Workshop 1: Tilfældigt eller ikke-tilfældigt? Brug data som driver i forbedringsarbejdet #patient18 Rie Johansen, Improvement Advisor, Dansk Selskab for Patientsikkerhed Arjen Stoop, Improvement Advisor, Dansk Selskab for Patientsikkerhed Ole Bredahl Rasmussen, Overlæge, Hospitalsenheden Vest
Det nationale kvalitetsprogram Systematisk brug af relevante sundhedsdata om kvalitet, aktivitet og økonomi skal motivere og drive kvalitetsforbedringer hos sundhedspersonale, administratorer og ledelse. Brug af tidstro data skal være en central del af det daglige forbedringsarbejde.
Læringsmål for dagen Du får indsigt i hvordan data kan bruges til at drive forbedringer Du får inspiration til anvendelse af indikatorer i forbedringsarbejdet Du bliver trænet i analyse af forbedringsdata i seriediagrammer
Dagens Program Velkommen Hvordan driver man forbedringer og hvilken rolle spiller data? Case fra virkeligheden Hvad er forbedringsdata og hvad måler vi på? Analyse af forbedringsdata
Sig goddag til sidemanden - 2 min Navn, arbejdssted og funktion Hvad er du mest nysgerrig på i dag?
Anbefalet litteratur E-læring: www.forbedringsmodellen.dk Jacob Anhøj, Kompendium i kvalitetsudvikling Provost LP, Murray S. The Health Care Data Guide: Learning from Data for Improvement
Hvordan driver man forbedringer og hvilken rolle spiller data?
Lad os starte med et eksempel Scissors Fosbury flop
Højdespring teknikker og resultater over tid Højde
Al forbedring er en forandring, men ikke al forandring er en forbedring G. Langley, et al The Improvement Guide. Jossey-Bass Publishers,San Francisco, 1996: xxi.
Forbedringsmodellen Hvad ønsker vi at opnå? Hvornår ved vi, at en forandring er en forbedring? 3 spørgsmål Hvilke forandringer kan iværksættes for at skabe forbedringer? + PDSA cirkel = forbedringsmodellen Langley et al. (2009) The Improvement Guide 11
Forbedringsmodellen Hvad ønsker vi at opnå? Hvornår ved vi, at en forandring er en forbedring? 3 spørgsmål Hvilke forandringer kan iværksættes for at skabe forbedringer? + PDSA cirkel = forbedringsmodellen Langley et al. (2009) The Improvement Guide 12
Forbedringsmodellen Hvad ønsker vi at opnå? Hvornår ved vi, at en forandring er en forbedring? 3 spørgsmål Hvilke forandringer kan iværksættes for at skabe forbedringer? + PDSA cirkel = forbedringsmodellen Langley et al. (2009) The Improvement Guide 13
Forbedringsmodellen Hvad ønsker vi at opnå? Hvornår ved vi, at en forandring er en forbedring? 3 spørgsmål Hvilke forandringer kan iværksættes for at skabe forbedringer? + PDSA cirkel = forbedringsmodellen Langley et al. (2009) The Improvement Guide 14
Forbedringsmodellen Enorm stærkt og afprøvet redskab, både indenfor og udenfor Sundhedsvæsenet Ikke raketvidenskab alle kan anvende modellen (og gør det oftest allerede ubevist) Så næste gang du bliver bedt om at deltage i et forbedringsprojekt: Spørg til målet (1), hvilke indikatorer der måles på (2) og hvilke forbedringsideer der skal afprøves (3)! I dag bruger vi primært tid på spørgsmål nummer 2 om målinger/data
