Kontexten
Fallolyckor bland inneliggande patienter är en av de vanligaste säkerhetshändelserna som spåras på medicinska och kirurgiska avdelningar. De är också ett av de mest frekvent använda undervisningsexemplen inom kvalitetsförbättring i hälso- och sjukvården, eftersom data vanligtvis redan samlas in via tillbudsrapporter och omvårdnadsdokumentation, samt för att orsakerna tenderar att klustras i ett litet antal återkommande kategorier. Två publicerade källor illustrerar detta väl: en StatPearls-referens för kvalitetsförbättring som går igenom ett Paretodiagram uppbyggt av data om fallolyckor bland inneliggande patienter, samt en granskad figur som visar en Pareto-analys av patientfall stratifierade efter orsak efter att orsakerna först registrerades på en checklista.
Ingen av källorna beskriver ett fullständigt sjukhusövergripande Six Sigma-program. Båda beskriver exakt den typ av liten, lokal, verktygsdriven analys som en Yellow Belt är utbildad att driva: definiera problemet på en avdelning, samla in enkla antal, diagramföra dem och agera på de största staplarna först.
Problemet
En specifik medicinsk avdelning har en fallfrekvens som avdelningsföreståndaren eller enhetschefen inte är nöjd med. Fall rapporteras redan via tillbudssystemet, men ingen har organiserat rapporterna efter orsak. Utan det steget tenderar personalen att gissa: vissa skyller på sänglarm, vissa skyller på bemanning, vissa skyller på patientförvirring. Gissningar leder till spridda åtgärder som inte flyttar siffran.
Hur en Yellow Belt skulle avgränsa projektet
Detta är ett problem i lämplig storlek för en Yellow Belt eftersom det inte kräver ett sjukhusövergripande DMAIC-projektbrev, ett styrdiagram eller hypotestestning. Det kräver:
- En tydlig, avgränsad problemformulering: fall på denna avdelning under en definierad nyligen inträffad period, inte fall på hela sjukhuset.
- Ett enkelt räkneverktyg, inte ett nytt IT-system.
- Ett grundläggande diagram som vilken enhetschef som helst kan läsa vid ett pulsmöte.
- Motåtgärder som avdelningen kan implementera själv, utan kapitalinvesteringar.
En Green Belt eller Black Belt skulle kunna utöka detta till ett fullständigt DMAIC-projekt med statistisk processstyrning av fallfrekvenser över tid. Ett Yellow Belt-projekt stannar vid att organisera data tillräckligt väl för att se var man ska agera först.
Verktyg som tillämpas, fas för fas
Define (Definiera)
Teamet formulerar problemet i en mening: fallolyckorna på denna avdelning är högre än avdelningen vill att de ska vara, och orsakerna har inte sorterats efter frekvens. Ingen processkartläggning för hela sjukhuset behövs, bara enighet om vilken avdelning och vilket tidsfönster som ska granskas.
Measure: datainssamlingsbladet
Orsakerna till varje fall dokumenteras med hjälp av en checklista, som sedan underkastas vidare analys med hjälp av ett Paretodiagram för att hitta de mest avgörande faktorerna som bidrar till fallolyckorna. I praktiken innebär detta att varje fallrapport märks med en orsakskategori när den kommer in, istället för att arkiveras som en narrativ anteckning som måste läsas om senare. Detta är samma disciplin som används på en checklista i en fabrik: fördefiniera kategorierna och gör sedan ett streck varje gång en orsak inträffar.
Analysera: Paretodiagrammet
När tillräckligt många fallrapporter har märkts omvandlas strecklistorna till ett Paretodiagram. StatPearls-referensen för kvalitetsförbättring går igenom exakt denna uppbyggnad med hjälp av ett dataset för fallolyckor från en medicinsk avdelning. Paretodiagrammet för fallolyckor bland inneliggande patienter visar fem orsaker, där den vänstra Y-axeln visar antalet fall som tillskrivs varje orsak och den högra Y-axeln visar det kumulativa procentuella bidraget från dessa orsaker. Punkten där den kumulativa procentlinjen korsar referenslinjen på 80 procent indikerar de viktigaste orsakerna för projektet, med en streckad linje som markerar övergången från de avgörande få till de obetydliga många.
