Egenkontroll av data Varför då?

55
Christina Agvald-Öhman Thomas Nolin Egenkontroll av data Varför då?

description

Egenkontroll av data Varför då?. Christina Agvald-Öhman Thomas Nolin. Varför? För vems skull? Vem ska göra det? När ska det göras? Finns hjälp att få? Hur kan jag börja eller fortsätta?. Vi vill kunna lita på våra data för att. - PowerPoint PPT Presentation

Transcript of Egenkontroll av data Varför då?

Page 1: Egenkontroll av data Varför då?

Christina Agvald-Öhman

Thomas Nolin

Egenkontroll av dataVarför då?

Page 2: Egenkontroll av data Varför då?

Varför? För vems skull? Vem ska göra det? När ska det göras? Finns hjälp att få? Hur kan jag börja eller fortsätta?

Page 3: Egenkontroll av data Varför då?

Vi vill kunna lita på våra data för att

Internt kunna jämföra år från år och värdera om förbättringsåtgärder haft någon effekt

Kunna presentera valida data till beställarstyrelser, SKL- öppna jämförelser m.m.

Använda i undervisning av all personal Debitera våra tjänster

Page 4: Egenkontroll av data Varför då?

Egenkontroll - hur gör vi på bästa sätt?

Genom att:– Samarbeta och lära av varann– Inse att kvalité kostar – tid, pengar och personal– Kvalitetssäkring är viktigt och roligt – vi kan

åstadkomma positiva förändringar som resulterar i bättre vård för våra patienter

Page 5: Egenkontroll av data Varför då?

Viktiga frågor att ställa sig

Hur bra registrering har jag på min avdelning? Hur kan jag förbättra den? Hur mycket resurser är rimligt att satsa? Satsa på några prioriterade åtgärder? Komplikationer – vad säger dom om min

avdelning?

Page 6: Egenkontroll av data Varför då?

Registrera data till SIR – så här?

Page 7: Egenkontroll av data Varför då?

Eller så här?

Page 8: Egenkontroll av data Varför då?

Exempel från IVA Karolinska Huddinge– CVK-relaterade infektioner– Förekomst av multiresistens– Åtgärder– SAPS3

Page 9: Egenkontroll av data Varför då?

SK050 CVK-relaterad infektion

Incidens – vi började registrera 2002 Började samtidigt med omslagstid Läkarna ansvariga för

komplikationsregistreringen Egenkontroll via laboratoriet

– vi missade 2/3 av infektionerna !! Varför??

Page 10: Egenkontroll av data Varför då?

Svårt att förstå och kolla odlingssvar…

Därför…..

CVK-relaterad infektion - definition Alt 1:

Positiv odling av blod från perifer ven samtidigt som samma bakterie isolerats från kateterspetseneller

Alt 2:Samma bakterier hittas i blododlingar som tagits samtidigt från perifer ven och central venkateter och där tid till växt för kateterblod är minst 120 min kortare än tid till växt för blod från perifer ven

Page 11: Egenkontroll av data Varför då?

Svenska Intensivvårdsregistret 11

Lättare att förstå en bild?

Alt 1Sannolikheten för CVK-relaterad infektion är hög när tiden till växt är minst 120 min kortare för blod taget via den centrala venkatetern än för blod från perifer ven. Alt 2Om skillnaden i tid till växt är < 120 min är sannolikheten för annat infektionsfokus större.

Page 12: Egenkontroll av data Varför då?

Vår incidens över åren?

2.20 /1000 dagar 2009 3,99 /1000 dagar 2010 4,35 /1000 dagar 2011 > 3,3/1000 dagar – åtgärder behövs!!

Realistiskt mål 2013? Hur ska vi nå dit?

Page 13: Egenkontroll av data Varför då?

Utan spaning, ingen aning….

Page 14: Egenkontroll av data Varför då?

Karolinska IVA Huddinge

Förekomst av multiresistens

Smittisolering

Page 15: Egenkontroll av data Varför då?

Incidens MRB i SIR 2010

Page 16: Egenkontroll av data Varför då?

