Pasientsikkerhetskonferansen 2018 P15a: Måleverksted for nybegynnere #itryggehender
Velkommen! Hvorfor skal vi drive med målinger? Hva er statistisk prosesskontroll? Hvor begynner vi?
Hvorfor skal vi måle
Hvorfor og hvordan måler vi? Forskning Forbedring Styring og kontroll Hensikt Finne ny generaliserbar kunnskap Ta i bruk/forbedre bruk av kunnskap i klinisk praksis Dokumentere, bedømme, sammenligne Tester (stikkprøver) En stor «blind» test Mange små, observerbare tester Ingen stikkprøve eller test Hypotese Statisk Dynamisk Ingen hypotese Data Krever store mengder data for å finne små forskjeller Passe mengde data til å lære om prosessen for å forbedre den «alle tilgjengelige data» Hyppighet Et eller få måletidspunkter Hyppige målinger (dager/uker/mnd.) Sjeldne, tilbakevendende (kvartal, år) Analyse metode Komparative metoder Statistisk analyse og prosessstyring Deskriptive metoder Etter Solberg L. et al. 1997. The three faces of performance measurement: improvement, accountability, and research. Jt Comm J Qual Improv. Mar;23(3):135-47.
Utfordring man tror man har et problem En avdeling hadde fått klager på at pasienter måtte vente så lenge på lege ved planlagte innleggelse De bestemte seg for å gjøre en dataregistrering: Eksempel fra veiledningshefte: Forbedringsarbeid og Statistisk Prosesskontroll (SPC) av Bjørnar Nyen, data fra Ove Kjell Andersen
Når dataene blir presentert på en tidsakse kan variasjonene fortelle sitt Eksempel fra veiledningshefte: Forbedringsarbeid og Statistisk Prosesskontroll (SPC) av Bjørnar Nyen, data fra Ove Kjell Andersen
Utfordring aggregerte data kan skjule viktig informasjon Eksempel fra veiledningshefte: Forbedringsarbeid og Statistisk Prosesskontroll (SPC) av Bjørnar Nyen
Når dataene blir presentert på en tidsakse kan variasjonene fortelle sitt Intervensjon 1998 1999 Eksempel fra veiledningshefte: Forbedringsarbeid og Statistisk Prosesskontroll (SPC) av Bjørnar Nyen
Styringsdata for pakkeforløp brystkreft, Helse Sør-Øst; 01.01.2016 tom 31.10.2016
05.01.2016 07.01.2016 13.01.2016 15.01.2016 21.01.2016 26.01.2016 03.02.2016 04.02.2016 09.02.2016 11.02.2016 16.02.2016 18.02.2016 25.02.2016 03.03.2016 08.03.2016 10.03.2016 16.03.2016 29.03.2016 05.04.2016 07.04.2016 14.04.2016 19.04.2016 21.04.2016 27.04.2016 03.05.2016 11.05.2016 19.05.2016 25.05.2016 31.05.2016 07.06.2016 10.06.2016 16.06.2016 23.06.2016 28.06.2016 30.06.2016 07.07.2016 14.07.2016 29.07.2016 12.08.2016 23.08.2016 25.08.2016 01.09.2016 07.09.2016 13.09.2016 15.09.2016 22.09.2016 29.09.2016 04.10.2016 13.10.2016 25.10.2016 Data per pasient i tidsrekkefølge gir et bedre bilde av oppnådd forbedring 100 90 80 70 60 50 40 30 20 10 Brystkreft OUS Kirurgi Alle forløp i 2016 1.Tertial 2016 32,2 dager gjsnitt 2.Tertial 2016 30,2 dager gjsnitt 3.Tertial 2016 26,3 dager gjennomsnitt Blå linje = 27 dager (Standard forløpstid) Grønn linje = Resultat (gjennomsnitt) Rød linje = kontrollgrenser Opererte i tidsrekkefølge Mean: 32.31 UCL: 81.02 Mean: 30.27 UCL: 72.81 Mean: 26.33 UCL: 65.18 EpiData Analysis Graph
Managing a process on the basis of monthly (or quarterly) averages is like trying to drive a car by looking in the rear view mirror. D. Wheeler Understanding Variation, 1993.
