Prehospital akuttmedisin Praktiske eksempler på kvalitets- og styringsindikatorer Guttorm Brattebø & Lars Myrmel Haukeland Universitetssykehus guttorm.brattebo@helse-bergen.no Pragmatisk vitenskap vs publiserte studier Publiserte studier Mål: Avdekke ny viten Metoder: forutsetning: ingen effekt blinding eliminere bias like grupper klare hypoteser én stor sammenligning Spre endring Mål: Forbedring Metoder: forutsetning: forbedring teste det observerbare stabil bias gode nok data tilpassing av forandringer sekvensielle tester 1
Indikatorer, kvalitetssikring & revisjon Indikator (lat): angiver, påpeker, pekepinn Man kan ikke forvente at en indikator vil endre seg uten at prosessene som ligger til grunn endres! Systematisk og uavhengig undersøkelse for å fastslå om aktiviteter og resultater stemmer overens med det som er planlagt og i forhold til lover og forskrifter Innebærer også kontroll av om de er effektivt gjennomført, og om de er hensiktsmessige for å oppnå definerte mål Man må velge modell for forbedring mål måling Hva er målet, og hva ønsker vi å oppnå? Hvordan kan vi vite om en endring er en forbedring? Hvilke endringer kan vi gjennomføre som vil medføre en forbedring? modell for læringl & forbedring 2
S Rapid cycle forbedring P D A Endringer som vil resultere i forbedring S Teorier & ideer P S D A A P D. data-drevet drevet forandring... Måling av endring & forbedring Måling for forbedring i stedet for bedømming Brukbarhet heller enn perfeksjon Enkle data som kan samles lett i løpet det daglige arbeid Vurder sampling (utvalg) og eksisterende datakilder Regelmessig tilbakemelding Lange baseline data oftest unødvendige Samle noen balanserende tilleggsdata om mulig Grafer med tidsakse for å vise variasjon & endring 3
Variasjon I Mennesker er ikke maskiner Det vil alltid forekomme variasjoner, utfordringen er å vite når en variasjon er betydningsfull Hvilke variasjoner skyldes vanlig støy og hvilke variasjoner er signifikante? Common cause variation naturlig variasjon som finnes i alle prosesser Special cause variation unaturlig variasjon som skyldes hendelser eller omstendigheter som ikke er typiske eller normale for prosessen Variasjon II Målinger fra enhver prosess vil vise variasjon Gjennomsnitt sier ingenting om fordeling, median er mer robust på mindre dataserier Individuelle målinger er uforutsigbare Men, dersom de kommer fra en stabil prosess, vil en gruppe målinger være normalfordelt ( klokke-formet ) Faren ved bare å se på grafiske data er at vi observerer høye eller lave verdier og handler som om vi hadde observert special cause variation Slik endring er klussing med prosessen, og bør ikke forekomme 4
13 17 2 23 26 29 47 Valg av datakilde Ikke samle flere data enn det som trengs og bruk eksisterende datakilder Samle heller inn noen få data på egenhånd enn å vente (uker) på data fra IT-avdelingen Brukbarhet fremfor perfeksjonisme Plot rå-data i tidsserie-grafer, gjerne med penn og papir (i stedet for å vente på ny datamaskin) Vurder sampling eller enklere / andre data Tids-serie analyser: Run-chart variabel 35 3 25 2 15 5 Endring innført 1 32 35 38 41 44 4 7 tid 5
Kontroll-kart I Det er også mulig å beregne kontroll-grensene for variasjon eksakt utfra variasjonen i data Hensikten er å identifisere special cause variasjon, for å ikke endre på en prosess som er stabil Benytter da standardavviket (SD) og definerer en observasjon som faller utenfor 3 SD som spesiell (,27% sjanse for feilaktig å påvise forskjell ) Kontroll-kart (p-kart): Ventetid i Akuttmottak 3 UCL 28,1% andel pasienter som venter > 4 timer 25 2 15 5 LCL 9,1% 15 pasienter / døgn Gj.snitt (p) = 18,6% SD = p-(1-p) n UCL = gj.snitt + 3 SD LCL = gj.snitt - 3 SD 1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 2 dager 6
Vurdering Det synes som om prosessene i Akuttmottak er stabile og at fra 9-28% av pasientene må belage seg på å vente mer enn 4 timer! I de fleste tilfeller vil imidlertid ca en av fem (18%) måtte vente så lenge - - dersom vi ikke gjør noe med prosessen Andre regler for kontroll-kart En observasjon utenfor 3 SD To av tre påfølgende punkter mer enn 2 SD fra senterlinjen Fire av fem påfølgende punkter mer enn 1 SD fra senterlinjen 8 påfølgende punkt på den ene siden av senterlinjen 6 påfølgende punkt som øker eller avtar (7 om mer enn 2 punkt) Ved å benytte disse fem testene vil risikoen for type-i feil (å (feilaktig påvise forskjell) være ca 1-(,9973)5 = 1,3% Quality Management in Health Care 1992;1:65-74 7
