Analisa Data Indikator.pdf

7/26/14

1

ANALISA DATA INDIKATOR

Dr Arjaty W Daud MARS Ketua IMRK

ANALISA DATA OHasil analisa data melalui grafik sangat membantu

mempelihatkan perubahan apakah menuju perbaikan sesuai yang diharapkan

ORun charts dan Control charts biasanya digunakan untuk hal ini.

ORun charts sangat bermanfaat tergantung berapa banyak data yang anda kumpulkan. Sangat sederhana dan mudah diinterpretasikan,

OControl charts merupakan cara analisa hasil yang lebih rumit dan

memerlukan data lebih banyak.

7/26/14 arjaty/qps/2013 2

7/26/14

2

Analisa Data

Menggunakan alat statistik mis.

1. Bar charts

2. Run charts

3. Control charts

7/26/14 arjaty/qps/2013 3

Bar Chart OBar chart / grafik batang adalah grafik yang

menunjukkan perbandingan antara kategori. Salah satu sumbu grafik menunjukkan kategori khusus (X) yang dibandingkan, dengan sumbu lainnya (Y)

0

5

10

15

20

25

30

35

1 2 3

RS Umum

RS Khusus

Tdk ada Keterangan

Kuartal 7/26/14 arjaty/qps/2013 4

7/26/14

3

Run Chart v/s Control Charts

Run Chart

Satu garis yang menunjukkan nilai sepanjang waktu

Membantu mengetahui tren naik dan menurun

Menunjukkan gambaran umum sebuah proses

Tidak ada Statistical Control Limits

Control Chart

Sama namun ada garis upper dan lower control limit

Dihitung berdasar data yang sedang dillhat, bisa menjawab lebih banyak pertanyaan tentang proses

Membantu menjawab lebih banyak pertanyaan, seperti apakah proses saya terkendali atau stabil?

Run chart

ORun chart juga dikenal sebagai Grafik garis adalah grafik sederhana yang menggambarkan data dari waktu ke waktu

OSumbu Y : Peristiwa / Event OSumbu X : periode waktu

ODigunakan untuk : O memahami gambaran umum suatu proses, OTrend dan Shifts / pergeseran dalam proses O variasi dari waktu ke waktu, O untuk mengidentifikasi penurunan atau peningkatan

proses dari waktu ke waktu.

7/26/14 arjaty/qps/2013 6

7/26/14

4

Run charts ORun charts harus dibuat pada awal proyek QI dan

diupdate dengan data baru sesuai proyek yang berjalan.

ORun chart merupakan grafik yang mengilustrasikan perubahan mutu dari waktu ke waktu

OPengukuran dilakukan pada titik tertentu dan dihubungkan dengan garis. Hal ini akan menghasilkan grafik variasi waktu ke waktu, dan membantu tim melihat apakah perubahan yang terjadi mengarah pada perbaikan.

ORun chart dengan catatan memiliki komentar dengan panah yang menunjuk waktu bila ide-ide perubahan untuk perbaikan diuji.

7/26/14 arjaty/qps/2013 7

7/26/14 arjaty/qps/2013 8

7/26/14

5

7/26/14 arjaty/qps/2013 9

7/26/14 arjaty/qps/2013 10

7/26/14

6

Control charts OAdalah grafik yang menggambarkan data dari waktu

ke waktu, Control charts lebih spesifik daripada Run Chart karena dapat menilai apakah proses berada dalam kontrol / tidak : garis kontrol atas (UCL) dan garis kontrol bawah. (LCL)

OControl charts mirip run charts, namun lebih memiliki

daya statistik untuk mendeteksi perubahan.

OControl charts digunakan untuk QI, dan juga untuk monitoring perbaikan (cth, dashboards atau scorecards).

