Pourquoi c'est important
À l’époque de l’année que redoutent souvent les personnes travaillant au service de suivi et d’évaluation d’un hôpital – la période de soumission des rapports trimestriels – mes collègues et moi-même avons découvert une divergence surprenante dans nos données. Le nombre de décès signalés par les services d’hospitalisation était faible par rapport à celui signalé par la morgue de l’hôpital.
Après une étude plus approfondie, nous avons découvert que ce type de sous-déclaration (et parfois de surdéclaration) était devenu un problème courant dans de nombreux éléments de données. Il va sans dire que des données de qualité sont essentielles pour la planification, l’allocation des ressources et le suivi et l’évaluation des performances. Une mauvaise qualité limite l’utilité de ces données pour une prise de décision éclairée. Notre expérience a donné naissance à notre parcours vers l’amélioration de la qualité des données à l’hôpital.
Les membres de l’équipe d’amélioration de la qualité et le PDG de l’hôpital se réunissent.
Jeter les bases du changement
Pour identifier les opportunités et les défis, nous avons commencé par examiner le contexte des pratiques actuelles à l’hôpital Zewditu Memorial d’Addis-Abeba, en Éthiopie. Nous avons procédé à une analyse approfondie de nos performances en adaptant un outil de l’USAID, la liste de contrôle d’évaluation de la qualité des données (DQA) . Cet outil définit plusieurs dimensions de la qualité des données : l’exhaustivité, la validité, la cohérence, l’actualité et l’exactitude. Ces attributs fondamentaux ont été utilisés dans une évaluation de base de nos données avec un résultat de 41 % (sur 100 %) sur toutes les dimensions.
Ensuite, nous avons cherché à comprendre les facteurs qui ont contribué à ce faible score. Nous avons utilisé un diagramme en arête de poisson (un diagramme visualisant les facteurs de manière organisée, simple et facilement compréhensible), qui a permis de déterminer les causes profondes des problèmes en réfléchissant avec les responsables de chaque unité de données. En décortiquant le problème et en enregistrant ses causes possibles, l'équipe a mis en lumière des solutions potentielles.
Les équipes ont utilisé un diagramme en arête de poisson pour étudier les causes possibles de la mauvaise qualité des données.
Créer des solutions
L'équipe, renforcée par sa participation à cette exploration, était prête à s'attaquer aux problèmes en suivant les étapes suivantes :
- Formation et engagement de l’équipe : nous avons mis sur pied une équipe multidisciplinaire composée de chefs d’équipe (infirmières), de directeurs de service (médecins généralistes), de techniciens en information sanitaire, d’un expert en suivi et évaluation et d’un conseiller en amélioration de la qualité. L’équipe a créé un organigramme du processus de gestion des données existant, de la saisie des données à la saisie finale dans la base de données, ainsi que des graphiques détaillés pour chaque unité de prestation de services. Nous avons fait correspondre les étapes du processus avec les responsables et défini des mesures clés du processus et des résultats pour le suivi des améliorations.
L’équipe a développé des organigrammes pour explorer le processus de gestion des données existant.
- Renforcement des capacités et refonte du système : les propriétaires et les gestionnaires des données ont été identifiés et formés au nouveau flux de données souhaité par des experts du ministère de la Santé. La haute direction a mis à jour les cycles de données et les descriptions de poste, et la direction du suivi et de l'évaluation a développé des outils de suivi pour chaque domaine de la qualité des données. L'équipe a mis en place des mécanismes pour l'examen mensuel des données par les gestionnaires, suivi d'un rapport à l'unité du système d'information de gestion de la santé (HMIS). Nous avons repensé les outils de gestion des données et créé des protocoles utilisant les principes des facteurs humains pour renforcer l'engagement et améliorer la convivialité. Ces guides ont été mis à la disposition de toutes les unités participantes. Chaque équipe a remis un rapport d'auto-évaluation et a été vérifiée par les directeurs et l'équipe de suivi des performances.
L’équipe a proposé un processus révisé pour le cycle de gestion des données.
Rapports, communication et boucles de rétroaction : L'équipe a mis en place des forums mensuels pour la présentation des données, la discussion et les décisions sur les points d'action pour chaque unité de données. Des tableaux de bord ont été fournis à chaque unité pour suivre leurs performances. Une équipe de surveillance des performances de l'hôpital, dirigée par le directeur médical et le PDG, a donné un retour d'information à chaque équipe sur une base mensuelle et un système de responsabilisation a été mis en place pour vérifier l'actualité, l'exhaustivité et l'exactitude des données. Ces données sont vérifiées par une méthode d'échantillonnage aléatoire et une évaluation de l'assurance qualité des lots. L'équipe multidisciplinaire partageait la responsabilité de la gestion des données.
L’équipe a utilisé plusieurs outils pour suivre la qualité des données.
- Reconnaissance et récompense : L'équipe a mis en place un système de reconnaissance pour l'amélioration de la qualité des données basé sur le score de l'outil d'évaluation de la qualité des données. Les services les plus performants ont été récompensés par des bourses locales, des certificats d'appréciation et des trophées. Ce système de récompense a créé un sentiment de compétition et de motivation pour renforcer davantage le système de gestion des données.
Résultats et pérennisation des acquis
Au départ, la question de la propriété des données constituait un défi majeur pour ce projet. Les cliniciens estimaient que l'unité HMIS était responsable de la gestion des données et n'y prêtait pas attention, de sorte que les données n'étaient pas représentatives de la réalité.
L'implication de l'équipe de direction, le suivi fréquent et la démonstration de l'utilisation des données pour la prise de décision ont changé la culture. Désormais, une équipe de surveillance des performances surveille la qualité des données et la compare aux plans de l'hôpital. Les cliniciens connaissent la valeur des données pour la prise de décision et prêtent attention aux problèmes de qualité des données. En conséquence, ils ont décidé que la qualité des données devait être l'un des critères du programme de reconnaissance dirigé par la direction de l'hôpital. Le travail sur la qualité des données est une priorité.
Au cours des trois premiers mois, le score de qualité des données s’est amélioré, passant de 41 à 77 %. Trois mois plus tard, le score a encore progressé pour atteindre 80 %. L’implication des équipes d’amélioration et de la haute direction dans de multiples interventions a conduit à une amélioration significative de la qualité des données. En encourageant les utilisateurs finaux des données à reconnaître les lacunes de qualité et la manière dont les données affectent leurs décisions cliniques, on a favorisé l’appropriation et le leadership du processus. En outre, le fait de lier la qualité des données à un système de récompense et de reconnaissance a renforcé la motivation du personnel et assuré la durabilité du système amélioré de gestion des données.
Ce qui a commencé comme une tâche ardue est devenu une source de joie et de fierté, car nous fournissons en toute confiance des données à la direction pour qu'elle les utilise. Nous sommes assurés qu'avec ce changement dans le processus de gestion des données, nous fournirons de meilleurs soins à nos patients grâce à des données de qualité.
Ahlam Mahmoud est conseillère technique principale en matière de suivi et d'évaluation à l'hôpital Zewditu Memorial.