Forhindre Hospital Falls

Hospital prosesser produserer mange ting. De fleste av dem er ønskelig utfall, for eksempel friske nyfødte babyer, nye hofteledd, kreftfrie pasienter og blod som strømmer fritt gjennom en gang blokkerte koronararteriene. Med andre ord, glade, friske og fornøyde pasienter. Disse resultatene er grunnen til at helsepersonell valgte sitt felt. De genererer inntekter at pasientene er fornøyd med å betale fordi verdien de får overstiger kostnadene.

Men ikke alle de tingene sykehusene produserer er ønskelig. Sykehus også produsere mislykkede operasjoner, kirurgiske svamper suturerte inn pasienter, røntgen som må tas flere ganger, fall, infeksjoner og mange andre uvelkomne feil. Disse tingene fører også fra sykehusprosessene, men fordi de ikke er en del av den planlagte utfallet, har vi en tendens til å overse det faktum at de også er forårsaket. I stedet, mange helsearbeiderne se på disse dårlige resultatene som uheldige hendelser som vises uten årsak. Selvfølgelig, har de en tendens til å akseptere disse hendelsene som uunngåelige, som igjen forsikrer kontinuerlig gjentakelse.

Kvaliteten yrke viktigste bidrag til verden er evnen til vitenskapelig undersøke prosessen variasjon. Dette hjelper folk ser som utfall, behagelig og ubehagelig, er skapt av systemet selv, og som er opprettet av faktorer utenfor systemet. Bevæpnet med denne kunnskapen, kan arbeiderne avgjøre hvilke tiltak vil mest sannsynlig forbedre prosessen. Forbedring kan være en økning i det ønskede resultat, reduksjon i uønskede resultater, økt effektivitet eller hvilken som helst kombinasjon av disse. Tilnærmingen er generisk. Det kan - og har vært - brukt til å forbedre helsevesenet prosesser. La oss se på et eksempel.

Falls.
Mens jeg ventet utenfor min fars sykehusrom for ham å fullføre dressing å komme hjem, hørte jeg en lyd. Lyden var karakteristiske: en kropp treffer det harde gulvet. Jeg løp inn, en sykepleier tett i hælene. Min fars eldre romkamerat lå på gulvet, flau da han forsøkte å stå. Sykepleieren og jeg hjalp ham til hans føtter.

"Jeg er OK," han forsikret oss. "Jeg lente meg på bordet, men det rullet og jeg falt." Han pekte på den lille skapet mellom de to senger. Sykepleieren nikket som hun ledet ham til stolen.

"Det skjer hele tiden," sykepleieren svarte. "De bør erstatte disse darned bord. De er på hjul for å gjøre det enklere å flytte dem for pasienttilgang og rengjøring av rommet, men de forårsake mye ulykker."

Heldigvis bare gentleman stolthet ble skadet. Men som jeg fortsatte å vente på min far, tok jeg oppmerksom på det faktum at sykepleieren fortsatte med hennes runder. Hvis hun noen gang er rapportert hendelsen, det var lenge etter at det skjedde. Sjansene er det aldri ble rapportert.

Senere på dagen, ringte jeg sykehuset og spurte om de holdt data på fossen. "Selvfølgelig," ble jeg fortalt. "Sykehus re-ledningen alt."

Ikke helt alt, tenkte jeg for meg selv som jeg husket hendelsen tidligere på dagen. Sannsynligvis noe som forårsaket en skade. Bare en del av historien, men verdt å se på i alle fall. Sykehuset fakset meg dataene på falls (se tabell 1).

Alle organisasjoner holde slike data. Men det er i en form som er lite brukt. Dataene inneholder informasjon, men ikke i et format som folk lett kan tolke. For å hjelpe oss fange opp litt kunnskap fra disse dataene, la oss vurdere tre statistisk prosesskontroll verktøy:. Histogrammet, kjører chart og kontroll chart

Et histogram viser empiriske fordelingen av fossen data. Det ville vise at antall fall rapporteres hver måned varierer fra null til seks, med fire faller per måned er den vanligste. Antall fall synes å være ganske konsekvent; ingen månedene inneholder et stort antall fall.

Hvor histogrammet er et øyeblikksbilde, er flukt diagrammet en film. I figur 1 ser vi falls data strukket ut over tid. Bruk av statistiske tester gir ingen signifikante data mønstre. Kjøringen diagrammet hjelper sette dataene i en sammenheng, noe som bidrar til å hindre misforståelser forårsaket ved å se bare på en del av dataene.

Selv kjører diagrammer tillate oss å undersøke mønstre, de er mindre nyttig i analyse av uteliggere eller freak verdier. Kontroll diagrammer gi kontrollgrenser som bidrar til å gjøre dette. Opprette et kontrolldiagram av fossen data krever først bestemme antall pasientpleie dager (PCDs) for sykehuset hver måned. Tross alt, er en måte å redusere faller til null innrømme ingen pasienter! U
diagrammet i Figur 2 viser innrapporterte fall per 100 PCDs. Det inkluderer også en midtlinje som viser prosessen gjennomsnitt og en øvre kontrollgrensen på antall fall per 1000 PCDs. Merk at UCL stiger og faller som antall PCDs endringer.

Styre Figuren viser at frekvensen av fossen er "kontroll". Dette betyr at hvis ingenting blir gjort hver måned, kan sykehuset forvente å gjennomsnitt ca to alvorlige fall per 100 PCDs. Noen måneder ingen mennesker vil falle og skade seg selv, andre måneder et halvt dusin eller flere skader kan oppstå. Det vil si, med mindre noen tar seg tid til å se inn i grunner
hvorfor folk faller. Når ledelsen bestemmer seg for å gjøre det, kan en hel rekke teknikker gjøres gjeldende på problemet, slik som årsak og virkning diagrammer og Pareto analyse.

Og kanskje, bare kanskje, de darned tabellene vil være erstattes!