Færre Fødselslæsioner Tirsdag d. 17. april 2018 Ole Bredahl Rasmussen Obstetrisk kvalitetsansvarlig overlæge Gynækologisk Obstetrisk afdeling Hospitalsenheden Vest Patient 18
Grad 3 og 4 sphincterruptur ved fødsler Figur 1: Alvorlig bristning (grad 3 og 4) hos førstegangsfødende med et barn i hovedstilling i spontan fødsel til terminen fratrukket fødsler ved akut kejsersnit i Holstebro og Herning 2000-2011 12 10 8 6 4 2 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Holstebro Herning Cirka 1/3 får livsvarige gener på trods af korrekt diagnose og behandling! Vi havde haft møder hvor jordemødrene udvekslede erfaringer og diskuterede det havde allerhøjst minimal effekt
12 10 8 6 4 2 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Styregruppe: Jdm Annika Yding Spec.ansv. Jane Boris Kval.ansv. Ole Bredahl Rasmussen Ledelsens opbakning: Ann Fogsgaard Carsten Byrjalsen Figur 1: Alvorlig bristning (grad 3 og 4) hos førstegangsfødende med et barn i hovedstilling i spontan fødsel til terminen fratrukket fødsler ved akut kejsersnit i Holstebro og Herning 2000-2011 Personalets opbakning NIP 2012 Grad 3 og 4 i % 8% Holstebro Herning Herning 8,7 Holstebro 5,8 HEV 7,9
12 10 8 6 4 2 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Styregruppe: Jdm Annika Yding Spec.ansv. Jane Boris Kval.ansv. Ole Bredahl Rasmussen Ledelsens opbakning: Ann Fogsgaard Carsten Byrjalsen Figur 1: Alvorlig bristning (grad 3 og 4) hos førstegangsfødende med et barn i hovedstilling i spontan fødsel til terminen fratrukket fødsler ved akut kejsersnit i Holstebro og Herning 2000-2011 Personalets opbakning NIP 2012 Grad 3 og 4 i % Dagens Medicin, feb. 13: Hjørring, Lars Burmester, Stine Leenskjold, Lars Høj, Helle Høy Simonsen. 8% Holstebro Herning Herning 8,7 Holstebro 5,8 HEV 7,9
12 10 8 6 4 2 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Styregruppe: Jdm Annika Yding Spec.ansv. Jane Boris Kval.ansv. Ole Bredahl Rasmussen Ledelsens opbakning: Ann Fogsgaard Carsten Byrjalsen Figur 1: Alvorlig bristning (grad 3 og 4) hos førstegangsfødende med et barn i hovedstilling i spontan fødsel til terminen fratrukket fødsler ved akut kejsersnit i Holstebro og Herning 2000-2011 Personalets opbakning NIP 2012 Grad 3 og 4 i % Dagens Medicin, feb. 13: Hjørring, Lars Burmester, Stine Leenskjold, Lars Høj, Helle Høy Simonsen. 8% Holstebro Herning Herning 8,7 Holstebro 5,8 HEV 7,9
12 10 8 6 4 2 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Styregruppe: Jdm Annika Yding Spec.ansv. Jane Boris Kval.ansv. Ole Bredahl Rasmussen Ledelsens opbakning: Ann Fogsgaard Carsten Byrjalsen Figur 1: Alvorlig bristning (grad 3 og 4) hos førstegangsfødende med et barn i hovedstilling i spontan fødsel til terminen fratrukket fødsler ved akut kejsersnit i Holstebro og Herning 2000-2011 Personalets opbakning Metoden?! NIP 2012 Grad 3 og 4 i % Dagens Medicin, feb. 13: Hjørring, Lars Burmester, Stine Leenskjold, Lars Høj, Helle Høy Simonsen. 8% Holstebro Herning Herning 8,7 Holstebro 5,8 HEV 7,9
