Upload
launce-bellanger
View
102
Download
0
Embed Size (px)
Citation preview
Joignez-vous à la « Collaboration d’apprentissage virtuel » (CDAV) sur la prévention des chutes.
Clara Ballantine
Conseillère en matière de sécurité et d'amélioration, OntarioAppel d’équipe no.3 sur les chutes (CDAV)Le 11 janvier 2011
CE QUE VOUS COMMUNIQUENT VOS DONNÉES!
Objectifs
différencier les données qui sont attribuées à l’imputabilité, à la recherche et à l’amélioration;
réviser la manière d’afficher avantageusement vos données à l’aide d’un graphique de séquences (run chart);
analyser, « d’après les règles », les données de votre graphique de séquences;
envisager des stratégies afin de partager et présenter efficacement vos données.
Au cours de la prochaine demi-heure, nous allons :
Aspect Improvement Comparison or Accountability
Clinical Research
Aim:
Improvement of care Comparison, choice, reassurance, spur for
change
New knowledge
Methods: Test
observability Test observable No test, evaluate
current performance Test blinded
Bias
Accept consistent bias Measure and adjust to reduce bias
Design to eliminate bias
Sample size
“Just enough” data, small sequential samples
Obtain 100% of available, relevant, data
“Just in case” data
Flexibility of hypothesis
Hypothesis flexible, changes as learning
takes place
No hypothesis Fixed hypothesis
Testing strategy
Sequential tests No tests One large test
Determining if change is
improvement
Run charts or Shewhart charts
No change focus Hypothesis tests (T-tests, F-tests, Chi-square), p-value
Confidentiality
of data
Data used only by those involved in the improvement
Data available for public consumption
Research subjects’ identities protected
Table 2.1: Data for Improvement, Accountability, Research
Données utilisées pour l’amélioration, l’imputabilité (reddition de comptes) et la recherche
Source: The Data Guide: Learning from Data to Improve Healthcare. Developed from Solberg, Leif I., Mosser, Gordon and McDonald, Susan. “The Three Faces of Performance Measurement: Improvement, Accountability and Research.” Journal on Quality Improvement. March 1997, Vol.23, No. 3.
Aspect Improvement Comparison or Accountability
Clinical Research
Aim:
Improvement of care Comparison, choice, reassurance, spur for
change
New knowledge
Methods: Test
observability Test observable No test, evaluate
current performance Test blinded
Bias
Accept consistent bias Measure and adjust to reduce bias
Design to eliminate bias
Sample size
“Just enough” data, small sequential samples
Obtain 100% of available, relevant, data
“Just in case” data
Flexibility of hypothesis
Hypothesis flexible, changes as learning
takes place
No hypothesis Fixed hypothesis
Testing strategy
Sequential tests No tests One large test
Determining if change is
improvement
Run charts or Shewhart charts
No change focus Hypothesis tests (T-tests, F-tests, Chi-square), p-value
Confidentiality
of data
Data used only by those involved in the improvement
Data available for public consumption
Research subjects’ identities protected
Table 2.1: Data for Improvement, Accountability, Research
Data for Improvement, Accountability and Research
Source: The Data Guide: Learning from Data to Improve Healthcare. Developed from Solberg, Leif I., Mosser, Gordon and McDonald, Susan. “The Three Faces of Performance Measurement: Improvement, Accountability and Research.” Journal on Quality Improvement. March 1997, Vol.23, No. 3.
Que devons-nous savoir ?Combien y-t-il de variation?Est-ce que ce processus change de façon
significative à travers le temps?Constatez-vous de l’amélioration depuis les
changements apportés?Est-ce que l’amélioration se maintient?
Graphique de séquences• Un graphique linéaire de données qui se dessine
graduellement à travers le temps;• Les données sont conservées par ordre chronologique;• Nous pouvons observer la distribution (le flux) des
données;• Aide à répondre aux questions relatives à l’amélioration.
Pourquoi utiliser un graphique de séquences ?
Before and After Test(Change Made Between Week 7 & Week 8)
8
3
0123456789
10
Before Chance (measure point on week 4) After Change (measure point on Week 11)
Del
ay T
imes
(H
rs)
Case 1
0
2
4
6
8
10
12
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Weeks
De
lay
Tim
e (
Hrs
)
Changement ↓
/ Avant et après un test(Changement entre la semaine 7 et 8)
I @:@ -1 : - f, I I .
'And this is the period when the cat was away. ' « Et voici la période où le chat était à l’extérieur ».
Graphique de séquences - Chutes 4,0
Remerciements à Virginia Flintoft - Équipe d’indicateur central, SSPSM
Chef d’équipe démissionne
Formation du personnel complétée
1MD, 1RN trained1Médecin, 1Infirmière
Données de base
New staff startedNouveau personnel
Ob
jectif
Source: National Nursing Home Improvement Collaborative: Pressure Ulcer Prevention and Treatment Handbook, Qualis Health
Pourcentage des admissions ayant une évaluation des risques à l’intérieur d’un jour de calendrier
/ Ajout du Braden Scale au documents d’admission / Formation du personnel sur l’importance
de l’évaluation de risque
/ Mise en œuvre du système de rappel
Élément clé # 1
• Annoter ou commenter votre graphique de séquences - détails de votre travail d’amélioration et votre histoire.