Kvalitetsindikatorn 2010 …

Page 17: Egenkontroll av data Varför då?

Incidens MRB i SIR 2011….

Page 18: Egenkontroll av data Varför då?

Kvalitetsindikatorn 2011 …

Page 19: Egenkontroll av data Varför då?

Åtgärder med start och sluttid

Prioriterat: CVK-liggetid, smitt- och skyddsisolering, ventilatortider (invasiv + NIV) och CRRT - dubbelkollas!

Mindre prioriterat: TEE, EN, TPN,bronkoskopi, tracheotomi (kir + percutan) m.m. Noteras oftast men dubbelkollas ej.

Page 20: Egenkontroll av data Varför då?

SAPS3 – start 2011 i ”skarpt läge”

Januari 2011 – kompletta SAPS3 35,6 %…..– Probleminventering - majoriteten blev fel pga

tidsfönstret.– Benchmarking – hur gör CIVA Karolinska Solna?– Få till stånd en datalösning som förenklar– Undervisning av läkarna vid flera tillfällen

December 2011 - kompletta SAPS3 75 %– Datalösning ej klar –siktar mot 100% när den är i

drift.

Page 21: Egenkontroll av data Varför då?

Hur gör vi vår registrering? Infektionsregistrering – en dedicerad

sjuksköterska och en läkare ansvariga. Följer alla patienter varje vecka konsekutivt.

Komplikationer och åtgärder – läkare ansvariga och registrerar på sina patienter varje dag i samband med rond samt vid in- och utskrivning.

”Brandvägg” i form av IVA-ansvarig läkare varje vecka plus en dedicerad sjuksköterska.

Page 22: Egenkontroll av data Varför då?

Att registrera noggrant med hög kvalité är viktigt, men…

Många registreringar

blir det.

Tänkte inte på det…

Page 23: Egenkontroll av data Varför då?

Förbättringsutrymme?

Registrera så nära händelsen som möjligt!– Α och Ω!

Vem registrerar vad och när på avdelningen?– Finns riktlinjer och ansvarsfördelning för detta?

”Att göra” påminnelser– Avvägning: underlätta vs irritation

Finns kunskapen?– Kan jag som registrerar SIR:s riktlinjer?

Egenkontroll av data– Kan jag lita på mina data?

Page 24: Egenkontroll av data Varför då?

Ledningsfråga på avdelningen!

Korrekt och så fullständig registrering som möjligt är en naturlig del av arbetet– Kulturfråga

Valida data

Egenkontroll av verksamhetens kvalitet

Page 25: Egenkontroll av data Varför då?

Vad är egenkontroll av data?

Det är en systematisk kontroll av Din intensivvårdsavdelnings datakvalitet utifrån SIR:s riktlinjer

Det är ej medicinsk kvalitetsrevision (MKR)– som är en professionell granskning av medicinsk

kvalitet på Din avdelning Termen ”revision” är hämtad från ekonomin. Ordet klargör att

granskningen har en mer formell karaktär än en kollegial diskussion.

Page 26: Egenkontroll av data Varför då?

Vad är det som kontrolleras?

1. Är registrerat värde till SIR detsamma som finns dokumenterat i journalen?

2. Är data till SIR korrekt data enligt SIR:s riktlinjer?

Med journal avses här all information som har med patientens vård att göra – t.ex., journaltext, laboratorievärden, övervakningslista, röntgensvar, bakteriologiska svar osv.

Page 27: Egenkontroll av data Varför då?

Vem gör kontrollen?

1-2 personer från egna avdelningen med kunskap om intensivvård och i avdelningens IT-system och som har avsatt tid för arbetet

Page 28: Egenkontroll av data Varför då?

Vilken är SIR:s roll?

Data från egenkontroll skickas ej till SIR Det är ett avgränsat verktyg i klinikens

kontinuerliga förbättringsarbete med datakvalitet

SIR:s roll är att tillhandahålla ett hjälpmedel för avdelningens egenkontroll

Page 29: Egenkontroll av data Varför då?

Hur presenteras resultatet?

