Statistisk processtyrning - tillämpningar i hälso
”Att vårda en process – mäta, räkna, rita…” Ett seminarium av Föreningen industriell statistik och SFK-StaM Den 7 November, 2012 Uppföljning av vårdprocesser med sällsynta händelser Alexander Chakhunashvili, PhD Skaraborgs sjukhus och Center for Healthcare Improvement/Chalmers Sammanfattning • Det genereras stora mängder data i olika hälso- och sjukvårdssystem. Mycket av det är diskretdata. I en del processer ”händer saker” mer frekvent där användning av konventionella c-chart/u chart och p-chart/np-chart är fördelaktigt, medan i andra processer dröjer det ett bra tag till det händer någonting. Hur följer vi upp processer med sådana sällsynta händelser? Syftet med denna presentation är att visa några tillämplingar av styrdiagram (t. ex. g-chart och t-chart) framtagna i syfte för att övervaka processer med sällsynta händelser. Skaraborgs Sjukhus 1 Agenda • Kort om Skaraborgs sjukhus • Statistisk processtyrning i hälso- och sjukvården (spridning via Six Sigma) • Behov för uppföljning • Processer med sällsynta händelser (rare events) • g-chart och t-chart som ”populära val” • Illustration genom exempel • Referenser Skaraborgs Sjukhus Skaraborgs Sjukhus Falköping Lidköping Mariestad Skövde Skaraborgs Sjukhus 2 Ett 30-tal specialiteter Specialistsjukvård av hög kvalitet inom ett 30-tal olika specialiteter Fyra områden BK K MP SiL Barn- och kvinnosjukvård Kirurgi Medicin/Psykiatri Sjukhuset i Lidköping Vi tillgodoser behovet av specialiserad vård för regionens invånare - i vårt närområde (ca 260 000) Skaraborgs Sjukhus Mer fakta om Skarabors sjukhus… (2011) • • • • • • Antal anställda…………………ca 4 500 Antal vårdplatser………..………. 741 Vårdtillfällen i sluten vård…....ca 41 000 Antal besök i öppen vård…..ca 354 400 Antal födda barn…………………...2 377 Antal operationer………………...20 500 Skaraborgs Sjukhus 3 Exempel 1 Uppföljning av uretärskador på Kvinnokliniken, Skaraborgs sjukhus Skövde Bakgrund • Ett FoU/förbättringsprojekt utfört av ST-läkare Åse Frisk på Kvinnokliniken, Skaraborgs sjukhus • En rekommendation från Svensk Förening för Obstetrik och Gynekologi (SFOG-2008) är att se över orsakerna till uretärskador vid en incidens* på mer än 0,5% • En retrospektiv studie genom registerdata/journalgranskning (20042008) • En uppföljningsstudie 2 år senare *Incidens definieras här som andelen nya fall av sjukdomen inom en viss population under en viss period. Skaraborgs Sjukhus 4 Syfte • Att kartlägga incidensen av uretärskador inom gynekologisk kirurgi på Skaraborgs sjukhus – Skövde 2004-2008 för att se om vi ligger under eller över den rekommenderade gränsen samt identifiera lokala orsaker till uretärskador med förhoppning att kunna påverka dessa och, om möjligt, minska antalet uretärskador framöver. Skaraborgs Sjukhus Resultat Incidensen totalt: 0,43% (8/1882) Incidens av