Kvalitetsforbedring og SPC

Transkript

1 Marie Brudvik og Bjørnar Nyen Kvalitetsforbedring og SPC Kunnskapsesenterets nye PPT-mal Kvalitetskommuneprosjektet Oslo 10. og 11. november 2008

2 Valg av område i forbedringsarbeid Vanlig Området omfatter mange pasienter Viktig Området har vesentlig betydning for brukerne Vanskelig Området har erkjente mangler, kan være vanskjøttet Virkelighetsnært Det skal være realistisk å få til endring

3 Tre grunnleggende spørsmål 1. Hva ønsker vi å oppnå? 2. Når er en endring en forbedring? 3. Hvilke endringer kan iverksettes for å skape en forbedring?

4 SMARTE mål Spesifikke Målbare Ansporende Realistiske Tidsbestemte Enighet om målene

5

6 Prosessen med å arbeide med SPC Finne forbedringsområde Definere mål Tiltak Finne indikatorer Utvikle måleverktøy Registrere data Fremstille data Reflektere om data lære av data handle på grunnlag av erfaringene inkl. data

7 Hvorfor måle? Vite Hva vi leverer Om tiltak skaper bedring For læring og utvikling Vise brukere, ledelse og andre hvordan våre tjenester er for eksempel: Informere brukerne hvor lang ventetid de kan regne med Informere ledelsen hvordan brukertilfredsheten er Informere publikum hvordan tjenesten har utviklet seg

8 Finne gode indikatorer En indikator er en målbar variabel som avspeiler kvaliteten innenfor et område Indikatorene kan være Prosess-indikatorer som sier noe om prosessen Resultat-indikatorer som sier noe om resultatet

9 Ulike typer statistikk Tradisjonell statistisk analyse er bra for til mange ting, bl.a. til forskning Statisk prosesskontroll er en gren av statistikk som gjør bruk av tidsserier gjør bruk grafisk presentasjon av data som sammen gir raskere forståelse og bedre kommunikasjon egner seg godt til bruk i forbedringsarbeid

10 Hva slags verktøy er SPC? SPC er et pedagogisk verktøy SPC er et kommunikasjonsverktøy SPC er et verktøy i forbedringsarbeid SPC er statistikk -verktøy

11 Eksempel ventetid En avdeling hadde fått klager på at pasienter måtte vente så lenge på lege ved innleggelse. De bestemte seg for å gjøre en dataregistrering Eksempel fra Ove Kjell Andersen

12 VENTETID PÅ LEGE VED INNLEGGELSE Antall pasienter 348 Gjennomsnittlig ventetid 48 minutter Median ventetid 27 minutter Minimum ventetid 6 minutter Maksimum ventetid 103 minutter Range 97 minutter Standard avvik 18 minutter 90 Gj.sn. ventetid på lege i m ottakelsen Planlagte innleggelser Avd N, X HF 80 Minutter Søndag M andag Tirsdag O nsdag Torsdag Fredag Lørdag Søndag M andag Tirsdag O nsdag D a g Torsdag Median: Fredag Lørdag Søndag M andag Tirsdag O nsdag Torsdag Fredag Lørdag EpiD ata Analysis G raph

13 Variasjon Alt varierer To typer variasjon: Naturlig/normal variasjon en variasjon innenfor det som kan kalles tilfeldig Spesiell variasjon når prosessen ikke er stabil, at den forstyrres av noe utenfra

14 Linjediagram ANTALL Antall konsultasjoner pr. dag DAG EpiData Analysis Graph

15 Diagrammene i SPC To hovedtyper 1. Run-diagram viser observasjonsrekka langs tidsaksen og MEDIAN-verdien 2. Kontroll-diagram viser observasjonsrekka langs tidsaksen, gjennomsnittsverdien og øvre og nedre kontrollgrense som uttrykk for grad av variasjon av enkeltobservasjonene. Det finnes mange ulike typer kontroll-diagram

16 Run-diagram 18 Antall konsultasjoner pr. dag ANTALL DAG Median: EpiData Analysis Graph Et rundiagram er et linjediagram + medianen

