Summary
- “Sem dados, você não sabe se tem um problema, não sabe se está fazendo algum progresso na solução desse problema e não sabe se as intervenções que está tentando testar ou implementar estão dando resultado.”
Quando se trata de medição, não existe uma abordagem única; é tudo uma questão de contexto.
Essa é uma conclusão importante para Michael A. Posencheg, MD, Chefe Associado de Assuntos Clínicos, Divisão de Neonatologia e Diretor Médico de Eficácia Clínica do Hospital Infantil da Filadélfia.
Para equipes que podem se sentir intimidadas pela perspectiva de medição, Posencheg oferece um conceito útil: dados “apenas o suficiente”. “Às vezes, as equipes sentem que precisam ter todos os dados para tomar uma decisão sobre algo”, disse ele em uma entrevista recente. “Acho que muitas equipes entram nessa 'paralisia de análise', onde tudo o que querem fazer é olhar todos os dados disponíveis antes de fazer uma mudança.” O impulso de ser abrangente, embora compreensível, pode desnecessariamente paralisar o progresso.
Em muitos casos, quando uma equipe começa a testar melhorias, tudo o que eles precisam é de uma noção básica se as mudanças que estão implementando estão levando a algum grau de melhoria, disse Posencheg. Eles precisam de “apenas dados suficientes para tomar a próxima decisão ou mover o projeto adiante”. Por exemplo, se você estiver executando um teste muito pequeno de mudança, você pode tentar uma vez para começar. “Você está tentando algo novo em um paciente ou em um dia, você pode descobrir que apenas ter uma experiência qualitativa desse evento é dado suficiente para ter uma noção se você deve fazer mais testes”, explicou Posencheg.
Da mesma forma, no contexto certo, a amostragem pode ser muito útil. Com dados de medidas de processo, quando uma equipe está tentando determinar se uma nova ideia de mudança está se consolidando, a amostragem pode fornecer uma noção aproximada da frequência com que ela está ocorrendo. “Você não precisa diferenciar 75% [de conformidade] de 77% porque isso não é tão importante”, disse Posencheg. “Você só quer ter uma noção do grau de magnitude.”
Aprenda a treinar sua equipe para o sucesso
Dito isso, em alguns casos, mais dados serão necessários, e a amostragem nem sempre é apropriada. Novamente, tudo depende do contexto.
Mais dados são necessários se você estiver mais avançado no processo — se você já conduziu vários ciclos Plan-Do-Study-Act (PDSA) em torno de uma determinada ideia de mudança e está perto de passar do teste para a implementação, por exemplo. Dados adicionais fornecerão segurança, disse Posencheg.
A amostragem também não é apropriada para resultados raros ou uma medida de resultado que seja particularmente importante. “Nesses contextos, você quer obter o resultado de cada paciente”, explicou Posencheg. Infecções da corrente sanguínea associadas a linha central ou infecções do trato urinário associadas a cateter são dois exemplos. “Esses são eventos raros o suficiente para que você possa coletar dados sobre cada ocorrência”, ele observou.
Não há qualidade sem equidade
A equidade tem sido um aspecto negligenciado da medição de melhoria da qualidade. Cada vez mais, os sistemas de saúde estão coletando e usando dados REaL (raça, etnia e idioma) para identificar desigualdades, ajudar a definir prioridades e impulsionar melhorias. “Não há qualidade sem equidade”, disse Posencheg. “Uma das coisas que tentamos fazer em nossa instituição é tentar incorporar a equidade em todos os nossos projetos.”
Por exemplo, eles encontraram disparidades raciais em seus pacientes com insuficiência cardíaca. “Ninguém acha que eles tratam os pacientes de forma diferente”, observou Posencheg, “mas quando você olha os dados, você pode ver que há razões, sejam elas inconscientes ou conscientes, pelas quais diferentes pacientes recebem intervenções diferentes”. De acordo com Posencheg, estratificar dados e encontrar desigualdades pode ser desconfortável, mas também transformador. “Quando você olha, você encontra lacunas”, ele disse. “E quando você encontra lacunas, você tem um verdadeiro impulso e uma obrigação de se esforçar para melhorar”.
A pedra angular da melhoria da qualidade
Uma vez que os dados são coletados, há possibilidades reveladoras. “Minha verdadeira paixão é ensinar gráficos de medição e controle e gráficos de execução”, disse Posencheg. Olhar para os dados ao longo do tempo, ele acredita, é “muito mais poderoso para contar uma história do que fazer uma pré e pós-análise”. Ele está satisfeito que, nos últimos 10 ou 15 anos, o campo de melhoria mudou para dar conta disso. “Acho que isso só mostra como o campo está se adaptando e está mais maduro do que era antes”, disse ele.
Em última análise, a melhoria não é possível sem medição. A medição “é a pedra angular da melhoria da qualidade”, disse Posencheg. “Ela responde à segunda pergunta no Model for Improvement , que é, como você saberá que a mudança é uma melhoria?”, ele observou.
Posencheg relembrou uma lição que aprendeu quando era um novo diretor médico em uma unidade de terapia intensiva. Um novo membro sênior do corpo docente disse a ele que os bebês prematuros admitidos em sua unidade tinham uma temperatura baixa na admissão. Baixas temperaturas na admissão estão associadas a resultados ruins em bebês prematuros. "Quando ela me chamou a atenção, eu não acreditei", ele contou.
Posencheg decidiu revisar os dados de temperatura de admissão dos dois anos anteriores. Ele descobriu que o membro do corpo docente estava certo. Mais de 50% dos bebês tinham uma temperatura baixa de admissão. "Fiquei realmente surpreso com a magnitude disso", ele lembrou. Os dados se tornaram um chamado claro para sua unidade. A equipe iniciou um projeto de melhoria. Como resultado, mais de 95% dos bebês agora admitidos na unidade têm uma temperatura corporal normal.
“Sem dados, você não sabe se tem um problema, não sabe se está fazendo algum progresso na solução desse problema e não sabe se as intervenções que está tentando testar ou implementar estão se mantendo”, disse Posencheg. “Por todas essas razões, a medição está no cerne de todos os esforços de melhoria da qualidade.”
Foto de Rob McGlade | Unsplash
Você também pode estar interessado em:
“Qual é o custo do fracasso?” e outras perguntas que sua equipe deve fazer