USA bruger 18 procent af sit bruttonationalprodukt (BNP) på sundhedsydelser, men ved nogle foranstaltninger er det mindst sunde af alle sine peer-lande. Cirka $1 billioner menes at være spildende udgifter, og 14 procent af det ($140 milliarder) skyldes klinisk affald. Sundhedsorganisationer kan ændre denne spildende bane ved at anvende kvalitetsforbedringsmetoder til at forbedre deres processer.

da sundhedsydelser er komplekse, mener mange i branchen, at de kontroller og standardisering, der foreslås af kvalitetsforbedringsmetoder, er vanskelige for branchen at vedtage. Men generelle kvalitetsforbedringsmetoder-definition af kvalitet, udvikling af forbedringsforanstaltninger, identifikation af variation, brug af kontrolkort og kørsel af Plan-Do-Study-Act (PDSA)—cyklusser-er blevet anvendt med succes til sundhedsprocesser, sundhedspleje og sundhed.

med korrekt anvendelse af data og analyser inden for de relevante rammer for kvalitetsforbedring kan sundhedsorganisationer nærme sig kvalitetskontrol og forbedring videnskabeligt—og effektivt.

kvalitetskontrol i sundhedsvæsenet: fem vejledende principper

kvalitetsforbedringsmetoder er almindeligt anvendt i landbrugs-og produktionsmiljøer bygget på processer, men nogle mener, at disse metoder ikke kan anvendes på sundhedsydelser på grund af dets håndværksmæssige natur. Patientpleje ses typisk ikke som en proces, der kan forbedres. Klinikere stoler på deres ekspertise til at passe patienter, træffe skræddersyede beslutninger en sag ad gangen. En af de største hindringer for kvalitetsforbedring i sundhedsvæsenet er ikke at forstå, at systemer og processer kan eksistere sammen med Personlig pleje. Med denne forståelse, kvalitetsforbedringsindsats kan centrere sig om rutiner, mens klinikere stadig leverer unik patientpleje.

når man anvender kvalitetsforbedringsmetoder og værktøjer til sundhedsydelser, er der fem vejledende principper, som sundhedsorganisationer bør overveje.

#1: Lette Adoption gennem praktiske forbedringsprojekter

blot at udsætte klinikere for ideer og diskutere casestudier omkring kvalitetsforbedring motiverer dem ikke til at vedtage forbedringsinitiativer. Kvalitet forbedring teori og metode er bedre lært gennem hands-on forbedring arbejde—anvende det til den faktiske kliniske miljø. At identificere et område, der er vigtigt for klinikere og skabe platformen for forbedring, vil lette vedtagelsen.

#2: Definer kvalitet og få aftale

at få enighed om definitionen af kvalitet i en bestemt sammenhæng fastlægger, hvad der skal måles, og hvordan man indsamler data om disse foranstaltninger. Institut for medicin (iom) udviklede en kvalitetsramme omkring seks mål for sundhedssystemer, men den mest fremtrædende til at definere kvalitet siger, at foranstaltninger skal være patientcentrerede: “at yde pleje, der respekterer og reagerer på individuelle patientpræferencer, behov og værdier og sikre, at patientværdier styrer alle kliniske beslutninger.”

definitioner af kvalitet bør omfatte, hvad der er vigtigt for patienten (patientrapporterede resultater eller fordele). Får patienter med kronisk sygdom den bedste pleje? Hvordan er deres livskvalitet? Sundhedssystemer lærer stadig, hvordan man rutinemæssigt måler proffer for at forstå, om de er fokuseret på forbedringer, der betyder noget for patienten. Ud over at fokusere på den patientcentrerede dimension af pleje fokuserer kvalitetsforbedringsindsatsen også på sikkerhed, effektivitet, effektivitet og aktualitet.

iom-kvalitetsrammen definerer også kvalitet med hensyn til sundhedsmæssig egenkapital: “At yde pleje, der ikke varierer i kvalitet på grund af personlige egenskaber som køn, etnicitet, geografisk placering og socioøkonomisk status.”En god operationel definition af kvalitet udvider forbedring til alle befolkningsgrupper segmenter og lukker pleje egenkapital huller.

#3: mål for forbedring, ikke ansvarlighed

Data og måling effektkvalitetsforbedring, men det er her sundhedsvæsenet er hårdere end andre industrier. Når klinikere først hører om kvalitetsforbedringsforanstaltninger, sidestiller de dem med præstationsforanstaltninger, hvilket indebærer ansvarlighed. Det er vigtigt at adskille foranstaltninger til forbedring fra foranstaltninger til ansvarlighed.

mål for ansvarlighed konverteres typisk til procenter. For eksempel indsamler en ansvarlighedsforanstaltning data om procentdelen af ER-patienter, der ventede i mere end 30 minutter. Ledelsen holdes ansvarlig for at holde ventetider under 30 minutter. En forbedringsforanstaltning indsamler faktiske ventetidsdata i minutter for at måle systemets ydeevne (ikke personer), så en proces kan forbedres. Forbedringsprojekter kan øge arbejdsbyrden for de eksisterende foranstaltninger, men forbedringsforanstaltninger skaber data af høj værdi, der fører til dramatiske forbedringer, hvilket i sidste ende sparer tid og ressourcer.

