Datadrevet forbedringsarbejde. Rie L R Johansen Dansk Selskab for Patientsikkerhed

Transkript

1 Datadrevet forbedringsarbejde Rie L R Johansen Dansk Selskab for Patientsikkerhed

2 Formål med sessionen Genopfriske teori om seriediagrammer Træne tolkning af seriediagrammer Er der nogle særlige spørgsmål, I gerne vil have besvaret i dag?

3 Forbedringsmodellen Hvad ønsker vi at opnå? Hvornår ved vi, at en forandring er en forbedring? Hvilke forandringer kan iværksættes for at skabe forbedringer? Langley et al, 2009

4 Indikatorer En indikator er et tal, der siger noget om den kvalitet, man ønsker at forbedre eller kontrollere. Kan opdeles i: 1. Resultatindikatorer (Er resultatet godt nok?) 2. Procesindikatorer (Fungerer vores processer?) 3. Ulempeindikatorer (Påvirker vi andre dele af systemet?) Vi følger indikatoren over tid, for at se om vi forbedrer os

5 Hvorfor har vi så stor fokus på data?

6 Øvelse Kig dig omkring hvor mange blå ting ser du i rummet?

7 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

8 Hvorfor har vi så stor fokus på data? For bedre at forstå vores system Hjælpe os med at lave prioritering i forbedringsarbejdet 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!

9 The Juran s Trilogy Juran J M et al 1998

10 No data No Problem No Problem No Action

11 Show me the data! Baseline Periode Implementering af intervention 10% Median 8% 6% 4% 2% 4,1% 2,4% 0% Week

12

13 Reaktion til Data Stadier: 1) Data er forkerte 2) Data er rigtige, men det er ikke et problem 3) Data er rigtige; det er et problem; men det er ikke mit problem 4) Jeg accepterer behovet for forbedring Escape Fire, Donald Berwick, (2002 Forum Speech), page

14 Tilfældig variation Ingen processer er 100 % pålidelige Forskellige måder at udføre opgaven på Forskelligt udstyr Manglende uddannelse Dårlige arbejdsbetingelser Dårligt designet arbejdsgang

15 Ikke-tilfældig variation Et forbedringsteams værk Strømsvigt Nedskæringer Ændret patientgrundlag

16 Variation: Hvad gør du? Ikke-tilfældig variation: Find årsagen Ønsket variation: Implementer Uønsket variation: Eliminer Tilfældig variation: Er du tilfreds? Tilfreds: Overvåg Utilfreds: Forbedr

17 Seriediagrammet

18 Øvelse Hvilket Hospital vil du helst indlægges på? 4 Liggetid Hospital

19 Liggetid, hospital 1-3 Hospital 1 Hospital 2 Hospital 3

20 Et seriediagram er Datapunkter i tidsmæssig rækkefølge En midtlinje (median) der deler datapunkterne i to lige store portioner over og under linjen

21 Signaler om ikke-tilfældig variation Skiftsignal Usædvanligt mange konsekutive datapunkter på samme side af medianen Ved færre end 23 brugbare observationer: >7 Ved 23 eller flere brugbare observationer: >8 (ellers log2(n)+3) Krydssignal eller Seriesignal Usædvanligt få kryds eller serier Findes ved opslag i tabel Andet Cykliske mønstre og trends Oplagt afvigende enkeltmålinger (outliers)

22 Analyse af seriediagram Tæl antal brugbare observationer observationer på medianen tælles ikke med Tæl antal kryds eller serier Kryds tælles som antal gange kurven krydser medianen en serie er ét eller flere konsekutive punkter på samme side af medianen Bestem længden af den længste serie

23 Analyse af seriediagram Find antal brugbare observationer, Kryds og længste serie

24 Analyse af seriediagram.. Antal brugbare observationer = 48 Antal Kryds = 18 (18) Længste serie = 8 (9)

25 Øvelse Analyser seriediagrammer

26 Vise Data

27 Familie af indikatorer Proces Proces Proces Ulempe Ulempe Resultat Health care Data Guide

28 Annoter seriediagrammet

29 Dataindsamling og kvalitet

30 Dataindsamling til indikatorer er også en proces Forskellige metoder kan afprøves med PDSA Kræver en operationel definition Kan kræve en kortfattet vejledning Bør ikke kun hvile på én person

31 Dataindsamling til indikatorer. Procesdata indsamles dagligt evt. ved brug af stikprøver (3-5 tilfældigt udvalgte patienter) Dataindsamlingen er en integreret arbejdsgang Data opgøres ugentligt/månedligt i seriediagrammer

32 Indsamling og opgørelse Dataindsamlingens hyppighed skal modsvare hyppigheden af det, man måler men vil oftest give mening som mindst en daglig aktivitet Dataopgørelsen afhænger kun af hyppigheden af det målte: tommelfingerregel: ugentlig mindst 10 målinger i hvert punkt, gerne 20-40

33 Datakvalitet Data skal indsamles ens hen over tid Uafhængig af personen der indsamler data Uafhængig af tidspunkt for dataindsamlingen Hvis indsamlingen af data varierer hen over tid, vil det være svært at bedømme hvorvidt ændringer i data skyldes forandringer i arbejdet eller inkonsistens i dataindsamlingen.

34 Udfordringer ved data Lille nævner Autokorrelation Datapunkterne er ikke uafhængige Regler for seriediagrammer er ugyldige

35 Supplerende brug af data i forbedringsarbejdet

36 Øvelse: Er der flest ord på Engelsk, der; 1) Starter med K? 2) Har K i tredje position?

37 Heuristik Tommelfingerregler for beslutninger Bias: Tilgængelighed heuristik Når vi bedømmer et fænomens frekvens, konkluderer vi ofte at den er høj, hvis vi hurtigt kan komme i tanke om mange enkelte tilfælde

38 Paretoanalyse 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Causes of medication errors in a nursing home

39 Litteraturliste: Solberg L I, Mosser G, McDonald S, The Three Faces of Performance Measurement: Improvement, Accountability, and Research, J Qual Improv 23: ,1997 Juran M J, Godfrey A B, Juran s Quality Handbook, McGraw Hill, 1998 Langley G J, Moen R D, Nolan K M, Nolan T W, Norman C L, Provost L P, The Improvement Guide A Practical Approach to Enhancing Organizational Performance, Jossey-Bass, 2009 Anhøj J, Bjørn B. Statistisk processtyring i sundhedsvæsenet. Ugeskr Læger 2009;171: Provost L P, Murray S K, The Health Care Data Guide Learning from data for improvement, Jossey-Bass, 2011