Viashiria vya Ubora na Ufuatiliaji wa Utendaji: KPI na Dashibodi

Faida:

• Uwezo wa kufafanua viashiria vya ubora na utendakazi (SKS, ubora wa kimatibabu, usalama wa mgonjwa) na kubuni dashibodi yenye maana yenye usaidizi wa kijasusi bandia.
• Uwezo wa kutumia AI kutoa tafsiri ya viashiria, maelezo ya tofauti na rasimu ya muhtasari wa utendaji
• Kuelewa kuwa ni wajibu wa msimamizi kuthibitisha ubora wa data na sababu ya kiashirio na kutambua hatari ya kucheza michezo.

"Huwezi kudhibiti kile usichoweza kupima" karibu ni sheria katika usimamizi wa afya. Lakini kipimo katika huduma ya afya pia kina upande mbaya: ukipima kiashirio kibaya, unatuza tabia mbaya na kudhoofisha usalama wa mgonjwa. Katika kitengo hiki, tutajifunza jinsi ya kufafanua KPIs (Viashiria Muhimu vya Utendaji), kuzikusanya kwenye dashibodi (dashibodi) na kutumia akili ya bandia kutafsiri viashiria hivi. Kikomo ni wazi tangu mwanzo: AI huhesabu kiashiria na hutoa rasimu ya tafsiri; Lakini ni juu ya meneja kuangalia usahihi wa data, sababu na hatari ya michezo ya kubahatisha.

Nini kingekuwa kiashiria kizuri?

Mfumo wa kitamaduni wa kupima ubora katika afya hugawanya viashirio katika aina tatu. Kiashiria cha muundo hupima rasilimali na miundombinu (kama vile idadi ya wauguzi kwa kila kitanda). Kiashirio cha mchakato hupima jinsi kazi inafanywa (kama vile kiwango ambacho antibiotic prophylaxis inatolewa kwa wakati). Kiashiria cha matokeo hupima kinachotokea kwa mgonjwa (kama vile kiwango cha maambukizi, vifo). Jina la mfumo wa ubora nchini Türkiye ni SKS (Viwango vya Ubora wa Afya) na hufafanua viashirio vingi vya lazima. Ni muhimu kufuatilia aina hizi tatu kwa pamoja: ukiangalia tu muundo, inasema "tuna rasilimali za kutosha" lakini haimaanishi kwamba kazi inafanywa vizuri; Ukiangalia tu mchakato huo, inasema "tulifuata sheria" lakini haithibitishi kuwa ni mzuri kwa mgonjwa. Picha halisi ya ubora hujitokeza wakati zote tatu zinasomwa pamoja.

KPI nzuri ina sifa kadhaa: inafafanuliwa kwa uwazi (kila mtu hupima kitu sawa), inaweza kupimika, yenye maana kwa shirika, kwa wakati, na vigumu kuendesha. Hatari kubwa ni ya mwisho. Wakati kiashiria kimefungwa kwa lengo, wakati mwingine watu hupata njia ya kuboresha kiashiria, sio utendaji halisi. Hii inaitwa diversion lengo au michezo ya kubahatisha; Imefupishwa na sheria maarufu ya Goodhart: "Wakati kigezo kinakuwa lengo, huacha kuwa kigezo kizuri." Kwa mfano: wakati kiashirio cha "wakati wa kusubiri wa haraka" kinapoleta shinikizo, wagonjwa wanaweza kuwekwa katika hali ya "kurekodi wazi lakini haijaonekana" na kiashirio kinaweza kufanywa vizuri kwa njia ya bandia.

Ili kusoma kiashiria kwa usahihi, ni muhimu kutafuta majibu ya maswali matatu pamoja. Kwanza, data inatoka wapi: ni kiashiria kinachohesabiwa kwa manually au moja kwa moja; Je, chanzo kinategemeka? Je, kuna uwezekano gani wa kukosa/usajili usio sahihi wakati wa kuingia? Pili, ufafanuzi umebadilika: ikiwa "wakati wa kusubiri" hupimwa kutoka kwa usajili hadi mtihani mwezi uliopita, na kutoka kwa triage hadi uchunguzi mwezi huu, namba mbili hazifanani. Tatu, ni kiashiria kipi kilichosonga: nambari ambayo inaboresha peke yake inaweza kuwa imesumbua kiashiria cha usawa karibu nayo. Kufanya uamuzi kwa kuangalia kiashirio bila kuuliza maswali haya matatu ni sawa na kuangalia x-ray moja na kumtibu mgonjwa; Picha bila muktadha inapotosha. Akili ya bandia haiwezi kukuuliza maswali haya matatu; Kwa sababu ni meneja pekee anayejua shirika anajua data inatoka wapi, ufafanuzi ulibadilika na ukweli wa kimsingi. Kazi ya AI ni kukokotoa kiashiria na kuorodhesha maelezo yanayowezekana; Ni juu yako kuthibitisha ni ipi kati ya taarifa hizi ni ya kweli.