uretärskador i de olika registersträngarna i Gynop-registret på Skaraborgs sjukhus - Skövde under åren 2004-2008 Skaraborgs Sjukhus 5 Hur följa upp detta? Uppföljning månadsvis… MånadÅr Ant skador 1 feb-04 0 mar-04 0 apr-04 0 maj-04 0 jun-04 0 jul-04 0 aug-04 0 ... feb-11 0 mar-11 0 apr-11 0 Antal skador (uppföljning månadsvis) 1,2 UCL=1,125 1,0 Antal skador jan-04 0,8 0,6 0,4 0,2 _ C=0,114 0,0 LCL=0 4 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 0 0 0 0 1 - 0 - 0 - 0 -0 - 0 - 0 - 0 -0 - 0 - 0 -0 - 0 - 0 - 0 -0 - 0 - 0 -0 - 0 - 0 - 0 -0 - 0 - 0 -0 - 1 - 1 - 1 -1 - 1 n r n p c r n p c r n p c r n p c r n p c r n p c r n p c r ja m a ju se d e m a ju se d e m a ju se d e ma ju se d e ma ju se d e m a ju se d e m a j u se d e m a MånadÅ r Diagrammet säger väl inte särskilt mycket… Skaraborgs Sjukhus 6 Uppföljning årsvis… Antal skador 1 0 2 2 3 2 0 0 Antal skador (uppföljning årsvis) 5 UCL=4,604 4 Antal skador År 2004 2005 2006 2007 2008 2009 2010 2011 3 2 _ C=1,25 1 LCL=0 0 2004 2005 2006 2007 2008 2009 2010 2011 År Kanske något bättre, men varför vänta ett helt år? Skaraborgs Sjukhus Datum 2004-04-28 2006-06-22 2006-12-04 2007-06-28 2007-07-31 2008-05-06 2008-07-03 2008-11-06 2009-04-07 2009-11-04 2011-04-07 t y 785,00 165,00 206,00 33,00 280,00 58,00 126,00 152,00 211,00 519,00 MR 6,37 4,13 4,39 2,64 4,78 3,09 3,83 4,04 4,42 5,68 2,238038 0,262446 1,750443 2,141097 1,693438 0,742464 0,204852 0,384809 1,255157 SÖ-2s y-hat 4,34 4,34 4,34 4,34 4,34 4,34 4,34 4,34 4,34 4,34 SÖ-3s 6,44 6,44 6,44 6,44 6,44 6,44 6,44 6,44 6,44 6,44 SU-2s 7,49 7,49 7,49 7,49 7,49 7,49 7,49 7,49 7,49 7,49 SU-3s 2,23 2,23 2,23 2,23 2,23 2,23 2,23 2,23 2,23 2,23 Sö-2s 1,18 1,18 1,18 1,18 1,18 1,18 1,18 1,18 1,18 1,18 816,00 816,00 816,00 816,00 816,00 816,00 816,00 816,00 816,00 816,00 Sö 1406,64 1406,64 1406,64 1406,64 1406,64 1406,64 1406,64 1406,64 1406,64 1406,64 CL 196,55 196,55 196,55 196,55 196,55 196,55 196,55 196,55 196,55 196,55 Su 1,82 1,82 1,82 1,82 1,82 1,82 1,82 1,82 1,82 1,82 Su-2s 18,03 18,03 18,03 18,03 18,03 18,03 18,03 18,03 18,03 18,03 t-chart (övervakning av incidens av uretärskador) Styrgränserna på styrdiagrammet är plus/minus 3 sigma gränser. 2000 Tid mellan uretärskador (antal dagar) Skadenr Sk1 Sk2 Sk3 Sk4 Sk5 Sk6 Sk7 Sk8 Sk9 Sk10 UD* 1750 1500 1250 t Sö 1000 CL Su 750 Önskvärd riktning 500 250 0 Sk1 Sk2 Sk3 Sk4 Sk5 Sk6 Sk7 Sk8 Sk9 Sk10 UD* Skada nr UD=Undersöknings dag Skaraborgs Sjukhus 7 Exempel 2.1 Uppföljning av hjärtstopp på MAVA och KAVA Bakgrund • Ett FoU/förbättringsprojekt utfört av ST-läkare Jana Bjarby på Kardiologkliniken, Skaraborgs sjukhus • En retrospektiv studie (journalgranskning) på inneliggande patienter på Skaraborgs sjukhus i Skövde som fick oväntat hjärtstopp under 2008 • Hypotesen har varit att direkt kontakt med läkare vid sviktande vitalparameter minskar mortaliteten • Eftersom