Innføring i Global Trigger Tool verktøyet for å avdekke behandlingsrelaterte komplikasjoner og skader

Transkript

1 Innføring i Global Trigger Tool verktøyet for å avdekke behandlingsrelaterte komplikasjoner og skader Pasientsikkerhetssjef Helge Svaar Nettverksundervisning for smittevernmiljøer onsdag 30.mars 2011

2 Metode og resultater fra Akershus universitetssykehus

3 Changing World of Health Care Chantler C. The role of education of doctors in the delivery of health care. Lancet 1999;353: "Medicine used to be simple, ineffective and relatively safe. Now it is complex, effective and potentially dangerous." The systems of health care have not kept up with the changes 3

4 4

5 Begreper FEIL (et ladet begrep, plasserer skyld) Bør brukes så sjelden som overhode mulig UØNSKET HENDELSE (nøytralt begrep): En utilsiktet og uønsket følge av medisinske undersøkelser og/eller behandling 5

6 Uønskede hendelser vs Feil Uønskede hendelser Feil 6

7 Forekomst av uønskede hendelser Egenmeldinger i avvikssystemet Fanger opp ca 20% av hendelsene 90% av hendelsene er nesten-skade : brudd på prosedyre - feil som nesten ble gjort men som ble oppdaget og rettet opp Betydelig underrapportering på hendelser som medfører skade på pasienter 7

8 Pasientrelaterte hendelser medisinsk virksomhet og pleie Helse Bergen 2008 (n = 918) 2009 (n = 1125) Kvalitetssjef Stig Harthug 8

9 I egenmeldte avvikshendelser finner vi primært feil dvs.: prosessorientering Med GTT finner vi skader dvs: resultatorientering Uønskede hendelser Feil Død 9

10 Måleteknikker Egenmeldinger av avvik / uønskede hendelser Retrospective journalundersøkelser Harvard Medical Practice Study metoden (1991) 10

11 Uønskede hendelser, internasjonale studier Forekomst i % av utskrevne Dødelighet i % av UH Kan forebygges i % av UH Ekstra liggedøgn pr. UH UK, ,7 8, Danmark, ,0 6, N.Zealand, ,3 4, Frankrike, , Canada,2004 7, Gj.snitt Ca 10% Ca 5% Ca 50% Ca 7 døgn Peter F.Hjort 11

12 Uønskede hendelser: mulig omfang i Norge, basert på internasjonale studier Forekomst i % av utskrevne Dødelighet i % av UH Kan forebygges i % av UH Ekstra liggedøgn pr. UH Gj.snitt Ca 10% Ca 5% Ca 50% Ca 7 døgn Norge , Svarer til 1300 sykehussenger/år Peter F. Hjort 12

13 Måleteknikker Egenmeldinger av avvik / uønskede hendelser Retrospective journalundersøkelser Harvard Medical Practice Study metoden (1991) Institute for Healthcare Improvement: Global Trigger Tool (2003) 13

14 Feil- og skadekategorier (NCC MERP) Kategori A: Forhold eller hendelse som kunne ført til feil Kategori B: En feil som ble oppdaget før pasienten ble utsatt Kategori C: En feil som pasienten ble utsatt for, ingen skade oppstått Kategori D: En feil pasienten ble utsatt for og som krevde observasjon eller tiltak for å bekrefte at pasienten ikke fikk skade Kategori E: Forbigående skade som krevde behandling Kategori F: Forbigående skade som førte til forlenget sykehusopphold Kategori G: Langvarig skade Varig mèn Kategori H: Livreddende behandling ble iverksatt Kategori I: Pasienten dør 14

15 Bruk av Global Trigger Tool Sensitivitet : Universitetene i Utah og Missouri samarbeidet om undersøkelse med full gjennomgang av alle journaler i en periode av 2 uavhengige leger (HMPS-metoden). Påviste 171 tilfelle av skader De samme journalene ble deretter undersøkt av 2 uavhengige sykepleiere etter Global Trigger Tool metoden og man fant 160 tilfelle av skade (sensitivitet = 94%) 15

16 Bruk av Trigger Tool En effektiv og lite ressurskrevende teknikk for å finne komplikasjoner/skader som oppstår i relasjon til undersøkelse og/eller behandling. Skader som det kliniske miljø ofte oppfatter som påregnelige komplikasjoner og ting som skjer 16

17 Praktisk gjennomføring av GTT Team To erfarne sykepleiere En lege Omfang 10 journaler hver 2. uke (opphold>24 timer) utskrevet 3 mnd tidligere Maksimum 20 min pr journal Sykepleier bruker ca 3,5 timeverk/måned på 20 journaler Lege bruker ca 1 timeverk/måned på å kvalitetssikre funn Tilfeldig utvalg (random sample) fra liste over utskrevne pasienter fra avdelingen 17

18 Prosessen ved strukturert journalundersøkelse Tilfeldig utvelgelse av journaler Journaler screenes av sykepleiere for triggere Antall journaler gjennomgått Positive triggere? Nei Avslutt journalgjennomgangen Skader/ 1000 liggedøgn %-andel pas m/skade Ja Nei Relevant del av journalen gjennomgås for tegn på skade Skader? Ja Kvalitetssikring av lege Skader klassifiseres og summeres 18

