Laste ned presentasjonen
Presentasjon lastes. Vennligst vent
1
Data”løypa” – frå praksis til register/NPR
28. mars 2012 Torhild Heggestad Forskings- og utviklingsavdelinga i Helse Bergen
2
Følgjer utviklingstrekk?
forenkle virkeligheten Valide data? Reliable data? Følgjer utviklingstrekk?
3
Kvifor er NPR-data så viktige? Basismateriale
Monitorering/ styringsinformasjon Forsking Grunnlagsmateriale - operative nivå
4
Kvifor er NPR viktig? Basismateriale
Leverandør av premissar for dataelement, kodeverk og format (PAS-systemet) Leverandør av offisiell styringsinformasjon og finansieringsgrunnlag Leverandør av data for (andres) monitorering, samanlikningar og forsking Data basis for mange av våre regionale og lokale styringsdata og analysar Data nyttast operativt via PAS-systema Ergo: Premissgivar på: lokalt, regionalt og nasjonalt nivå
5
Norsk pasientregister og NPR-melding
Henvisning/ Venteliste Henvisningstype Prioritet Ventetid Sykehus e pisode id Enhet/avdeling Ø-hjelp/elektiv I nnlagt/poliklinisk Prosedyrer Diagnoser Funksjonsstatus Utskrevet til Pasient Alder Kjønn Bosted Sosio-demografi S tart Slutt begrensa info – obs nytt prosedyrekodeverk-tiltak
6
Fra en episodebasert til en forløpsbasert grunntenking-
Segmenter og serier -forløp- Henvisningsperiode Henvisning Polikl konsult Innleggelse Kontroll/ Polikl konsult tid Logisk struktur. Hvis ikke riktig registrert – f eks sekundærhenvisning – blir det andre også feil. Finansiering, betalt pr stk til forløp/utfall Avsluttet beh/ ingen nye avtaler om kontakt/ Fra en episodebasert til en forløpsbasert grunntenking- NPR-melding
7
Data-kjeda Registrering i PAS (Dips) Rapportar/styringsdata/forsking
Lokale rapportar i PAS Registrering i PAS (Dips) Uttrekk frå PAS (NPR-melding) Lagring i database Rapportar/styringsdata/forsking lokalt-regionalt-nasjonalt ”Aktive” felt – Rutinebeskrivelser-Kvalitetssikring og ansvar - Tilpasning skjermbilder - overgansproblematikk – ulike resultat
8
Kvifor er vi så viktige for NPR?
Det er våre data Vi registrerer Vi har ansvar for eigen datakvalitet Vi kjenner praksis Vi avdekkar registreringsutfordringar
9
Stort potensiale for analysar
Utviklingstrekk ved praksis Forbruksmønstre Kvalitetsindikatorar Pasientgrupper- samansetting – utfall mm Tilgjenge til tenester – Ventelister og prioritering Pasientforløp/-flyt ”Bench-marking” Effektivitet/produktivitet
10
Ventetidutvikling – ventande i Helse Bergen Psykisk Helsevern vaksne
54 totalt – 31 og 115 dg
11
Kontakt- og intervensjonssone
Mottakssone Vurderingssone Fra spesialist-helsetjensten Fra kommune-helsetjensten Ikke kompetanse (viderehenvist) Ikke kapasitet (utenfor egen region) Avslag - ikke behov (spes.helsetj.) Behandling (avklart) Utredning (uavklart) Prioritet + Prioritet - Kontakt- og intervensjonssone Ikke møtt Ikke behov Død UT Ventetid Frist Frist beslutningspunkter
12
”Pasientforløp” som strukturerende rammeverk –
En vanlig tolkning: Standardiserte behandlingslinjer/forløp Også: Pasientkarriere – pasient”løype” Hendelser (hva), forflytninger (hvor) og tid (når) Utfall over tid – hvordan går det med pasienten? mortalitet (suicidalitet) reinnleggelser funksjonsnivå/livskvalitet pasientløype karriere
13
5 dg 10 dg-x 20 dg-x Tid x x Henvisings-tilstand Henvising mottatt
Henvising vurdert Utgreiing starta Behandling starta Utskr. diagn. VL VL VL (VL) (VL) (VL) Tid Ansien-nitetsdato x NASJONAL (NPR) INDIKATOR x Bestemt utfrå utskr. diagnose og prosedyredato 5 dg 10 dg-x 20 dg-x NORMERT FORLØPSTID =Ikkje i PAS/NPR i dag VL=Ventelisteinformasjon TH juli 2011
14
Eksempel på tilnærminger Oppfølging etter utskriving
treng å vite meir - datautfordringar
15
Reinnleggelses-begrepet
Reinnleggelser som mål på pasientutfall – de ikke planlagte som kommer innen en måned etter utskriving
16
Reinnleggelser - psykiatri
ulik risiko
17
Fordelingsperspektivet – ”storbrukere” Eksempel fra psykiatri
5%-43(45)% - 50% 97/95% - mange av desse sp på sh nivå har repetitive innleggingar. Somatikk: 10% bruker 50%
18
Forbruksmønster - fordeling
flest schizo-aff – ulik aldersprofil sh/dps
19
Kan vi stole på data? Område med særleg store utfordringar på datakvalitet: Tvangsbruk: inntaksformalia og tiltak Aktivitetskategoriar dagbehandling ambulante tenester Ventelistedata Rett bruk av henvisingar Henvisingstype Ventetidsslutt Utsettingar
20
Konsekvensar av feil i data
Uheldige følgjer for pasientane Upåliteleg representasjon av stoda Systematiske feil kan gje vridingar (samanlikningar blir feil) Risiko frå å bli utelatne frå viktige prosessar pga dårlege data Liten bruk av data til analysar
21
Tiltak - forbetringsområde
Bruke og synleggjere data Transparens i kalkuleringar/framstelling av resultat Kvalitetskontrollar – systematikk Betre design og logiske sjekkpunkt i PAS Meir testing av uttrekk Meir presise kodeverk/definisjonar Betre presisering av basis for rapportar Betre samarbeid mellom NPR og sjukehusa
22
Tiltak – fokus for forbetring – innspel til NPR
Systematiske kvalitetskontrollar og validering mot primærkjelder Validere pasientforløp Begrense datasett Bidra til å harmonisere registreringspraksis – meir presise definisjonar av kodeverk og sikring av ”einingar” Utfordre leverandører av PAS-system og uttrekk Forbetre kommunikasjon og samhandling med sektoren Dokumentere kvalitet på alle element i registeret Transparens og tilgjenge til ”metadata” Dokumentere ”usikkerhet” i data når ein sjølv analyserar (t d tidsseriar i ventelisterapporter) Utnytte det analytiske potensialet endå betre
23
”Brukerkompetanse” ved analyse og tolkning av data
Vite om og kunne vurdere måleeiningar påvirkningsfaktorar og sammenhengar årsaker til variasjon usikkerheit Ta med disse faktorane i analyse, tolkning og framstelling av resultater Søke dokumentasjon av grunnelementer definisjonar begrep usikkerheit/presisjon Tidstrendar og sammenlikningar er særleg utfordrande
Liknende presentasjoner
© 2024 SlidePlayer.no Inc.
All rights reserved.