7/26/14 arjaty/qps/2013 11

Control charts . OData bisa dipresentasikan dalam beberapa bentuk:

Persentase Rates Counts Individual values

OBanyak model control charts diperlukan sesuai jenis data yang berbeda namun semua control charts mirip dan diinterpretasikan dengan cara yang sama

O

7/26/14 arjaty/qps/2013 12

7/26/14

7

Control chart interpretation OLihat apakah ada bukti Special cause pada data. OSpecial cause bisa diamati dalam beberapa cara,

Jika tidak ada special cause, artinya proses kita berada dalam kontrol statistik.

ORata-rata value menunjukkan bahwa proses berjalan baik atau tidak sesuai yg direncanakan.

OProses bisa saja dalam kontrol namun tidak sesuai harapan.

7/26/14 arjaty/qps/2013 13

Special Cause

7/26/14 arjaty/qps/2013 14

7/26/14

8

Control chart interpretation OProses bisa saja dalam kontrol namun tidak sesuai harapan-

patients always wait a long time at this clinic! OBila anda memiliki variasi special cause, lanjutkan bertanya

5 Why atau Fish bone. OPada situasi lain, bila anda monitor sesuatu yang tidak

sesuai harapan. Mis Owaktu triage bisa terlalu lama, Oangka re admision terlalu tinggi, Okepuasan pasien terlalu rendah. Pada keadaan ini, anda ingin investigasi dan mencari tahu apa yang terjadi, gunakan Fish bone atau 5 Why

OControl charts ideal untuk monitor outcome projek perbaikan dan ukuran proses, dan membantu menentukan apakah perubahan yang ada merupakan perbaikan.

7/26/14 arjaty/qps/2013 15

Understanding variation: Common and Special cause

OVariasi adalah hal yang wajar. Proses jarang menghasilkan ukuran yang sama setiap waktu.

Mis : O Membutuhkan waktu yang berbeda untuk mencapai

tempat kerja O tekanan darah fluktuatif Ovolume pasien di IGD tidak pernah sama O waktu tunggu bervariasi dari satu pasien ke pasien

berikut. OControl charts bisa memperlihatkan apakah proses

dalam kontrol statistik (memperlihatkan variasi penyebab umum saja) atau memperlihatkan variasi penyebab khusus

7/26/14 arjaty/qps/2013 16

7/26/14

9

Understanding variation: Common and Special cause

OControl charts membantu tim QI memahami variasi proses mereka.

OJika semua variasi titik berada dalam area batas atas dan batas bawah, maka variasi dapat dianggap sebagai common cause / penyebab umum dan proses dianggap "dalam kendali.

O Jika variasi titik berada di luar batas, maka disebut special cause / penyebab khusus dan proses ini dikatakan "di luar kendali

OControl charts dapat menjawab pertanyaan berikut: OApakah kita memiliki proses yang stabil dan terkontrol dengan

variasi penyebab yang umum? OApakah kita memiliki proses yang tidak terkontrol dengan

variasi penyebab khusus? 7/26/14 arjaty/qps/2013 17

OMasalah Proses (Common Cause): Proses berjalan secara normal namun tidak mencapai ekspektasi/ harapan.

OKejadian Yang Tidak Diharapkan (Special Cause): Kejadian yang terjadi di luar proses sehingga menyebabkan kejadian yang tidak diinginkan.

18

Type of Variation

7/26/14

10

arjaty/RCA/IMRK/2008 19


7/26/14

11


QPS 7 : Analisis Data ketika terjadi Variasi data / Trend tidak sesuai yang diharapkan -

RCA 1. All confirmed transfusion reactions, if applicable

to the organization 2. All serious adverse drug events, if applicable and

as defined by the organization 3. All significant medication errors, if applicable and

as defined by the organization 4. All major discrepancies between preoperative

and postoperative diagnoses 5. Adverse events or patterns of adverse events

during moderate or deep sedation and anesthesia use

6. Other events, such as infectious disease outbreaks


7/26/14

12

7/26/14 arjaty/qps/2013 23

INTERPRETASI DATA OJika memiliki setidaknya 25 data dalam analisis, maka

Run Chart dapat mendeteksi : 1. SHIFTS / Pergeseran:

Jika 8 titik atau lebih berturut-turut jatuh pada satu sisi dari garis tengah. Titik pada garis rata-rata tidak masuk hitungan.