Gevinster av å måle Vite hva status er Har vi et problem? Hvor stort? Hvordan ser det ut? Vite om tiltak skaper ønsket forbedring Få oversikt over utvikling og forbedringer over tid Dokumentere hva vi leverer Vise pasienter, pårørende, ledelse og oss selv hvordan våre tjenester er Gi rom for refleksjon Målingene kan hjelpe oss til å reflektere over egen virksomhet og gir grunnlag for egen læring og utvikling.
Inndeling av indikatorer og målinger Objektive målinger Direkte ved registrering av eksempelvis: saksbehandlingstid ventetid økonomiske størrelser eller ved hjelp av måleinstrumenter: temperatur i rommet støy fra maskiner osv. Subjektive målinger Basert på menneskelig vurdering som: pasienter/pårørendes opplevelser eller erfaringer ansattes vurderinger av arbeidsprosesser og rutiner, arbeidsmiljø osv. ledelsens vurderinger eller politikernes vurderinger Resultat Prosess Struktur Utfall for bruker Brukeres erfaringer og opplevelser Tjenester gitt i henhold til lovverk/beste praksis Klinisk resultat Hvordan vi gir tjenester Arbeidsprosesser Pasientflyt Koordinering og samhandling Hva som finnes av grunnleggende rammer Ressurser og organisering
Hva er statistisk prosesskontroll? (SPC) En grafisk fremstilling av data over tid som kan skille mellom tilfeldig variasjon og ikke-tilfeldig/spesiell variasjon Analyseregler gjør det mulig å trekke konklusjoner av run-diagrammer og kontrolldiagrammer Passer til å følge data over tid - som pasienter i rekkefølge, per dag, per uke Verktøy til å reflektere over og følge med på egen praksis
Hensikten ved å måle med SPC er: å oppnå en stabil og forutsigbar prosess, på et akseptabelt gjennomsnittsnivå, og med en akseptabel grad av variasjon. Walter Shewhart 1931
SPC handler om å forstå variasjon Tilfeldig variasjon Naturlig variasjon er en iboende egenskap ved en prosess Kroppstemperaturen varierer normalt mellom 36,5 og 37,5 grader gjennom døgnet Ventetiden ved en legevakt varierer mellom 0 og 90 minutter avhengig av pågang Tilfeldig variasjonen skyldes vanlige og naturlige årsaker En prosess som kun viser tilfeldig variasjon er som oftest stabil og forutsigbar innenfor statistiske grenser Ikke-tilfeldig/Spesiell variasjon Spesielle variasjoner kommer som resultat av irregulære, unaturlige årsaker som ikke er iboende i prosessen Spesiell variasjon kan være både ønsket og uønsket (utilsiktet). Spesiell variasjon i behandling kan være ønsket etter at man igangsetter et forbedringsarbeid Uønsket spesiell variasjon kan være forårsaket av utstyrsmangel (u)vaner/kultur, mangel på standardisering av en særskilt behandlingsprosess eller manglende evne til å takle akutte tilfeller på en god måte En prosess som har spesielle variasjoner er som oftest ustabil og ikke forutsigbar
Vi må både tolke og analysere variasjon Faglige tolkninger: Spredning Er graden av variasjon faglig akseptabel, eller bør praksis samordnes bedre? Nivå Er nivået (gjennomsnittet/medianen) tilfredsstillende? Er nivået god praksis/god kvalitet? Grenseverdier Finnes det en faglig grense for hvilke verdier som kan aksepteres og er denne grensen overskredet? Statistisk analyse: Vurdere om prosessen stabil og forutsigbar eller om det spesielle variasjoner tilstede i prosessen? Vurdere resultatet av intervensjoner i prosesser Er praksis endret/forbedret?
Diskusjon på bordet: Hvordan jobber dere med tall? Hvilke tall/grafer følges dere opp på i deres organisasjon? Evaluerer dere variasjon? (om prosessen består av tilfeldig eller spesiell variasjon?) Hvis ikke, hvilke kriterier brukes for å bestemme om en prosess forbedres eller forværres?
