HVORDAN KAN MÅLINGER BIDRA TIL FORBEDRING? ved Maria Fornes 1
Agenda Hvorfor måle? Analysere data - statistisk prosesskontroll Hva skal måles, og hvordan? 2
Hva er en måling? -temperatur -blodtrykk -puls 3
Programmets målinger baseres ofte på en enkel brøk hvor mange pasienter som har mottatt et tiltak i forhold til hvor mange som skulle ha mottatt det dokumentere en uønsket hendelse (fall) og telle dager mellom disse målinger gjennomføres hver 14. dag eller månedlig 4
De fire målingene for innsatsområdet «Forebygging av fall i sykehjem og sykehus» 06.01.a Antall dager mellom hver fall 06.01.b Antall dager mellom hver fall med skade 06.02. Andel pasienter som er vurdert for fallrisiko 06.03. Andel pasienter med forhøyet fallrisiko hvor en legemiddelgjennomgang er gjennomført 5
6
Vi har allerede forskning som viser hva som er beste praksis på mange områder, og vet at konkrete tiltak vil redde liv Denne kunnskapen må implementeres lokalt der pasientene mottar helsetjenester 7
For at noe aldri skal skje må noe alltid gjøres 8
9 Hvorfor måle?
Vi ønsker å vite om tiltak skaper forbedring Hensikten med målingene i programmet er å gi oversikt over utvikling og forbedringer over tid ved den enkelte enhet 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 gi grunnlag for egen læring og utvikling. 10
Forbedringsmodellen I pasientsikkerhetsprogrammet benyttes Forbedringsmodellen («The Model for Improvement») Forbedringsmodellen er en enkel og anvendelig metode som kan benyttes for å redusere avstanden mellom det vi vet vi bør gjøre (beste praksis) og det vi faktisk gjør Modellen forutsetter at man starter et forbedringsprosjekt med å besvare tre grunnleggende spørsmål: 1. Hva ønsker vi å oppnå? 2. Hvordan vet vi at en endring er en forbedring? 3. Hvilke endringer kan iverksettes for å skape forbedring? 11
Forbedringsmodellen Hva ønsker vi å oppnå? Hvordan vet vi at en endring er en forbedring? Hvilke endringer kan iverksettes for å skape forbedring? Act Plan Study Do 12
Forbedringsmodellen MÅL Hvordan vet vi at en endring er en forbedring? Hvilke endringer kan iverksettes for å skape forbedring? Act Plan Study Do 13
Forbedringsmodellen MÅL MÅLINGER Hvilke endringer kan iverksettes for å skape forbedring? Act Plan Study Do 14
Forbedringsmodellen MÅL MÅLINGER TILTAK Act Plan Study Do 15
Forbedringsmodellen MÅL MÅLINGER TILTAK Act Plan Study Do 16
17 Antakelse er alle feils mor
Florence Nightingale påpekte allerede på 1800-tallet at målinger må til i kvalitetsarbeid «The ultimate goal is to manage quality. But you cannot manage it until you have a way to measure it, and you cannot measure it until you can monitor it.» 18
19
Analysere data statistisk prosesskontroll 20
21
Programmets tiltakspakke = fundamentet i forbedringsprosjektet 22
Måleresultatene plottes i en tidsserie og målingene fremstilles visuelt 23
Vi kan få god oversikt over forbedringsområdet vi jobber med ved å plotte måleresultatene kronologisk ved faste tider i en tidsserie 100 % 0 dager / uker / måneder 24
En visuell fremstilling gjøre det enkelt å se om man oppnår forbedring over tid 25
Ved å benytte en metode kalt statistisk prosesskontroll (SPC) er det dessuten enkelt å foreta statistisk analyse dersom det skulle være ønskelig/nødvendig 26
Hvorfor behov for statistikk? Ved hjelp av statistikkverktøy kan man presentere måledata og resultater på en oversiktlig måte Enkelte målinger kan rett og slett være vanskelige å tolke uten bruk av statistikkverktøy Ved å benytte statistikk kan vi trekke statistisk sikre konklusjoner basert på måledata (dvs. at endringen med stor sannsynlighet skyldes reell forskjell og ikke statistiske tilfeldigheter - flaks) 27
Statistisk prosesskontroll vs. tradisjonell statistikk I forskning benyttes vanligvis avansert statistikk krever høy kompetanse innen statistikk krever store datamengder I forbedringsarbeid kan man nøye seg med en enklere form for statistikk statistisk prosesskontroll (SPC) lav brukerterskel målingene presenteres visuelt man kan trekke statistiske sikre konklusjoner selv ved få data 28
Statisk vs. dynamisk presentasjon av måledata Case: Postoperativ dødelighet ved coronar by-pass kirurgi før og etter endret prosedyre 29
Statisk vs. dynamisk presentasjon av måledata Case: Postoperativ dødelighet ved coronar by-pass kirurgi før og etter endret prosedyre 30
Var det den nye prosedyren som førte til den observerte nedgangen i dødelighet? Endringen på 20 % reduksjon i dødelighet er klinisk signifikant men er den også statistisk signifikant for prosessen som helhet (var prosessen stabil)? Benytt statistisk prosesskontroll (SPC) til å undersøke om prosessen var stabil Stabilitet kan sjekkes ved å plotte de månedlige dødelighetsratene i en tidsserie 31