17 RUN og MEDIAN Run er ett eller flere på hverandre følgende datapunkter på samme side av medianen MEDIAN er middeltallet i en rangordnet distribusjon (altså det midterste tallet) Tallrekke Rangordnet Median 3, 13, 2, 158, 11 2, 3, 11, 13, , 13, 389, 2, 158, 11 2, 3, 11, 13, 158, 389 (11+13)/2 = 12

18 I-diagram 20 Antall konsultasjoner pr. dag ANTALL DAG Mean: UCL: LCL: 2.36 EpiData Analysis Graph Et I-diagram er et linjediagram + gjennomsnitt + kontrollgrenser. Kontrollgrensene er et uttrykk for variasjonen i datamaterialet

19 P-diagram 26 P-diagram. Prosent primær-keisersnitt KK HF Prosent ja n.04 feb.04 mar.04 apr.04 mai.04 ju n.04 ju l.04 aug.04 sep.04 okt.04 nov.04 des.04 ja n.05 feb.0 5 Måned og år mar.05 apr.05 mai.05 ju n.05 ju l.05 aug.05 sep.05 okt.05 nov.05 des.05 des.05 Mean: EpiData Analysis Graph Et P-diagram er et linjediagram som prosent (resultat av en teller og en nevner), gjennomsnitt + kontrollgrenser. Kontrollgrensene er et uttrykk for variasjonen i datamaterialet. Smalere kontrollgrense jo større nevner er.

20 Statistisk prosesskontroll Oppsett og analyse av data i en tidsserie 1. Nivåkontroll (i overensstemmelse med god praksis/god kvalitet) 2. Variasjonskontroll (stabile og forutsigbare tjenester) 3. Forbedringskontroll (sikre at forbedringer dokumenteres)

21 Tester på spesiell variasjon Det er utarbeidet diverse tester for påvisning av signaler om spesiell variasjon i SPC-diagrammer, basert på enkel statistisk tenkning Testene er laget for datasett på mellom 20 og 30 punkter Test 1: sporadiske avvik (punkt utenfor kontrollgrensene) Test 2: Nivåskifte (mange punkter på rad på samme side av senterlinjen) Test 3: Trend (mange stigende eller synkende punkter på rad) Det finnes en rekke andre tester!

22 Punkt utenfor kontrollgrensen

23 I-diagram. Skåring av kvalitet på IUP 1. og 2. trinn Fjernland skole punkter over gammelt gjennomsnitt Dato Mean: UCL: Mean: UCL: LCL: 2.95 EpiData Analysis Graph Skår (0-40)

24 I-diagram ANTALL Antall konsultasjoner pr. dag 6 påhverandrefølgende synkende punkter DAG Mean: UCL: LCL: 2.36 EpiData Analysis Graph

25 SANNSYNLIGHET uttrykkes som p-verdi ( p = probability = sannsynlighet) En p-verdi på 1,00 er den absolutte visshet, mens p=0,00 er uttrykk for noe helt umulig. p=0,05 = 5% p=0,01 = 1% p<0,05 p<0,01

26 p<0,05 og p<0,01 1: 0,5 2: 0,5 x 0,5 = 0,25 3: 0,5 x 0,5 x 0,5=0,125 4: 0,5 x 0,5 x 0,5 x 0,5= 0,0625 5: 0,5 x 0,5 x 0,5 x 0,5 x 0,5= 0, : 0,5 x 0,5 x 0,5 x 0,5 x 0,5 x 0,5= 0,0156 7: 0,5 x 0,5 x 0,5 x 0,5 x 0,5 x 0,5 x0,5 =0,0078

27 Mer om kontroll-diagrammer Senterlinjen i et kontroll-diagram er gjennomsnittet av dataverdiene Det beregnes en øvre og nedre kontrollgrense som faller sammen med +/- 3 standardavvik fra gjennomsnittet

28 SPC kan si noe om ytelsen i fremtiden Ved stabil prosess (dvs at alle punkter ligger innenfor kontrollgrensene), vil et kontrolldiagram kunne si hva vi/brukere/ledere kan forvente - hvis ikke endringer gjøres

29 Mer om kontroll-diagrammer Det betyr at 99,73 % av datapunktene vil ligge innenfor kontrollgrensene med en normaldistribusjon Det er 0,27 % sjanse for at et datapunkt ligger utenfor kontrollgrensene ved tilfeldighet Med 25 datapunkter er det ca 6,5 % sjanse for en falskt positiv verdi

