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 613 736-9142virginia.flintoft@utoronto.ca clara.ballantine@qhn.ca

Dannie Currie Alexandru Titeu902 842-0716 416 946-3103curried@cbdha.nshealth.ca shn.ea@utoronto.ca

Chantal Bellerose514 340-8222  poste 4901 cbellerose@jgh.mcgill.ca