أداتان لفهم التباين في رحلة التحسين الخاصة بك

لماذا هذا مهم؟

تستخدم منظمات الرعاية الصحية على كافة المستويات المختلفة، من المحلية والإقليمية إلى الوطنية، البيانات لفهم أدائها - على الرغم من أنها لا تفعل ذلك دائمًا بشكل فعال.

تساعد البيانات في الإجابة على الأسئلة الأساسية للتحسين. في رحلة التحسين، تحتاج إلى فهم:

• أين أدائك في البداية؟
• ما هي تأثيرات تغييراتك؟
• هل تحافظ على المكاسب مع مرور الوقت؟

علاوة على ذلك، توفر البيانات نقطة مرجعية مشتركة لإجراء محادثات جيدة حول أعمال التحسين التي نقوم بها جميعًا والتأثير الذي تحدثه.

هناك العديد من الطرق لعرض وتحليل البيانات، مثل الإحصاءات الموجزة والجداول والاختبارات الإحصائية والرسوم البيانية. بالنسبة لجهود التحسين، غالبًا ما تكون العروض المرئية للبيانات هي أفضل نهج للتعلم من التباين في البيانات. عادةً ما تكون الصور سهلة وسريعة التحضير، وهي تجعل من الممكن الوصول إلى جميع أنواع الرؤى المحتملة تقريبًا من البيانات. إنها تؤدي إلى رؤية منهجية للمشاكل والفرص. الأهم من ذلك، أن العروض المرئية تساعدك على تحديد التفاصيل الصغيرة ولكن المهمة التي قد يتم تفويتها في أنواع أخرى من التحليل. على سبيل المثال، إذا كنت تتعقب طول رحلتك، فإن إحصائية موجزة مثل المتوسط ​​​​(المتوسط) للشهر ستخبرك أن متوسط ​​​​وقت التنقل كان أعلى من المعتاد في الشهر الماضي. قد يوضح لك العرض المرئي أن هذا يرجع إلى أنه في يوم واحد، استغرق الأمر منك ثلاثة أضعاف الوقت المعتاد - ربما لأن سيارتك تعطلت - بينما اتبع كل يوم آخر روتينك المعتاد عن كثب.

الأنواع الأساسية لعروض البيانات المرئية المرتبطة بشكل وثيق بالتحكم في العمليات الإحصائية هي المخططات التي تعرض البيانات على مدار الوقت (على سبيل المثال، مخططات التشغيل ومخططات التحكم)، والمخططات التي تعرض توزيعات البيانات (على سبيل المثال، مخططات باريتو والمدرجات التكرارية)، والمخططات التي تعرض العلاقات بين الخصائص المختلفة (على سبيل المثال، مخططات التشتت). هنا سوف نتعمق في مخططات التشغيل والتحكم.

أنواع التباين

يتطلب تحسين الجودة استخدام البيانات للتعلم والتنبؤ بالأداء المستقبلي. في التحسين، من الأهمية بمكان أن نفهم أن كل عملية لها اختلافات متأصلة نريد فهمها. هناك نوعان:

يعد التغيير المقصود جزءًا مهمًا من الرعاية الصحية الفعّالة التي تركز على المريض. ويُطلق عليه أيضًا التغيير الهادف أو المخطط أو الموجه أو المدروس.

مثال: يصف الطبيب عمداً جرعات مختلفة من الدواء لطفل وشخص بالغ.

إن التغيرات غير المقصودة ترجع إلى التغييرات التي يتم إدخالها على عملية الرعاية الصحية والتي لا تكون مقصودة أو مخططة أو موجهة. وعادة ما تؤدي هذه التغييرات إلى عدم الكفاءة والهدر والرعاية غير الفعّالة والأخطاء والإصابات في نظام الرعاية الصحية لدينا، وعادة ما يؤدي الحد منها إلى تحسين النتائج وخفض التكاليف.

على سبيل المثال: دون أن يدرك ذلك، يصف الطبيب دواءً مسكنًا للألم لشخص واحد ولا يصفه لشخص آخر يعاني من نفس الحالة بسبب التحيز الضمني (النمطية اللاواعية) حول من يحتاج إلى تسكين الألم.

قد ينشأ التباين في مقياس الجودة عن أسباب مشتركة - أسباب متوقعة متأصلة في النظام. وقد ينشأ أيضًا عن أسباب خاصة - أسباب غير طبيعية ليست جزءًا من النظام ولكنها تنشأ بسبب ظروف محددة .

في النظام المستقر، تؤثر الأسباب المشتركة فقط على النتائج. ويمكن التنبؤ بالتباين ضمن حدود محددة إحصائيًا. وعلى النقيض من ذلك، في النظام غير المستقر، تتأثر النتائج بالأسباب المشتركة والأسباب الخاصة. وفي هذه الحالة، يكون التباين غير قابل للتنبؤ .

رسم البيانات على مدار الوقت

في رحلة تحسين الجودة، نستخدم مخططات تشغيل ومخططات تحكم مفصلة جيدًا للتعلم من الاختلافات في البيانات.

مخطط التشغيل هو رسم بياني للبيانات على مدار الوقت. يساعدك على تحديد ما إذا كانت التغييرات التي تجريها تؤدي إلى تحسين أم لا.

يوضح الرسم البياني أعلاه مستوى الرعاية الماهرة للولادة في أحد المرافق الصحية من يوليو 2015 إلى نوفمبر 2017. وبالنظر إلى الرسم البياني، نرى أن التغييرات التي تم إدخالها في أغسطس 2016 ومارس 2017 أدت إلى تحسينات في مستوى الرعاية الماهرة للولادة، محاطة بدائرة حمراء (اتجاه تصاعدي ثابت وارتفاع كبير، على التوالي).

يساعدك مخطط التحكم على التمييز بين الأسباب الخاصة والعامة للتباين. فهو يتضمن حد تحكم أعلى (UCL) وحد تحكم أدنى (LCL) محددين أعلى وأسفل خط المتوسط. ومن المتوقع أن يكون التباين ضمن هذه الحدود ناتجًا عن أسباب مشتركة؛ أما التباين الذي يتجاوز هذه الحدود فيشير إلى أسباب خاصة. استخدم مخططات التحكم لتحديد العلامات المبكرة للنجاح في مشروع التحسين ومراقبة العملية للتأكد من أنها تحافظ على المكاسب من جهود تحسين الجودة.

يوضح الرسم البياني أعلاه فحص الزهري في الرعاية السابقة للولادة من يوليو 2015 إلى 2018. ومرة ​​أخرى، بالنظر إلى الرسم البياني، نرى أن التغييرات التي تم إدخالها في أكتوبر 2016 أدت إلى تحسن في فحص الزهري. ترتفع المعدلات فوق الحد الأقصى للتحكم ويتحول المتوسط ​​إلى الأعلى. وعلاوة على ذلك، تم الحفاظ على المستوى الجديد للأداء بعد أبريل 2017. يوضح هذا الرسم البياني الحفاظ على المكاسب التي تحققت أثناء التحسن.

لمعرفة المزيد حول استخدام مخططات التشغيل ومخططات التحكم وعروض البيانات الأخرى، بالإضافة إلى القوالب لمساعدتك على البدء، قم بتنزيل مجموعة أدوات أساسيات تحسين الجودة IHI .

زودي موليسا هي مسؤولة أولى للرصد والتقييم في Institute for Healthcare Improvement.