 9 min på Engelsk Hent evt. mere inspiration på:

27 Data øvelse LS Kig på det tal i har fået og find jeres egen gruppe Forhold jer til jeres graf I har 8 minutter Svar på spørgsmålene skriv på arket Gennemgang af grafer i plenum

28 Spørgsmål skriv på arket 1. Er i tilfredse med resultaterne? 2. Hvordan kan/skal man handle på disse data? 3. Undersøg evt. med tabellen om der er tale om tilfældig eller ikke tilfældig variation OBS: Drøft jeres tanker, lær af hinanden!

29 4 100% % af dispenseringer, hvor tjeklisten er opfyldt (ugentligt) 90% 80% 70% 60% 50% 40% 30% 20% 10% Antal brugbare datapunkter: 13 Længste serie: 2 Antal kryds: 8 0% Uge

30 4 100% % af dispenseringer, hvor tjeklisten er opfyldt (ugentligt) 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Uge

31 7 % af situationer, hvor HUSK gennemføres (ugentligt) 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% Antal brugbare datapunkter: 29 Længste serie: 9 Antal kryds: 9 0% Uge

32 7 % af situationer, hvor HUSK gennemføres (ugentligt) 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% Antal brugbare datapunkter: 29 Længste serie: 9 Antal kryds: 9 0% Uge

33 8 Antal brugbare datapunkter: 25 Længste serie: 6 Antal kryds: 5

34 10 % af administrationer, hvor tjeklisten blev opfyldt (ugentligt) 100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% Uge

35 10 % af administrationer, hvor tjeklisten blev opfyldt (ugentligt) 100% 95% 90% 85% 80% 75% 70% 65% 60% 55% Antal brugbare datapunkter: 42 Længste serie: 11 Antal kryds: 15 50% Uge

36 10 % af administrationer, hvor tjeklisten blev opfyldt (ugentligt) 100% 95% 90% 85% 80% 75% 70% 65% 60% 55% Antal brugbare datapunkter: 42 Længste serie: 11 Antal kryds: 15 50% Uge

37 100% 11 % af situationer, hvor HUSK gennemføres (ugentligt) 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% Uge

38 100% 11 % af situationer, hvor HUSK gennemføres (ugentligt) 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% Antal brugbare datapunkter: 33 Længste serie: 5 Antal kryds: 12 Uge

39 100% 11 % af situationer, hvor HUSK gennemføres (ugentligt) 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% Antal brugbare datapunkter: 33 Længste serie: 5 Antal kryds: 12 Uge

40 12

41 12 Antal brugbare datapunkter: 29 Længste serie: 3 Antal kryds: 16

42 12 Antal brugbare datapunkter: 29 Længste serie: 3 Antal kryds: 16

43 14

44 14 Antal brugbare datapunkter: 44 Længste serie: 7 Antal kryds: 14

45 14 Antal brugbare datapunkter: 44 Længste serie: 7 Antal kryds: 14

46 17

47 17 Antal brugbare datapunkter: 14 Længste serie: 6 Antal kryds: 4

48 17 Antal brugbare datapunkter: 14 Længste serie: 6 Antal kryds: 4

49 19

50 19 Antal brugbare datapunkter: 10 Længste serie: 3 Antal kryds: 6

51 19 Antal brugbare datapunkter: 10 Længste serie: 3 Antal kryds: 6

52 Antal Antal medicineringer der ikke er givet til rette tid (ugentligt) Uge

53 Antal Antal medicineringer der ikke er givet til rette tid (ugentligt) Antal brugbare datapunkter: 22 Længste serie: Uge 7 Antal kryds: 6

54 Antal Antal medicineringer der ikke er givet til rette tid (ugentligt) Antal brugbare datapunkter: 22 Længste serie: Uge 7 Antal kryds: 6

55