La mesure : la pierre angulaire de l’amélioration de la qualité

En matière de mesure, il n’existe pas d’approche universelle ; tout est une question de contexte.

C’est un point essentiel à retenir pour le Dr Michael A. Posencheg, chef associé des affaires cliniques, division de néonatologie et directeur médical de l’efficacité clinique à l’hôpital pour enfants de Philadelphie.

Pour les équipes qui peuvent se sentir intimidées par la perspective de mesurer, Posencheg propose un concept utile : « juste assez » de données. « Les équipes ont parfois l’impression qu’elles doivent disposer de toutes les données pour prendre une décision sur un sujet », a-t-il déclaré dans une récente interview. « Je pense que de nombreuses équipes tombent dans cette « paralysie de l’analyse », où tout ce qu’elles veulent faire, c’est examiner toutes les données disponibles avant d’opérer un changement. » La volonté d’être exhaustif, bien que compréhensible, peut inutilement retarder les progrès.

Dans de nombreux cas, lorsqu’une équipe commence à tester des améliorations, tout ce dont elle a besoin est d’avoir une idée de base de l’impact des changements qu’elle met en œuvre sur le projet, a déclaré Posencheg. Elle a besoin de « juste assez de données pour prendre la décision suivante ou faire avancer le projet ». Par exemple, si vous effectuez un test de changement très limité, vous pouvez l’essayer une fois pour commencer. « Vous essayez quelque chose de nouveau sur un patient ou un jour, et vous constaterez peut-être que le simple fait d’avoir une expérience qualitative de cet événement suffit à déterminer si vous devez effectuer d’autres tests », a expliqué Posencheg.

De même, dans le bon contexte, l’échantillonnage peut s’avérer très utile. Avec les données de mesure des processus, lorsqu’une équipe essaie de déterminer si une nouvelle idée de changement se concrétise, l’échantillonnage peut donner une idée approximative de la fréquence à laquelle elle se produit. « Il n’est pas nécessaire de faire la différence entre 75 % de conformité et 77 %, car ce n’est pas si important », a déclaré Posencheg. « Il faut simplement avoir une idée de l’ampleur de la situation. »

Apprenez à coacher votre équipe vers le succès

Cela dit, dans certains cas, davantage de données seront nécessaires et l'échantillonnage n'est pas toujours approprié. Là encore, tout dépend du contexte.

Des données supplémentaires sont nécessaires si vous êtes plus avancé dans le processus, par exemple si vous avez déjà mené plusieurs cycles de Plan-Do-Study-Act (PDSA) autour d'une idée de changement donnée et que vous êtes sur le point de passer des tests à la mise en œuvre. Des données supplémentaires apporteront une certaine assurance, a déclaré Posencheg.

L’échantillonnage n’est pas non plus approprié pour les résultats rares ou une mesure de résultat particulièrement importante. « Dans ces contextes, vous souhaitez obtenir le résultat de chaque patient », a expliqué Posencheg. Les infections sanguines associées à une ligne centrale ou les infections urinaires associées à un cathéter en sont deux exemples. « Ce sont des événements suffisamment rares pour que vous puissiez collecter des données sur chaque occurrence », a-t-il noté.

Pas de qualité sans équité

L’équité est un aspect négligé de la mesure de l’amélioration de la qualité. De plus en plus, les systèmes de santé collectent et utilisent des données REaL (race, ethnie et langue) pour identifier les inégalités, aider à établir des priorités et favoriser l’amélioration. « Il n’y a pas de qualité sans équité », a déclaré Posencheg. « L’une des choses que nous avons essayé de faire dans notre institution est d’essayer d’intégrer l’équité dans tous nos projets. »

Par exemple, ils ont constaté des disparités raciales chez leurs patients souffrant d’insuffisance cardiaque. « Personne ne pense qu’ils traitent les patients différemment », a noté Posencheg, « mais quand on examine les données, on peut voir qu’il y a des raisons, inconscientes ou conscientes, pour lesquelles différents patients reçoivent des interventions différentes. » Selon Posencheg, stratifier les données et trouver des inégalités peut être inconfortable mais aussi transformateur. « Quand on regarde, on trouve des lacunes », a-t-il déclaré. « Et quand on trouve des lacunes, on a une réelle volonté et une obligation de s’efforcer de s’améliorer. »

La pierre angulaire de l’amélioration de la qualité

Une fois les données recueillies, des possibilités révélatrices apparaissent. « Ma véritable passion est d’enseigner les graphiques de mesure et de contrôle et les graphiques d’exécution », a déclaré Posencheg. Selon lui, l’analyse des données au fil du temps est « bien plus efficace pour raconter une histoire que de faire une analyse préalable et postérieure ». Il est heureux qu’au cours des 10 ou 15 dernières années, le domaine de l’amélioration ait évolué pour tenir compte de cela. « Je pense que cela montre simplement comment le domaine s’adapte et est plus mature qu’avant », a-t-il déclaré.

En fin de compte, l’amélioration n’est pas possible sans mesure. La mesure « est la pierre angulaire de l’amélioration de la qualité », a déclaré Posencheg. « Elle répond à la deuxième question du Model for Improvement , à savoir : comment savoir si le changement est une amélioration ? » a-t-il noté.

Posencheg se souvient d'une leçon qu'il a apprise lorsqu'il était nouveau directeur médical dans une unité de soins intensifs. Un nouveau membre senior du corps enseignant lui a dit que les bébés prématurés admis dans son unité avaient une température basse à l'admission. Les températures basses à l'admission sont associées à de mauvais résultats chez les bébés prématurés. « Lorsqu'elle m'en a parlé, je ne l'ai pas crue », a-t-il raconté.

Posencheg a décidé de revoir les données de température d’admission des deux années précédentes. Il a découvert que le professeur avait raison. Plus de 50 % des bébés avaient une température corporelle basse à l’admission. « J’ai été vraiment surpris de l’ampleur de ce phénomène », se souvient-il. Ces données sont devenues un signal d’alarme pour son unité. L’équipe a lancé un projet d’amélioration. En conséquence, plus de 95 % des bébés admis à l’unité ont désormais une température corporelle normale.

« Sans données, vous ne savez pas si vous avez un problème, vous ne savez pas si vous faites des progrès dans la résolution de ce problème et vous ne savez pas si les interventions que vous essayez de tester ou de mettre en œuvre tiennent la route », a déclaré Posencheg. « Pour toutes ces raisons, la mesure est au cœur de tous les efforts d'amélioration de la qualité. »

Photo de Rob McGlade | Unsplash

Vous pourriez également être intéressé par :

« Quel est le coût de l’échec ? » et autres questions que votre équipe devrait poser