Konteksten
Patientfald på sengeliggende afdelinger er en af de mest almindelige sikkerhedshændelser, der spores på medicinske og kirurgiske afdelinger. De er også et af de mest hyppigt anvendte undervisningseksempler inden for kvalitetsforbedring i sundhedsvæsenet, fordi dataene som regel allerede indsamles via hændelsesrapporter og sygeplejedokumentation, og fordi årsagerne har en tendens til at samle sig i et lille antal tilbagevendende kategorier. To publicerede kilder illustrerer dette godt: en StatPearls-reference om kvalitetsforbedring, der gennemgår et Pareto-diagram opbygget ud fra data om fald blandt indlagte patienter, og en fagfællebedømt figur, der viser en Pareto-analyse af patientfald opdelt efter årsag, efter at årsagerne først var registreret på et tjekskema.
Ingen af kilderne beskriver et fuldt hospitalsdækkende Six Sigma-program. Begge beskriver præcis den type lille, lokale, værktøjsdrevne analyse, som en Yellow Belt er uddannet til at køre: definer problemet på én afdeling, indsaml simple optællinger, kortlæg dem i diagrammer, og reagér på de største søjler først.
Problemet
En specifik medicinsk afdeling har en faldrate, som afdelingssygeplejersken eller afdelingslederen ikke er tilfreds med. Fald indrapporteres allerede via hændelsessystemet, men ingen har organiseret rapporterne efter årsag. Uden det trin har personalet en tendens til at gætte: Nogle skyder skylden på sengealarmer, nogle på normeringen, og nogle på patientforvirring. Gætterier fører til spredte løsninger, der ikke ændrer på tallene.
Hvordan en Yellow Belt ville afgrænse projektet
Dette er et problem i Yellow Belt-størrelse, fordi det ikke kræver en hospitalsdækkende DMAIC-charter, et styrediagram eller hypoteseafprøvning. Det kræver:
- En klar, afgrænset problemformulering: fald på denne afdeling over en defineret nyere periode, ikke fald på hele hospitalet.
- Et simpelt optællingsværktøj, ikke et nyt IT-system.
- Et grundlæggende diagram, som enhver afdelingssygeplejerske kan læse på et tavlemøde.
- Modforholdsregler, som afdelingen selv kan implementere uden anlægsinvesteringer.
En Green Belt eller Black Belt ville måske udvide dette til et fuldt DMAIC-projekt med statistisk processtyring på faldrater over tid. Et Yellow Belt-projekt stopper ved at organisere dataene godt nok til at se, hvor der skal sættes ind først.
Anvendte værktøjer, fase for fase
Define
Teamet formulerer problemet i én sætning: Fald på denne afdeling er højere, end afdelingen ønsker, og årsagerne er ikke blevet sorteret efter hyppighed. Der er ikke brug for et proceskort over hele hospitalet, kun enighed om, hvilken afdeling og hvilket tidsrum der skal kigges på.
Measure: Tjekskemaet
Årsagerne til hvert fald dokumenteres ved hjælp af et tjekskema, som derefter underkastes yderligere analyse ved hjælp af et Pareto-diagram for at finde de vitalt få faktorer, der bidrager til faldene. I praksis betyder det, at hver faldrapport bliver tildelt en årsagskategori, efterhånden som den kommer ind, i stedet for at blive arkiveret som et skriftligt notat, der skal genlæses senere. Dette er den samme disciplin, der anvendes på et tjekskema på et fabriksgulv: Foruddefiner kategorierne, og lav derefter en streg, hver gang en af dem forekommer.
Analyze: Pareto-diagrammet
Når der er tildelt kategorier til tilstrækkeligt mange faldregistreringer, omdannes optællingerne til et Pareto-diagram. StatPearls-referencen om kvalitetsforbedring gennemgår præcis denne opbygning ud fra et fald-datasæt fra en medicinsk afdeling. Pareto-diagrammet over patientfald viser fem årsager, hvor den venstre Y-akse viser antallet af fald, der tilskrives hver årsag, og den højre Y-akse viser det akkumulerede procentvise bidrag fra disse årsager. Det punkt, hvor den akkumulerede procentlinje skærer 80 procent-referencelinjen, angiver de mest vitale årsager for projektet, hvor en stiplet linje markerer overgangen fra de "vitalt få" til de "trivielt mange".
