OUH TALKS
Penicillin Nobel prisen i medicin, 1945 Sir Alexander Fleming Ernst B. Chain Sir Howard Florey
Penicillin 1928 Fra en enkelt petriskål, han havde kasseret, identificerede Alexander Fleming en svamp og kaldte det Penicillum. 1930 erne Fleming forsøgte med begrænset succes at producere og afprøve virkningerne af Penicillin som en overflade antiseptik
Penicillin 1939 Ernst Chain blev interesseret i Flemings arbejde og identificerede med Howard Florey en teknik til fremstilling af større mængder Penicillin Testede det ved at injicere Penicillin i to inficerede mus der blev raske!
Penicillin 1940s 1945 Norman Heatley, producerede tilstrækkelige mængder til at teste penicillin i 50 mus Testede det i tre personer, der var døende af bakterielle infektioner alle overlevede Efterfølgende succesfulde kliniske forsøg førte til en masseproduktion af Penicillin Sir Alexander Fleming, Ernst Chain & Sir Howard Florey får Nobel Prisen i Medicin
Penicillin 1940s 1945 1990 Norman Heatley, producerede tilstrækkelige mængder til at teste penicillin i 50 mus Testede det i tre personer, der var døende af bakterielle infektioner alle overlevede Efterfølgende succesfulde kliniske forsøg førte til en masseproduktion af Penicillin Sir Alexander Fleming, Ernst Chain & Sir Howard Florey får Nobel Prisen i Medicin Norman Heatley æresdoktor på det medicinske fakultet i Oxford
Penicillin Uden Fleming, ingen Chain; uden Chain, ingen Florey; uden Florey, ingen Heatley; uden Heatley, ingen penicillin Uden Fleming, ingen innovation; uden Chain og Florey, ingen testning; uden Heatley, ingen stor skala anvendelse af penicillin
Hvad er RKKP? Disposition Hvilke produkter laver RKKP? Hvilke udviklingstiltag har vi gang i? Og hvorfor? Hvor skal vi hen?
Hvornår møder du RKKP? Registrering Forskning Kvalitetsudvikling Feedback på egen performance?
RKKP i dag Præcis og troværdig indsigt i sundhedsvæsenet, som nyder generel tillid Fortolkning af data på baggrund af klinisk og faglig indsigt På vej mod tidstro data feedback Afdækker såvel resultater som årsager
RKKP & de kliniske kvalitetsdatabaser, driftsopgave 70+ årsrapporter for kliniske kvalitetsdatabaser om den faglige kvalitet (om alt fra 70 årlige peniscancerpatienter til 1 mio+ akutte hospitalskontakter) Løbende afrapportering (månedlig opdateret) i fast format til ledelse og klinik Udbygget dokumentation online (https://www.rkkpdokumentation.dk) Videregiver data til ca. 250 forskningsprojekter pr. år
Eksempler, dokumentation & afrapportering
Stort set alle databaser har kunnet dokumentere kvalitetsforbedringer a) Forbedringer i behandlingsresultater inkl. patientrapporteret kvalitet b) Forbedringer i behandlingsprocesser bedre efterlevelse af nationale kliniske retningslinjer c) Ny viden om det danske sundhedsvæsen som har øget muligheden for kvalitetsforbedring på systemniveau d) Ændringer i behandlingsstruktur/organisation af behandling
Udvikling Databaser under etablering (AKS; Familiær Hyperkolesterolæmi; Retspsykiatri; Thyreoideasygdomme) Databaser, der udvides (fedme, inflammatorisk tarmsygdomme), hhv. lukning med henblik på etablering af bredere database (geriatri/ældre multisyge) Kommunalt samarbejde Patientinddragelse i flere databasers styregrupper Modtagelse af data fra almen praksis Modtagelse af data fra nye datakilder (nye nat. registre & regionale EPJsystemer) Pro-data Levering af data til værdibaseret styring Fælles platform til databehandling =>iværksættelse af: arbejde med ny begrebs- og datamodel Klinisk Standardisering af begreber
Godt udgangspunkt, men måler det der kan måles fokus på episoder og akutte tilstande dækker ikke hele patientforløb dækker ikke alle dimensioner af kvalitet
Udviklingsmål for RKKP juni 2015 Indholdsmæssige Systematisk patientorientering: bred brug af PROM, reel pt. indflydelse på indikatorvalg, let og meningsfuld adgang til egne data og patients like me Dække patientforløbet i hele sundhedsvæsenet inkl. praksis og kommuner og på tværs af specialer og faggrupper Monitorering af patientsikkerhed Nem og meningsfuld synlighed om resultater af værdi for patienter for borgere, patienter mv. Øget anvendelse af relevante data til kvalitetsforbedringsarbejde og ledelsesopfølgning udover forskning Standardisering af variable, brug af indikatorer, standarder mv. Infrastruktur Fortsat lette registreringsopgaven gennem genbrug af EPJ data eller centrale registre, hvis hensigtsmæssigt Fælles it-platform der kan modtage data fra andre systemer, inkl. telemetri og udveksle data til eksterne systemer (almen praksis, kommuner, SSI, tværsektoriel platform) Ny organisering af RKKP i styrket enhedsorganisation Klar og udvidet juridisk ramme
Konsultation Pårørende Patient - Læge Fælles beslutning Behandling Evaluering
Feedback Konsultation Pårørende Patient - Læge Fælles beslutning Behandling Evaluering
Patient s like me Konsultation Pårørende Patient - Læge Fælles beslutning Behandling Evaluering
What is a clinical database?