antalet patienter som hade dokumenterade vitalparametrar vid hjärtstopp var relativt lågt kunde vi inte påvisa att sambandet var statistiskt signifikant • Vi bestämde dock att fortsätta övervaka processen med hjälp av ett styrdiagram Skaraborgs Sjukhus 8 Syfte • Syftet med uppföljningen är att övervaka processen långsiktigt avseende hjärtstopp. • Vi följer även upp tillståndsförsämring hos inneliggande patienter och mortalitet på MAVA (Medicinsk Akut Vårds Avdelning) och KAVA (Kirurgisk Akut Vårds Avdelning) • Den sistnämnda uppföljningen gäller inte bara patienter med hjärtstopp utan alla övriga tillstånd. Skaraborgs Sjukhus Hjärtstopp HjS1 HjS2 HjS3 HjS4 HjS5 HjS6 HjS7 HjS8 HjS9 Datum t y 2010-01-08 2010-03-29 80,00 3,38 2010-07-06 99,00 3,58 2010-08-09 34,00 2,66 2010-08-17 8,00 1,78 2010-08-24 7,00 1,72 2010-09-10 17,00 2,20 2011-08-18 342,00 5,05 2012-01-12 147,00 4,00 91,75 MR y-hat 0,2058 0,9200 0,8810 0,0649 0,4797 2,8584 1,0565 3,05 3,05 3,05 3,05 3,05 3,05 3,05 3,05 SÖ-2s 4,68 4,68 4,68 4,68 4,68 4,68 4,68 4,68 SÖ-3s 5,50 5,50 5,50 5,50 5,50 5,50 5,50 5,50 SU-2s SU-3s 1,41 1,41 1,41 1,41 1,41 1,41 1,41 1,41 Sö-2s 0,59 0,59 0,59 0,59 0,59 0,59 0,59 0,59 259,61 259,61 259,61 259,61 259,61 259,61 259,61 259,61 Sö CL 463,72 463,72 463,72 463,72 463,72 463,72 463,72 463,72 55,14 55,14 55,14 55,14 55,14 55,14 55,14 55,14 Su Su-2s 0,15 0,15 0,15 0,15 0,15 0,15 0,15 0,15 3,43 3,43 3,43 3,43 3,43 3,43 3,43 3,43 0,9238 40,83 244,50 Hjärtstopp på MAVA 500 Antal dagar mellan hjärtstopp 450 400 350 t 300 Sö 250 CL 200 Önskvärd riktning Su 150 100 50 0 HjS1 HjS2 HjS3 HjS4 HjS5 HjS6 HjS7 HjS8 HjS9 Hjärtstopp nr Skaraborgs Sjukhus 9 Hjärtstopp HjS1 HjS2 HjS3 HjS4 HjS5 Datum t 2010-07-27 2010-08-12 16,00 2010-10-02 51,00 2010-11-02 31,00 2011-11-18 381,00 y MR 2,16 2,98 0,8202 2,60 0,3848 5,21 2,6135 119,75 1,2728 y-hat 3,24 3,24 3,24 3,24 SÖ-2s SÖ-3s SU-2s SU-3s 5,49 5,49 5,49 5,49 6,62 6,62 6,62 6,62 0,98 0,98 0,98 0,98 0,00 0,00 0,00 0,00 Sö-2s Sö CL 460,57 460,57 460,57 460,57 902,50 902,50 902,50 902,50 68,54 68,54 68,54 68,54 Su Su-2s 0,00 0,00 0,00 0,00 0,93 0,93 0,93 0,93 32,67 381,00 Hjärtstopp på KAVA 1000 Antal dagar mellan hjärtstopp 900 800 700 t 600 Sö 500 CL 400 Su 300 Önskvärd riktning 200 100 0 HjS1 HjS2 HjS3 HjS4 HjS5 Hjärtstopp nr Skaraborgs Sjukhus Exempel 2.2 Uppföljning av avlidna patienter på MAVA och KAVA 10 Avlidna på MAVA (2010-2012) Antal dagar mellan dödsfall 70,00 60,00 50,00 Önskvärd riktning t 40,00 Sö 30,00 CL Su 20,00 10,00 Av Avl 1 Av l 6 l Av 11 l Av 16 Avl 21 l2 Av 6 l Av 31 l Av 36 Avl 41 l Av 46 l Av 51 Avl 56 l Av 61 l Av 66 l Av 71 Avl 76 l Av 81 l Av 86 Avl 91 l Av 9 l 7 Av 10 l 2 Av 10 7 l Av 11 l 2 Av 11 l1 7 22 0,00 Fall nr C Chart of Antal - MAVA C Chart of Antal by År - MAVA 12 14 UCL=11,08 8 10 Antal dödsfall 12 Antal dödsfall 10 6 _ C=4,63 4 2010 2011 2012 UCL=12,26 