Konteksten
Pasientfall under innleggelse er en av de vanligste sikkerhetshendelsene som spores på medisinske og kirurgiske avdelinger. De er også et av de hyppigst brukte undervisningseksemplene innen kvalitetsforbedring i helsevesenet, fordi dataene som regel allerede samles inn gjennom avviksmeldinger og pleiedokumentasjon, og fordi årsakene har en tendens til å samle seg i et lite antall gjentakende kategorier. To publiserte kilder illustrerer dette godt: en StatPearls-referanse for kvalitetsforbedring som går gjennom et Pareto-diagram bygget fra falldata for inneliggende pasienter, og en fagfellevurdert figur som viser en Pareto-analyse av pasientfall stratifisert etter årsak etter at årsakene først ble logget i et tallskjema.
Ingen av kildene beskriver et fullstendig Six Sigma-program for hele sykehuset. Begge beskriver nøyaktig den typen liten, lokal, verktøydrevet analyse en Yellow Belt er trent til å kjøre: definer problemet på én avdeling, samle inn enkle telleverdier, fremstill dem i et diagram, og ta tak i de største stolpene først.
Problemet
En spesifikk medisinsk avdeling har en fallfrekvens avdelingssykepleieren eller avdelingslederen ikke er fornøyd med. Fall blir allerede rapportert gjennom avvikssystemet, men ingen har organisert rapportene etter årsak. Uten det steget har de ansatte en tendens til å gjetter: noen skylder på sengealarmer, noen skylder på bemanning, noen skylder på pasientforvirring. Gjetting fører til spredte tiltak som ikke flytter tallet.
Hvordan en Yellow Belt ville avgrenset det
Dette er et problem i Yellow Belt-størrelse fordi det ikke krever et DMAIC-mandat for hele sykehuset, et kontrolldiagram eller hypotesetesting. Det krever:
- En tydelig, avgrenset problemstilling: fall på denne avdelingen, over en definert nylig periode, ikke fall på hele sykehuset.
- Et enkelt telleverktøy, ikke et nytt IT-system.
- Et grunnleggende diagram som enhver avdelingssykepleier kan lese i et kortmøte.
- Mottiltak avdelingen kan implementere selv, uten kapitalinvesteringer.
En Green Belt eller Black Belt kan utvide dette til et fullstendig DMAIC-prosjekt med statistisk prosesskontroll på fallfrekvenser over tid. Et Yellow Belt-prosjekt stopper ved å organisere dataene godt nok til å se hvor man skal handle først.
Anvendte verktøy, fase for fase
Definer
Teamet formulerer problemet i én setning: fall på denne avdelingen er høyere enn avdelingen ønsker, og årsakene er ikke sortert etter frekvens. Det trengs ikke noe prosesskart for hele sykehuset, bare enighet om hvilken avdeling og hvilket tidsvindu man skal se på.
Measure: Tellearket
Årsakene til hvert fall dokumenteres ved hjelp av et tallskjema, som deretter underkastes videre analyse ved hjelp av et Pareto-diagram for å finne de få, avgjørende faktorene som bidrar til fall. I praksis betyr dette at hver fallrapport merkes med en årsakskategori etter hvert som den kommer inn, heller enn å bli arkivert som et fritekstnotat som må leses på nytt senere. Dette er den samme disiplinen som brukes på et tallskjema i et fabrikklokale: forhåndsdefiner kategoriene, og sett deretter et telsemerke hver gang en av dem inntreffer.
Analyze: Pareto-diagrammet
Når nok fallregistreringer er merket, gjøres telleverdiene om til et Pareto-diagram. StatPearls-referansen for kvalitetsforbedring går gjennom nøyaktig denne oppbyggingen ved hjelp av et falldataset fra en medisinsk avdeling. Pareto-diagrammet for pasientfall viser fem årsaker, der den venstre Y-aksen viser antallet fall tilskrevet hver årsak, og den høyre Y-aksen viser det kumulative prosentvise bidraget fra disse årsakene. Punktet der den kumulative prosentlinjen kryssers referanselinjen på 80 prosent indikerer de mest avgjørende årsakene for prosjektet, der en stipling linje markerer overgangen fra de få viktige til de mange ubetydelige.