I slutet av excelfilen finns 3 kalkylblad med kumulativ summering av granskningens resultat, i antal och andel– dels i tabellform, – dels i diagramform

Antal Andel

Page 30: Egenkontroll av data Varför då?

Utgångsläget - TabellGranskad variabel Antal överens Antal ej överens Summa Andel överens

1 Grunddata 130 0 130 100%2 Diagnos 130 0 130 100%3 SAPS 3 Box I 100 0 100 100%4 SAPS 3 Box II 160 0 160 100%5 SAPS 3 Box III 160 0 160 100%

SAPS 3 Tot 06 In SOFA 140 0 140 100%7 Daglig SOFA 1 140 0 140 100%8 Daglig SOFA 2 140 0 140 100%9 Ut SOFA 140 0 140 100%

10 Åtgärd IVB 20 0 20 100%11 Åtgärd CRRT 20 0 20 100%12 VTS dag 1 330 0 330 100%13 VTS dag 2 330 0 330 100%14 VTS dag 3 330 0 330 100%15 NEMS dag 1 90 0 90 100%16 NEMS dag 2 90 0 90 100%17 NEMS dag 3 90 0 90 100%18 Bakt. Multiresistens 50 0 50 100%19 VAP 50 0 50 100%20 Clostr. Diff. 40 0 40 100%21 Hypoglykemi 10 0 10 100%22 CVK Rel. Inf. 10 0 10 100%23 Pneumotorax 50 0 50 100%24 Trakealtub/-kanyl dysfunk. 10 0 10 100%25 Nattlig Utskrivn. 10 0 10 100%26 Oplan. Reintub. 10 0 10 100%27 Oplan. Återinläggn. 50 0 50 100%28 Avliden IVA Uppföljn. 40 0 40 100%

Behandlingsstrategi 0

2 870 0 2 870 100%

Page 31: Egenkontroll av data Varför då?

Efter kontroll av 10 fall….Granskad variabel Antal överens Antal ej överens Summa Andel överens

1 Grunddata 118 12 130 91%2 Diagnos 112 18 130 86%3 SAPS 3 Box I 89 11 100 89%4 SAPS 3 Box II 145 15 160 91%5 SAPS 3 Box III 135 25 160 84%

SAPS 3 Tot 06 In SOFA 127 13 140 91%7 Daglig SOFA 1 129 11 140 92%8 Daglig SOFA 2 120 20 140 86%9 Ut SOFA 115 25 140 82%

10 Åtgärd IVB 17 3 20 85%11 Åtgärd CRRT 16 4 20 80%12 VTS dag 1 320 10 330 97%13 VTS dag 2 315 15 330 95%14 VTS dag 3 310 20 330 94%15 NEMS dag 1 88 2 90 98%16 NEMS dag 2 86 4 90 96%17 NEMS dag 3 85 5 90 94%18 Bakt. Multiresistens 45 5 50 90%19 VAP 46 4 50 92%20 Clostr. Diff. 36 4 40 90%21 Hypoglykemi 8 2 10 80%22 CVK Rel. Inf. 9 1 10 90%23 Pneumotorax 46 4 50 92%24 Trakealtub/-kanyl dysfunk. 9 1 10 90%25 Nattlig Utskrivn. 10 0 10 100%26 Oplan. Reintub. 8 2 10 80%27 Oplan. Återinläggn. 45 5 50 90%28 Avliden IVA Uppföljn. 32 8 40 80%

Behandlingsstrategi 0

2 621 249 2 870 91%

Page 32: Egenkontroll av data Varför då?

Utgångsläget – Diagram (antal)

Antal med resp icke överensstämmelse

0

50

100

150

200

250

300

350

Grunddata

Diagnos

SAPS 3

Box I

SAPS 3

Box II

SAPS 3

Box III

In SOFA

Daglig

SOFA

1

Daglig

SOFA

2

Ut SOFA

Åtgärd

IVB

Åtgärd

CRRT

VTS dag

1

VTS dag 2

VTS dag

3

NEMS dag

1

NEMS dag

2

NEMS dag

3

Bakt. M

ultiresistens

VAP

Clostr. D

iff.

