Forebygging av fall i helseinstitusjoner - om Extranet og målinger Side 2

Transkript

1

2 Forebygging av fall i helseinstitusjoner - om Extranet og målinger Side 2

3 HVORFOR MÅLE? Side 3

4 HVORFOR MÅLE? Measurements are absolutely essential to efforts for improving the processes of medical care (Solberg et al., Jt Comm J Qual Improv Mar;23(3): ) Målinger er helt avgjørende i arbeidet med å forbedre prosessene for medisinsk behandling Side 4

5 HVILKE MÅLINGER HAR VI? Side 5

6 Hvordan måle kvalitet? Kvalitet kan være vanskelig å måle direkte. Derfor måles ofte kvalitet ved hjelp av ulike typer kvalitetsindikatorer. 1. Prosessindikatorer - uttrykker om pasientene har mottatt de ytelser de bør 2. Resultatindikatorer - belyser pasientens gevinst, f.eks overlevelse,fallrate Side 6

7 2 typer målinger Prosessmålinger - sier noe om i hvilken grad tiltakspakken gjennomføres Resultatmålinger - belyser om man faktisk oppnår det mål man sikter mot Side 7

8 Resultatmåling: Måling 1 Antall fall med skade pr liggedøgn (skaderate) Teller: Antall fall med skade i perioden Nevner: Antall liggedøgn i perioden Kampanjen anbefaler at man i tillegg analyserer antall dager mellom hvert fall med skade ved å plotte dette som en egen tidsserien i Extranet Side 8

9 Resultatmåling: Måling 2 (valgfri måling) Antall fall pr liggedøgn (fallrate) Teller: Antall fall (med og uten skade) i perioden Nevner: Antall liggedøgn i perioden Side 9

10 Slik legges målingen inn i Extranet Side 10

11 Slik ser denne tidsserien ut i Extranet Side 11

12 Prosessmåling: Måling 3 Andel pasienter over 65 år som er vurdert for fallrisiko og hvor denne er dokumentert Teller: Antall pasienter over 65 år som er vurdert for fallrisiko innen 24 timer og hvor denne er. dokumentert i veiledende behandlingsplan/epj/kurve Nevner: Antall pasienter over 65 år som har vært innlagt i mer enn 24 timer Side 12

13 Prosessmåling: Måling 4 Andel pasienter med forhøyet fallrisiko med tiltaksplan Teller: Antall pasienter med forhøyet fallrisiko hvor tiltaksplan er dokumentert i veiledende behandlingsplan/epj/kurve Nevner: Antall pasienter med forhøyet fallrisiko Side 13

14 HVORDAN BRUKE MÅLINGENE? Side 14

15 Å lære av egne data De som behandler pasienter må følge med i og forsøke å lære av sine egne data for å bedre de tjenester de gir. Fritt oversatt etter Raymond G. Carey (2002) Side 15

16 Derfor måler vi Hensikten med målingene som inngår i kampanjen: gi oversikt over utvikling og forbedringer over tid ved den enkelte enhet etter implementering av tiltakspakkene Side 16

17 Extranet kampanjens nettbaserte database Benyttes av det enkelte team til å dokumentere lokale forbedringer underveis. Verktøy for å følge forbedringsarbeidet i egen virksomhet + statistisk analyse Dokumentere arbeidsprosess og forbedring Viktig å kommunisere resultatene Side 17

18 Data tre innfallsvinkler (kilde: Solberg et al., Jt Comm J Qual Improv Mar;23(3): ) Forskning Forbedring Kontroll Formål Skape ny viten Implementere eksisterende viten Dokumentere, bedømme og sammelikne Hypotese Statisk Dynamisk Ingen hypotese Variasjon Kontrollér Studér Justér Stikkprøve Stor Liten Ingen stikkprøve Målehyppighet En eller få målinger Dager, uker, måneder Kvartaler, år Statistiske metoder Komparative metoder (t-test, chi2, regresjon, ) Prosessanalyse (Statistisk prosesskontroll) Deskriptive metoder (gjennomsnitt, spredning, ) Side 18

19 A) Forskning versus forbedringsarbeid Forskningens formål er å skaffe ny viten Forbedringsarbeid implementerer eksisterende viten Side 19

20 B) Forskning versus forbedringsarbeid Medisinsk forskning krever store datamengder I forbedringsarbeid holder det med få data Side 20

21 C) Forskning versus forbedringsarbeid I forskning er det lav målehyppighet, bygger gjerne på en eller få målinger (statisk prosess) I forbedringsarbeid benyttes høy målehyppighet: dager, uker, måneder (dynamisk prosess man følger prosessen over tid) Side 21