INR hos Marevan-pasient Behandlingsmål: INR 2,5 3,5 Doseendring om verdier utenfor dette området www.gruk.no INR-verdier etter nye kontrollgrenser Behandlingsmål: INR 2,5 3,5 Ny måling om verdier utenfor dette området Doseendring om ny verdi utenfor +/-,5 (2, 4,) www.gruk.no 8
Responstider Tid fra 113-henvendelse til hjelp hos pasient ambulanse, lege, første-responder? Responstider er en retrospektiv variabel! Systemansvarliges ansvar å overvåke Godt utgangspunkt for å se variasjon mellom områder, og som grunnlag for diskusjon med kommunene Hva er akseptabel responstid: 8,, 12, 24, 36, 42 eller 97 min??? Så hvordan beregne responstider? Hvordan beregne responstider? AMIS gir kanskje de beste data (foreløpig) Ofte oppgis bare antall, gjennomsnittlig responstider, gjerne kombinert med hastegradsfordeling Kanskje mer hensiktsmessig med grafisk fremstilling av alle data (SPC) Gir et mer intuitivt bilde av datasettet Godt utgangspunkt for diskusjon og endring Bør analyseres på kommunenivå (hentested), i stedet for den enkelte ambulanseenhet (om ikke man vil sammenligne ulike crew) 9
Ambulansetjenesten i Helse Bergen skal utnyttes uavhengig av kommunegrenser Responstider Responstid for akuttoppdrag ved akutthendelser i Bergen i Bergen, - oktober 27 oktober 27 7 6 5 Minutter 4 3 +3 SD +2 SD 2 +1 SD Median
Responstider for akuttoppdrag i Bergen, første halvår 28 Responstid ved akuttoppdrag på Bergen - 1. halvår 28 6 Fana 5 4 Åsane Minutter 3 2 Loddefjord Loddefjord LoddefjordLandås Fana Fana Sandviken Åsane Loddefjord Fana Åsane Åsane Fana Loddefjord Fana Fana Responstider for akuttoppdrag i Bergen, første halvår 28 Responstid ved akutthendelser i Bergen Januar - Juli 28 25 Serie1 Median Serie2 9-persentil 2 15 Minutter 5 Fana Fyllingsdalen Laksevåg Landås Loddefjord Sentrum Åsane Bergen Område 11
45 4 Responstid ved akutthendelser i Lindås - oktober 27 Responstider for akuttoppdrag Lindås, oktober 27 +3SD NLV: SAH. Oppgr. H 35 3 +2SD Lindås: Blødning arm Oppgr H Ostereidet: Hjerneslag? Oppgr H Fonnes: 2,5 år; Kramper etter fall Minutter 25 2 +1SD Lindås legek.: 5 år, sepsis Lid: Syncope (meldt som stans) Eknes; Hyttebrann Manger; Preeklampsi 15 Median 5 Responstider for akuttoppdrag (9 %), første halvår 28 Responstid v/akuttsituasjoner pr kommune: Januar - Juli 28 (9 persentil) 6 5 4 Minutter 3 25 min 2 12 min Bergen Granvin Ulvik Voss Kvam Fusa Samnanger Os Austevoll Sund Fjell Askøy Vaksdal Modalen Osterøy Meland Øygarden Radøy Lindås Austrheim Masfjorden Kommune 12
Responstid for akuttoppdrag, første halvår 28 Responstid ved akutthendelser 1. halvår 28 7 6 5 Minutter 4 3 2 Askøy Austevoll Austrheim Bergen Fedje Fjell Fusa Granvin Kvam Lindås Masfjorden Meland Modalen Os Osterøy Radøy Samnanger Sund Ulvik Vaksdal Voss Øygarden 25 2 Antall ambulanseoppdrag pr time uke 1-28 Ambulanseoppdrag pr time uke 1, Bergen 28 Nyttårsaften Mandag 31. Tirsdag Onsdag Torsdag Fredag Lørdag Søndag 15 Antall 5 1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 2 21 22 23 Time 13
25 Antall ambulanseoppdrag pr døgn Ambulanseoppdrag pr døgn i Bergen, jan-feb 28 2 28 15 Antall 5 27 Differanse -5 - Januar-Februar Ventetid ved grønn respons 28 Ventetid på ambulanse i Bergen ved grønn respons - 28 25 Jan-Okt 28 2 Oktober 15 Minutter 9 persentil 5 Median - 1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9- - 11 11-12 12-13 Tidsrom 13-14 14-15 15-16 16-17 17-18 18-19 19-2 2-21 21-22 22-23 23-24 14
Ambulanser med trinn II kompetanse, oktober 28 Ambulanser med trinn II - oktober 28 9 8 7 6 % 5 4 3 2 Bg 411 Bg 421 Bg 431 Bg 471 63411 63421 63431 46411 46421 47411 53411 43411 Bg 491 Bg 481 Bg 441 Bg 451 Ambulanse 9. november 24 Ambulansen ute kvinne døde Mens den ordinære ambulansen var ute på annet oppdrag forsøkte Åge Saltvedt febrilsk å gjenopplive den 7 år gamle nabokvinnen - uten å lykkes. Hvor var den kommunale beredskapen??? 15
Dialog med kommunene Viktig suksessfaktor for å komme videre! Kommunehelsetjenesten må erkjenne det akuttmedisinske ansvar de har Foretakene kan og bør bistå med virksomhetsdata opplæring & samtrening 16
17
AMK-tid for 113-operatør, AMK-Bergen AMK-tid (akutt) pr sykepleier (call-taker) 5 4 3 Minutter 2 1 Spl 1 Spl 2 Spl 3 Spl 4 Spl 5 Spl 6 Spl 7 Spl 8 Spl 9 Spl Spl 11 Spl 12 Spl 13 Spl 14 Spl 15 Spl 16 Spl 17 Spl 18 Spl 19 Spl 2 Spl 21 Spl 22 Sykepleier 18
19