Harnessing the Power of Data and Analytics on the Journey to Zero Harm

De acordo com um relatório recente da Organização Mundial da Saúde, erros médicos prejudicam até 40% dos pacientes globalmente. Equipados com mais e melhores ferramentas do que nunca, os líderes de saúde de hoje têm uma oportunidade - e uma responsabilidade - de transformar a segurança do paciente em suas organizações. Ao aproveitar o poder dos dados e análises de segurança do paciente, os líderes de saúde podem desenvolver estratégias eficazes para melhorar a segurança, acelerando os da organização Viagem a zero dano. Eles também precisam saber que o ...

Antes que os líderes de saúde possam desenvolver estratégias eficazes para melhorar a segurança, eles precisam saber onde encontrar os dados de segurança mais relevantes. Eles também precisam saber que os dados com os quais estão trabalhando são precisos. Por esses motivos, a integridade dos dados é fundamental para qualquer iniciativa de alta confiabilidade. Os sistemas de saúde com má integridade de dados podem se sentir peneirando através de dados errôneos ou imateriais que podem atrasar ou atrapalhar o progresso na jornada para zero danos. Por outro lado, os sistemas de saúde com integridade de dados superiores têm o poder de transformar a segurança em sua organização.

Data governance is the foundation for establishing strong data integrity. As organizations look to advance safety initiatives that are heavily dependent on data accuracy, establishing solid data governance will be critical.

Data for Informed Decision Making

Not all data is created equal. To make progress on the journey to zero harm, healthcare leaders must have visibility into the key areas that impact safety.

• Safety events: Leaders must address the most common safety events in their organization, both by department and systemwide. Understanding where patients are most at risk gives leaders a starting point from which to create strategies for increasing safety.
• Patient feedback: The patient’s perspective can be invaluable in achieving greater levels of safety. If patients are frequently hitting the call button for the same reasons, this could alert leaders to problems that may have been overlooked in the past.
• Safety scores: Ratings can gauge where an organization sits along the safety spectrum, enabling leaders to develop the next steps for improvement. One of the most popular sources for safety ratings is O Grupo Leapfrog, uma organização sem fins lucrativos que usa dados dos Centros de Serviços Medicare e Medicaid para classificar a segurança hospitalar para os consumidores. Usando os critérios de salto, os líderes de saúde podem criar painéis para mostrar em quais áreas estão se destacando e onde precisam ajustar. Por exemplo, um registro atual de quando os pacientes tomaram medicamentos específicos podem reduzir o risco de eventos de segurança relacionados à medicação. Existem medidas distintas que os líderes de saúde devem usar para garantir que eles estejam trabalhando com informações precisas. Que critérios devem ser atendidos para que um paciente seja considerado uma readmissão? É fundamental que as organizações estabeleçam definições claras para diferentes tipos de dados e que esses diferentes tipos sejam coletados pelos mesmos meios sempre. Isso permite uma comparação padrão de métricas de segurança, tanto durante um período de tempo quanto em tempo real, dando aos líderes a chance de reagir rapidamente no momento e planejar a mudança de longo prazo. It. Muitas organizações de saúde são ricas em dados, mas insight pobres, o que significa que não têm as capacidades analíticas para transformar dados brutos em informações acionáveis. Ao utilizar vários tipos de análise, os líderes de saúde podem criar uma imagem holística do que está acontecendo dentro de sua organização e desenvolver estratégias informadas sobre como resolver problemas e melhorar o desempenho.
• Point-of-care clinical decisions: Patient-related data that is accessible at the point of care helps providers make informed decisions about their patients in real time. For example, a current record of when patients have taken specific medications can reduce the risk of medication-related safety events.

Data You Can Trust

To achieve zero harm, healthcare leaders need verifiable data. There are distinct measures healthcare leaders must use to ensure they’re working with accurate information.

• Standardization: How does the organization define admitting physician? What criteria has to be met for a patient to be considered a readmission? It is critical that organizations establish clear definitions for different types of data and that those different types are collected by the same means every time. This allows for a standard comparison of safety metrics, both over a period of time as well as in real time, giving leaders the chance to react quickly in the moment and plan for long-term change.
• Observation and verification: Even if a health system has thoroughly communicated the procedure for collecting data, it is still important to check if employees are following that procedure, both when inputting data and when collecting it.
• Data validation: Implementing additional controls and processes established by data governance policies to validate data provides an indispensable layer of protection against false or misleading information.

While data provides raw information about the organization, analytics synthesizes that raw information into a compelling and meaningful story. Many healthcare organizations are data rich but insight poor, meaning they lack the analytical capabilities to transform raw data into actionable information. By utilizing various types of analytics, healthcare leaders can create a holistic picture of what is going on inside their organization and develop informed strategies for how to solve problems and improve performance.

Analytics descritiva

análises descritivas mostram mudanças históricas ao longo do tempo. Mais comumente usado para comparar com metas declaradas ou benchmarks do setor, a análise descritiva pode ajudar os líderes a identificar os pontos fortes, fraquezas e progredir de sua organização em várias categorias. Na jornada para zero danos, a análise descritiva fornece aos líderes uma visão detalhada do passado para que possam criar um futuro melhor. Descobrir as causas radiculares dos eventos de segurança é o primeiro passo para eliminá -las. Isso permite que os líderes descubram e abordem riscos potenciais de segurança antes de se tornarem um problema. Quando combinados com o aprendizado de máquina, as organizações de saúde podem automatizar esse processo para alertá -las quando surgirem certos fatores de risco. Também permite que os líderes determinem se o problema se originou Dentro do povo da organização, seus processos, sua tecnologia ou uma combinação. Por exemplo, digamos que um sistema de saúde tenha um grande número de quedas de pacientes. A análise de diagnóstico mostraria que pacientes em risco não foram identificados em toda a organização e que as quedas acontecem principalmente na ausência de funcionários. A análise prescritiva recomendaria a implementação de um sistema que identifique pacientes em risco e comunique isso em toda a organização; portanto, quando os horários de arredondamento são criados, eles são responsáveis ​​pelas necessidades de pacientes em risco com arredondamento extra. Ao combinar dados precisos de segurança do paciente com análises robustas, os líderes de saúde podem aproximar suas organizações de zero danos.

Diagnostic Analytics

Diagnostic analytics also measure historical data over time, but unlike descriptive analytics, diagnostic analytics dive deeper to report on not only what is happening in the organization, but also why it is happening. Uncovering the root causes of safety events is the first step in eliminating them.

Predictive Analytics

Once leaders have enough historical data to identify major trends, they can use this data to anticipate future challenges or opportunities. This allows leaders to discover and address potential safety risks before they become a problem. When paired with machine learning, healthcare organizations can automate this process to alert them when certain risk factors arise. It also enables leaders to determine if the problem originated within the organization’s people, its processes, its technology or a combination.

Prescriptive Analytics

Where diagnostic analytics locate the origin of a problem, prescriptive analytics reveal what to do about it. For example, let’s say a health system has a high number of patient falls. Diagnostic analytics would show that at-risk patients have not been identified throughout the organization, and that the falls mostly happen in the absence of staff. Prescriptive analytics would recommend implementing a system that identifies at-risk patients and communicates this across the organization so when rounding schedules are created, they account for the needs of at-risk patients with extra rounding.

Though the problem may seem insurmountable, healthcare leaders have the power to deliver exceptional care while keeping their patients safe. By pairing accurate patient safety data with robust analytics, healthcare leaders can drive their organizations closer to zero harm.