Pourquoi c'est important
Les organisations de soins de santé à tous les niveaux, du local et régional au national, utilisent les données pour comprendre leurs performances, même si elles ne le font pas toujours efficacement.
Les données aident à répondre à des questions fondamentales pour l'amélioration. Dans un processus d'amélioration, vous devez comprendre :
- Où en est votre performance au départ ?
- Quels sont les effets de vos changements ?
- Conservez-vous les gains au fil du temps ?
De plus, les données fournissent un point de référence commun pour avoir de bonnes conversations sur le travail d’amélioration que nous réalisons tous et sur l’effet qu’il produit.
Il existe de nombreuses façons de présenter et d’analyser des données, comme les statistiques récapitulatives, les tableaux, les tests statistiques et les graphiques. Pour les efforts d’amélioration, les présentations visuelles des données sont souvent la meilleure approche pour tirer des enseignements des variations des données. Les images sont généralement faciles et rapides à préparer, et elles permettent d’accéder à presque tous les types d’informations potentielles à partir des données. Elles conduisent à une vue systématique des problèmes et des opportunités. Il est important de noter que les présentations visuelles vous aident à identifier des détails petits mais importants qui pourraient être omis dans d’autres types d’analyse. Par exemple, si vous suivez la durée de votre trajet domicile-travail, une statistique récapitulative telle que la moyenne mensuelle vous indiquera que le temps de trajet moyen était plus élevé que d’habitude le mois dernier. Une présentation visuelle peut vous montrer que cela est dû au fait qu’un seul jour, cela vous a pris trois fois plus de temps que d’habitude – peut-être parce que votre voiture est tombée en panne – alors que tous les autres jours, vous avez suivi de près votre routine habituelle.
Les principaux types d'affichages de données visuelles les plus étroitement associés au contrôle statistique des processus sont les graphiques montrant les données au fil du temps (par exemple, les graphiques d'exécution et les graphiques de contrôle), les graphiques montrant les distributions de données (par exemple, les graphiques de Pareto et les histogrammes) et les graphiques montrant les relations entre différentes caractéristiques (par exemple, les graphiques de dispersion). Nous allons ici nous pencher sur les graphiques d'exécution et de contrôle.
Types de variation
L'amélioration de la qualité nécessite l'utilisation de données pour apprendre et prédire les performances futures. Dans le cadre de l'amélioration, il est essentiel de comprendre que chaque processus présente des variations inhérentes que nous souhaitons comprendre. Il existe deux types de variations :
La variation intentionnelle est un élément important des soins de santé efficaces et centrés sur le patient. On l'appelle également variation intentionnelle, planifiée, guidée ou réfléchie.
Exemple : Un médecin prescrit volontairement des doses différentes d’un médicament à un enfant et à un adulte.
Les variations involontaires sont dues à des changements apportés au processus de soins de santé qui ne sont ni intentionnels, ni planifiés, ni guidés. Elles créent généralement des inefficacités, des gaspillages, des soins inefficaces, des erreurs et des blessures dans notre système de soins de santé. Leur réduction se traduit généralement par de meilleurs résultats et une réduction des coûts.
Exemple : Sans s’en rendre compte, un médecin prescrit des analgésiques à une personne et ne les prescrit pas à une deuxième personne souffrant du même problème en raison d’un préjugé implicite (stéréotype subconscient) sur les personnes qui ont besoin d’un soulagement de la douleur.
La variation d'une mesure de qualité peut résulter de causes communes , c'est-à-dire de causes attendues inhérentes au système. Elle peut également provenir de causes spéciales , c'est-à-dire de causes non naturelles qui ne font pas partie du système mais qui surviennent en raison de circonstances particulières .
Dans un système stable, seules les causes communes affectent les résultats. La variation est prévisible dans les limites établies statistiquement. En revanche, dans un système instable, les résultats sont affectés à la fois par des causes communes et des causes spéciales. Dans ce cas, la variation est imprévisible .
Tracé des données au fil du temps
Dans un parcours d’amélioration de la qualité, nous utilisons des graphiques d’exécution et des graphiques de contrôle bien annotés pour apprendre des variations dans les données.
Un diagramme d'exécution est un graphique de données au fil du temps. Il vous aide à déterminer si les modifications que vous apportez conduisent à une amélioration.
Le graphique ci-dessus illustre l'assistance à l'accouchement par du personnel qualifié dans un établissement de santé de juillet 2015 à novembre 2017. En examinant le graphique, nous voyons que les changements introduits en août 2016 et en mars 2017 ont conduit à une amélioration de l'assistance à l'accouchement par du personnel qualifié, entourés en rouge (une tendance à la hausse constante et un pic énorme, respectivement).
Un graphique de contrôle vous aide à distinguer les causes spéciales et courantes de variation. Il comprend une limite de contrôle supérieure (UCL) et une limite de contrôle inférieure (LCL) marquées au-dessus et en dessous de la ligne moyenne. Une variation dans ces limites est attendue et attribuée à des causes communes ; une variation au-delà de ces limites suggère des causes spéciales. Utilisez des graphiques de contrôle pour identifier les premiers signes de réussite dans un projet d'amélioration et pour surveiller un processus afin de vous assurer qu'il conserve les gains d'un effort d'amélioration de la qualité.
Le graphique de contrôle ci-dessus illustre le dépistage de la syphilis dans les soins prénatals de juillet 2015 à 2018. Là encore, en examinant le graphique, nous constatons que les changements introduits en octobre 2016 ont conduit à une amélioration du dépistage de la syphilis. Les taux dépassent la limite de contrôle supérieure et la moyenne se déplace vers le haut. De plus, le nouveau niveau de performance a été maintenu après avril 2017. Ce graphique montre que les gains réalisés ont été maintenus pendant l'amélioration.
Pour en savoir plus sur l'utilisation des graphiques d'exécution , des graphiques de contrôle et d'autres affichages de données, ainsi que sur les modèles pour vous aider à démarrer, téléchargez la boîte à outils IHI Quality Improvement Essentials .
Zewdie Mulissa est responsable principal du suivi et de l’évaluation à l’ Institute for Healthcare Improvement.