6.8 护理质量分析工具在线视频

当然了 质量改进的过程当中

我们说了

我们要想得到更好的质量

可能在我们预设的结构

我们在这个过程当中

执行的这个质量监管的方式

以及后续的数据的质量评价上面

都会获取更多的

或者说更多的效果的同时

我们也要付出更大量的管理成本

所以基于这么一个考量

一定在我们资源有限的前提下

这个成本 管理成本的利用

是一个跟产出之间平衡性的

一个选择和过程

举例子而言

我们临床护理活动当中

为了预防压疮的发生

我们经常有一个标准

就是服务活动当中

两小时给患者翻一次身

当然了

实践经验和我们的研究经验结论

如果证明说半个小时翻一次身

也可以达到等同的压疮发生率

控制的这么一个效果的话

试问我们会改变成为

半个小时翻一次身吗

我相信不会

因为这就是我们前面说的

在服务效果等同的情况下

我们相对会选择成本更低的

路径和方式

所以我们在控制质量性的过程当中

那个标准的设定当中

一定是在成本可以负担前提下

有效产出的一个评价

所以找到这个有效的产出的水平

在管理的质量评价当中就特别重要

所以因此基于这么一点

我们在质量性的控制当中

特别讲究的是

除了我们刚才说的经验性的

或者日常性的问题点的解决

还有很多质量问题

是在我们服务活动当中经常重复出现

反复出现

比如举一个例子

我们经常护理部在检查一个医院的

各科室的护理质量的过程当中

我们经常会发现同样的问题

今天可能是这三个科室

明天可能那三个科室又出现了

所以简单的检查 排队

我们进行教育 整改

都不能系统去解决

其实我们应该深度挖掘的是

为什么总会有科室

还在这里面出现问题

而出现问题的那个节点是否能够

通过我们说自然的数据的排队

人们就能自觉自愿地去解决

这个质量问题

显然这做不到

所以我们一定得把到底引起

这样的一种质量性风险

或质量性问题的原因找到

而且这个原因必须是什么

具有因果关系的影响性因素

所以这种关系的寻找不是简单的经验

或者是我们简单的

一般的管理性的常规可以解决的

这需要使用我们说的管理问题的

一些基本工具

在管理问题的基本工具的

讲解过程当中

首先我们要明确

所有的质量问题

在我们的其实监管活动过程当中

因为这个质量问题的特征不同

我们可以把这个质量问题

分为三个基本阶段

一种质量问题是什么呢

是我们现在存在的

每天都伴随发生的

比如说刚才我们举例子

一级护理的合格率

无菌物品的合格率

我们讲一些贵重药品的管理性的结果

这些都是每天同步在发生的

有可能有人做得好

也可能有人有存在的问题

所以把这样一些现况

存在发生当中的问题

我们叫做现存问题

那当然了

如果它是一个非常重要的现存问题

比如说在一定阶段

我们的病历书写的合格率特别低

那我们一定要深入发现

我们现在存在一个什么问题

导致了现在我们的病例书写的质量

急剧地跟以前比较而言有所下降

那基于我们现况当中的

比如说人的特征

是不是有一些新的规定

我们没有很好地进行落实

在落实的过程当中

我们可能在某些技术手段上

还存在有哪些问题

总之是各种要素或者环节当中

存在的问题

导致现况的结果

同理我们还有一些问题

不一定是现存的

甚至于有可能这个问题

在我们这个地方从来没有发生过

举一个简单的例子

我们说一个卫星上天

一个卫星在上天的过程当中

怎么能保证一个卫星的上天

是在所有的我们的服务活动过程

当中的各种流程要素全部得以保证

但尽管如此 我们仍然看到

有很多卫星上了天 它会再掉下来

所以我们不能等到说

我们有足够多的现况

掉下来足够多的卫星

我们才知道它们为什么掉下来

我们可能要进行我们一般现在说的

沙盘推演

我们在它整个重要事情发生之前

我们就要找到最风险

导致我们一个火箭从天上要掉下来的

最主要的那个问题点

而这个问题点伴发的系统性原因

有哪些

进行首先的控制 整改和解决

预防这个问题的发生

这样的问题在我们临床上经常见到

比如说我们一个医院当中

我们有新生儿丢失

这个在我们医疗机构当中

不是一个天天可以遇到的事情

也不是一个普遍现象

但是只要一家医疗机构

出现了一例这样的事件

不仅对它的声誉

还是对我们所有的患者

都会产生致命性的打击和影响

所以一个医疗机构保证这个基本安全

这个是没有话说的

但是我们不能等着说

