Mga Tagapahiwatig ng Kalidad at Pagsubaybay sa Pagganap: Mga KPI at Dashboard

Mga nadagdag:

• Kakayahang tukuyin ang mga tagapagpahiwatig ng kalidad at pagganap (SKS, klinikal na kalidad, kaligtasan ng pasyente) at magdisenyo ng makabuluhang dashboard na may suporta sa artificial intelligence
• Kakayahang gumamit ng AI para makagawa ng indicator interpretation, variance explanation at executive summary draft
• Pag-unawa na responsibilidad ng manager na i-verify ang kalidad ng data at sanhi sa likod ng indicator at kilalanin ang panganib ng paglalaro.

Ang "Hindi mo mapangasiwaan ang hindi mo masusukat" ay halos isang batas sa pamamahala ng pangangalagang pangkalusugan. Ngunit ang pagsukat sa pangangalagang pangkalusugan ay mayroon ding madilim na bahagi: kung maling tagapagpahiwatig ang sukatin mo, gagantimpalaan mo ang maling pag-uugali at masisira ang kaligtasan ng pasyente. Sa unit na ito, matututunan natin kung paano tukuyin ang mga KPI (Mga Key Performance Indicator), kolektahin ang mga ito sa isang dashboard (dashboard) at gumamit ng artificial intelligence upang bigyang-kahulugan ang mga indicator na ito. Malinaw ang limitasyon sa simula: Kinakalkula ng AI ang indicator at gumagawa ng draft ng interpretasyon; Ngunit nasa tagapamahala na suriin ang katumpakan ng data, sanhi at ang panganib ng paglalaro.

Ano ang magiging mabuting tagapagpahiwatig?

Ang klasikal na balangkas para sa pagsukat ng kalidad sa kalusugan ay naghahati sa mga tagapagpahiwatig sa tatlong uri. Ang tagapagpahiwatig ng istraktura ay sumusukat sa mga mapagkukunan at imprastraktura (tulad ng bilang ng mga nars bawat kama). Sinusukat ng indicator ng proseso kung paano ginagawa ang trabaho (tulad ng rate kung saan ibinibigay ang antibiotic prophylaxis sa oras). Sinusukat ng tagapagpahiwatig ng resulta kung ano ang nangyayari sa pasyente (tulad ng rate ng impeksyon, dami ng namamatay). Ang pangalan ng balangkas ng kalidad sa Türkiye ay SKS (Mga Pamantayan sa Kalidad ng Kalusugan) at tinutukoy nito ang maraming mandatoryong tagapagpahiwatig. Mahalagang subaybayan ang tatlong uri na ito nang sama-sama: kung titingnan mo lang ang istraktura, sinasabing "mayroon tayong sapat na mapagkukunan" ngunit hindi nangangahulugang ginagawa nang maayos ang trabaho; Kung titingnan mo lang ang proseso, may nakasulat na "we followed the rules" pero hindi naman ito nagpapatunay na ito ay mabuti para sa pasyente. Ang tunay na larawan ng kalidad ay lumilitaw kapag ang tatlo ay sabay na binabasa.

Ang isang mahusay na KPI ay may ilang mga katangian: ito ay malinaw na tinukoy (lahat ay sumusukat sa parehong bagay), masusukat, makabuluhan sa organisasyon, napapanahon, at mahirap manipulahin. Ang pinakamalaking panganib ay ang huli. Kapag ang isang tagapagpahiwatig ay nakatali sa isang target, ang mga tao kung minsan ay naghahanap ng isang paraan upang mapabuti ang tagapagpahiwatig, hindi ang aktwal na pagganap. Ito ay tinatawag na target diversion o gaming; Binubuod ito ng sikat na batas ng Goodhart: "Kapag ang isang pamantayan ay naging isang layunin, ito ay tumigil na maging isang mahusay na pamantayan." Halimbawa: kapag ang indicator ng "urgent waiting time" ay lumilikha ng pressure, ang mga pasyente ay maaaring panatilihin sa "recording open but not seen" status at ang indicator ay maaaring gawing artificially good.