2013 Ledelsens opbakning Styregruppe Charter Intervention Certificering Registreringsark Database Driverdiagram m.m.m.
Charter 1. Hvad ønsker vi at opnå? At gå fra 8 % til under 4 % - Positive effekter giver sig selv - Negative effekter - Risiko for at øge epis frekvensen: holdes øje med i projektet - Risiko for flere dårlige børn: Sikre Fødsler startede cirka samtidig - Driftspåvirkning - Afdelings økonomi ikke relevant - Ekstra arbejde med registrering
Charter 2. Hvordan ved vi at en forandring er en forbedring? Udkomme data: - Hyppighed af sphincterrupturer pr måned - Antal fødsler uden ruptur imellem cases Proces data: - Andel hvor elementerne i vores pakke er opfyldt - Andel af fødsler med jordemødre, som er certificeret Balancerende data: - Hyppigheden af episiotomi pr måned
Charter 3. Hvilke forandringer skal gennemføres for at nå målet? Intervention: Definere en pakke Definere certificering Barrierer: Diskutere argumenter imod Ressourcer: Hjælp fra Hjørring til at certificere vores afdelingsjordemødre til at certificere
Håndgrebene
Kun registrere det nødvendige Jævnlige tilretninger af indhold og opsætning - PDSA. Forhåbentlig kan de fire elementer og certificering blive lagt ind i EPJ, så det bliver en fast del af en fødsels SFI på længere sigt
Et par eksempler på små tiltag for at øge opmærksomheden Et bogmærke som stadig bliver delt ud til de gravide i jordemoder konsultationen i graviditetsuge 29
Julequiz 2015 Vi skulle helt ud på 3. decimal for at finde vinderen!
Proces data Procesindikatorerne viser pænt høje niveauer Når projektet kører, skal der være størst fokus på procesindikatorer En vigtig lære er at der er brug for rigtig mange data, hvis man skal kunne monitorere en intervention
Resultater Antal 200fødsler uden ruptur imellem cases 180 160 140 120 100 80 60 40 20 0 Cases p0 vagina l Cases i rækkefølge Antal fødsler uden ruptur Gennemsnittet jan 13 - maj 13 = 13,9
Resultater Antal 200fødsler uden ruptur imellem cases 180 160 140 120 100 80 60 40 20 0 Cases p0 vagina l Cases i rækkefølge Antal fødsler uden ruptur Gennemsnittet jan 13 - maj 13 = 13,9
Resultater Antal 200fødsler uden ruptur imellem cases 180 160 140 120 100 80 60 40 20 0 Cases p0 vagina l Cases i rækkefølge Antal fødsler uden ruptur Gennemsnittet jan 13 - maj 13 = 13,9
Resultater Antal 200fødsler uden ruptur imellem cases 180 160 140 120 100 80 60 40 20 0 Cases p0 vagina l Cases i rækkefølge Antal fødsler uden ruptur Gennemsnittet jan 13 - maj 13 = 13,9
Resultater Førstegangsfødende med normal fødsel Hyppigheden af sphincterruptur i 2015: 2,8 % 2016: 3,0 % 2017: 2,9 % 2018: 2,2 %
Vær åben og støt transparen s Åbenhed virker som en stærk motivationsfaktor indadtil og skaber respekt udadtil
Hvad er forbedringsdata?
Hvordan ved vi, at en forandring er en forbedring? En tjekliste? Tavlemøde? Reminder? Nyhedsbrev Ny rækkefølge i arbejdsopgaver En retningslinje? A B C D E F
Virker behandlingen? Hvordan klarer vi os i forhold til? Hvordan går det med implementeringen? Forsker Bogholder Forbedringsagent
Tre syn på data Formål Forskning Kontrol Forbedring Skabe ny viden (Hvad) Dokumentere, bedømme Implementere og sammenligne eksisterende viden (Hvor godt) (Hvordan) Modtager Ekstern Ekstern/intern Intern Hypotese Statisk Ingen hypotese Dynamisk Variation Kontrollér Justér Studér Stikprøve Stor Ingen stikprøve Lille Målehyppighed En eller få målinger Statistiske Komparative metoder metoder (t-test, chi2, regression, ) Ref. Solberg et al 1997 Kvartaler, år Deskriptive metoder (gennemsnit, spredning, ) Dage, uger, måneder Procesanalyser (statistisk processtyring)
Formålet med målinger i forbedringsarbejdet Læring Visuelt overblik Indikation af problemområder Motivation for forbedringsarbejdet
Papirfly Hvor langt kan vi flyve? Tag et stykke papir og lav et papirfly du har 3 min.