• Les commentaires vous permettent de constater l’impact de votre test de changement et peut vous guider vers une décision : « on adopte, adapte ou laisse tomber » un changement.
Comment annoter un graphique de séquences
1. Sélectionnez l’onglet « Insérez » (Insert)
2. Sélectionnez la « boîte de texte » (text box)
Comment annoter un graphique de séquences
3. Entrez le texte dans la boîte à texte
4. Cliquez le bouton de droite à l’intérieur de la boîte de texte et sélectionnez « Format Shape» à partir du Menu
5. Le Format de la boîte de texte: selon votre imagination!• couleur de fond• couleur de ligne et style • etc.
Comment annoter un graphique de séquences
% Reperfusion en temps opportun
Mois
po
urc
en
tag
e1/07 2 3 4 5 6 7 8 9 10 11 12 1/08 2 3 4 5 6 7 8 9 10 11 12
32 23 32 38 35 35 40 21 38 26 22 27 23 32 36 29 38 42 39 36 50 48 39 44DateData
Graphique de séquences (Run Chart)
1/072 3 4 5 6 7 8 9 10 11 12 1/08
2 3 4 5 65 7 8 9 10 11 12
15
20
25
30
35
40
45
50
55
60
Changement 1
Chg 2,3
Chg 4,5,6
Chg 7
Chg 8,9Médiane 35
La donnée médiane
Dans une série de données, celle qui se trouve physiquement dans le milieu.
Il y a le même nombre de données (ou points) égales à elle et au-dessus d’elle ou égale à elle et sous elle
(avant ou après).
50
48
44
42
40
39
39
38
38
38
36
35
35
35
32
32
32
29
27
26
23
23
22
21
Trouvez la médiane : Reclassement de données
• Pour trouver la médiane, reclassez les chiffres par ordre décroissant et prendre le nombre qui se situe au milieu. Si vous avez deux nombres au centre, additionnez-les ensemble et divisez les par deux.
• Excel : Placez le curseur dans une cellule vide et taper la formule =MEDIAN(A2:A21) où A2 est la première cellule que vous voulez inclure et A21, la dernière.
Élément clé #2
• Calculez et montrez un ligne médiane pour voir les tendances ainsi qu’une ligne traçant l’objectif/but.
• Analysez vos données « d’après les règles ».
Pourcentage* des résidents avec insuffisance cardiaque réadmis en exacerbation
0
5
10
15
20
25
30
May
-05
Jul-0
5
Sep-
05
Nov
-05
Jan-
06
Mar
-06
May
-06
Jul-0
6
Sep-
06
Nov
-06
Jan-
07
Mar
-07
May
-07
Jul-0
7
Sep-
07
Nov
-07
Jan-
08
Mar
-08
May
-08
Jul-0
8
Sep-
08
Nov
-08
Per
cen
tag
e
Rate (%) Median
BON
Août 06 = Mise en œuvre de l’utilisation du nouveau matériel éducationnel pour les nouveaux résidents.
Jan. 07 = Début des Visites de courtoisie
* Taux de réadmission en insuffisance cardiaque
Source : Residents Satisfaction on Discharge Hand-Off, Peg Bradke, St. Luke’s Hospital, Cedar Rapids, Iowa, Hospital to Home: Optimizing the Transition - January 2009
Six points consécutifs ou plus tous au dessus ou bien tous sous la médiane. Laissez tomber les valeurs sur la médiane et continuez de compter les points. Les valeurs sur la médiane ne font pas ou ne brisent pas la variation/changement.
Règle 1
Rule 1
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25Mea
sure
or C
hara
cter
istic
Médiane 10
Ott, Ellis, Process Quality Control, McGraw-Hill Book Company, NY, 1975
Source : National Nursing Home Improvement Collaborative:Pressure Ulcer Prevention and Treatment Handbook, Qualis Health
Pourcentage des admissions ayant une évaluation des risques à l’intérieur d’un jour de calendrier
/ Ajout du Braden Scale au documents d’admission / Formation du personnel sur l’importance
de l’évaluation de risque
/ Mise en œuvre du système de rappel
Règle 2
Cinq points qui vont tous vers le haut ou vers le bas. Si la valeur de deux points consécutifs est la même, ne comptez que le premier et ignorez les points identiques lorsque vous comptez; des valeurs semblables ne font pas ou ne brisent pas la tendance.
Rule 2
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Mea
sure
or C
hara
cter
istic
Règle 3Pour déterminer le nombre de séries (courbes ou runs) au dessus et au dessous de la Médiane:
Une courbe est une série de points sur une ligne sur un côté de la médiane. Quelques points tombent directement sur la médiane, ce qui fait qu’il est difficile de décider à quelle courbe appartiennent ces points.
• Donc, une façon simple de déterminer le nombre de courbes est de compter le nombre de fois que la ligne de données croise la ligne médiane et les additionner.