我们这个医疗机构发生过

一个孩子丢失的事情以后

或者得发生几例这样的丢失以后

我们才有分析的条件

才有质量改进的条件

所以在这个过程当中

我们是要把高度风险点

进行集中控制的

这叫什么

这叫没有发生的

我们叫事前的预防性的一些措施

还有的叫什么

叫事后总结

比如举例子来讲

我们临床上面经常有死亡患者

那这个时候我们就要有死亡病例讨论

这是最根本的

我们说发生以后了

已经有患者死亡了

当系统梳理一个患者

在死亡过程当中的得失经验

有利于我们更好地管理和护理

其他的患者

所以这是什么

这是基于一个已经发生过的问题

来进行的这样的一个质量问题的发现

所以由于问题发生的节点特征不同

在我们所有的质量分析工具过程当中

我们有两大类型的工具就出现了

第一大类型的工具是什么

是基于问题点的发现

我不管这个问题点是现况发生的

还是没发生可能要发生的

还是已经发生了一个事情里面

但是这里面有系统性原因的

总之 我是基于它的结果

发现这里面需要整改的原因

第二一大类工具是什么

找到了整改原因以后

我们怎么样实现这种整改啊

所以叫质量改善性工具

也就是通过这些工具的应用

我们可以持续有效地

系统化解决质量改进和提升的问题

所以基于这么一点上来讲

我们首先来讲基于结果性

也就是刚才我们讲的

基于在反馈的信息过程当中

寻找问题原因的

这一类型的质量分析工具

在我们图示过程当中

我们可以看到围绕着鱼骨图

这个分析工具

我们有很多其他的分析方法

其实它的逻辑是什么呢

是基于其他分析方法的运用

基于系统性分析的原则

寻找各种问题的原因

然后基于这个原因去找到

我们讲的发生这个

质量问题最核心最重要的

那个影响因素的

所以鱼骨图是构成了

分析质量原因过程当中归类当中

一个重要的定性的分析工具

而周围的这些工具

都是基于这个分类工具

采集数据基础之上

去解决问题发现的

所以在这个的过程当中

实际上我们所有分析工具的应用

都包括三个基本的分析过程

第一个分析过程就是什么呀

找到问题

第二一个找到问题的原因

第三一个找到问题原因当中

最主要需要整改的原因

因为我们都知道在管理的过程当中

我们有一个基于叫二八原则

换句话说

就是要针对我们改进的问题而言

我们可以提供的管理成本的有效性

使得我们必须集中自己的拳头

最大的精力去解决

最突出最紧要的那个问题

给它得以解决

那个问题在我们所有的

要解决的质量问题当中

可能只占百分之二十

但我们需要花百分之八十的精力

针对它来进行

所以这就是要找到

最根本的最主要的那个核心性要素

因为我们针对的所有改进

是针对它来进行的

所以我们分别来解释

第一个我们刚才也提到了

在外围的分析工具当中

我们经常会用到一个是什么呢

就是相关性分析

我们经常有的时候

没有学过统计的人

我们也叫散布图分析

其实这个散布图

就是我们在统计学当中说的

相关性分析

X轴可能是我们说的

产生对质量性影响的

或者是有这样的一个相关性的要素

Y轴是什么

可能就是质量本身

举一个例子

给大家来解释这样的一个例子

我们经常在临床服务活动过程当中

科室的很多时候的服务条件

存在着差异性

举一个例子

比如说我们针对一级护理合格率

这个指标进行我们相关的数据的收集

或质量的监管的过程当中

但实际上我们临床不同的科室

由于患者的重症度的不同

有的科室可能一级护理患者的比率

非常高

比如说神经内外科

可能达到了五分之四的患者

都是一级护理

但等同的也有一些科室

比如说我们的眼科 耳鼻喉科

在过去可能相对来讲

由于病种特征决定了

它可能只有一半的人是一级护理

大部分的人可能能够完成自理活动

在级别护理它只有二级

所以它的重症度

没有像神经内外科的患者

表达的级别护理的水平高

但是我们去检查一级护理合格的时候

可能这两个科室都是从我们科室的

一级护理患者的当中

去抽取三个基本药品

来通过这三个患者的

也就是这三个抽样样本的

满足它的一级护理的水平

来替代这个科室的一级护理的

合格性水平

那显然我们就会去知道

对于神经内神

它那么大的一个一级护理的量

决定了它从这里面抽到的

三个基本样本

和我们讲相对更小的更集中的

大家可以更集中人物资源物力

解决更少量服务的时候

抽取的一级护理本身而言