Upang mabasa nang tama ang isang tagapagpahiwatig, kinakailangang hanapin ang mga sagot sa tatlong tanong nang magkasama. Una, saan nagmumula ang data: manu-mano o awtomatiko bang kinakalkula ang indicator; Mapagkakatiwalaan ba ang pinagmulan? Ano ang posibilidad ng nawawala/maling pagpaparehistro sa pag-login? Pangalawa, nagbago ba ang kahulugan: kung ang "panahon ng paghihintay" ay sinusukat mula sa pagpaparehistro hanggang sa pagsusuri noong nakaraang buwan, at mula sa pagsubok hanggang sa pagsusuri ngayong buwan, ang dalawang numero ay hindi maihahambing. Pangatlo, kung aling tagapagpahiwatig ang inilipat nito: ang isang numero na nag-iisa ay bumubuti ay maaaring nakagambala sa tagapagpahiwatig ng balanse sa tabi nito. Ang paggawa ng desisyon sa pamamagitan ng pagtingin sa isang indicator nang hindi tinatanong ang tatlong tanong na ito ay parang pagtingin sa isang x-ray at pagpapagamot sa isang pasyente; Ang larawang walang konteksto ay nakakapanlinlang. Hindi maaaring itanong ng artificial intelligence ang tatlong tanong na ito para sa iyo; Dahil ang manager lang na nakakaalam ng organisasyon ang nakakaalam kung saan nagmula ang data, kung kailan nagbago ang kahulugan, at ang katotohanan sa lupa. Ang trabaho ng AI ay kalkulahin ang indicator at ilista ang mga posibleng paliwanag; Nasa sa iyo na i-verify kung alin sa mga pahayag na ito ang totoo.

Hakbang-hakbang: dashboard at komentaryo sa AI

1. Pumili ng mga indicator. Obserbahan ang istraktura/proseso/balanse ng resulta; Tiyaking isama ang mga tagapagpahiwatig ng kaligtasan ng pasyente.
2. Linawin ang mga kahulugan. Ang numerator/denominator, pinagmulan at panahon ng bawat indicator ay dapat isulat.
3. Magbigay ng data nang hindi nagpapakilala. Mga numero lamang; Walang ID ng pasyente.
4. Humiling ng draft na komento mula sa AI. Ibuod ang mga paglihis, uso, at posibleng mga paliwanag.
5. Sanhi at kontrol ng data. Para sa bawat "pagpapabuti/paglala": nagbago ba ang kalidad ng data, nagbago ba ang kahulugan, totoo ba ito o gaming?
6. Magbasa nang may kaugnay na mga tagapagpahiwatig. Ang isang tagapagpahiwatig ay hindi kailanman sinusuri sa paghihiwalay; Ito ay tinitingnan nang may mga pares (tulad ng LOS–readmission, waiting–gaming).

Mag-ingat: Ang AI ay maaaring mekanikal na lagyan ng label ang isang biglaang pagbabago sa isang indicator bilang "mabuti" o "masama." Minsan ang isang biglaang pagbaba ay hindi isang pagpapabuti ngunit isang pagtigil ng data entry o isang pagbabago sa kahulugan. Trabaho mong i-verify ang sanhi ng komento.

tatlong mini case

Case 1 — Pabilisin ang executive summary. Bawat buwan, manu-manong binibigyang-kahulugan ng isang dekalidad na opisyal ang 18 indicator at sumulat ng 4 na pahinang buod; Tumagal ito ng 3 oras. Ibinigay ni Anonymous ang dashboard (mga numero lamang) sa AI at humingi ng draft executive summary. Nakuha ng AI ang mga paglihis at posibleng mga paliwanag; inihambing ng tagapag-ingat ang bawat numero sa kanyang clipboard, itinama ang dalawang maling hinuha, at inayos muli ang mga pangungusap na sanhi. Bumaba ang tagal mula 3 oras hanggang 45 minuto; Hindi ang kalidad ng workload, ito ay ang pre-AI preparation na umikli.