#4: Brug en Kvalitetsforbedringsramme og PDSA-cyklusser

flere rammer er blevet vedtaget til kvalitetsforbedring i sundhedsvæsenet:

• seks Sigmas DMAIC-model (Definer, mål, analyser, forbedrer, kontrollerer) undersøger eksisterende processer; dens DMADV-model (Definer, mål, analyser, design, verificer) bruges til at udvikle nye processer.
• Lean-metoden lægger vægt på værdi for patienterne og fokuserer derefter forbedringer på processer, der påvirker omkostninger og tidseffektivitet.modellen for Forbedringsramme blev udviklet af Associates in Process Improvement (API) i 1987 og er blevet den mest fremtrædende ramme inden for sundhedsvæsenet.

modellen for Forbedringsramme foreslår, at et forbedringsteam skal stille tre grundlæggende spørgsmål:

1. hvad forsøger vi at opnå? Dette spørgsmål fastlægger målet for forbedringsindsats og sikrer, at indsamlede data er relateret til patienters opfattelse af kvalitet.
2. Hvordan ved vi, at en ændring er en forbedring? Dette spørgsmål opstiller kriterierne for at bestemme, hvornår ændringer resulterer i bæredygtig forbedring.
3. hvilke ændringer kan vi foretage, der vil resultere i forbedring? Dette spørgsmål fører til PDSA-cyklussen, som tester småskalaændringer eller interventioner for at se deres effekt på resultaterne.

for at besvare disse spørgsmål sætter forbedringsteamet mål, mål og interventioner i forfølgelsen af forbedringsforanstaltninger med høj værdi:

• mål: projektmålet på højt niveau, som måles ved hjælp af resultatmål. Eksempel: reducer 30-dages genoptagelse af kronisk obstruktiv lungesygdom (KOL) med alle årsager.
• mål: et trinvist mål, der bidrager til det overordnede mål. Et forbedringsprojekt kan have flere mål, der hver bestemmes af procesforanstaltninger. Eksempel: Identificer patienten pålideligt, og aktiver derefter COPD-plejebundtet.
• Intervention: Ændringer i systemet eller processen designet til at forbedre udførelsen af resultat-og procesforanstaltninger. Eksempel: tog læger på COPD bundle brug.

hver intervention gennemgår en PDSA-cyklus for at teste dens gyldighed og tilpasse den til den specifikke kontekst.

PDSA-cyklusser er rygraden i kvalitetsforbedring i sundhedsvæsenet

selvom det kan virke forenklet sammenlignet med andre metoder, er PDSA-cyklussen i en gentagen applikation rygraden i kvalitetsforbedring:

• Plan: Etabler målet, Bestem hvilke spørgsmål der skal stilles, og hvilke forudsigelser der skal foretages, og planlæg derefter at udføre cyklussen.
• Do: Udfør planen, dokumentere problemer og uventede observationer, og begynde dataanalyse.
• undersøgelse: Fuldfør dataanalysen, sammenlign dataene med forudsigelserne, og opsummer derefter læringer.
• Act: Bestem, hvilke ændringer der vil blive foretaget, og hvad den næste cyklus vil være.

et forbedringsprojekt involverer normalt flere PDSA-cyklusser. Nøglen til kvalitetsforbedring succes er at forstå, at PDSA er en iterativ proces. Efter hver cyklus vurderer forbedringsteamet succesen med den tilknyttede intervention. På et tidspunkt vedtages eller opgives interventionen, hvilket indikerer afslutningen af PDSA-cyklusser for denne intervention. Derefter kan holdet gå videre til næste intervention. At nå det globale mål indikerer afslutningen af det samlede kvalitetsforbedringsprojekt.denne forbedringsproces er godt illustreret i en nylig artikel af PDSA m.fl., der dokumenterer 36 PDSA-cyklusser over 10 interventioner under et forbedringsprojekt for at reducere genindlæggelser af KOL. Dette er et glimrende eksempel på korrekt anvendelse af kvalitetsforbedring i sundhedsvæsenet og viser, hvordan modellen fungerer med mål, målinger og ændringsteorier.

ligesom PDSA cykler effektkvalitetsforbedring, data beføjelser PDSA cyklusser. Forbedringsteams studerer data for at lære om problemer i et system eller en proces og derefter implementere forbedringstrin. At forstå variation i data er en vigtig komponent i denne undersøgelse.