Dersom man ikke måler eller forstår variasjon i data kan man bli fristet til å Nekte for at dataene stemmer (passer ikke med ens virkelighetsoppfatning) Se trender som ikke eksisterer Prøve å forklare naturlig variasjon som spesiell variasjon Ansvarliggjøre folk for forhold de ikke har kontroll over Synsing, spekulasjoner, intuisjoner og subjektive observasjoner. Kill the messenger!
Ulike SPC-diagrammer
Antall minutter Hva forteller et run-diagram? Tid til ett eller annet Y-aksen 90 80 Serie 70 60 50 median mållinje 40 30 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Per bruker x-aksen
Measument Y-aksen Verdier (indikator) Hva forteller et kontrolldiagram? (mer om kontrolldiagrammer i neste sesjon) IChart - Verdi4 34 32 30 28 26 24 22 20 18 16 14 12 10 8 Sentrallinje (aritmetisk gjennomsnitt) Data legges ut på en tidsakse Dato/periode/pasienter i rekkefølge 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Mean: 21.60 LCL: 8.21 UCL: 34.99 X-aksen Tid (periode/pasienter i rekkefølge) Øvre kontrollgrense Nedre kontrollgrense EpiData Analysis Graph
Tester for spesiell variasjon i run-diagram 1. Nivåskifte i prosessen Flere enn 6 punkter etter hverandre på samme side av medianen indikerer et skifte i prosessen (enten over eller under) 2. Astronomisk datapunkt/sporadisk avvik Et punkt som ligger langt fra de andre datapunktene i tidsserien (bruk øyemål) 3. Trend 5 eller flere punkter som går i samme retning indikerer en trend 4. Spesielt mange eller spesielt få runs. I en tidsserie vil både for få og for mange runs gi inntrykk av at variasjonen ikke er tilfeldig. Matematikere har utviklet en sannsynlighetstabell som gir svar på dette
Nivåskifte i prosessen Flere enn 6 punkter etter hverandre på samme side av medianen indikerer et skifte i prosessen. (Enten over eller under)
Astronomisk datapunkt/sporadisk avvik Et punkt som ligger langt fra de andre datapunktene i tidsserien (bruk øyemål)
Trend 5 eller flere punkter som går i samme retning indikerer en trend.
Spesielt mange eller spesielt få runs I en tidsserie vil både for få og for mange runs gi inntrykk av at variasjonen ikke er tilfeldig. Matematikere har utviklet en sannsynlighetstabell som gir svar på dette Et run = ett eller flere datapunkter på rad på samme siden av medianen. Når vi teller antall run, så skal vi ikke inkludere datapunkter med medianverdi (ikke datapunkter som ligger på medianen) Hensikten med å telle antall run er å identifisere en type spesielle variasjoner.
Sannsynlighetstabell for run-diagrammer Antall datapunkter som ikke treffer medianen Nedre grense for antall "run" Øvre grense for antall "run" 14 4 11 15 4 12 16 5 12 17 5 13 18 6 13 19 6 14 20 6 15 21 7 15 22 7 16 23 8 16 24 8 17 25 9 17 26 9 18 27 9 19 28 10 19 29 10 20 30 11 21
Eksempel fra Extranet: 12.05 Responstid for MIG tiltak
Analyser diagrammet er det spesiell variasjon?
Analyser diagrammet er det spesiell variasjon?
Analyser diagrammet er det spesiell variasjon?
Eksempler på bruk av SPC
SPC brukes til å: Monitorere/utrede praksis i sanntid og retrospektivt Undersøke om myter stemmer Teste endringstiltak Sammenligne nåværende praksis med beste praksis og variasjoner før og etter en endring Følge opp for å se om endringene vedvarer Varsle om uønskede hendelser så tidlig som mulig
Sammenlikne variasjon og teste endringstiltak Eksempel: Forbedringsarbeid om utskrivningssamtalen, oropedisk post, Bærum Sykehus Sjekklisten generer en skåre for total måloppnåelse per pasient og gjøres om til prosent.