Kaso 2 — Pekeng pagbawi. Sa isang billboard, bumaba ang "urgent average wait time" mula 48 minuto hanggang 22 sa isang buwan. Binigyang-kahulugan ito ng AI bilang "makabuluhang pagpapabuti". Naghinala ang tagapamahala at inimbestigahan ang ugat: na-update ang sistema ng pagpaparehistro noong buwang iyon, at ang "oras ng pagsisimula ng pagsusulit" ay tinukoy sa ibang paraan. Kaya't ang tunay na hawak ay hindi nahulog; ang sukat lamang ang nagbago. Ang tuluy-tuloy na interpretasyon ng AI ay nakaliligaw; Nahuli ng data control ng administrator ang bitag.

Case 3 — Panghuli sa Paglalaro. Sa isang ospital, ang "outpatient clinic check-up appointment rate sa loob ng 30 araw" ay itinakda bilang target at mabilis na tumaas sa 98 porsyento. Hiniling ng pangkat ng kalidad sa AI na basahin ang tagapagpahiwatig na ito na may mga nauugnay na tagapagpahiwatig (rate ng pag-check-in, kasiyahan ng pasyente). Lumilitaw na ang mga appointment ay ginawa, ngunit karamihan sa kanila ay hindi dinaluhan; Ang tagapagpahiwatig ay mabuti, ang aktwal na sitwasyon ay hindi nagbago. Ang tagapagpahiwatig ay muling tinukoy bilang "aktwal na kontrol" sa halip na "ibinigay".

Apat na maaaring kopyahin na mga template

1) Draft ng komento ng tagapagpahiwatig:

Ang iyong tungkulin: katulong sa tagapamahala ng kalidad. Nasa ibaba ang anonymous na buwanang dashboard (mga numero lamang):pangalan ng tagapagpahiwatig, ngayong buwan, noong nakaraang buwan, target.Gawain: ipahiwatig ang paglihis mula sa target at noong nakaraang buwan sa bawat indicator, markahan ang 3 pinakakilalang mga paglihis at magmungkahi ng mga POSIBLENG paliwanag. Magpakita ng mga paliwanag bilang ganap na katotohanan; Isulat ito bilang hypothesis.

2) Causation/data query:

Bumaba ang "oras ng agarang paghihintay" mula 48 hanggang 22 minuto ngayong buwan. Ilista ang mga posibleng dahilan para sa pagbaba na ito sa ilalim ng tatlong heading: (1) aktwal na pagpapabuti, (2) pagbabago ng data/pagsukat, (3) target na pagbaluktot (paglalaro). Sabihin sa akin kung paano suriin ang bawat isa. HUWAG MAGDESISYON kung alin; ipakita ang control path.

3) Kaugnay na pares ng tagapagpahiwatig:

Para sa bawat pangunahing tagapagpahiwatig sa aking dashboard, magmungkahi ng "tagapagpahiwatig ng balanse/pares" na ginagawang mapanganib ang pagbibigay-kahulugan dito (hal. readmission para sa LOS). Ipaliwanag sa isang pangungusap kung bakit dapat silang basahin nang magkasama. Ibigay ito sa isang mesa.

4) Buod ng board:

Mag-draft ng 1-pahinang buod para sa board mula sa sumusunod na hindi kilalang data ng indicator: 3 magandang balita, 3 bahagi ng atensyon, 3 mungkahi sa pagkilos. Gumamit ng simple, managerial na wika. Markahan ang pinagmulan ng bawat numero bilang [VERIFY] para makumpirma ko ito.

Mahinang prompt / Malakas na prompt

Mahinang prompt:

Bigyang-kahulugan ang aming mga tagapagpahiwatig, sabihin sa amin kung sila ay mabuti o masama.

Walang kahulugan, walang layunin, walang konteksto; Gumagawa ang AI ng mga mekanikal at mapanlinlang na label.

