Bağlam
Yatarak tedavi gören hasta düşmeleri, dahiliye ve cerrahi servislerinde takip edilen en yaygın güvenlik olaylarından biridir. Aynı zamanda, veriler genellikle olay bildirimleri ve hemşirelik dokümantasyonu aracılığıyla halihazırda toplandığı için ve nedenler az sayıda tekrarlayan kategoride toplanma eğiliminde olduğundan, sağlık hizmetlerinde kalite iyileştirme konusunda en sık kullanılan eğitim örneklerinden biridir. Yayımlanmış iki kaynak bunu iyi bir şekilde örneklendirmektedir: Yatarak tedavi gören hasta düşme verilerinden oluşturulmuş bir Pareto grafiğini adım adım açıklayan StatPearls kalite iyileştirme kaynağı ve nedenler önce bir çetele tablosuna kaydedildikten sonra nedene göre katmanlandırılmış hasta düşmelerinin Pareto analizini gösteren hakemli bir görsel.
İki kaynak da hastane genelinde yürütülen eksiksiz bir Six Sigma programını tanımlamamaktadır. Her ikisi de tam olarak bir Yellow Belt seviyesindeki çalışanın yürütmek üzere eğitildiği küçük, yerel ve araç odaklı analizi tanımlar: Problemi tek bir serviste tanımlayın, basit sayıları toplayın, bunları grafik haline getirin ve önce en büyük çubuklar üzerinde harekete geçin.
Problem
Belirli bir dahiliye servisinin, sorumlu hemşirenin veya servis müdürünün memnun olmadığı bir düşme oranı vardır. Düşmeler olay bildirim sistemi aracılığıyla zaten bildirilmektedir, ancak henüz kimse bildirimleri nedene göre düzenlememiştir. Bu adım olmadan çalışanlar tahmin yürütme eğilimindedir: Bazıları yatak alarmlarını, bazıları personel sayısını, bazıları ise hastaların zihin karışıklığını suçlar. Tahmin yürütmek, rakamları değiştirmeyen dağınık çözümlere yol açar.
Bir Yellow Belt Kapsamı Nasıl Belirler?
Bu, hastane genelinde bir DMAIC projesi, bir kontrol grafiği veya hipotez testi gerektirmediği için Yellow Belt ölçeğinde bir problemdir. Şunları gerektirir:
- Net ve dar bir problem tanımı: Hastane genelindeki düşmeler değil, tanımlanmış yakın bir dönemde bu servisteki düşmeler.
- Yeni bir BT sistemi değil, basit bir sayma aracı.
- Her servis müdürünün ayaküstü toplantıda okuyabileceği temel bir grafik.
- Servisin sermaye yatırımı gerektirmeden kendisinin uygulayabileceği karşı önlemler.
Bir Green Belt veya Black Belt bunu zaman içindeki düşme oranları üzerinde istatistiksel süreç kontrolü içeren tam bir DMAIC projesine dönüştürebilir. Bir Yellow Belt projesi ise ilk olarak nerede harekete geçileceğini görebilecek kadar veriyi düzenlemekle sona erer.
Faz Faz Uygulanan Araçlar
Tanımla
Ekip problemi tek bir cümleyle ifade eder: Bu servisteki düşmeler servisin istediğinden daha yüksektir ve nedenler sıklıklarına göre sıralanmamıştır. Tüm hastanenin süreç haritasına gerek yoktur, sadece hangi servise ve hangi zaman aralığına bakılacağı konusunda anlaşılması yeterlidir.
Ölçme: Çetele tablosu
Her bir düşmenin nedenleri bir çetele tablosu kullanılarak belgelenir; bu tablo daha sonra düşmelere katkıda bulunan kritik birkaç faktörü bulmak için bir Pareto grafiği kullanılarak daha ileri bir analize tabi tutulur. Uygulamada bu, her düşme bildiriminin daha sonra tekrar okunması gereken anlatısal bir not olarak dosyalanması yerine, geldiği anda bir neden kategorisiyle etiketlenmesi anlamına gelir. Bu, fabrika sahasındaki bir çetele tablosunda kullanılan disiplinin aynısıdır: Önceden kategorileri belirleyin, ardından her gerçekleştiğinde bir çetele işareti koyun.
Analiz: Pareto grafiği
Yeterli sayıda düşme kaydı etiketlendiğinde, çeteleler bir Pareto grafiğine dönüştürülür. StatPearls kalite iyileştirme kaynağı, bir dahiliye servisinden alınan düşme veri setini kullanarak tam olarak bu yapıyı adım adım açıklamaktadır. Yatarak tedavi gören hasta düşmelerine ait Pareto grafiği beş nedeni göstermekte olup, sol Y ekseni her bir nedene bağlanan düşme sayısını, sağ Y ekseni ise bu nedenlerin kümülatif yüzde katkısını sergilemektedir. Kümülatif yüzde çizgisinin yüzde 80 referans çizgisiyle kesiştiği nokta, proje için en kritik nedenleri gösterir ve kesikli bir çizgi, kritik azınlıktan önemsiz çoğunluğa geçişi işaret eder.
