5 примеров использования контрольных карт в сфере здравоохранения

Повторные измерения процесса, как правило, дают различные результаты. Это значит, что даже при отсутствии изменений процесса, последующее измерение может показать более высокое или более низкое значение. Это явление в статистике известно как естественная вариация. Благодаря ему также усложняется обратная задача: определить желаемый эффект при изменении процесса.

Среди всей массы статистических инструментов, позволяющих учесть естественно вариацию и понять, принесло ли изменение процесса желаемый результат, контрольные карты занимают видное место. В статье “Statistical process control as a tool for research and healthcare improvement1” приведено несколько интересных примеров использования статистического управления процессами и контрольных карт в частности в сфере здравоохранения, хорошо иллюстрирующих это.

1. Уровень инфицирования после операций

Комитет по инфекционному контролю обнаружил в одной из больниц увеличение уровня инфицирования пациентов хирургии. Одна из медсестер сделала предположение, что возможной причиной является использование экспресс-стерилизации в операционных. Раньше экспресс-стерилизация использовалась только в экстренных случаях. Например, когда инструмент падал на пол в ходе операции. Однако с недавних пор это стало обычной процедурой. Другие члены комитета выразили подозрение, что вызывать неестественное отклонение может новая группа хирургов-ортопедов, которые недавно присоединились к персоналу больницы.

Для выяснения причины комитет решил провести анализ данных по уровню экспресс-стерилизаций (количеству по отношению к 100 операциям). Для проведения анализа была использована u-карта:

Центральная линия на диаграмме соответствует среднему показателю уровня экспресс-стерилизации – 33 случая на 100 операций. Левая часть карты – период “до” прихода новой группы хирургов – показывает, что процесс находится под контролем.

Однако, вместе с прибытием группы новых хирургов, наблюдается увеличение показателя, не соответствующее естественной вариации процесса: центральная тенденция сместилась на отметку около 50 случаев на 100 операций; точки, соответствующие неделям 13, 17, 18, 19, и 21, выходят за верхнюю контрольную границу. Кроме того, все точки находятся выше среднего значения, на графике присутствует группа из 3-х точек, 2 из которых удалены от средней линии более чем на 2 стандартных отклонения, и группа из 5 точек, 4 из которых удалены от средней линии более чем на расстояние одного стандартного отклонения. Все это является статистическим доказательством наличия изменений в процессе.

К сожалению, данный анализ показывает, что приход новых хирургов совпал во времени с изменением в процессе обработки хирургического инструмента. Следовательно, не дает возможность установить причину увеличения случаев инфицирования.

2. Время проведения лабораторного анализа крови

Несколько сотрудников отдела скорой помощи пожаловались на то, что время проведения полного лабораторного анализа крови “невозможно контролировать, и анализы постоянно приходится ждать”. Прежде чем принимать меры, начальник клинической лаборатории решил проверить достоверность жалоб. Все данные были предварительно разделены по сменам и типу запроса (срочные и стандартные). Поскольку длительность проведения анализа крови подчиняется нормальному распределению2, для анализа была использована Xbar-S-карта. Выборка – три случайно отобранных заказа на полный анализ крови, поступивших в один день.

Xbar-карта показывает колебания средней длительности проведения анализа крови за день (во время дежурства дневной смены средний показатель составил 45 минут); S-карта – стандартное отклонение для длительности проведения анализа (около 21 минуты):

Если бы жалобы врачей были обоснованы, то на карте наблюдались бы точки, выходящие за контрольные границы, и возрастающий тренд для средней продолжительности проведения анализа. На карте же виден процесс, который находится в состоянии статистического контроля.

Разумеется, стабильный и предсказуемый процесс не обязательно означает, что результаты приемлемы. Процесс “под контролем” может давать предсказуемо плохой результат. В этом случае процесс стабилен и предсказуем, но не приемлем для врачей из отделения скорой помощи. Логично предположить, что снижение средней продолжительности проведения анализа и сокращение стандартного отклонения длительности этого процесса позволит достигнуть приемлемого уровня работы процесса.

3. Постоперационные инфекции

В ходе обсуждения изменений хирургических процедур с целью снижения уровня постоперационных инфекций комиссии была представлена g-карта. Такая диаграмма позволяет показать количество операций, проведенных в период между заражениями. В отличие от графика, изображающего количество заражений за определенный период времени, вам не обязательно ждать конца недели или месяца, чтобы сделать вывод – g-карта позволяет оценить статистическую значимость каждого случая возникновения инфекции. Такая диаграмма также подойдет для отслеживания эффективности изменений процессов. Например, для оценки снижения постоперационных инфекций:

Изначально команда сфокусировала усилия на внесение изменений в процедуру постоперационной обработки ран. Однако, как видно на карте, это не оказало влияния на сокращение числа заражений. И хотя желаемого результата это изменение не принесло, контрольная карта позволила предотвратить внедрение малоэффективных изменений, дальнейшее нецелевое расходование времени и ресурсов на обучение персонала.