22 D) Forskning versus forbedringsarbeid I forskning benyttes vanligvis avansert statistikk - krever høy statistikkompetanse - krever store datamengder I forbedringsarbeid kan man nøye seg med enklere former for statistikk. I kampanjen benytte vi prosessanalyse vha statistisk prosesskontroll Side 22

23 Tidsserieanalyse: Bl.a. metoden statistisk prosesskontroll (SPC) Bygger på oppsett og analyse av data i en tidsserie - Det er mulig å trekke statistisk sikre konklusjoner på grunnlag av ganske få observasjoner dersom observasjonene utgjør en tidsserie. Innenfor dette statistikkfeltet finnes en enkel og robust metode kalt statistisk prosesskontroll Side 23

24 Statistisk prosesskontroll (SPC) Velegnet metode i forbedringsarbeid Lav brukerterskel (ved enklere bruk av SPC) Data framstilles visuelt og enkelt Vi kan raskere trekke statistisk sikre konklusjoner selv med små datamengder Det er mulig å trekke statistisk sikre konklusjoner på grunnlag av ganske få observasjoner dersom observasjonene utgjør en tidsserie Side 24

25 Enkelt eksempel på en tidsserie et diagram hentet fra innsatsområdet riktig legemiddelbruk sykehj Side 25

26 Nok et eksempel på en tidsserie et diagram hentet fra innsatsområdet trygg kirurgi Side 26

27 SPC anvendt på tidsserien i foregående slide Side 27

28 Hva kan oppnås ved oppsett og analyse av data i en tidsserie? (mer om dette på neste læringsnettverksamling) 1. Variasjonskontroll stabile og forutsigbare tjenester? 2. Nivåkontroll i overensstemmelse med god praksis/god kvalitet? 3. Forbedringskontroll sikre at forbedringer dokumenteres og at prosessen man studerer går i riktig retning Side 28

29 NB! Søk nytte, ikke perfeksjon, i målingene Side 29

30 Et par eksempler som illustrerer bruken av tidsserier i forbedringsarbeid DATA versus NYTTIG INFORMASJON Når vet vi at vi har en forbedring? Side 30

31 Eksempel: ventetid En avdeling hadde fått klager på at pasienter måtte vente så lenge på lege ved innleggelse. Avdelingen bestemte seg for å gjøre en dataregistrering. Eksempel fra Dr. Ove Kjell Andersen Side 31

32 Eksempel: ventetid Side 32

33 120 Ventetid på lege ved innleggelse, desember 2002 (gjennomsnittlig ventetid per dag i minutter) Side 33

34 Hvordan vet vi at en endring er en forbedring? Side 34

35 Hvordan vet vi at en endring er en forbedring? Side 35

36 Forbedring? All forbedring krever forandring, men det er ikke all forandring som er en forbedring Side 36

37 Hva kan vi lære av foregående eksempler? Gå tettest mulig på prosessen! Tips: Dersom flere poster skal delta i kampanjen er det mest å hente på at hver post plotter sin egen tidsserie Side 37

38 Noen tips til slutt Nyttig å utvikle et måle-team Bygg målingene inn i den daglige virksomheten Diagrammene må tolkes både statistisk og med faglig/klinisk skjønn (av dem som kjenner virksomheten) Bruk ferske data (real time) og gå tettest mulig på prosessene Man bør tilstrebe å ha 20 til 30 punkter i hver tidsserie Viktig å kommunisere resultatene Søk nytte, ikke perfeksjon, i målingene Side 38

39 EN KORT GJENNOMGANG AV EXTRANET Side 39

40 Extranet er Pasientsikkerhetskampanjens nettbasert database for målinger og kommunikasjon Side 40

41 For pålogging til Extranet, gå til kampanjens hjemmeside: pasientsikkerhetskampanjen.no npsk.no Side 41

42 Pålogging til Extranet via vår hjemmeside Side 42

43 Side 43

44 Side 44

45 Side 45

46 Side 46

47 Side 47

48 Side 48

49 Side 49

50 Brukerne i Extranet tilordnes ulike roller Hovedkontakt Dataregistrering Medlem Pasient/familierepresentant Sponsor Side 50

51 Side 51

52 Side 52

53 Side 53

54 Side 54

55 Side 55

56 Side 56

57 Side 57

58 Side 58

59 Side 59

60 Side 60

61 Plot the dots! Side 61

62