• Un changement statistiquement significatif sera affecté selon le fait que l’on retrouve trop peu ou trop de courbes.
Rule 3
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10
Measure
or C
hara
ceristic
La ligne de données croise la médiane qu’une seule fois .Trop peu de courbes: total 2 courbes
Médiane: 11.4
Règle 3: nombre de courbes (Runs)Tableau de vérification du nombre de courbes (trop peu ou trop) sur graphique de séquences
Nombre total de données
points sur graphique de séquences
Qui ne tombent pas directement sur la médiane
Limite inférieure du nombre de courbes(< plus petit que ce nombre c’est “trop peu”)
Linite supérieure du nombre de courbes(> plus grand que ce nombre c’est “ trop”)
10 3 9
11 3 10
12 3 11
13 4 11
14 4 12
15 5 12
16 5 13
17 5 13
18 6 14
19 6 15
20 6 16
21 7 16
22 7 17
23 7 17
24 8 18
25 8 18
Table is based on about a 5% risk of failing the run test for random patterns of data. Frieda S. Swed and Churchill Eisenhart, (1943). “Tables for Testing Randomness of Grouping in a Sequence of Alternatives. Annals of Mathematical Statistics. Vol. XIV, pp.66 and 87, Tables II and III
Règle 4Pour déceler les nombres anormalement élevés ou faibles, vous voyez :• Une donnée qui est de façon évidente une valeur différente.• Que tous ceux qui étudient le tableau s’entendent pour dire qu’il y a quelque chose d’anormal et
qui cloche.• Souvenez-vous :
– Chaque ensemble de données aura des nombres élevés et faibles et cela ne veut pas dire qu’ils seront astronomiques.
Rule 4
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Measure
ment or C
hara
cte
ristic
Que veulent-¨ils¨ savoir ?La haute direction :• Est-ce que ça fonctionne bien pour nous ?• Comment se compare-t-on aux autres ?
Équipe de projet sur les chutes :• Quel est l’impact de notre travail ?• Où dirigeons-nous nos efforts ?
Membre du personnel :• Comment cela aide-t-il nos patients, résidents, clients ?• Que pouvons-nous faire ?
Engage Senior Leaders With Data and Evidence
The "whiskers" depict the 95th% CI of the National Mean. Your mean is statisically higher if
it is above the "whiskers"; it is the same as the National Mean if it is within the "whiskers"; and it is statistically lower if it is below the "whiskers".
INTERVENTION - FALLS: 3.0 Percentage of Residents with Completed Fall Risk Assessment on Admission
0%20%40%60%80%
100%
Month
Percent
Local Team National Goal
Impliquez la haute direction avec des données probantesStratégie sur les chutes: indicateur 3.0 Pourcentage de résidents pour lesquels une évaluation des risques de chutes a été complétée lors de l’admission
Fournir des données aux équipes d’améliorationrégulièrement: Indicateur de processus
1MD, 1RN entraînés
Données de base
Formation de tout le personnel
Team Leader d’équipe
démissionne
Nouveau personneldébute
Médiane
4.0 Pourcentage de résidents pour lesquels une évaluation des risques de chutes a été complétée à la suite d’une chute ou d’un changement significatif de leur état de santé
Objectif
Fournir régulièrement des données aux équipes d’amélioration: indicateur de résultats
1.0 Falls Rate per 1000 Resident Days
0
2
4
6
8
10
12
MonthFalls
/ 100
0 D
esid
ent D
ays
Actual Goal
1.0 taux de chutes par 1000 jours-résidents
Afficher la mesure d’indicateurs de processus permettant au personnel de voir les améliorations
5.0 Percentage of "At Risk" Residents with Falls Prevention/Protection Intervention Implemented
0%10%20%30%40%50%60%70%80%90%
100%
Month
Perc
enta
ge w
ith Im
plem
ente
d Fa
lls P
reve
ntio
n/Pr
otec
tion
Actual Goal
Median
5.0 Pourcentage de résidents ¨à risque¨ dotés d’un plan documenté de prévention des chutes/réduction des blessures
Afficher la mesure d’indicateurs de processus permettant au personnel de voir les opportunités d’amélioration
3.0 Percentage of Residents with Completed Fall Risk Assessment
0%10%20%30%40%50%60%70%80%90%
100%
Month
Perce
ntage
with
Fall R
isk
Asse
ssme
nt
Actual Goal
3.0 Pourcentage de résidents pour lesquels une évaluation des risques de chutes a été complétée à l’admission
Élément clé # 3
• Partagez vos données efficacement à tous les autres niveaux de votre organisation.
• Tenez compte de votre « public » lorsque vous choisissez vos données et la façon dont vous allez les présenter.
Pour vos questions et obtenir de l’aide avec vos données reliés à la mesure d’indicateurs :
Virginia Flintoft Clara Ballantine416 946-8350 613 [email protected] [email protected]
Dannie Currie Alexandru Titeu902 842-0716 416 [email protected] [email protected]
Chantal Bellerose514 340-8222 poste 4901 [email protected]