После сессии мозгового штурма и изучения литературы, команда решила поэкспериментировать с методом подготовки пациентов к хирургической операции. Несколько добровольцев из числа хирургов и медсестер тестировали в течение нескольких месяцев новый протокол подготовки к операции. После применения нового протокола значения на контрольной карте начали выходить за верхнюю контрольную границу, что соответствует увеличению числа проведенных операций в период между случаями заражения.

Для этого типа диаграмм средний уровень постоперационных инфекций обратно пропорционален центральной оси. Таким образом, это изменение привело к снижению количества постоперационных инфекций с 2.1% до 0.9%: 1/111 = 0.9% по сравнению с 1/47 = 2.1%.

4. Запись на приём

С целью повышения качества обслуживания пациентов сотрудники одной из частных клиник решили ежемесячно отслеживать ряд показателей. Для этого они разработали краткую анкету, собиравшую информацию о том, какие ощущения испытывает пациент при записи на прием (время ожидания, возможность получения консультации по телефону и т.д.)

На следующей карте представлен процент пациентов, которые оценили время ожидания на приеме у врача как ‘‘очень хорошо’’ или “превосходно” (использована p-карта):

В ходе изучения лучших практик других поликлиник сотрудники одновременно внесли ряд изменений: сократили перечень видов приёма, упростили меню телефонного автоответчика и ввели приём больных медсестрой вместо врача в зависимости от тяжести заболевания. Как видно на контрольной карте, после внесения изменений наблюдаются значительные улучшение удовлетворенности записью на приём.

5. Контроль инфекционно-опасных отходов

Недавние исследования показали, что менее 6% больничных отходов можно считать инфекционно-опасными. Однако из-за неверного определения категории отходов средняя больница в США тратит ежегодно на их утилизацию сумму, равную стоимости трехмерного компьютерного томографа.

На следующей диаграмме представлены наблюдения количества утилизируемых инфекционно-опасных отходов за день рядовой больницы. В левой части диаграммы – процесс до изменений – ежедневное количество инфекционно-опасных отходов составляет в среднем около 3.2 кг. Как следует из контрольной карты, процесс стабилен: можно ожидать появления от 2.8 кг до 3.7 кг инфекционно-опасных отходов за день:

Чтобы уменьшить среднее количество инфекционно-опасных отходов, команда в первую очередь установила четкое определение, что относится к этой категории отходов, и провела внутреннюю кампанию, в рамках которой сотрудникам больницы объясняли, что относится и что не относится к инфекционно-опасным отходам. Затем были выпушены плакаты, разработаны карточки для столиков кафетерия, сделаны объявления на встречах отделов и собраны образцы предметов, несоответствующих определению, найденных в контейнерах для инфекционных отходов.

Результаты показаны в правой части диаграммы: процесс перешел в новое и более эффективное состояние. Так как процесс изменился, для данных после улучшения были вычислены новые границы контроля. Новое значение среднего для инфекционных отходов было установлено на уровне 1.8 кг в день.

Диаграмма контроля позволила команде протестировать степень воздействия предпринятых ими усилий. В этом случае изменение в процессе было очень заметным и двигалось в правильном направлении. Интересно, что хотя среднее количество отходов снизилось, те же самые улучшения непреднамеренно привели к увеличению ежедневного отклонения (разброс значений увеличился). Не все изменения приводят к желаемым результатам сразу. Таким образом, следующей задачей является снижение вариации минимум к начальному уровню.

Вместо выводов

Из примеров, рассмотренных выше, можно выделить несколько основных преимуществ контрольных карт. Они могут:

  • использоваться в ежедневном управлении процессами и анализе собранных данных;
  • снизить субъективность принимаемых решений;
  • помочь руководителям избежать нецелевых инвестиций в изменения, которые выглядят многообещающими, но по факту не приносят результата;
  • помочь командам выбрать правильную стратегию улучшения — искать ли особые причины (если процесс не под контролем) или работать над более фундаментальным совершенствованием процесса и его модернизацией (если процесс под контролем);
  • использоваться в качестве наглядного инструмента, который доказывает эффективность, полученную от улучшений в течение периода времени;
  • сократить время на сбор и уменьшить объём данных, необходимых для статистического анализа.

______________________________________
1 Quality & Safety in Health Care, Декабрь 2003
2 Прим. ред.: авторы не приводят фактов, подтверждающих этот аргумент, однако следует учесть, что длительность большинства повторяющихся операций или процессов подчиняется нормальному закону.

22.02.2016 / 1064 / Загрузок: 0 / rpilipen / Комментарии: 1
Всего комментариев: 1
avatar
0
1 vpribysh • 21:22, 24.02.2016
Классные примеры, спасибо!
avatar
SixSigmaOnline.ru © 2009-2017            Хостинг от uWeb