Ethvert system er perfekt designet til at få de resultater det leverer Paul Batalden
Data-drevet kvalitetsudvikling dogmeregler for læger 1 Vi bruger data til at træffe beslutninger, for at forbedre kvaliteten af vores arbejde. Før vi bruger data, vil vi forsta, hvordan og med hvilket forma l data er opsta et, indsamlet, behandlet og analyseret. Vi anerkender, at data varierer, og at to ma linger af det samme sjældent er ens. Nogle forskelle i data skyldes tilfældig variation. Andre forskelle skyldes grundlæggende forandringer i de strukturer og arbejdsgange, som har skabt data.
Data-drevet kvalitetsudvikling dogmeregler for læger 2 Vi præsenterer data, sa det er tydeligt, hvilke forskelle, som ma tilskrives tilfældig variation og hvilke forskelle, som kan tilskrives ikke-tilfældige forandringer. Vi præsenterer data, sa væsentlig information i grunddata bevares. Vi præsenterer data uden at tilføre information, som ikke har belæg i grunddata.
Data-drevet kvalitetsudvikling dogmeregler for læger 3 Kvalitetsforbedring er undervejs, na r data viser ikketilfældig variation i den ønskede retning som følge af bevidste og ma lrettede forandringer af strukturer og arbejdsgange. Kvalitetsforbedring er opna et, na r data viser tilfældig variation pa et bedre niveau end tidligere.
Data-drevet kvalitetsudvikling dogmeregler for læger Vi bruger data til at træffe beslutninger, for at forbedre kvaliteten af vores arbejde. Før vi bruger data, vil vi forsta, hvordan og med hvilket forma l data er opsta et, indsamlet, behandlet og analyseret. Vi anerkender, at data varierer, og at to ma linger af det samme sjældent er ens. Nogle forskelle i data skyldes tilfældig variation. Andre forskelle skyldes grundlæggende forandringer i de strukturer og arbejdsgange, som har skabt data. Vi præsenterer data, sa det er tydeligt, hvilke forskelle, som ma tilskrives tilfældig variation og hvilke forskelle, som kan tilskrives ikke-tilfældige forandringer. Vi præsenterer data, sa væsentlig information i grunddata bevares. Vi præsenterer data uden at tilføre information, som ikke har belæg i grunddata. Kvalitetsforbedring er undervejs, na r data viser ikke-tilfældig variation i den ønskede retning som følge af bevidste og ma lrettede forandringer af strukturer og arbejdsgange. Kvalitetsforbedring er opna et, na r data viser tilfældig variation pa et bedre
Nå data i ledelsesstrengen slår tilbage Indikatorer for udvikling sættes tilpas lavt så alt bliver grønt Når data fremstilles på en måde, så tilfældig variation giver anledning til krise reaktioner
Når fagligheden kommer til kort Prioriterer ikke ressourcerne Eksempler på manglende opfølgning Meget andet at tage sig af tid?
UNDERSØGENDE Forskning Guidelines BESLUTTENDE All-or-none Udviklings standarder Kompositte indikatorer Ny viden viden Implementeret viden
UNDERSØGENDE Forskning Guidelines BESLUTTENDE All-or-none Udviklings standarder Kompositte indikatorer Hvor skal vi hen? Er vi i mål? Ny viden viden Implementeret viden
Kvalitetsarbejdet må ikke blive løkken om lægernes hals Bag ønsket om at bruge retningslinjerne som løftestang til høj og ensartet kvalitet i patientbehandlingen, lurer en frygt for at de faglige ambitioner bliver en boomerang, der rammer de sundhedsfaglige i nakken, hvis ikke retningslinjen følges Det er oplagt, at afvigelse fra retningslinjen dokumenteres i patientjournalen. Men hvor lidt og hvor meget skal der til for, at lægen er 'dækket ind? Skal det være minimum standarder eller noget at stræbe efter? Er de kliniske databasers indikatorer minimum
Patientens præferencer og situation Forbedring via fokus på person eller system
QI er anderledes end traditionel videnskabelig metode i sundhedsvæsenet Performance forandringer drevet af eksperimentel læring Kontekst afhængigt Interventioner er komplekse Problemer findes på flere organisatoriske niveauer Interventioner udvikler sig som respons på feedback (refleksive) Forandring er skrøbelig og resultater ustabile
Quality Improvement Science Komplekse adaptive systemer Multidisplinære teams Socialt netværksteori System Psykologi Beslutning teori Ledelse Spredning af innovationer Teorier om motivation Operationelle definitioner Model for forbedring Design af test Viden Variation Måling Grafiske visninger af data Statistisk proceskontrol
Don Berwick Energien til en ekstra indsats er ikke kontrol - det er forbindelsen til meningsfuldhed."
Kvalitetsmål Kvalitetsmålinger
Kvalitetsmål Målinger Belønning og konsekvens Kvalitetsdialog
1 2 3 4 5 6 Ved alle, hvad vi forsøger at opnå? Prioriterer vi de forbedringsindsatser, der sandsynligvis har den største virkning på målet, og stopper dem der har mindst virkning? Ved alle, hvordan vi sikre forbedringer rettet mod målet? Kan vi måle fremgangen? Ved vi, hvordan ressourcer refordeles, når forbedringerne går langsomt? Har vi en model for test, innovation, spredning og ny læring?
Vilje Der skal være ejerskab til problemet Ideer Lad være med at genopfinde hjulet. Lære af andre, der har været succesfulde Udførsel Brug evidensbaserede kvalitetsmetoder til at måle og teste