2. TREND / TREN Jika 7 titik atau lebih berturut-turut bergerak ke arah yang sama. Titik garis datar tidak termasuk dalam hitungan.

3. ZIGZAG Jika 14 titik atau lebih turun naik.

7/26/14 arjaty/qps/2013 24

7/26/14

13

SHIFTS

7/26/14 arjaty/qps/2013 25

TREND

Look for sequences of ascending or descending values. Seven or more continuously increasing or continuously decreasing points indicates a trend that is shifting the process average. When you are counting points, ignore any points that repeat the previous value. Repeated values neither add to the length of the run nor break it. 7/26/14 arjaty/qps/2013 26

7/26/14

14

7/26/14 arjaty/qps/2013 27

7/26/14 arjaty/qps/2013 28

7/26/14

15

7/26/14 arjaty/qps/2013 29

Patient Days OMerupakan ukuran yang menunjukkan

pelayanan yang diberikan ke pasien antara waktu sensus dilakukan (biasanya malam)

OSatu patient day dihitung untuk pasien yang

dirawat atau meninggal pada hari yang sama, tanpa memperhatikan jumlah jam pasien yang ada

OUntuk pasien yang berubah status dari observasi

ke rawat inap, perhitungan patient day dimulai saat pasien resmi dirawat inap

7/26/14 Arjaty Daud/ JCI/IMRK/2013 30

7/26/14

16

Example OMeasure Name : Patient Falls ONumerator : Total number of patient falls (with or without injury to the patient) during the calendar month. Denominator : Patient days by Type of Unit during the calendar month.

7/26/14 arjaty/qps/2013 31

Example No Of patients No of admission days

Mr A 5

Mr B 7

Mr C 8

Mrs X 5

Mrs Y 15

Mrs Z 2

Day care Child 1 18 hrs

Day care Child 2 20 hrs

Day care Child 3 1 day 6 hrs

Total Patients Days 46 patient days


7/26/14

17

Adverse Events Per Patient Days

OMr. Smith dirawat 10/2/2010 dan meninggal (discharged) 20/2/2010. Pasien menghabiskan 10 hari rawat inap dan tidak ada adverse events selama dirawat.

OMrs. Mary dirawat 2/3/2010 dan masih

hidup pada 31/3/2010. Pasien mengalami 2 kali jatuh selama dirawat yaitu 5 maret dan 20 maret

OPatient days = 29 days as inpatient. 7/26/14 Arjaty Daud/ JCI/IMRK/2013 33

OTotal jumlah patient days =Mr. Smiths time + Mrs. Mary

= 10 + 29 = 39 O2 adverse events dalam 39 patient days = 2/39 = 0.051 per satu patient day

OPer Seribu : 0.051 events per 1 patient day x

1000 = 51 events per 1000 patient days


7/26/14

18

OTotal jumlah patient days =Mr. Smiths time + Mrs. Mary

= 10 + 49 = 59 O2 adverse events dalam 59 patient days = 2/59 = 0.033 per satu patient day

OPer Seribu : 0.033 events per 1 patient day x

1000 = 33 events per 1000 patient days


Medication Error Definisi : Kesalahan dalam proses :

Oordering, Odispensing atau Opemberian medikasi, tidak tergantung apakah cedera atau tidak, potensial cedera terjadi

Persentase errors : ONumerator =Total jumlah error yang terjadi (Significant & Non Significant)

ODenominator = Semua obat yang diobservasi ditambah obat yang diorder dan tapi tidak diberikan (peluang error)


7/26/14

19

Example OJumlah obat yang diberikan untuk 20 pasien

adalah 47 obat --- ( 47 peluang error)

OSetelah diobservasi diketahui ada 3 medication error saat pemberian dan 1 medikasi diorder namun tidak diberikan (peluang error)

3+1 x 100 = 8.3% 47+ 1


Representation


Documents

Analisa Data Indikator.pdf