Variation hvad er det? Ikke-tilfældig variation Tilfældig variation
Tilfældig variation Ingen processer er 100 % pålidelige Forskellige måder at udføre opgaven på Forskelligt udstyr Manglende uddannelse Dårlige arbejdsbetingelser Ikke-tilfældig variation Et forbedringsteams værk Strømsvigt Nedskæringer Ændret patientgrundlag Dårligt designet arbejdsgang
Fra patient til system Dagens tal Systemets puls
Variation 55 50 45 40 35 30 25 20 15 Ventelisterne er blevet længere: Fortæl teamet at de må anstrenge sig noget mere Ventelisterne er blevet kortere : Fortæl teamet at de er fantastiske 10 jan feb mar apr maj jun jul aug sep okt nov dec jan feb mar apr maj jun jul aug sep
Hvordan reagerer vi på variation? Tilfældig variation: Er du tilfreds? Tilfreds: Overvåg Utilfreds: Forbedr Ikke-tilfældig variation: Find årsagen Ønsket variation: Implementer Uønsket variation: Eliminer
Hvordan vi ser på data har betydning! Gennemsnitlig liggetid, hospital 1-3, antal dage 1 2 3
Hvordan vi ser på data har betydning! Anhøj J, Kompendium i kvalitetsudvikling
2008-46 2008-48 2008-50 2008-52 2009-02 2009-04 2009-47 2009-49 2009-51 2009-53 2010-02 2010-04 Vi følger data over tid Baseline Periode Implementering af intervention 10% 8% 6% Median 4% 2% 4,1% 2,4% 0% Week
Opsummer Vær bevidst om hvad formålet er med data (forskning, kontrol eller forbedring) Variation, variation, variation forstå den og reager derefter Vælg det rette analyseredskab Annoter diagrammet, så det fortæller en historie
Scientific data are not taken for museum purposes; they are taken as a basis for doing something. If nothing is to be done with the data, then there is no use in collecting any. The ultimate purpose of taking data is to provide a basis for action or a recommendation for action. The step intermediate between the collection of data and the action is prediction. W. Edwards Deming, On a Classification of the Problems of Statistical Inference, June 1942, Journal of the American Statistical Association
Hvordan kommer jeg i gang?
7 trin til måling af forbedring 1. Bestem mål 2. Vælg indikatorer 3. Definer indikatorer 6. Bestem handling 7. Gentag trin 4-6 4. Indsaml data 5. Analyser data Mike Davidge; https://www.youtube.com/watch?v=za1o77janbw
Gode målinger forudsætter et godt mål Konkret: Hvad skal forbedres? Hvor meget? For hvem? Tidsafgrænset: Hvornår skal målet være nået?
Mål Good Bad Ugly Vores mål er at reducere uhensigtsmæssigheder i overgange Vi vil gerne sætte patienten i centrum Vi vil reducere vold på afdelingen ved slutningen af 2018 Vores mål er at reducere antallet af fald med 50% for hele plejecenteret ved udgangen af juni 2018 Vores mål er at reducere antallet af KAD infektioner med 50% for afsnit A inden 1. januar 2025 Vi vil gerne nedbringe anvendelsen af bæltefikseringer med 20 % til max 48 unikke bæltefikseringer og max 247 påbegyndte bæltefikseringer ved årets slutning Vores mål er at 95% af indlagte patienter på afdeling XX får foretaget en medicingennemgang indenfor de første 5 døgn, i samarbejde med patienten. Målet skal være nået inden udgangen af december 2018
Fælder pas på Uklare begreber: Høj-kvalitet Effektivt Verdens-klasse Værdifulde For lang tidshorisont For lidt at stræbe efter
2. Vælg Indikatorer - Hvad måler vi på? Ulempeindikator
Resultatindikator Procesindikator Ulempeindikator Antal dage mellem hyperglykæmi hos indlagte patienter i insulinbehandling Antal dage mellem fødsel af et barn med iltmangel Andel indlagte patienter i insulinbehandling, der får målt blodsukker i henhold til lokale retningslinjer Andel fødsler, hvor vestimulationspakken er anvendt Antal dage mellem hypoglykæmi hos indlagte patienter i insulinbehandling Andel akutte kejsersnit Andel indlagte patienter der bæltefikseres Andel indlæggelser med systematisk vurdering af risiko for bæltefiksering Antal episoder med brug af beroligende medicin
Familie af indikatorer Proces Proces Proces Ulempe Ulempe Resultat Health care Data Guide
3. Definer indikatorer operationel definition Indikatornavn Type (resultat, proces, ulempe?) Formål Tællerdefinition Nævnerdefinition Dataindsamling og -behandling Opgørelsesperiode (Dagligt, ugentligt, månedligt?) Analyse og præsentation (Seriediagram, kontroldiagram?)