19 Prosessen ved strukturert journalundersøkelse Tilfeldig utvelgelse av journaler Journaler screenes av sykepleiere for triggere Antall journaler gjennomgått Positive triggere? Nei Avslutt journalgjennomgangen Skader/ 1000 liggedøgn %-andel pas m/skade Ja Nei Relevant del av journalen gjennomgås for tegn på skade Skader? Ja Kvalitetssikring av lege Skader klassifiseres og summeres 19

20 Hva er en Trigger? Det er ikke nødvendigvis en skade, men som oftest situasjoner medikamenter laboratoriesvar prosedyrer som ofte er assosiert til uønskede hendelser og komplikasjoner som fører til skade på pasienten 20

21 Trigger eksempler En trigger er en journalopplysning som indikerer en mulig avvikelse fra et normalt behandlingsforløp f.eks en avvikende laboratorieprøve et notat om at pasienten er overført til en annen avdeling avvik fra vanlig prosedyre De fleste triggerfunn har imidlertid ikke samtidig pasientskade 21

22 Global Trigger Tool struktur på arbeidsark Behandlingsmodul Hendelse Skade Medisineringsmodul Hendelse Skade B1 Hjertestans M1 INR > 6 B15 Infeksjon under oppholdet M12 Bruk av Naloxon Kirurgimodul K1 Reoperasjon, ikke planlagt I1 Utvikling av pneumoni K15 Operasjonstid > 6timer I4 Ikke planlagt intubasjon/ reintubasjon Pas ID Antall hendelser med skade Antall liggedøgn Avd Post PAL 22

23 Trigger Tool Går ikke gjennom hele journalen 1. Innkomstnotat av legespesialist 2. Epikrisen innhold og diagnosekodene (infeksjon, komplikasjon, E-koder) 3. Laboratoriearkene patologiske verdier 4. Operasjonsbeskrivelsen 5. Mikrobiologiske prøvesvar 6. Medisinforordninger 7. Sykepleieoppsummering 8. Innkomstjournal (bare ved påvist TT) 9. Sykepleienotater (bare ved påvist TT) 10. Journalnotater av leger (bare ved påvist TT) 23

24 Prosessen ved strukturert journalundersøkelse Tilfeldig utvelgelse av journaler Journaler screenes av sykepleiere for triggere Antall journaler gjennomgått Positive triggere? Nei Avslutt journalgjennomgangen Skader/ 1000 liggedøgn %-andel pas m/skade Ja Nei Relevant del av journalen gjennomgås for tegn på skade Skader? Ja Kvalitetssikring av lege Skader klassifiseres og summeres 24

25 Bruk av Trigger Tool Ved funn av en Trigger : Sjekk relevant del av journalen for å se om skade oppsto Ved funn av skade uten påvist Trigger Skaden registreres En behandlingsrelatert skade som er tilstede ved innleggelsen skal registreres som skade f.eks sykehjemspasient med trykksår, antikoagulasjonsbehandling som fører til blødning Se hendelsen fra pasientens synsvinkel: Ville du vært fornøyd dersom dette hendte med deg? Hvis svaret er nei er det en skade 25

26 Skade eller ikke? Pasient faller på toilettet, men tar seg for og slår seg ikke. Skade? Pasienten faller på toilettet, tar seg for med venstre arm og pådrar seg en fraktur. Skade? 26

27 Prosessen ved strukturert journalundersøkelse Tilfeldig utvelgelse av journaler Journaler gjennomgås for triggere Antall journaler gjennomgått Positive triggere? Nei Avslutt journalgjennomgangen Skader/ 1000 liggedøgn %-andel pas m/skade Ja Nei Relevant del av journalen gjennomgås for tegn på skade Skader? Ja Kvalitetssikring av lege Skader klassifiseres og summeres 27

28 Undersøkelsene Kirurgisk divisjon Medisinsk divisjon Sum Ahus Antall pasientjournaler Antall pasientjournaler Antall pasientjournaler SUM

29 Resultater Kirurgisk divisjon Medisinsk divisjon Sum Ahus Andel pasienter med UH % 13 % 19 % Andel pasienter med UH % 11% 15% Andel pasienter med UH % 10% 11% 29

30 Resultater Kirurgisk divisjon Medisinsk divisjon Sum Ahus Antall UH/1000 liggedøgn Antall UH/1000 liggedøgn Antall UH/1000 liggedøgn

31 Resultater AHUS samlet Forbedring Forbedring Andel pasienter 19% 15% 11% 19% 43% med UH Antall UH/ 1000 liggedøgn % 43% 31

32 Komplikasjon/skadekategorier - hovedårsaker %-ford Antall pas Kategori E: Forbigående komplikasjon/ skade som krevde behandling 44% (256) Kategori F: Forbigående k/s som førte til forlenget sykehusopphold 46% (270) Kategori G: Langvarig skade Varig mèn 3% (17) Kategori H: Livreddende behandling måtte iverksettes innen 1 time 2% (9) Kategori I: Pasienten død 5% (35) SUM (587) 32