8 _ C=5,33 6 4 2 2 LCL=0 0 LCL=0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 - 1 -1 r -1 r -1 j -1 - 1 l - 1 -1 -1 t- 1 -1 c-1 -1 - 1 r-1 r -1 j- 1 - 1 l-1 -1 - 1 t-1 -1 c-1 -1 - 1 r- 1 jan feb ma ap ma jun ju aug sep ok nov de jan feb ma ap ma jun j u aug sep ok no v de jan feb ma 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 - 1 -1 r -1 r -1 j -1 - 1 l - 1 -1 -1 t- 1 -1 c-1 -1 - 1 r-1 r -1 j- 1 - 1 l-1 -1 - 1 t-1 -1 c-1 -1 - 1 r- 1 jan feb ma ap ma jun ju aug sep ok nov de jan feb ma ap ma jun j u aug sep ok no v de jan feb ma och År SkaraborgsMånad Sjukhus Månad och År Avlidna på KAVA (2010-2012) Antal dagar mellan dödsfall 120,00 100,00 80,00 t Önskvärd riktning Sö 60,00 CL Su 40,00 20,00 Av l1 Av l Av 6 l1 Av 1 l1 Av 6 l2 Av 1 l2 Av 6 l3 Av 1 l3 Av 6 l4 Av 1 l4 Av 6 l5 Av 1 l5 6 Av l6 Av 1 l6 Av 6 l7 Av 1 l7 6 0,00 Fall nr C Chart of Antal - KAVA C Chart of Antal by År - KAVA 9 9 2011 2012 UCL=8,058 8 UCL=8,196 8 7 7 6 5 4 _ C=2,926 3 2 Antal dödsfall Antal dödsfall 2010 6 5 4 _ C=3 3 2 1 1 0 LCL=0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 -1 -1 r- 1 r- 1 j- 1 -1 l- 1 - 1 - 1 t-1 -1 c -1 -1 - 1 r- 1 r- 1 j-1 -1 l -1 -1 - 1 t- 1 - 1 c- 1 - 1 - 1 r-1 jan feb ma ap ma jun ju aug sep ok n ov de jan feb ma ap ma jun ju aug sep o k nov de jan feb ma och År SkaraborgsMånad Sjukhus 0 LCL=0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 -1 -1 r- 1 r- 1 j- 1 -1 l- 1 - 1 - 1 t-1 -1 c -1 -1 - 1 r- 1 r- 1 j-1 -1 l -1 -1 - 1 t- 1 - 1 c- 1 - 1 - 1 r-1 jan feb ma ap ma jun ju aug sep ok n ov de jan feb ma ap ma jun ju aug sep o k nov de jan feb ma Månad och År 11 Exempel 2.3 Uppföljning av patienter som flyttas från MAVA och KAVA pga försämrat tillstånd Från MAVA/KAVA till IVA pga försämrat tillstånd Antal dagar mellan överföringar 60 50 40 t Sö 30 CL Önskvärd riktning Su 20 10 FT FT1 F 5 FTT9 FT13 FT17 FT21 FT25 FT29 FT33 FT37 FT41 FT45 FT49 FT53 FT57 FT61 FT65 FT69 FT73 FT77 FT81 FT85 FT89 F 93 FTT97 FT10 1 FT10 5 FT10 9 FT113 FT11 7 FT12 1 FT12 5 FT12 139 3 0 Fall nr MAVA och KAVA Antal inskrivningar per månad (MAVA+KAVA) 12 UCL=11,58 6 11 10 7 6 _ C=4,93 5 4 4 3 2 1 3 2 0 1 0 LCL=0 ja nf e 10 b m -1 0 ar ap 10 m r-10 aj ju 1 0 n1 ju 0 l au -1 0 g s e -10 pok 1 0 tno 10 v de -1 0 cja 1 0 nf e 11 b m -1 1 ar ap 11 r m -11 aj -1 ju 1 n1 ju 1 l au -1 1 g s e -11 pok 1 1 tno 11 v de -1 1 cja 1 1 nf e 12 b m -1 2 ar -1 2 Sample Count 8 Antal inskrivningar 5 9 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 1 0 1 1 1 1 1 2 2 2 - 1 -1 r -1 r -1 j -1 - 1 l - 1 -1 -1 t- 1 -1 c-1 -1 - 1 r-1 r -1 j- 1 - 1 l-1 -1 - 1 t-1 -1 c-1 -1 - 1 r- 1 jan feb ma ap ma jun ju aug sep ok nov de jan feb ma ap ma jun j u aug sep ok no v de jan feb ma ÅrMånad Skaraborgs Sjukhus MånadÅr MAVA KAVA Medel-MAVA Medel-KAVA 12 Exempel 3 Uppföljning av hjärtoperationsutfall på Miami Children’s Hospital