Hatua kwa hatua: dashibodi na maoni na AI

1. Chagua viashiria. Angalia muundo / mchakato / usawa wa matokeo; Hakikisha kuingiza viashiria vya usalama wa mgonjwa.
2. Fafanua ufafanuzi. Nambari/denominata, chanzo na kipindi cha kila kiashirio kinapaswa kuandikwa.
3. Toa data bila kujulikana. Nambari tu; Hakuna kitambulisho cha mgonjwa.
4. Omba rasimu ya maoni kutoka kwa AI. Toa muhtasari wa mikengeuko, mienendo, na maelezo yanayowezekana.
5. Sababu na udhibiti wa data. Kwa kila "uboreshaji / kuongezeka": ubora wa data umebadilika, ufafanuzi umebadilika, ni kweli au ni mchezo wa kubahatisha?
6. Soma na viashirio vinavyohusika. Kiashiria hakitathminiwi kwa kutengwa; Inaangaliwa kwa jozi (kama vile LOS-readmission, kusubiri-kucheza).

Tahadhari: AI inaweza kimakanika kuweka mabadiliko ya ghafla katika kiashirio kama "nzuri" au "mbaya". Wakati mwingine kushuka kwa ghafla sio uboreshaji lakini kusitishwa kwa uwekaji data au mabadiliko ya ufafanuzi. Ni kazi yako kuthibitisha sababu ya maoni.

kesi tatu ndogo

Kesi ya 1 - Kuharakisha muhtasari wa mtendaji. Kila mwezi, afisa wa ubora alitafsiri kwa mikono viashiria 18 na kuandika muhtasari wa kurasa 4; Hii ilichukua masaa 3. Anonymous alikabidhi dashibodi (nambari tu) kwa AI na akaomba muhtasari wa rasimu ya mtendaji. AI ilitoa mikengeuko na maelezo yanayowezekana; mlinzi alilinganisha kila nambari na ubao wake wa kunakili, akasahihisha makisio mawili yenye makosa, na kurekebisha sentensi za sababu. Muda ulipungua kutoka saa 3 hadi dakika 45; Sio mzigo wa kazi bora, ni maandalizi ya kabla ya AI ambayo yamefupishwa.

Kesi ya 2 - Urejeshaji wa uwongo. Kwenye ubao mmoja, "wastani wa muda wa kusubiri wa dharura" ulishuka kutoka dakika 48 hadi 22 katika mwezi mmoja. AI ilitafsiri hii kama "maboresho makubwa". Meneja alishuku na akachunguza chanzo kikuu: mfumo wa usajili ulikuwa umesasishwa mwezi huo, na "muda wa kuanza mtihani" ulifafanuliwa tofauti. Kwa hiyo mshiko halisi haukuwa umeanguka; kipimo pekee ndicho kilikuwa kimebadilika. Tafsiri ya maji ya AI ilikuwa ya kupotosha; Kidhibiti cha data cha msimamizi kilinasa mtego.

Kesi ya 3 - Kukamata Michezo ya Kubahatisha. Katika hospitali moja, "kiwango cha miadi ya uchunguzi wa kliniki ya wagonjwa wa nje ndani ya siku 30" kiliwekwa kama lengo na kiliongezeka haraka hadi asilimia 98. Timu ya ubora iliuliza AI kusoma kiashiria hiki na viashiria vinavyohusishwa (kiwango cha kuingia, kuridhika kwa mgonjwa). Ikawa uteuzi ulifanyika, lakini wengi wao hawakuhudhuria; Kiashiria ni nzuri, hali halisi haijabadilika. Kiashiria kilifafanuliwa upya kama "udhibiti halisi" badala ya "kutolewa".

Violezo vinne vinavyoweza kunakiliwa

1) Rasimu ya maoni ya kiashiria:

Jukumu lako: msaidizi wa meneja wa ubora.Hapo chini kuna dashibodi ya kila mwezi isiyojulikana (nambari pekee):jina la kiashirio, mwezi huu, mwezi uliopita, lengwa.Kazi: onyesha kupotoka kutoka kwa lengo na mwezi uliopita katika kila kiashirio, weka alama 3 tofauti zinazoonekana zaidi na upendekeze maelezo YANAYOWEZEKANA.Onyesha maelezo kama ukweli kamili; Iandike kama dhana.

2) Sababu / hoja ya data:

"Muda wa kusubiri wa papo hapo" umepungua kutoka dakika 48 hadi 22 mwezi huu. Orodhesha sababu zinazoweza kusababisha kushuka huku chini ya vichwa vitatu: (1) uboreshaji halisi, (2) mabadiliko ya data/kipimo, (3) upotoshaji lengwa (michezo). Niambie jinsi ya kuangalia kila moja. USIAMUE yupi; onyesha njia ya udhibiti.