换句话说 这种一级护理病人的比率

会不会对科室最终产生的合格率

构成影响呢

其实这是一个问题

因为很多人会说萝卜坏了不洗泥

我们要护理那么多一级护理病人

难免我们会有一些瑕疵

所以我们的合格率会低

而他们集中精力就解决

那少数的患者的一级护理合格的问题

对于他们的比率会增高

所以就一定会产生一个想法

就是我们说的一级护理的

这个我们讲的合格率的这个质量指标

是否会受到这个科室

我们讲患者级别比率的影响

那从统计上这件事情非常容易解决

就是我们把他们去进行什么

相关性分析

那在我们统计当中

最直观的方法是什么

我们把它放到我们图示当中去看

X轴跟Y轴这个所在的位点当中

这些点的关联性

显然我们在这种关联性当中

通过图示

我们可以看到很多关联性关系

一种是什么

是非常明确的这个点位

这个散布图的点位

呈现一个直线性关系

随着X增大 Y也会增大

这是一个非常什么

叫强的正相关

一般我们在统计学上面

2一定要大于0.7 对吧

第二种情况是什么

我们能看到大多数的这个发展趋势的

这些点位

是随着X增大 Y也增大

但是它非常地相对比较分散

没有刚才我们说的

那个明确的线型性结构

但是总的趋势还是存在的

比如说我们在相关性系数当中

达到了0.4到0.7

我们叫弱相关

还有一种情况是什么

相关系数小于0.4

甚至于我们在散点上根本看不出

就像我们这个图示

我们根本看不到X跟Y之间

任何的对应关系

这个时候我们叫什么

叫没有相关

当然如果这个2的相关系数

是负数的时候

我们就叫做什么

叫负相关

从图示上来讲

就是X增大的时候 Y是降低的

不管它降低的我们说

是不是呈现一个高度地集合成

一个线型性结构

还是一个只是个趋势性结构

它只是在我们相关系数的表达上

表达成为负相关的严重程度

但总之X跟Y还是存在着关联性的

只要存在关联性

就像我说了

如果我们的患者的级别护理的比率

会影响我们质量的合格率的时候

那我们比较的科学严谨的管理的

方式

就不能把所有的科室做平均

因为它们不同质

我们需要先分类

基于不同类型条件下实行的

我们叫它的常模或基本标准来评价

不同群体完成质量性的水平

好 基于这一点

我们还有一个叫做什么呢

叫做直方图

其实学过统计人都知道

它是去表达我们一个整个的群体的

在数据分布过程当中的正态性的现象

和正态性的水平

比如我们举一个例子

两个科室进行技术操作考试

如果单纯从比如说每个科室

我们都抽取了五个护理人员

进行技术考试

从第一个科室和第二个科室的

整体的数据的趋势上看

显然我们讲A科室

或者是第一个叫甲病房

它的离散的程度更大

而乙相对来讲离散的程度更低

但如果简单地我们以均数划分来讲

其实这两个科室的平均性水平

是一致的

但从管理的角度上来讲

这个甲病房跟乙病房绝不属于

可以运用同一种质量监管性的方式

和手段

因为它们所呈现的质量管理的

特点不同

比如说第一个科室

我们在完成质量过程当中

有的护士可能是非常优秀

能达到九十五

但也有大量的护士

比如说这里有一部分护士

甚至于连基本标准都没有达到

连合格都没有

所以那第一个病房

我们质量监管的重点

应该主要针对那些什么

在平均分之下的人

进行集中整改

当然对于乙病房来讲

我们会发现

没有明确的在合格线下的人

大家都差不多

但是大家没有好的

说明什么

这个团队的组织文化存在着问题

大家你好我好

所以这个时候

可能我们需要用一点什么

杠杆的原理

或者我们用一点什么

鲶鱼的效应

去撬动这个科室的

改变它的组织文化

然后起到一个什么

大家相互地竞争

共同提高的这样的一种方式

所以我们在不同的质量监管过程当中

面临着不同的我们数据空间的分布

我们采取的管理手段

特别是我们质量控制的手段

也会有所不同

除此以外我们还有一些比如像控制图

它经常是看到

我们一个质量发展过程当中的

那些特异点的

去解决它的控制性趋势的

比如说一年当中 十二个月当中

我们一些病例书写也好

交班报告的合格率

我们会基于这个曲线的分布

去设定它基本的预警的上下线

当然 我们最关注的是什么

是那些合格率比我们最低预警线

还要低的点位

成为那个关键时点问题的寻找和解决

所以基于这样的一些问题

都是属于我们在前期当中

通过数据间关系去发现质量问题的