07.12.2015 07.12.2015 09.12.2015 09.12.2015 09.12.2015 10.12.2015 11.12.2015 11.12.2015 11.12.2015 11.12.2015 11.12.2015 11.12.2015 13.12.2015 14.12.2015 14.12.2015 14.12.2015 14.12.2015 14.12.2015 14.12.2015 16.12.2015 18.12.2015 18.12.2015 Score prosent «Nå-situasjonen» - des 2015 100 90 80 70 60 50 40 30 20 10 0 I-diagram Score sjekkliste utskrivningssamtaler Ortopedisk seksjon BS Dato Mean: 39.05 UCL: 112.39 EpiData Analysis Graph
Etter måling av baseline ble det igangsatt flere tiltak Ark til pasienten Nytt fast møtepunkt: Kl. 0915-0925 hver dag Gjennomgang av pasientlisten med fokus på utreise og organisering rundt dette. Hvem? - Visittsykepleier - Visittlegen - Fysioterapeut Visittstol Utskrivningsnotat
07.12.2015 09.12.2015 09.12.2015 11.12.2015 11.12.2015 11.12.2015 13.12.2015 14.12.2015 14.12.2015 14.12.2015 18.12.2015 11.03.2016 13.03.2016 16.03.2016 17.03.2016 18.03.2016 19.03.2016 31.03.2016 01.04.2016 01.04.2016 01.04.2016 02.04.2016 Score i prosent Mars/April 2016 100 90 80 70 60 50 40 30 20 10 0 Utreisesamtale - Ortopedisk sengepost BS I-diagram Dato Mean: 39.05 UCL: 112.39 Mean: 89.36 LCL: 34.52 UCL: 144.21 EpiData Analysis Graph
Sjekkliste mottak av ny bruker sykehjem Registrering i excel
Sammenlikne variasjon og teste endringstiltak Eksempel: Ventetid poliklinisk prøvetakning
Teste endringstiltak Eksempel: nasjonalt forbedringsprosjekt psykiatri a) Skriftlig materiale om ASL + faste undervisningsdager b) Kartlegging affektive symptomer MADRS+YMRS c) Heldagsseminar om kommunikasjon og dokumentasjon
If I had to reduce my message for management to just a few words, I d say it all had to do with reducing variation. Walter Edwards Deming
Refleksjoner De samme dataene kan vise forskjellige mønstre av variasjon avhengig av hvor mye av det du presenterer og hvordan du analyserer og fremstiller de. Gå så tett på en prosess som mulig. Data presentert over tid i tidsserier (for eksempel per dag, per uke eller per måned) er den beste måten å forbedre kvalitet og pasientsikkerhet Unngå å bruke aggregerte data og tall i tabellform hvis du ønsker å bruke dataene til forbedring Det er et lederansvar å forstå variasjon og spørre hvorfor
MEN gode målinger forteller deg ikke alt Grafene må analyseres og tolkes av de som eier prosessene for å finne ut: Årsaker til spesielle variasjoner Om en prosess bør forbedres Hvordan prosessen burde forbedres/redesignes
Skap en dialog om målingene
Det er viktig å sette gode mål før man bestemmer målingene
Hvordan gå frem for å utarbeide gode målinger? Samle brukbare data, ikke perfekte data Bruk eksisterende data hvis det finnes Bruk penn og papir til et bedre system er etablert Gjør datainnsamlingen til en del av de daglige rutinene Ikke bruk tid på å samle inn mer data enn nødvendig Bruk kvalitativ og kvantitativ data sammen La de som eier dataene være med på å definere målingene, involver ansatte! ALDRI utsett forbedringsarbeid i påvente av IT-avdelingen!!