Realtidsövervakning på Miami Children’s Hospital Skaraborgs Sjukhus 13 En ”skärm-dunk” – Kan vi säga något om processen? Skaraborgs Sjukhus Uppföljning mha ett g-chart g-chart 225 175 150 125 100 75 50 25 0 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 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 # of death-free cases between 200 Death case # # of death-free cases between UCL CL LCL Skaraborgs Sjukhus 14 Ett EWMA diagram EWMA chart 0,60000 0,50000 0,40000 EWMA 0,30000 EWMA 0,20000 UCL 0,10000 0,00000 1 72 143 214 285 356 427 498 569 640 711 782 853 924 995 1066 1137 1208 1279 1350 1421 1492 1563 1634 1705 1776 1847 1918 1989 2060 2131 2202 2273 2344 2415 2486 2557 2628 2699 2770 2841 -0,10000 -0,20000 Surgery # Skaraborgs Sjukhus EWMA modell (Bernoulli process) Z i = λU i + (1 − λ ) Z i −1 Ui = X i − E( X i ) σ (Xi) E( X i ) = p pˆ = 1 n ∑ Xi n i =1 σ ( X i ) = p ∗ (1 − p ) UCL = 0 + L λ 2−λ λ = 0,02 Skaraborgs Sjukhus 15 Vad kan man lära sig av dessa exempel? • g-chart och t-chart är bra på att visualisera data (mycket bättre än ”tick mark graph” i alla fall), men det är inte helt lätt att använda diagrammen operativt. Undre styrgränsen (LCL) är ofta lika med noll eller ligger ganska nära noll, vilket försvårar tolkningen. • Man kan tänka sig tillämpa olika varningssignaler, liksom de som tagits fram av Western Electric (1956). I så fall, hur kommer dessa varningssignaler (eller rättare sagt regler kring dessa) att se ut? • Kan vara bra att fundera över syftet med uppföljning/övervakning: är det att detektera systematiska förändringar i processen (hitta urskiljbara orsaker till variation) eller kontrollera/verifiera om en intervention har gett önskvärd effekt? • Ett EWMA eller CUSUM diagram kan vara bra komplement till g-chart eller/och t-chart. Fördelen med EWMA/CUSUM är att de är mer operativa (lätt att upprätta, har en tydlig övre styrgräns mm). Man får dock fundera kring diagramparametrar såsom L (styrgränsbredd) och λ (viktfaktor) för att sätta upp styrgränserna på en rimlig nivå och därmed erhålla en bra balans mellan Typ I och Typ II fel. Skaraborgs Sjukhus Hur fungerar g-chart och t-chart? Lite teori bakom dessa styrdiagram 16 g-chart • g står för ”geometric” eftersom den geometriska fördelningen används som en underliggande modell. • Tillämpas på diskreta data • Den plottade storheten är antalet ”felfria” fall mellan händelserna • Det kan vara ett bra alternativ till p-chart, np-chart, cchart eller u-chart när händelserna inte inträffar särskilt ofta • Fungerar bra både när man vill upptäcka förändringar i en process och om man vill se om en förändring/intervention i processen har lett till en förbättring. Skaraborgs Sjukhus Arbetsgång inklusive beräkning av styrgränser • g = antalet ”felfria” fall mellan händelserna (infektion, skada vid operation, hjärtinfarkt mm) CL = gˆ (medelvärdet