3) Jozi ya viashiria vinavyohusishwa:

Kwa kila kiashirio kikuu kwenye dashibodi yangu, pendekeza "kiashirio cha mizani/jozi" ambacho hufanya kukitafsiri peke yake kuwa hatari (k.m. kusoma tena kwa LOS). Eleza kwa sentensi moja kwa nini zinapaswa kusomwa pamoja. Ipe kwenye meza.

4) Muhtasari wa bodi:

Rasimu ya muhtasari wa ukurasa 1 wa bodi kutoka kwa data ya kiashirio ifuatayo isiyojulikana: habari njema 3, maeneo 3 ya umakini, mapendekezo 3 ya hatua. Tumia lugha nyepesi na ya kiusimamizi. Weka alama kwenye chanzo cha kila nambari kama [THIBITISHA] ili niweze kuithibitisha.

Mwongozo dhaifu / Mwongozo thabiti

Agizo dhaifu:

Tafsiri viashiria vyetu, tuambie kama ni nzuri au mbaya.

Hakuna ufafanuzi, hakuna lengo, hakuna muktadha; AI hutoa lebo za mitambo na za kupotosha.

Agizo lenye nguvu:

Ifuatayo ni chati ya kiashirio isiyojulikana (mwezi huu/mwezi uliopita/lengo). Tafsiri kila mkengeuko unaohusiana na lengo, lakini kabla ya kusema "nzuri/mbaya", pia taja uwezekano wa mabadiliko ya data/ufafanuzi na uwezekano wa kucheza michezo. Soma LOS, soma wakati wa kusubiri na kiashiria cha michezo ya kubahatisha. Usitoe hukumu za mwisho; Weka alama kwenye alama ili kuangalia.

Aina ya kiashiria

mfano

Hatari ya maoni ya faragha

muundo

Uwiano wa muuguzi/kitanda

Haihakikishi ubora

Mchakato

Kiwango wakati wa prophylaxis

Haionyeshi matokeo

Hitimisho

kiwango cha maambukizi

Tete katika sampuli ndogo

ufanisi

muda wa kusubiri

Fungua kwa Michezo ya Kubahatisha

Makosa ya kawaida

• Kuangalia kiashiria kimoja. Kila kiashiria kikuu kinapaswa kusomwa na kiashiria cha usawa.
• Mara moja ukizingatia mabadiliko ya ghafla kama mazuri/mabaya. Kunaweza kuwa na mabadiliko ya data au ufafanuzi.
• Kupuuza Michezo ya Kubahatisha. Kiashiria tegemezi kinacholengwa kinaweza kubadilishwa.
• Kupotosha tafsiri ya AI kwa sababu. AI huona uhusiano, sio sababu.
• Bila shaka ubora wa data. Viashiria vyema haviwezi kutoka kwa data mbaya.

Kidokezo: Ongeza "kiashirio cha usawa" kidogo kwenye dashibodi yako karibu na kila kiashirio kikuu na kila wakati uulize maoni ya AI na jozi hizi. Nambari inayoangaza peke yake mara nyingi huficha jozi yake hafifu.

Kwa muhtasari

Viashiria vya ubora hupima afya ya shirika, lakini kipimo kibaya huzaa tabia mbaya. AI ni msaada mkubwa katika kukokotoa viashiria, kufupisha tofauti na kutoa muhtasari wa rasimu ya usimamizi. Lakini AI inaona uhusiano, haiwezi kuanzisha sababu; Mabadiliko ya ghafla yanaweza kuwa mabadiliko ya data/ufafanuzi au mchezo wa kubahatisha. Soma kila kiashirio kilicho na jozi ya usawa, uliza ubora wa data, thibitisha sababu. Idhini ya mwisho ya maoni na uamuzi iko kwa msimamizi.

Jukumu la maombi

Pata viashirio 5-6 (mwezi/mwezi uliopita/lengo) kutoka kwa shirika lako. Omba maoni kutoka kwa AI ukitumia kiolezo cha "Rasimu ya maoni ya Kiashiria". Chagua kiashirio kinachobadilisha zaidi na utoe maelezo matatu yanayowezekana (ukweli/data/michezo) kwa kiolezo cha "Sababu/hoja ya data" na uandike jinsi ungeangalia kila moja katika pointi 5.

orodha ya ukaguzi

• [ ] Je, nimefafanua ufafanuzi wa viashiria (nambari/denominata/chanzo)?
• [ ] Je, nilitoa data bila kujulikana?
• [ ] Je, ninasoma kila kiashirio kikuu na jozi ya mizani?
• [ ] Je, nimeangalia uwezekano wa data/ufafanuzi/michezo iwapo kutatokea mabadiliko ya ghafla?
• [ ] Je, mimi, kama msimamizi, niliidhinisha maoni na uamuzi wa mwisho?