Hvordan gå frem for å utarbeide gode målinger? Forts. Lag en plan som spesifiserer: Hvem Hvem skal samle inn dataene, en eller flere personer? Hva Hvilke data skal samles inn? Når Når skal målingene gjøres? Hvor Hvor skal målingene gjøres? Hvordan Hvordan skal dataene samles inn? Manuelle tellinger? Fra rapportsystem? Gjerne lag steg for steg -prosedyrer
Hvordan gå frem for å utarbeide gode målinger? Forts. Er vi enige i definisjonene? Er vi enige om hva som defineres som en forbedring? Er vi enige om når vi har nådd målene? Stages of Facing Reality - Reaction to Data The data are wrong The data are right, but it s not a problem The data are right; it is a problem; but it is not my problem. I accept the burden of improvement Det er et lederansvar å forstå variasjon og spørre hvorfor from Escape Fire, Don Berwick, (2002 Forum Speech), page 287-288
Gruppeoppgave diskusjon på bordene Ta utgangspunkt i et pågående forbedringsarbeid: Har dere en plan som spesifiserer? Hvem Hvem skal samle inn dataene, en eller flere personer? Hva Hvilke data skal samles inn? Når Når skal målingene gjøres? Hvor Hvor skal målingene gjøres? Hvordan Hvordan skal dataene samles inn? Manuelle tellinger? Fra rapportsystem? Gjerne lag steg for steg -prosedyrer Hvor diskuterer dere målingene underveis? Er dere enige om når målet er nådd?
Viktig å huske på når du bruker SPC SPC passer ikke til samtidige data Tid må være en faktor det du måler må representere en prosess/noe som skjer over tid Kan ikke brukes hvis det er huller i tidsrekken hvis noen av observasjonene mangler Datapunktene må sorteres i kronologisk rekkefølge Plottes kronologisk etter hendelsesdato, innleggelsesdato, utskrivingsdato, operasjonsdato, klokkeslett etc. Det du måler før og etter endring/i ulike faser - må måles på samme måte
Ofte stilte spørsmål Hvor lenge må vi måle? Vurder hvor lang tid det vil ta å få tilstrekkelig antall datapunkter (tommelfingerregel - minimum 20 datapunkter) Sørg for å ha tilstrekkelig antall datapunkter for å kunne gjøre en statistisk analyse Søk nytte i målingene, ikke perfeksjon Del opp måleperioden hvis det er hensiktsmessig Når skal man legge inn brudd/ny utregning av median? Ved utslag på en av testene (eks nivåskifte) Ved gjennomføring av nye tiltak/endring av praksis Hva skal vi måle? (flere eksempler på neste slide) Tid, Andeler Kvalitative indikatorer? Kan vi lage en sjekkliste? Hvor finner vi gode tall? Det avhenger av hva man vil måle Kvalitet på det man putter inn = kvalitet på det vi får ut
Eksempler på hva man kan måle Måledata (som kan måles på en skala) Tid; ventetid, liggetid, tid til tildelt time, tid brukt på ulike prosesser Antall brukere/pasienter, timer etc. per dag, uke, måned Score på sjekklister/tester per pasient eller gjennomsnittelig per dag/uke Pasienters vekt, blodsukker, kolesterol, blodtrykk, tempratur, score på div tester osv. over tid Kostnader Prosent/andelsdata (forhold mellom en teller og en nevner) Infeksjoner Beltelagte pasienter Sectio og operasjonelle forløsninger Dokumentasjon som fyller krav Utførte prosedyrer som fyller krav Forholdstall/rater Fall Trykksår Avviksmeldinger Medisinfeil Antall dager/suksesser mellom uønskede hendelser (for sjeldne/få hendelser) Antall dager mellom uønskede hendelser som fall, trykksår, med mer. Antall suksesser mellom uønskede hendelser hvor det kan telles som operasjoner uten infeksjoner
Noen avsluttende tips og råd La en som er interessert i målinger være måleansvarlig Ledelsen må forstå og bruke målingene underveis i prosjektet/arbeidet, ikke kun ved prosjektslutt Søk nytte i målingene, ikke perfeksjon
Spørsmål? Kontaktinformasjon: Maria Bergli (Planrådgiver Drammen kommune) maria.bergli@drmk.no
Lykke til! #itryggehender