av g) UCL = gˆ + 3 gˆ ∗ (gˆ + 1) UCL = gˆ − 3 gˆ ∗ (gˆ + 1) • För en snabb visuell analys är UCL ca 4 gånger CL • Om LCL<0, då finns det inte någon undre styrgräns för det mätetalet Skaraborgs Sjukhus 17 t-chart • t står för tid (time) – om händelsefrekvensen kan beskrivas mha en Poisson modell då kommer t = ”tid mellan händelserna” att vara Exponentiellt fördelad. • Eftersom Exponentiellfördelning är en sned fördelning (och därmed försvårar tolkning av styrdiagrammet om vi plottar tiderna direkt på det) kan det vara bra att transformera den till en symetrisk Weibullfördelning. • Tillämpas på kontinuerlig data (tider i form av dagar, timmar, minuter mm) • Den plottade storheten är tid mellan händelserna • Det kan vara ett bra alternativ till p-chart, np-chart, c-chart eller uchart. Skaraborgs Sjukhus Arbetsgång inklusive beräkning av styrgränser • t = tid mellan händelserna • Transformera t värdena till y = t 0,2777 • Beräkna MR av y • CL = yˆ (medelvärdet av y) • UCL = yˆ + 2,66 * MR • LCL = yˆ - 2,66 * MR • Transformera styrgränserna tillbaka till tidsskala t = y 3,6 • Plotta originala t värdena med transformerade styrgränser och CL. • LCL < 0, då finns det inte någon undre styrgräns för det mätetalet Skaraborgs Sjukhus 18 Val av styrdiagram Alternativa val när händelserna inträffar sällan Kontinuerliga mätningar t-chart (tid mellan händelserna) Diskreta mätningar g-chart Antal ”felfria” fall mellan händelserna Source: Montgomery 2001 Skaraborgs Sjukhus Referenser • • • • • • • Kaminsky, F. C., Benneyan, J. C., Davis, R. D., & Burke, R. J. (1992). Statistical Control Charts Based on a Geometric Distribution. Journal of Quality Technology, 24:63-69. Benneyan, J. C., Lloyd, R. C. & Plsek, P. E. (2003). Statistical Process Control as a Tool for Reseach and Healthcare Improvement. Quality and Safety in Health Care 12:458-464. Benneyan, J. C. (1998). Statistical Quality Control Methods in Infection Control and Hospital Epidemiology, Part II: Chart Use, Statistical Properties, and Research Issues. Infection Control and Hospital Epidemiology, 19:265-283. Benneyan, J. C. Design and Use of g-type of Control Charts for Industry and Healthcare: SPC Charts for Hospital Infections and Adverse Events. Available at http://www1.coe.neu.edu/~benneyan/papers/g_chart_overview/ Robert Lloyd, Tanya Verrall & Dylan Williams (2009). Simplifying the Selection and Use of Statistical Process Control Methods. A tutorial session from International Forum on Quality and Safety in Health Care, Berlin ~ March 29, 2009. Montgomery, D. C. (2009). Introduction to Statistical Quality Control, Wiley, 6th Edition. Chakhunashvili, A. & Bergman, B. (2006). An EWMA Solution to Detect Shifts in a Bernoulli Process in an Out-of-control Environment. Quality and Reliability Engineering International. 22:419-428. Skaraborgs Sjukhus 19
© Copyright 2024