Indikatornavn: Procent kejsersnit i Robsongruppe 1+2. Type: Resultatindikator. Formål: Reduktion i antallet af kejsersnit på sunde og raske fødende. Tællerdefinition: Antal fødende i Robsongruppe 1+2, der får lavet elektivt eller akut kejsersnit. Nævnerdefinition: Samlet antal fødende i Robsongruppe 1+2. Datakilde: Kvalitetsdatabasen i Survey X-act. Dataindsamling og behandling: Fødejordemoder indtaster data fra hver fødsel i både Herning og Holstebro i Survey X-act, hvor hun bl.a. opgiver Robsongruppe og indgreb under fødslen. Antal fødsler og kejsersnit i de 2 Robsongrupper trækkes i Survey X-act og skrives ind i et excelregneark. I regnearket findes den samlede datamængde, hvorfra ugentlig tal overføres til epidata, og der udarbejdes P-chart. Opgørelsesperiode: Ugentlig
Opgørelsesperiode: Dagligt Indikatornavn: Andel patienter med stillingtagen til udskrivelse i MSA Type: Procesindikator Formål: At sikre at alle patienter har en udskrivelsesdato, således at patientforløbet sikres sammenhængende og uden unødvendig ventetid. Tællerdefinition: De af patienterne i nævneren, der på oversigtstavlen (Klinisk Logistik) enten har 1. En udskrivelsesdato anført eller 2. En dato for overflytning eller 3. En angivelses af at udskrivningsplanlægning ikke er mulig af etiske årsager Nævnerdefinition: Alle patienter i MSA Datakilde: Udskrift af "udskrivningsliste" fra Klinisk Logistik dagligt kl. 10.00 Dataindsamling og behandling: Data indsamles dagligt ved at koordinerende sygeplejersken har ansvar for at lave udskriv af Klinisk Logstik kl. 10.00. Kl. 10.00 er valgt fordi det er meningsfyldt i forhold til, at der i afsnittet holdes tavlemøder mellem kl. 09.00-09.30. Den udskrevne seddel ligges i bakken på kontoret og afhentes af Tallene skrives ind i et regneark og præsenteres i et seriediagram.
Rater, andele, antal, tid imellem Andele/procent tæller og nævner har samme enhed andel patienter, der modtager alle tryksårspakkens elementer Rater tæller og nævner har forskellig enhed skader/1.000 sengedage Antal Når man kan fjerne nævneren Antal fald Tid (eller hændelser) i mellem - sjældne hændelser Antal dage mellem tryksår
4. Indsaml data Mål, så hyppigt du kan, og så sjældent du tør! Gennemsnitlig liggetid pr måned Gennemsnitlig liggetid pr uge Liggetid pr patient
Drøft ved bordet hvilke fordele og ulemper der er ved følgende måder at samle data på: Tidstro: Opsamling af data er en integreret det af det kliniske arbejde Journalgennemgang (ex. audit) Udtræk fra databaser
Gør data nærværende I dag blev 1 af vores patienter ikke screenet for tryksår I sidste måned blev 85% af vores patienter screenet for tryksår Sidste år var der 50 nyerhvervede tryksår per 1000 sengedage på jeres afdeling
"Data are just summaries of thousands of stories tell a few of those stories to help make the data meaningful." Chip & Dan Heath
Opsummering Gør dit mål målbart Definer en familie af indikatorer Mål, så hyppigt du kan, og så sjældent du tør!
Analyse af forbedringsdata PS!18 Workshop 1
Indikatorværdi Seriediagram - anatomi 80 70 Plot data over tid 60 50 40 30 20 10 Beregn og vis median Analyser variation! 0 J F M A M J J A S O N D Tid
Hvad er en median? En median: Udtrykker niveauet i et datasæt: Fx hvor god eller dårligt er vi typisk til arbejdsgang eller resultat X eller Y over tid?