#5: Lær af Variation i Data

en dyb viden om modellen til Forbedringsramme hjælper teamet med at nå forbedringsmålet. En del af denne viden kommer fra forståelse af variation i data og årsagerne til denne variation.

tilsigtet og utilsigtet variation i data

sundhedsprocesser involverer både tilsigtet og utilsigtet variation. Tilsigtet variation beslutter med vilje at gøre noget på en anden måde. Det er det, der definerer patientcentreret pleje. Klinikere modstår undertiden ideen om at reducere variation, fordi det er en del af deres daglige praksis. De ordinerer med vilje en dosis eller behandling til en patient og en anden dosis eller behandling til den næste. Tilsigtet variation er en ønskelig praksis og en del af jobbeskrivelsen.

variationsteorien blev foreslået til at identificere og fjerne utilsigtet variation. Flere systemer med flere sæt utilsigtet variation skaber betydelige unødvendige omkostninger. Utilsigtet variation opstår, når flere klinikere i samme praksis ordinerer forskellige antibiotika til det samme problem uden en specifik begrundelse for, eller bevidsthed om, variationen. Hvis variationen ikke er tankevækkende, eller den er ude af vane eller bekvemmelighed, så er den utilsigtet. Men hvis hver kliniker har en begrundelse bag deres individuelle valg, og variationen fortsætter, så er den beregnet.

almindelig årsag og særlig årsag variation

udviklet begrebet fælles årsag og særlig årsag variation. Almindelige årsager er en iboende del af et system eller en proces, der påvirker alle mennesker og resultater. Særlige årsager stammer fra specifikke omstændigheder, der kun påvirker en delmængde af mennesker eller resultater. Forståelse af almindelig årsag og variation i speciel årsag hjælper sundhedssystemer med at identificere de ændringer, de kan foretage for at resultere i forbedring. At studere almindelig årsag og variation i speciel årsag er hjørnestenen i forbedring, fordi det viser, hvorfor variationen opstod, og foreslår den mest effektive tilgang til at tackle den. Shehart ‘ s kontroldiagrammetode giver denne indsigt.

en casestudie fra Cincinnati Children ‘ s Hospital Medical Center viser virkningen af særlig årsagsvariation på kateterassocierede blodbaneinfektioner (CA-BSIs). Hospitalet havde flere forbedringsprojekter, der arbejdede med de almindelige årsager til variation forbundet med CA-BSI-satser. Det viste en betydelig forbedring over en otte-årig periode, og derefter steg satserne uventet ud over den øvre kontrolgrænse. Hospitalet gennemførte en række undersøgelsesundersøgelser, der angav særlig årsagsvariation i to enheder. Det opdagede, at der var introduceret et nyt medicinsk udstyr, der ikke var en del af systemet. Fordi det overvågede gennem kontrolkort, var det i stand til at finde ud af, hvornår problemet opstod og fjerne den særlige årsag. Kontrolkort er et af fem værktøjer, som sundhedssystemer kan bruge til at lære af variation i data.

værktøjer til læring fra variation i data

følgende værktøjer giver forbedringsteams mulighed for at se status for et helt system og bruge opdagelser-afsløret af variation i dataene-til at gennemgå og ændre processer:

• kontroldiagrammer: Vis de data, der er knyttet til specielle og almindelige årsager, og gør det muligt for teams at forbedre systemet ved at fjerne særlige årsager eller ændre almindelige årsager.
• Kør diagrammer: forløber til kontroldiagrammer, der inkluderer visuel visning af mål over tid.Frekvensplotter: bruges til at visualisere datamønstrene for kontinuerlige data (f.eks. ventetider, opholdets længde og omkostninger pr. sag).
• Pareto-diagrammer: bruges til at visualisere kvalitative data (f.eks. patientens opfattelse af pleje og livskvalitet) og fokusforbedringsindsats.
• Scatter plots: Bruges til at visualisere forholdet mellem foranstaltninger.

kvalitetsforbedring i sundhedsvæsenet: Start i det små for at foretage store ændringer

kompleksiteten i sundhedsoperationer og den enorme mængde variation og affald i amerikansk sundhedsvæsen får foretagelsen af et kvalitetsforbedringsinitiativ til at virke som en fjern mulighed. Men forbedring af sundhedskvaliteten kan opnås, når systemer bruger de fem principper, der er skitseret i denne artikel, som deres vejledning, fra at få klinikerindkøb til at bruge en forbedringsramme, der er baseret på videnskabelig metode. Sundhedssystemer kan ændre dynamikken og tempoet i kvalitetsforbedringsarbejdet ved at starte små—test i lille skala og lære af disse tests.

yderligere læsning

vil du lære mere om dette emne? Her er nogle artikler, vi foreslår:

1. Sådan bestemmes de bedste interventioner til kliniske Kvalitetsforbedringsprojekter
2. kvalitetsforbedring i sundhedsvæsenet: hvor er det bedste sted at starte?
3. brug veludformede aim-udsagn for at opnå kliniske kvalitetsforbedringer
4. Top Five Essentials for Outcomes Improvement
5. Five It Must-haves for kvalitetsinitiativer i sundhedsvæsenet

vil du bruge eller dele disse koncepter? Hent denne præsentation fremhæve de vigtigste hovedpunkter.

Klik her for at hente diasene