33 Komplikasjoner/skadetyper (hovedårsak og biårsak) Sykehusinfeksjon 49% (375) Urinveisinfeksjon (161) Pneumoni (108) Postoperativ sårinfeksjon (81) Sepsis (18) Cl. Difficile (7) Ukjent utg.pkt (2) Kirurgisk komplikasjon 25% (188) Postoperativ blødning / hematom (89) Reoperasjon (46) Organskade (23) Postoperativ respiratorisk komplikasjon (2) Postoperativ sirkulatorisk komplikasjon (17) Forvekslingsinngrep Annen kirurgisk komplikasjon(16) Medikamentskade 11% (84) Trykksår 5% (41) Trombose / Emboli 4% (27) Fall med betydelig skade 4% (29) 33 Allergisk reaksjon 1% (5) 33

34 Årsak Urinveisinfeksjon Pneumoni Postoperativ sårinfeksjon Sepsis Cl. Difficile Sum sykehusinfeksjoner Postoperativ blødning/hematom Reoperasjon Organskade Andre kirurgiske komplikasjoner Sum kirurgiske komplikasjoner Medikamentskader Trykksår Tombose/emboli Fall med betydelig skade Annet Sum alle uønskede hendelser med komplikasjon/skade Estimat pr år Ca Ca Ca

35 Alvorlighetsgrad Fordeling Estimat/år Kategori E 44% 1800 Kategori F 46% 1900 Kategori G 3% 120 Kategori H 2% 80 Kategori I 5% 250 Sum betydelige k/s

36 Resultater for 2009 AHUS Endring (2401 pas) (1930 pas) Sykehusinfeksjoner Kirurgiske komplikasjoner/ skader Andre komplikasjoner/ skader

37 Komplikasjoner/skader pr 1000 liggedøgn Hele Akershus universitetssykehus Gammelt sykehus Nytt sykehus % jan 14.feb 15.mar 15.apr 15.mai 15.okt 15.nov 15.des 15. mai. 15. jun. 15. jul. 15. aug. 15.okt 15.nov 15.jan 14.feb 15. mai. 15. jun. 15. jul. 15. aug. 15.okt 15.nov Mean: LCL: 7.41 UCL: Mean: LCL: 8.00 UCL: EpiData Analysis Graph 37 Measument

38 Komplikasjoner/skader pr 1000 liggedøgn Gastrokirurgisk avdeling 15.jan 14.feb 15.mar 15.apr 15.mai 15.okt 15.nov 15.des 15. mai. 15. jun. 15. jul. 15. aug. 15.okt 15.nov 15.jan 14.feb 15. mai. 15. jun. 15. jul. 15. aug. 15.okt 15.nov Gammelt sykehus Nytt sykehus % Mean: UCL: Mean: UCL: EpiData Analysis Graph 38 Measument

39 Komplikasjoner/skader pr 1000 liggedøgn Infeksjonsmedisinsk avdeling Gammelt sykehus Nytt sykehus % jan 14.feb 15.mar 15.apr 15.mai 15.okt 15.nov 15.des 15. mai. 15. jun. 15. jul. 15. aug. 15.okt 15.nov 15.jan 14.feb 15. mai. 15. jun. 15. jul. 15. aug. 15.okt 15.nov Mean: UCL: Mean: UCL: EpiData Analysis Graph 39 Measument

40 Ekte komplikasjoner Ikke forebyggbart Akseptabelt, forsvarlig U-unngåelige hendelser og resultater Påvirkbar påregnelig risiko Bristol case Forebyggbart To Err Is Human U-unngåelige feil og resultater Påvirkbare feil Feil, uforsvarlig Rene feil som kan forebygges med systemtiltak, 0-toleranse Anders Baalsrud

41 Avdelingsspesifikke kvalitetsindikatorer 1.Andel utskrevne pasienter med skade etter uønsket hendelse 2.Antall skader etter uønsket hendelse pr liggedøgn 41

42 Avdelingsspesifikke kvalitetsindikatorer Kirurgisk divisjon us 1975 us 1100 us 1975 us Avdeling Andel pas Andel pas Antall UH/ Antall UH/ m/ UH (%) m/ UH (%) 1000 liggedøgn 1000 liggedøgn Ortopedisk 36 % 26 % Gastrokir 20 % 16 % Kar/thorax 29 % 18 % Urologi 11 % 7 % Gynekologi 11 % 8 % ØNH

43 Avdelingsspesifikke kvalitetsindikatorer Medisinsk divisjon us 2356 us 1301 us 2356 us Avdeling Andel pas Andel pas Antall UH/ Antall UH/ m/ UH (%) m/ UH (%) 1000 liggedøgn 1000 liggedøgn Infeksjon 13 % 10 % Gastromed 13 % 10 % Lungemed 13 % 11 % Nevrologi 12 % 11 % Nyre/horm 12 % 9 % Hjertemed 9 % 11 % Hematologi - 11 %

44 Lære av egne data De som behandler pasienter må følge med i og forsøke å lære av sine egne data for å bedre tjenestene de gir Raymond G.Carey

45 SPØRSMÅL eller KOMMENTARER? 45