Hvordan beregner man medianen? I en talrække fra mindst til størst: det midterste tal (husk: skriv alle tal ned, glem den historiske rækkefølge af tallene)
Eksempel Periode Antal glemte medicineringer Antal medicineringer ikke givet til rette tid Gennemsnit: 12+13+16+9+11+19+14+15+12+20+23+21+25=210/13=16,15 Median: 9-11-12-12-13-14-15-16-19-20-21-23-25 Uge 1 12 Uge 2 13 Uge 3 16 Uge 4 9 Uge 5 11 Uge 6 19 Uge 7 14 Uge 8 15 Uge 9 12 Uge 10 20 Uge 11 23 Uge 12 21 Uge13 25
Seriediagram med median 70 Seriediagram med median, fx antal fald per uge 60 50 40 30 20 10 0 Antal Median
Seriediagram med gennemsnit 70 60 50 40 30 20 10 0 Seriediagram med gennemsnittet, fx antal fald per uge Antal Gennemsnit
Medianen Medianen siger noget om hvor godt eller dårligt jeres forebyggende system (arbejdsgange, procedurer, tiltag mm) fungerer for det pågældende område (fx fald, tryksår, medicineringsfejl, infektioner). Fx: Mange fald vil give en høj median og udtrykker et dårligt system for faldforbyggelse
Lad os kigge på vores fly resultater! Hvis et system tager udgangspunkt i afprøvede, enkle prototyper som anvendes ensartet, burde kvaliteten være efter det
Tilfældig eller ikke-tilfældig variation, hvad siger statistikken? Statistikken bruger nogle aftaler/spilleregler, som er baseret på sandsynligheden at det samme resultat forekommer i et bestemt mønster Fx at slå plat-krone: Hvor stor er sandsynligheden at man slår plat 5 eller 10 gang i træk? Eller at slå plat 5 gange i træk, derefter krone 5 gange i træk, derefter plat 5 gange i træk osv.
Ikke-tilfældig variation Signaler om ikke-tilfældig variation Skiftsignal: Usædvanlig mange på hinanden følgende datapunkter på samme side af medianen Anhøj, Kompendium i kvalitetsudvikling, Munksgaard, 2015
Skiftsignal 100% % af administrationer, hvor tjeklisten blev opfyldt 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Uge
Skiftsignal 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% % af administrationer, hvor tjeklisten blev opfyldt Uge
Ikke-tilfældig variation Signaler om ikke-tilfældig variation Skiftsignal: Usædvanlig mange på hinanden følgende datapunkter på samme side af medianen Krydssignal: Usædvanlig få krydsninger af medianen Anhøj, Kompendium i kvalitetsudvikling, Munksgaard, 2015
Krydssignal 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% % af situationer, hvor tjeklisten blev opfyldt Uge
Krydssignal 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% % af situationer, hvor tjeklisten blev opfyldt Uge
Ikke-tilfældig variation Signaler om ikke-tilfældig variation Skiftsignal: Usædvanlig mange på hinanden følgende datapunkter på samme side af medianen Krydssignal: Usædvanlig få krydsninger af medianen Andre: Sæson variation, fx weekend versus hverdag, dagvagt versus nattevagt eller oplagt afvigende enkeltmålinger Anhøj, Kompendium i kvalitetsudvikling, Munksgaard, 2015
Andre signaler Sæson variation, fx sygefravær Weekend versus hverdag Dagvagt versus nattevagt Oplagt afvigende enkeltmålinger, se eksempel med antal fald per uge
Øvelse: Analyse af seriediagram
Øvelse: Analyse af seriediagram
Tilfældig eller ikke-tilfældig variation? Antal bæltefikseringer center X 60 50 40 30 20 10 0
Episoder pr. 1000 sengedage Tilfældig eller ikke-tilfældig variation? 4,5 4 Antal bæltefikseringsepisoder per 1000 sengedage center Y 3,5 3 2,5 2 1,5 1 0,5 0 Måneder
Antal Tilfældig eller ikke-tilfældig variation? 13 12 11 10 9 8 7 6 5 4 3 2 1 0 Antal medicineringsfejl afdeling Z Uge