I den publicerede figur fra det fagfællebedømte studie viste den samme sekvens fra tjekskema til Pareto, at de vigtigste faktorer for fald var patientens almentilstand, tab af balance og svimmelhed. Disse tre kategorier, ud af en længere liste som sygeplejerskerne måske havde brainstormet sig frem til, er dem, der reelt fortjener afdelingens begrænsede tid og opmærksomhed.
Improve: standardarbejde på de vitalt få
Når de vitalt få er identificeret, forbliver modforholdsreglerne simple og på afdelingsniveau: standardarbejde for mobilitetsvurdering ved indlæggelse, en visuel markering ved sengen for patienter, der er vurderet som usikre til fods, og et fast manuskript til timebaserede runderinger, der tjekker for svimmelhed eller desorientering. Intet af dette kræver anlægsinvesteringer eller en hospitalsdækkende politikændring, hvilket er præcis den type løsning, en enkelt afdeling selv kan afprøve som et pilotprojekt.
Control: hold diagrammet synligt
Pareto-diagrammet er ikke en engangsgenstand. Det hænges op der, hvor afdelingen allerede afholder tavlemøder, og det opdateres, efterhånden som nye fald registreres, så personalet kan se, om de samme tre årsager stadig dominerer, eller om sammensætningen har ændret sig, efter at modforholdsreglerne blev indført.
Hurtig reference: Årsager identificeret i den publicerede Pareto-analyse
| Rang | Årsagskategori | Kilde |
|---|---|---|
| 1 | Patientens almentilstand | Pareto-diagram over patientfald opdelt efter forskellige årsager |
| 2 | Tab af balance | Pareto-diagram over patientfald opdelt efter forskellige årsager |
| 3 | Svimmelhed | Pareto-diagram over patientfald opdelt efter forskellige årsager |
Hvad resultatet var
Den dokumenterede værdi af denne tilgang er ikke et enkelt dramatisk før-og-efter-tal, det er skiftet fra en uudskilt liste over mulige årsager til en prioriteret, evidensbaseret bruttoliste. Fiskebeinsdiagrammet, Pareto-diagrammet og proceskortlægningsværktøjerne gør det muligt for teams i sundhedsvæsenet at identificere og prioritere årsagerne til et problem og beslutte, hvilke aspekter der skal handles på først. Den prioritering er det faktiske leverancepunkt i et Yellow Belt-projekt: ikke en færdig, permanent løsning, men et databaseret svar på "hvad skal vi arbejde på først".
En relateret casediskussion af hospitalets falddagbøger understreger det samme om afgrænsningsdisciplin: Brede, flerårige datasæt kan opdeles i et Pareto-diagram for at se, hvilke aldersgrupper og hvilke afdelinger der står for de fleste fald, hvilket hjælper et team med at undgå at sprede indsatsen for tyndt ud over enhver tænkelig variabel.
Hvad en kursist bør tage med sig fra det
- Et tjekskema fungerer kun, hvis kategorierne er defineret, før dataindsamlingen starter. Efterfølgende tilpasning af kategorier på gamle skriftlige notater er langsommere og mindre pålideligt.
- Et Pareto-diagrams værdi ligger i den akkumulerede procentlinje, ikke kun i søjlerne. Det er den linje, der fortæller dig, hvor skæringspunktet for de "vitalt få" reelt ligger, frem for blot at gætte ud fra søjlehøjderne alene.
- Grænsen for de vitalt få er en skønsmæssig vurdering baseret på data, ikke en fast regel. StatPearls-eksemplet bemærker, at de vitalt få med rimelighed kunne være de første to eller tre årsager afhængigt af de ressourcer, der er til rådighed for projektet.
- Et Yellow Belt-omfang betyder at vælge en løsning, som afdelingen selv kan køre: standardarbejde, visuelle markeringer, runderingsskripter, ikke ny software eller anlægsudstyr.
- Diagrammet skal holdes i live efter analysen. Ophængning og opdatering af det er det, der forvandler en engangsundersøgelse til en fast vane med at kigge på data, før der handles.