Hypogly

kemi

CVK Rel. Inf.

Pneumotorax

Trake

altub/-k

anyl dysf

unk.

Nattlig

Utsk

rivn.

Oplan. R

eintub.

Oplan. Å

terinläg

gn.

Avliden IV

A Uppföljn

.

Behandlingss

trategi

Granskad parameter

An

tal

Antal överens Antal ej överens

0 granskade vårdtillfällen

Page 33: Egenkontroll av data Varför då?

Efter kontroll av 10 fall….

Antal med resp icke överensstämmelse

0

50

100

150

200

250

300

350

Grunddata

Diagnos

SAPS 3

Box I

SAPS 3

Box II

SAPS 3

Box III

In SOFA

Daglig

SOFA

1

Daglig

SOFA

2

Ut SOFA

Åtgärd

IVB

Åtgärd

CRRT

VTS dag

1

VTS dag 2

VTS dag

3

NEMS dag

1

NEMS dag

2

NEMS dag

3

Bakt. M

ultiresistens

VAP

Clostr. D

iff.

Hypogly

kemi

CVK Rel. Inf.

Pneumotorax

Trake

altub/-k

anyl dysf

unk.

Nattlig

Utsk

rivn.

Oplan. R

eintub.

Oplan. Å

terinläg

gn.

Avliden IV

A Uppföljn

.

Behandlingss

trategi

Granskad parameter

An

tal

Antal överens Antal ej överens

10 granskade vårdtillfällen

Page 34: Egenkontroll av data Varför då?

Utgångsläget – Diagram (andel)

Andel med överensstämmelse

0%

25%

50%

75%

100%

Grunddata

Diagnos

SAPS 3

Box I

SAPS 3

Box II

SAPS 3

Box III

In SOFA

Daglig S

OFA 1

Daglig

SOFA

2

Ut SOFA

Åtgärd

IVB

Åtgärd

CRRT

VTS dag

1

VTS dag

2

VTS dag 3

NEMS dag

1

NEMS dag

2

NEMS dag

3

Bakt. M

ultiresistens

VAP

Clostr. D

iff.

Hypogly

kemi

CVK Rel. Inf.

Pneumotorax

Trake

altub/-k

anyl

dysfunk.

Nattlig

Utsk

rivn.

Oplan. R

eintub.

Oplan. Å

terinläg

gn.

Avliden IV

A Uppföljn

.

Behandlingss

trategi

Granskad variabel

An

del

öve

ren

s (%

)

0 granskade vårdtillfällen

Page 35: Egenkontroll av data Varför då?

Efter kontroll av 10 fall….

Andel med överensstämmelse

0%

25%

50%

75%

100%

Grunddata

Diagnos

SAPS 3

Box I

SAPS 3

Box II

SAPS 3

Box III

In SOFA

Daglig S

OFA 1

Daglig

SOFA

2

Ut SOFA

Åtgärd

IVB

Åtgärd

CRRT

VTS dag

1

VTS dag

2

VTS dag 3

NEMS dag

1

NEMS dag

2

NEMS dag

3

Bakt. M

ultiresistens

VAP

Clostr. D

iff.

Hypogly

kemi

CVK Rel. Inf.

Pneumotorax

Trake

altub/-k

anyl

dysfunk.

Nattlig

Utsk

rivn.

Oplan. R

eintub.

Oplan. Å

terinläg

gn.

Avliden IV

A Uppföljn

.

Behandlingss

trategi

Granskad variabel

An

del

öve

ren

s (%

)

10 granskade vårdtillfällen

Page 36: Egenkontroll av data Varför då?

Post-för-post redovisning– Varje variabel redovisas för sig som en andel– Ex S-Bilirubin i Box III för SAPS3

Sammansatt redovisning– Sum. reg. enl. SIR:s riktlinjer

Sum. reg. som borde ha gjorts enl. SIR:s riktlinjer– Ex Avlidna på IVA uppföljning enligt protokoll

Allt-eller-Inget redovisning– Lämpar sig för variabler som i sin tur byggs upp av 4-8 mätbara delar– Ribban anges så att endast om alla ingående delkomponenter fyller

SIR:s riktlinjer, så räknas det i täljaren– Antingen är all registrering enligt SIR:s riktlinjer eller så är den det inte– Ex registrering av vissa negativa händelser och komplikationer

Hur beskriva resultatet?