30 Hva kan måles med SPC? Svar: Data som dannes i en tidsrekkefølge Tid Ventetider Varighet av prosedyrer, behandlingstid etc Rapporttid Antall Antall brukere/klienter/pasienter Aktivitet Produksjon Andel (ja/nei-data må omdannes til andeler) Andel feilsendte regninger Keisersnitt Dødelighet Komplikasjoner Andel med individuell (eller annen)plan

31 Hva kan måles med SPC? Skåringsskjema Kvalitet (henvisninger/meldinger/epikriser/rapporter) Utredningskvalitet Måloppnåelse/programoppfyllelse Brukertilfredshet Økonomi Inntekter Utgifter Takstbruk Ressursbruk

32 Gruppearbeid om indikatorer (30 min) Ta utgangspunkt i egen virksomhet og område for forbedring i KKP en kommune om gangen Drøft ulike mulige indikatorer som kan analyseres som tidsserie (SPC) Hvordan samle inn data?

33 Øvelse - Svanesjøen legekontor Bruk fila Ex10 Tlfinn Lag i-diagram for ubesvarte uke 49 Få fram Dagtime langs x-aksen i 45 graders vinkel Sett inn korrekt tittel/navn på y-aksen Ta bort datapunktene for tiden Lag god tittel og undertittel Lag i-diagrammer for ukene 50 og 51 Legg inn brudd dag for dag Ekstraoppgave: Lag diagram over gjennomsnitt

34 Øvelse ventetid Bruk fila Ex1 snitt ventetid Gjør fila om til en fil som EpiData Analysis lever (side 5/6 i Brukerveiledningen) Lag et I-diagram av hele materialet Få med tester på spesiell variasjon (side 9) Få fram Måned på x-aksen (45 graders vinkel) Sett inn korrekt tittel/navn på y-aksen Lag gode titler/subtitler Skriv egnet tekst i fotnoten (side 7) Velg ut dataene fra Januar 2007 (side 9) Legg inn minimum (0) og maksimum (110) på y-aksen (side 10) Legg inn en horisontal linje svarende til 60 dager (mål max ventetid)

35 Eksempel data samlet opp Dødelighet ved coronar by-pass-kirurgi før og etter endret prosedyre Eksempel fra Raymon G. Carey 2002 Dødelighet i prosent Ny prosedyre innført fra januar År Skyldes bedringen den nye prosedyren?

36 Samme data satt inn i en tidsserie 9 Run-diagram: Dødelighet ved Coronar by-pass-kirurgi Før og etter endret prosedyre. Eksempel fra Raymond G. Carey Endret prosedyre Prosent jan feb mar apr mai jun jul aug Lærdom: Gå Måned sep okt nov des jan feb mar apr mai jun Median: 5.00 Median: 4.00 nærmere! jul aug Bedringen skyldes ikke den nye prosedyren den har kanskje hatt en negativ effekt! sep okt nov des EpiData Analysis Graph

37 Eksempel på ustabil prosess

38 SPC - lett eller komplisert? Svaret er JA! SPC kan gjøres veldig enkelt. Run-diagram er det enkleste noen ganger tilstrekkelig Man kan klare seg med I-diagram og P-diagram i tillegg Man kan klare seg med en test for spesiell variasjon (nivåskifte) eller to tester (nivåskifte + punkter utenfor kontrollgrensen) I tillegg må diagrammene vurderes med faglig/klinisk skjønn, særlig av dem som kjenner virksomheten

39 SPC lett eller komplisert? SPC kan gjøres veldig komplisert I tillegg til de tre nevnte diagramtypene finnes det mange ulike diagramtyper som kan passe i ulike situasjoner (de vanligste er X-bar S-diagram, X-bar R- diagram, u-diagram, c-diagram, np-diagram, g- diagram) Det er beskrevet mange tester på spesiell variasjon RÅD: Keep it simple men ikke for enkelt!!

40

41

42

43

44 Dataprogram EpiData Analysis med en SPC-modul kan lastes ned fra (freeware, men ønske om donasjoner til Epidata-forening for utviklingsarbeidet) En brukerveiledning til SPC-modulen kan lastes ned fra Et lite hefte om forbedringsarbeid og SPC kan lastes ned fra