Hakemli çalışmadan alınan yayımlanmış görselde, aynı çetele tablosundan Pareto'ya uzanan dizi, düşmelerdeki en önemli faktörlerin hastanın genel durumu, denge kaybı ve baş dönmesi olduğunu ortaya koymuştur. Hemşirelerin beyin fırtınası yapmış olabileceği daha uzun bir listeden sıyrılan bu üç kategori, aslında servisin sınırlı zamanını ve dikkatini hak eden unsurlardır.
İyileştirme: Kritik azınlık üzerinde standart çalışma
Kritik azınlığın belirlenmesiyle karşı önlemler basit ve servis düzeyinde kalır: Yatışta mobilite değerlendirmesi için standart çalışma, dengesiz olarak işaretlenen hastalar için hasta başında görsel bir uyarı ve baş dönmesi veya oryantasyon bozukluğunu kontrol eden tutarlı bir saatlik vizit senaryosu. Bunların hiçbiri sermaye harcaması veya hastane genelinde bir politika değişikliği gerektirmez; bu da tam olarak tek bir servisin kendi başına pilot olarak uygulayabileceği türden bir çözümdür.
Kontrol: Grafiği görünür tutun
Pareto grafiği tek seferlik bir çalışma değildir. Servisin zaten ayaküstü toplandığı yere asılır ve yeni düşmeler etiketlendikçe güncellenir; böylece çalışanlar aynı üç nedenin hâlâ baskın olup olmadığını veya karşı önlemler uygulandıktan sonra dağılımın değişip değişmediğini görebilirler.
Hızlı referans: Yayımlanan Pareto analizinde belirlenen nedenler
| Sıra | Neden kategorisi | Kaynak |
|---|---|---|
| 1 | Hastanın genel durumu | Farklı nedenlere göre katmanlandırılmış hasta düşmelerinin Pareto grafiği |
| 2 | Denge kaybı | Farklı nedenlere göre katmanlandırılmış hasta düşmelerinin Pareto grafiği |
| 3 | Baş dönmesi | Farklı nedenlere göre katmanlandırılmış hasta düşmelerinin Pareto grafiği |
Sonuç Ne Oldu?
Bu yaklaşımın belgelenmiş değeri, tek bir çarpıcı öncesi ve sonrası rakamı değildir; ayrıştırılmamış olası nedenler listesinden sıralı, kanıta dayalı kısa bir listeye geçiştir. Balık kılçığı diyagramı, Pareto grafiği ve süreç haritalama araçları, sağlık ekiplerinin bir problemin kök nedenlerini belirleyip önceliklendirmelerine ve ilk olarak hangi yönler üzerinde harekete geçileceğine karar vermelerine olanak tanır. Bu önceliklendirme bir Yellow Belt projesinin gerçek çıktısıdır: Tamamlanmış, kalıcı bir çözüm değil, "önce ne üzerinde çalışmalıyız" sorusuna veriyle desteklenmiş bir cevaptır.
Hastane düşme verilerine ilişkin ilgili bir vaka tartışması, kapsam disiplini hakkında aynı noktayı vurgulamaktadır: Geniş, çok yıllık veri setleri, en çok düşmeye hangi yaş gruplarının ve hangi servislerin neden olduğunu görmek için Pareto grafiğiyle dilimlenebilir; bu da bir ekibin çabayı olası her değişkene dağıtarak boşa harcamasını önler.
Bir Kursiyerin Buradan Çıkarması Gerekenler
- Bir çetele tablosu yalnızca veriler toplanmaya başlamadan önce kategoriler tanımlandığında çalışır. Kategorileri eski anlatısal notlara sonradan uyarlamak daha yavaş ve daha az güvenilirdir.
- Bir Pareto grafiğinin değeri, yalnızca çubuklarda değil, kümülatif yüzde çizgisindedir. Yalnızca çubuk yüksekliklerinden tahmin yürütmek yerine, "kritik azınlık" sınırının gerçekte nereye düştüğünü size söyleyen şey bu çizgidir.
- Kritik azınlık sınırı, sabit bir kural değil, verilerle desteklenen bir takdir kararıdır. StatPearls örneği, proje için mevcut kaynaklara bağlı olarak kritik azınlığın makul bir şekilde ilk iki veya üç neden olabileceğini belirtmektedir.
- Yellow Belt kapsamı, servisin kendisinin yürütebileceği bir çözüm seçmek anlamına gelir: Yeni bir yazılım veya sermaye ekipmanı değil; standart çalışma, görsel uyarılar, vizit senaryoları.
- Grafik analizden sonra canlı kalmalıdır. Onu asmak ve güncellemek, tek seferlik bir incelemeyi, harekete geçmeden önce veriye bakma şeklinde kalıcı bir alışkanlığa dönüştüren şeydir.