那些相关点

在这些相关点的基础之上

其实我们是需要用这样的因果图

或者叫鱼骨图

通过分类的关系去寻找

类型里的数据性的一些收集

基于这种类型数据性的收集来讲

我们进行进一步的

根本原因和主要问题的发现

而这个系统性分析

我们应用的鱼骨图

它不是一个直接的定量分析工具

它也不是一个质量改进性工具

换句话说

它也不是一个质量问题性工具

它仅仅是做一个质量类型区分性工具

在这个质量类型区分的前提下

我们采集相关的质量性相关数据

把它进行分组

我们才能进行下一步的分析

下一步在具体分析过程当中

我们运用最多的手段

比如说我们用的就是这个柏拉图

这个柏拉图在分析过程当中

也叫因果分析图

我们经常使用什么

我们经常去使用它去寻找

我们在所有分析过程当中

那个最核心和最主要的问题的出现

这个最核心最主要的问题是什么

是我们在所有发生频度过程当中

就我们讲二八原则里面

那种发生问题虽然量不大

但是实际上对组织型影响最大的

那部分因素

这部分因素的寻找

既可以通过这样的方式

去寻找最主要的原因

也可以用这种方式

去寻求最主要的整改措施的发掘

比如我们拿一个案例来分析

我们经常在病房当中

去总结一个差错的发生率的分析

除了有差错的发生次数

也有差错发生的所占的百分比

也有什么

在累计百分比当中

就是对于整个的差错

它的贡献率的高低

我们把这样的一个

最基本的分类以后的数据关系

放到我们最简单的办公工具当中

比如说EXCEL当中

我们通过直接的这个双柱线

连线图的方式

我们就可以去做这样一个

非常明确的柏拉图

这个柏拉图呈现以后我们把它放大

我们就会发现

在这个图当中它是有两个Y轴的

我们其中一个Y轴

也就是在我们图示当中靠右侧的

这个Y轴

其实我们更关注的是

不良事件发生的次数

也就是针对我们图示当中的柱状图

进行的标示

等同情况下我们左侧的这个Y轴

相对来讲我们更关注的是累积百分比

也就是连线图

那换句话说

我们可以基于这个连线图

与我们的柱状图

以及柱状的延长线的焦点

进行区间的划分

第一个区间是什么

就我们本身的这个柱状图

或者这个柱状图的延线

与我们的折线图的焦点

这个焦点的过程当中

我满足在我们累积百分比

在我们图示当中

百分之八十以下的基本区间

我们把这个基本区间的特征

叫做A类性因素

换句话说

就是可能很少量的一些

我们讲这种不良事件

这样的一些分类性因素

它就构成了在我们群体风险事件

当中的百分之八十的问题原因

可见它是需要集中整改的

我们叫最关性要素

而且这关键性要素是什么

刻不容缓地要给予解决的

同理的情况之下

我们在这两个折线

和我们的柱状连线的焦点当中

还有一些可能是在我们的累积百分比

百分之八十到百分之九十之间的

甚至于可能是百分之九十到

百分之九十五之间的这个类型

这个类型的问题是什么

是在我们实际类型当中也挺重要的

但是它的重要程度

没有我们刚才说的A类因素那么紧迫

那么风险性高

所以我们可以集中解决了AC因素以后

再去考量这一部分因素

还有一些因素叫什么

叫不重要的C类型因素

比如说在我们这个连线了以后

我们会发现的

在我们的百分之九十到一百之间的

我们黄色区间的这一部分

这一部分说明什么

就它的累积贡献率已经非常低了

甚至于这里有很多因素是属于偶发的

我们不作为我们整改的主要对象

所以如果我们把我们所有的数据类型

基于我们的鱼骨图

然后再基于数据的基础上

进行有效的重要程度划分以后

在我们的结果性分析当中

就非常显而易见的是

集中我们的管理手段

针对性地去解决A类因素

或者A类因素伴随的这样的原因

因为这类型因素的解决

可以大量地降低我们的管理成本的

同时

能得到更好的管理措施

集中使用后的效果

所以总结而言

我们对于结果性的质量的

分析控制工具

我们可以用这张复合图

来进行一个解释

就是基于一般性的这样的控制图

直方图

或者变量之间的相关的这种散布图

我们大量地通过头脑风暴的方式

集合于鱼骨图的这样的

一个原因的寻找

可以去寻找我们所有分类条件下

我们的基本的数据的一些分类

在这个分类以后

我们采用因果分析图

才能找到所有分类当中

最核心最主要的那个风险性要素

集中地给予我们的管理干预

所以这是结果性分析当中

经常会用到的一些工具当中的

集合性使用