Hur är inställningen i valideringsprogrammet?

Page 37: Egenkontroll av data Varför då?

Avlidna intensivvårdspatienter

Vårdtillfälle finns och matchande protokoll finns– Så borde det vara!

Vårdtillfälle finns, men inget protokoll finns– Protokollet har ännu inte fyllts i?

Vårdtillfälle finns, men inget matchande protokoll– Reservnummerproblematik?

Webbaserat protokoll finns, men inget matchande vårdtillfälle– Varför?

Kontinuerlig bevakning av fullständigheten

Webbaserade protokoll utan vårdtillfälle i SIR!

Page 38: Egenkontroll av data Varför då?

”Allt-eller-Inget” Mätning

Om avd har 5 statistiskt oberoende kvalitetsindikatorer för vården, där avdelningen når 90 % i var och en av dessa, kan det tyckas att kvaliteten är mycket god

Andelen patienter vars vård uppfyller kraven för alla dessa 5 indikatorer blir dock endast 59 %

”Som man ropar i skogen får man svar”

All-or-None Measurement

Page 39: Egenkontroll av data Varför då?

Vad kan kontrolleras?

Grunddata Diagnoser Riskjustering Sviktande organsystem Åtgärder Vårdtyngd Negativa händelser och komplikationer Behandlingsstrategi Avliden på IVA uppföljning

Page 40: Egenkontroll av data Varför då?

Excelfilens blad

Grunddata Diagnos SAPS3 SOFA Åtgärd IVB Åtgärd

CRRT VTS NEMS

Multiresistenta bakterier VAP Clostr Diff Enterocolit Svår hypoglykemi CVK relaterad infektion Pneumotorax Trakealtub/-kanyl

dysfunktion Nattlig utskrivning Oplan reintub el rekanyl Oplan återinläggning

Resultat- Tabell- Diagram, antal- Diagram, andel

Riktlinjer för granskning Slumpvis urval av

vårdtillfällen för kontroll

Avliden på IVA uppföljning Behandlingsstrategi

Page 41: Egenkontroll av data Varför då?

Grunddata

Fokus på– Vårdtyp– Start/slut tider för vårdtillfället– Ankomsttid– Ankomstväg– Utskriven till– Vårdresultat

Page 42: Egenkontroll av data Varför då?

Diagnoser

Fokus på– Primär IVA-diagnos– Vissa infektiösa sjukdomar

Infektiös agens Antibiotikaresistens

– Nyckeldiagnoser– Viktiga diagnoser– Viktiga associerade el komplicerande diagnoser/tillstånd– Patientsäkerhetsdiagnoser

Page 43: Egenkontroll av data Varför då?

Riskjustering

SAPS3– Box I– Box II– Box III

Page 44: Egenkontroll av data Varför då?

Sviktande organsystem

SOFA– In SOFA– Daglig SOFA 1– Daglig SOFA 2– Ut SOFA

Page 45: Egenkontroll av data Varför då?

Åtgärder

Fokus på– Invasiv ventilatorbehandling (IVB)

– Kontinuerlig njurersättningsbehandling (CRRT)

Page 46: Egenkontroll av data Varför då?

Vårdtyngd

VTS– Saknade registreringar

NEMS

Page 47: Egenkontroll av data Varför då?

Bakteriell multiresistens på IVA Ventilatorassocierad pneumoni, VAP Clostridium difficile enterocolit Svår hypoglykemi som uppkommit på IVA Central venkateter (CVK) relaterad infektion Pneumotorax, åtgärdskrävande Trakealtub-/kanyl dysfunktion som leder till allvarlig händelse Nattlig utskrivning Oplanerad reintubation eller rekanylering Oplanerad återinläggning på samma IVA ≤ 72 timmar

Vissa negativa händelser och komplikationer

Page 48: Egenkontroll av data Varför då?