I den publicerade figuren från den granskade studien visade samma sekvens från checklista till Paretodiagram att de viktigaste faktorerna för fallolyckor var patientens allmäntillstånd, balansförlust och yrsel. Dessa tre kategorier, av en längre lista som sjuksköterskorna borde ha brainstformat kring, är vad som faktiskt förtjänar avdelningens begränsade tid och uppmärksamhet.
Förbättra: standardiserat arbete för de avgörande få
När de avgörande få har identifierats förblir motåtgärderna enkla och på avdelningsnivå: standardiserat arbete för rörlighetsbedömning vid inskrivning, en visuell signal vid sängen för patienter som markerats som ostadiga och ett konsekvent manus för timvisa ronderingar som kontrollerar yrsel eller disorientation. Inget av detta kräver kapitalinvesteringar eller en sjukhusövergripande policyändring, vilket är exakt den typ av åtgärd som en enskild avdelning kan testa på egen hand.
Styra: håll diagrammet synligt
Paretodiagrammet är inte en engångsprodukt. Det anslås där avdelningen redan har sina pulsmöten, och det uppdateras i takt med att nya fall märks, så att personalen kan se om samma tre orsaker fortfarande dominerar eller om mixen har förskjutits efter att motåtgärderna infördes.
Snabbreferens: orsaker identifierade i den publicerade Pareto-analysen
| Rang | Orsakskategori | Källa |
|---|---|---|
| 1 | Patientens allmäntillstånd | Paretodiagram över patientfall stratifierade efter olika orsaker |
| 2 | Balansförlust | Paretodiagram över patientfall stratifierade efter olika orsaker |
| 3 | Yrsel | Paretodiagram över patientfall stratifierade efter olika orsaker |
Vad resultatet blev
Det dokumenterade värdet av detta tillvägagångssätt är inte en enskild dramatisk före-och-efter-siffra, utan förskjutningen från en odifferentierad lista över möjliga orsaker till en rangordnad, evidensbaserad bruttolista. Fiskbensdiagrammet, Paretodiagrammet och verktygen för processkartläggning gör det möjligt för vårdteam att identifiera och prioritera grundorsakerna till ett problem och besluta vilka aspekter som måste åtgärdas först. Den prioriteringen är det faktiska resultatet av ett Yellow Belt-projekt: inte en färdig, permanent lösning, utan ett databaserat svar på "vad ska vi arbeta med först".
En relaterad falldiskussion om sjukhusfalldata gör samma poäng gällande avgränsningsdisciplin: breda, fleråriga datamängder kan skäras upp med Paretodiagram för att se vilka åldersgrupper och vilka avdelningar som står för de flesta fallolyckorna, vilket hjälper ett team att undvika att sprida ut insatserna tunt över alla tänkbara variabler.
Vad en kursdeltagare bör ta med sig från detta
- En checklista fungerar bara om kategorierna är definierade innan datainsamlingen startar. Att i efterhand anpassa kategorier till gamla narrativa anteckningar tar längre tid och är mindre tillförlitligt.
- Värdet med ett Paretodiagram är den kumulativa procentlinjen, inte bara staplarna. Det är den linjen som talar om var gränsen för de "avgörande få" faktiskt går, istället för att gissa enbart utifrån staplarnas höjd.
- Gränsen för de avgörande få är en bedömningsfråga baserad på data, inte en fast regel. StatPearls-exemplet noterar att de avgörande få rimligen kan vara de första två eller tre orsakerna beroende på vilka resurser som finns tillgängliga för projektet.
- Att avgränsa på Yellow Belt-nivå innebär att välja en åtgärd som avdelningen kan driva själv: standardiserat arbete, visuella signaler, ronderingsmanus, inte ny programvara eller kapitalutrustning.
- Diagrammet bör hållas levande även efter analysen. Att sätta upp det och uppdatera det är vad som förvandlar en engångsstudie till en stående vana att titta på data innan man agerar.