Tilfældig eller ikke-tilfældig variation? % % borgere med tandkødsblødning % medarbejdere, der har haft sygefravær på en måned
Tilfældig eller ikke-tilfældig variation? Antal medicineringsfejl
Tilfældig eller ikke-tilfældig variation? Antal tavlemøder der afsluttes på et kvarter
Tilfældig eller ikke-tilfældig variation? % borgere/patienter hvor alle pleje/behandlings elementer er opfyldt % patienter der dagligt får målt vitale værdier
Marts 11 Maj `11 Juli `11 September `11 November `11 Januar `12 Marts 12 Maj`12 Juli`12 September `12 November `12 Januar `13 Marts `13 Maj `13 Juli `13 September `13 November `13 Januar `14 Marts `14 Maj `14 Juli `14 September `14 November `14 Januar `15 Marts `15 Maj `15 Juli `15 September `15 November `15 Januar 16 Marts 16 Maj `16 Juli `16 September `16 November `16 Januar `17 Marts 17 Maj`17 Juli`17 September `17 November `17 Januar `18 Marts`18 30 Samlet sectiofrekvens HEV 25 20 15 10 5 0 Samlet sectiofrekvens HEV Baseline median Forlængede median
Marts 11 Maj `11 Juli `11 September `11 November `11 Januar `12 Marts 12 Maj`12 Juli`12 September `12 November `12 Januar `13 Marts `13 Maj `13 Juli `13 September `13 November `13 Januar `14 Marts `14 Maj `14 Juli `14 September `14 November `14 Januar `15 Marts `15 Maj `15 Juli `15 September `15 November `15 Januar 16 Marts 16 Maj `16 Juli `16 September `16 November `16 Januar `17 Marts 17 Maj`17 Juli`17 September `17 November `17 Januar `18 Marts`18 30 Samlet sectiofrekvens HEV 25 20 15 10 5 0 Samlet sectiofrekvens HEV Baseline median Forlængede median 23 brugbare punkter; 11 kryds (min 7); 5 i serie (max 8). Konklusion: tilfældig variation
Indikatorværdi Indikatorværdi Hvordan skal man handle på disse to typer variation? Ikke tilfældig variation: Find årsagen Ønsket variation: Implementér årsagen Uønsket variation: Eliminér årsagen 80 70 60 50 40 30 20 10 0 J F M A M J J A S O N D Tid Tilfældig variation Tilfreds: Overvåg processen 10 Utilfreds: Ny proces 0 80 70 60 50 40 30 20 J F M A M J J A S O N D Tid
Frokost
Øvelse: Andel bolde der kastes ned i koppen Stil krusene i en pyramideform og kom en magnet i hver Runde 1 1. Prøv nu skiftevis at kaste bolden ned i koppen 2. Noter resultatet for hvert kast 3. Når alle har kastet udregnes andelen af kast der ramte ned i koppen og resultatet noteres i et seriediagram Runde 2 1. Gentag (1-3) Runde 3 1. Gentag(1-3) REGEL: Bolden skal ramme bordet mindst én gang
Øvelse: Andel bolde der kastes ned i koppen Hvilke forandringer kan iværksættes for at skabe forbedringer? Gennemfør tre runder mere, hvor I samtidig afprøver ideer til forbedring Noter resultaterne i seriediagrammet REGEL: Bolden skal ramme bordet mindst én gang
Øvelse: Andel bolde der kastes ned i koppen Implementering Gennemfør tre runder mere med den nye måde at kaste på REGEL: Bolden skal ramme bordet mindst én gang
Øvelse i Statistisk Proces Kontrol PS!18 Workshop 1
Cases Læs jeres case igennem 5 min Lav opgaven 25 min Spørg hvis noget er uklart Drøftelse i plenum 30 min
Case 1
Case 2
Case 3
Case 4 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
Opsummering Vær konkret i dit mål (hvad er problemet?) Se både på proces og resultatindikatorer Plot the dot følg data over tid Forstå variation (tilfældig eller ikke-tilfældig?) Handl på data
Tak for i dag Følg med live på #patient18 Selskabet på Twitter: @patientsikker Praktisk info og præsentationer: patientsikkerhed.dk/patient18