Napakahusay na prompt:

Nasa ibaba ang anonymous indicator chart (ngayong buwan/nakaraang buwan/target). Bigyang-kahulugan ang bawat paglihis na nauugnay sa target, ngunit bago sabihin ang "mabuti/masama", banggitin din ang posibleng pagbabago ng data/kahulugan at posibilidad ng paglalaro. Basahin ang LOS, basahin ang oras ng paghihintay kasama ang indicator ng paglalaro. Huwag gumawa ng panghuling paghatol; Markahan ang mga puntos na susuriin.

Uri ng tagapagpahiwatig

halimbawa

Panganib ng nag-iisa na komento

istraktura

Ratio ng nars/kama

Hindi ginagarantiyahan ang kalidad

Proseso

Rate sa oras ng prophylaxis

Hindi nagpapakita ng resulta

Konklusyon

rate ng impeksyon

Volatile sa maliit na sample

kahusayan

oras ng paghihintay

Bukas sa Gaming

Mga karaniwang pagkakamali

• Nakatingin sa isang indicator. Ang bawat pangunahing tagapagpahiwatig ay dapat basahin na may tagapagpahiwatig ng balanse.
• Agad na isinasaalang-alang ang biglaang pagbabago bilang mabuti/masama. Maaaring may mga pagbabago sa data o kahulugan.
• Hindi pinapansin ang Gaming. Ang tagapagpahiwatig na umaasa sa target ay maaaring manipulahin.
• Napagkamalan ang interpretasyon ng AI para sa sanhi. Nakikita ng AI ang relasyon, hindi ang dahilan.
• Hindi nagtatanong sa kalidad ng data. Ang mga magagandang tagapagpahiwatig ay hindi maaaring magmula sa masamang data.

Tip: Magdagdag ng maliit na “balance indicator” sa iyong dashboard sa tabi ng bawat pangunahing indicator at palaging humingi ng AI na komentaryo sa pares na ito. Ang isang numero na nagniningning nang mag-isa ay kadalasang nagtatago sa madilim na pares nito.

Sa buod

Ang mga tagapagpahiwatig ng kalidad ay sumusukat sa kalusugan ng organisasyon, ngunit ang maling pagsukat ay nagbubunga ng maling pag-uugali. Ang AI ay isang makapangyarihang tulong sa pagkalkula ng mga indicator, pagbubuod ng mga pagkakaiba at paggawa ng buod ng pamamahala ng draft. Ngunit nakikita ng AI ang mga relasyon, hindi ito makapagtatag ng sanhi; Ang biglaang pagbabago ay maaaring pagbabago ng data/kahulugan o paglalaro. Basahin ang bawat indicator na may pares ng balanse, kalidad ng data ng query, i-verify ang sanhi. Ang huling pag-apruba ng komento at desisyon ay nakasalalay sa administrator.

Gawain ng aplikasyon

Kumuha ng 5-6 na hindi kilalang tagapagpahiwatig (sa buwang ito/nakaraang buwan/target) mula sa iyong organisasyon. Humiling ng mga komento mula sa AI na may template na "Draft ng komento ng tagapagpahiwatig". Piliin ang indicator na pinakamaraming nagbabago at kumuha ng tatlong posibleng paliwanag (fact/data/gaming) gamit ang template na "Causation/data query" at isulat kung paano mo susuriin ang bawat isa sa 5 puntos.

checklist

• [ ] Nilinaw ko ba ang kahulugan ng mga indicator (numerator/denominator/source)?
• [ ] Nagbigay ba ako ng data nang hindi nagpapakilala?
• [ ] Binabasa ko ba ang bawat pangunahing tagapagpahiwatig na may pares ng balanse?
• [ ] Nasuri ko na ba ang posibilidad ng data/depinisyon/paglalaro kung sakaling magkaroon ng biglaang pagbabago?
• [ ] Inaprubahan ko ba, bilang administrator, ang huling komento at desisyon?