Avliden på IVA uppföljning

Ifyllt protokoll

Protokoll granskat av DAL/DAS

Kontakt med transplantationskoordinator vid

diagnostik enligt direkta kriterier

Page 49: Egenkontroll av data Varför då?

Behandlingsstrategi

Under arbete i väntan på reviderade riktlinjer från SFAI

Page 50: Egenkontroll av data Varför då?

Hur kan filen användas?

Alt 1– Välj slumpmässigt 10 % av avslutade vårdtillfällena under

en definierad tidsperiod, t ex 1 månad– ex 10 % av 55 vårdtillfällen under mars månad 2012 blir

6 vårdtillfällen att granska Alt 2

– Välj att begränsa antalet variabler som ska granskas till 1 eller 2, och bestäm hur många vårdtillfällen Du ska titta på. Detta alternativ kan vara ett sätt att komma igång med arbetet.

Page 51: Egenkontroll av data Varför då?

SOSFS 2011:9

5 kap Systematiskt förbättringsarbete. – Riskanalys (ser framåt…)– Egenkontroll (granskar bakåt…) , 2 §

Egenkontrollen ska göras med den frekvens och i den omfattning som krävs för att kunna säkra verksamhetens kvalitet

Allmänna råd– Nationella och regionala kvalitetsregister– Öppna jämförelser– Avdelningens nuvarande resultat

med tidigare resultat– Granskning av journaler– ….

Gäller fr.o.m. 1 jan 2012

Genom författningen upphävsSoS:s föreskrifter (SOSFS 2005:12) om Ledningssystem för kvalitet och patientsäkerhet i HoS

Förutsätter valida data

Avdelningens egenkontroll av data

Page 52: Egenkontroll av data Varför då?

Datakvalitet – relevanta mått

Exakthet (Accuracy)– Riktigheten i registrerade data, dvs. graden av

överensstämmelse mellan registrerade data och kontrollerad uppgift (=journalhandlingar)

Fullständighet (Completeness)– I vilken utsträckning som nödvändiga/efterfrågade data

har registrerats av de som hade kunnat registreras (enligt riktlinjer)

Page 53: Egenkontroll av data Varför då?

Nollvision?

Nollvision möjlig?– Är det en realistisk målsättning att inte ha några

fel i vår registrering?

Page 54: Egenkontroll av data Varför då?

Fel i data – var uppstår de?

Aut

omat

ic d

ata

colle

ctio

n

Manual data

collection

Data errors

Arts DG, De Keizer NF, Scheffer GJ. Defining and Improving Data Quality in Medical Registries: A Literature Review, Case Study, and Generic Framework. J Am Med Inform Assoc 2002; 9:600-11.

National Intensive Care Evaluation registry, NICE

Page 55: Egenkontroll av data Varför då?

Referenser

1. Medicinsk kvalitetsrevision. Ett instrument för att förbättra den medicinska verksamheten. Sveriges läkarförbunds och Svenska Läkaresällskapets enhet för Medicinsk Kvalitetsrevision.http://www.slf.se/upload/Lakarforbundet/Trycksaker/PDFer/Vi%20tycker/MKR270.pdf

2. Nolan T, Berwick DM. All-or-None Measurement Raises the Bar on Performance. JAMA 2006; 1168-70.

3. Arts D et al. Defining and Improving Data Quality in Medical Registries: A Literature Review, Case Study, and Generic Framework. J Am Med Inform Assoc 2002; 9:600–611.

4. Goldberg SI et al. Analysis of Data Errors in Clinical Research Databases. AMIA 2008 Symposium Proceedings Page 242-246.

5. SOSFS 2011:9. Socialstyrelsens föreskrifter och allmänna råd om ledningssystem för systematiskt kvalitetsarbete. http://www.socialstyrelsen.se/sosfs/2011-9

6. Information om Socialstyrelsens nya föreskrifter och allmänna råd om ledningssystem för systematiskt kvalitetsarbete (SOSFS 2011:9). Meddelandeblad Nr 11/2011.http://www.socialstyrelsen.se/publikationer2011/2011-12-32