I den publiserte figuren fra den fagfellevurderte studien fant den samme sekvensen fra tallskjema til Pareto at de viktigste faktorene for fall var pasientens allmenntilstand, tap av balanse og svimmelhet. Disse tre kategoriene, ut av en lengre liste sykepleierne kanskje hadde brainstormet frem, er det som faktisk fortjener avdelingens begrensede tid og oppmerksomhet.
Improve: standardarbeid på de få viktige
Når de få viktige er identifisert, holdes mottiltakene enkle og på avdelingsnivå: standardarbeid for mobilitetsvurdering ved innleggelse, et visuelt merke ved sengen for pasienter som er flagget som ustødige, og et fast manus for timevise tilsynsrunder som sjekker for svimmelhet eller desorientering. Ingenting av dette krever kapitalinvesteringer eller en sykehusdekkende policyendring, noe som er nøyaktig den typen tiltak en enkelt avdeling kan teste ut på egen hånd.
Control: hold diagrammet synlig
Pareto-diagrammet er ikke et engangsprodukt. Det henges opp der avdelingen allerede har sine kortmøter, og det oppdateres etter hvert som nye fall merkes, slik at personalet kan se om de samme tre årsakene fortsatt dominerer eller om sammensetningen har endret seg etter at mottiltakene ble innført.
Hurtigreferanse: årsaker identifisert i den publiserte Pareto-analysen
| Rangering | Årsakskategori | Kilde |
|---|---|---|
| 1 | Pasientens allmenntilstand | Pareto-diagram over pasientfall stratifisert etter ulike årsaker |
| 2 | Tap av balanse | Pareto-diagram over pasientfall stratifisert etter ulike årsaker |
| 3 | Svimmelhet | Pareto-diagram over pasientfall stratifisert etter ulike årsaker |
Hva resultatet ble
Den dokumenterte verdien av denne tilnærmingen er ikke et enkelt, dramatisk før-og-etter-tall, det er skiftet fra en usortert liste over mulige årsaker til en rangert, evidensbasert kortliste. Fiskebeindiagrammet, Pareto-diagrammet og prosesskartleggingsverktøyene gjør det mulig for helseteam å identifisere og prioritere rotårsakene til et problem og avgjøre hvilke aspekter det må handles på først. Den prioriteringen er det faktiske leveransen fra et Yellow Belt-prosjekt: ikke en ferdig, permanent løsning, men et datastøttet svar på «hva bør vi jobbe med først».
En relatert casediskusjon om falldata fra sykehus gjør det samme poenget om omfangsdisiplin: brede, flerårige datasett kan delest opp med Pareto-diagram for å se hvilke aldersgrupper og hvilke avdelinger som står for de fleste fallene, noe som hjelper et team med å unngå å smøre innsatsen tynt utover alle mulige variabler.
Hva en kursdeltaker bør lære av dette
- Et tallskjema fungerer bare dersom kategoriene er definert før datainnsamlingen starter. Å tilpasse kategorier på gamle fritekstnotater i ettertid er treigere og mindre pålitelig.
- Verdien av et Pareto-diagram ligger i den kumulative prosentlinjen, ikke bare i stolpene. Det er den linjen som forteller deg hvor grensen for de «få viktige» faktisk går, fremfor å gjelde ut fra stolpehøydene alene.
- Grensen for de få viktige er en skjønnsmessig vurdering basert på dataene, ikke en fast regel. StatPearls-eksempelet bemerker at de få viktige rimeligvis kan være de første to eller tre årsakene, avhengig av ressursene som er tilgjengelige for prosjektet.
- Yellow Belt-omfang betyr å velge en løsning avdelingen kan drive selv: standardarbeid, visuelle merker, manus for tilsynsrunder – ikke ny programvare eller kapitalutstyr.
- Diagrammet bør holdes levende etter analysen. Å henge det opp og oppdatere det er det som gjør en engangsstudie om til en stående vane med å se på data før man handler.