Ved å plotte månedlige måledata i en tidsserie får vi et dynamisk og mer informativt bilde av situasjonen! 32
Ved å plotte månedlige måledata i en tidsserie får vi et dynamisk og mer informativt bilde av situasjonen! 33
Var det den nye prosedyren som førte til den observerte nedgangen i dødelighet? NEI! Bedringen vi observerer i søylediagrammet skyldes ikke den nye prosedyren, den har til og med mulig negativ effekt! Hva kan vi lære av dette eksemplet? Aggregerte data kan noen ganger lede oss til gale konklusjoner Tidsserier er å foretrekke i forbedringsarbeid gir som oftest et bedre bilde og mer nyttig informasjon Gå tettere på prosessen! 34
Noen ganger taler et linjediagram for seg selv og behovet for å anvende statistikk faller bort FORBEDRING? Ja, det er åpenbart at dette teamet har nådd sitt mål 35
36
Målingene kan registreres i Extranet Extranet er et nettbasert dataprogram og en database som deltakerne i pasientsikkerhetsprogrammet bruker til å dokumentere målingene sine Programmet analyserer målingene og lager diagrammer som skrives ut slik at alle kan se utviklingen på sin egen enhet https://extranet.pasientsikkerhetsprogrammet.no 37
38
39
40
41
Hva skal måles, og hvordan? 42
Hvordan måle kvalitet? Det er ikke mulig å finne ett objektivt mål på kvalitet, men ved å benytte et sett med kvalitetsindikatorer kan man danne seg et godt bilde av situasjonen 43
I programmet benyttes to typer indikatorer for å måle kvalitet Prosessindikator Belyser i hvilken grad klinisk praksis er i samsvar med ønsket praksis (dvs. i hvor stor grad et tiltak gjennomføres korrekt, f.eks. «samstemming av legemidler», «fallrisikovurdering», «sjekklistebruk») Resultatindikator Belyser utfallet for pasientene de helsemessige effekter/gevinst av behandlingen (f.eks. «overlevelse», «fallrate», «antall dager mellom trykksår») 44
De fire målingene for innsatsområdet «Forebygging av fall i sykehjem og sykehus» 06.01.a Antall dager mellom hver fall 06.01.b Antall dager mellom hver fall med skade 06.02. Andel pasienter som er vurdert for fallrisiko 06.03. Andel pasienter med forhøyet fallrisiko hvor en legemiddelgjennomgang er gjennomført 45
Nyttige tips Må definere en måleansvarlig. Husk tydelige rollefordelinger (hvem har ansvaret for hva?) Bygg målingene inn i den daglige virksomheten Bruk ferske data («real time») og gå tettest mulig på prosessen (la hver avdeling gjøre sine egne målinger) Måledataene må tolkes både statistisk og med faglig/klinisk skjønn (av dem som kjenner prosessen) Viktig å kommunisere resultatene (heng opp linjediagram for hver måleperiode) 46
47
48
Tommelfingerregel i forbedringsarbeid Søk nytte i målingene, ikke perfeksjon! 49
Hvordan samle inn og registrere en måling i Extranet? Vi vil se nærmere på måling 06.02 i dette eksemplet 06.02. Andel pasienter som er vurdert for fallrisiko Nevner: Antall pasienter over 65 år som er lagt inn i perioden. Teller: Antall pasienter hvor fallrisikovurdering er foretatt etter innleggelse i perioden. Målefrekvens: Hver 14. dag («halvmånedlig») 50
Hvordan samle inn og registrere en måling i Extranet? Vi vil se nærmere på måling 06.02 i dette eksemplet 06.02. Andel pasienter som er vurdert for fallrisiko Nevner: ANTALL BEHOV Teller: ANTALL SOM FIKK DEKKET BEHOVET 51
Grafisk illustrasjon av case for måling 06.02. Andel pasienter som er vurdert for fallrisiko De 20 pasientene avbildet under symboliserer alle pasienter over 65 år som er innlagt i perioden (annenhver uke eller månedlig). Dvs. NEVNER = 20 52
Grafisk illustrasjon av case for måling 06.02. Andel pasienter som er vurdert for fallrisiko Av de 20 nye pasientene var det12 pasienter som ble vurdert for fallrisiko. Dvs. TELLER = 12 53
Grafisk illustrasjon av case for måling 06.02. Andel pasienter som er vurdert for fallrisiko For denne «halvmåneden» skal tellerverdien 12 og nevnerverdien 20 registreres i Extranet. Dette gir brøken 12/20 som tilsvarer 60 %. Verdien 60 % vil synes som et punkt i linjediagrammet (tidsserien). Dette skjer automatisk i Extranet. 54
Grafisk illustrasjon av case for måling 06.02. Diagrammet nedenfor viser hvordan målingen i dette eksempelet ville ha sett ut i Extranet. Verdien 60 % dukker opp som et punkt i linjediagrammet (tidsserien) for den aktuelle tidsmålingen. 55
KORTVERSJONEN AV «HVA SKAL TIL FOR Å LYKKES MED MÅLINGER»: Forbedringsteamet må måle regelmessig og studere og analysere egne måledata Læring oppstår når teamet reflekterer rundt resultatene! 56
LYKKE TIL MED FORBEDRINGSARBEIDET, DIN INNATS ER VIKTIG! Takk for oppmerksomheten 57
Takk for oss! Maria Fornes Seniorrådgiver Telefon: (+47) 48 10 66 28 maria.fornes@helsedir.no I trygge hender 24-7 Nasjonalt pasientsikkerhetsprogram post@pasientsikkerhetsprogrammet.no pasientsikkerhetsprogrammet.no 58