این مقاله توسط متیو اچ. لاکستون، تحلیلگر ارشد مراقبت های بهداشتی در WBB است. شما می توانید نسخه توسعه یافته این مطالعه موردی را با توصیه های دقیق، مستقیماً از متیو  از طریق ایمیل درخواست کنید. مقاله مروری در مورد فرآیندکاوی برای بهبود کیفیت در محیط های مراقبت های بهداشتی را می توانید در اینجا مطالعه کنید.

از لحاظ تاریخی، پروژه های بهبود کیفیت (QI) از ترکیبی از گردش کار دریافتی و مطالعات مشاهده شده برای استخراج مدل‌های فرآیندی وضع موجود(As-is) استفاده کرده اند. مدل فرآیندی برای هدفمند کردن مداخلات به منظور کاهش ضایعات، ریسک و بهبود فرآیندهایی که منجر به سود در شاخص‌های عملکرد اصلی می‌شود، مورد استفاده قرار می‌گیرد. فرآیندکاوی تلاش‌های QI را برای کشف سریع‌تر نواحی مستعد بهبود و به کارگیری چشم‌اندازی که از لحاظ تاریخی برای تیم‌های QI در دسترس نبود، ممکن می‌سازد.

از آنجایی که فرآیندکاوی الگوریتمی است و از داده‌های پرونده الکترونیک سلامت (EHR) استفاده می‌کند، می‌توان از آن در مقیاس مشخص استفاده کرد و نیز از آن برای یافتن فرصت‌های بهبود فرآیند در کل سیستم مراقبت‌های بهداشتی بدون نیاز به منابع نامناسب یا اختلال در عملیات بالینی استفاده کرد.

این مطلب را هم بخوانید فرآیندکاوی چیست ؟

رویکرد

مطالعات موردی شامل دو مورد از شلوغ‌ترین بخش‌های اورژانس (ED) در ایالات متحده بود و به خواننده، تصویری از نحوه استفاده از فرآیندکاوی به عنوان بخشی از متدلوژی بهبود طولانی‌مدت فرآیند را ارائه می‌دهد.

 

تیم WBB از نرم افزار فرآیند کاوی Disco برای استخراج داده های ED و EHR برای دو بخش اورژانس برای دوره 06/04/2015 تا 08/02/2015 استفاده کرد. داده ها شامل 2628 نمونه اجرا برای ED #1 و 2447 مورد برای ED #2 بود. هر نمونه اجرا نشان دهنده یک بیمار منحصر به فرد است که در حال انتقال از طریق ED برای رسیدن به یک موقعیت مشخص است.

تیم WBB همچنین مصاحبه‌ها و جلساتی را با ذینفعان مختلف برنامه‌های مدیریت فرآیند برای شناسایی مزایا و چالش‌ها و ارائه توصیه‌هایی برای بهبودهای آینده برگزار کرد. شرکت کنندگان مصاحبه مرتبط با EHR شامل مدیران اورژانس، پزشکان اورژانس، روسای کارکنان، روسای پزشکی و اعضای دفتر برنامه EHR بودند.

نتایج

مدل‌های فرآیندی کشف‌شده درجه بالایی از تنوع را نشان دادند (شکل اول را در بالای این مقاله ببینید)، و تیم از فیلترهایی برای مدیریت پیچیدگی مدل فرآیندی تا جایی استفاده کرد که مدل‌ها در شناسایی و انحراف مسیرها و عملکرد آنها مفید بودند.

علاوه بر تولید تصاویر بصری از جریان کار و عملکرد، تعدادی موارد خاص مشاهده شد که در آن سفر بیمار از طریق مدل فرآیندی غیرمنتظره بود و فرصت‌هایی را برای بهبود استفاده از EHR، حاکمیت داده‌ها و نظارت بر تراکنش‌های غیرمعمول بیمار نشان داد. به عنوان مثال، برخی از فرآیندها ناقص هستند و با حذف وضعیت استخراج شده از فرآیند “مورد انتظار” پیروی نمی کنند.

از بین فرصت‌های اشاره شده تیم برای بهبود خطرات حاکمیت داده، عملکرد EHR ووضعیت EHR در زمینه‌های زیر پیدا کرد:

1.مواردی از برچسب های EHR ویرایش نشده در داده ها وجود داشت.

یکی از مزایای فرآیندکاوی این است که می توان انتقال‌های ناشناخته یا غیرمنتظره را شناسایی کرد. موارد فعالیت در داده‌ها ترکیبی از اصطلاحات کلی و اصطلاحات محلی پیکربندی شده است. اصطلاحات پیکربندی شده محلی برای توصیف مکان یا وضعیتی است که برای مطابقت با نیازهای محلی مانند بخش‌های تخصصی یا خدمات منحصر به فرد برای جمعیت بیمار محلی یا تخصص‌های مرکز مورد نیاز است.

هنگامی که یک عبارت پیکربندی شده محلی ایجاد می شود، نام پیش فرض new# است، که در آن # شماره دنباله بعدی موجود است. نام به صورت دستی ویرایش و تغییر نام داده می شود تا برای این مرکز معنادار باشد (به عنوان مثال پذیرش در روانپزشکی). مدل فرآیندی دو حالت انتقال را در داده‌های زنده نشان داد، new2 و new3.

برچسب‌های رویداد ناشی از افزودن ناتمام برچسب‌های جدید هستند که سهواً در داده‌های EHR باقی مانده بودند. کشف این برچسب‌ها منجر به یک تمرین بهبود فرآیند در پاکسازی داده‌ها و بحث در مورد فرآیندهای افزودن یا ویرایش فیلدها شد.

2.حلقه ها در مدل فرآیند به دلیل ورود نادرست دنباله

در برخی از مدل‌های فرآیندی، انتظار وجود حلقه‌های فرآیند را داریم و ممکن است عملکرد عادی فرآیند را نشان دهد. با این حال، در فرآیندهایی که انتظار می‌رود خطی و شاخه‌ای باشند، مانند بسیاری از فرآیند‌های مراقبت در ED، یک حلقه فرآیند می‌تواند خطای اداری یا بالینی یا یک مشکل فرآیندی را نشان دهد.

در این مورد، داده‌ها نشان داد که حلقه‌ها نتیجه برخی رویدادها هستند که به دلیل عملکرد در EHR به ترتیب معکوس وارد شده‌اند (به شکل بالا برای مثال نگاه کنید).

نمای شبکه EHR شامل تمام فیلدهای قابل ویرایش است و کاربر می تواند وضعیت را به هر ترتیبی انتخاب کند. انتخاب و در دسترس بودن توسط قوانین تجاری در EHR محدود یا هدایت نمی شود. در نتیجه، زمان‌های سپری‌شده در گزارش‌هایی که از فرمولی برای زمان سپری‌شده براساس زمان درج شده در گزارش رویداد وضعیت استفاده می‌کنند، ممکن است منفی باشد و گزارش‌های EHR و بهره‌وری را منحرف کند.

این کشف بحثی را در مورد بهبود EHR و سیاست‌های مربوط به استفاده از نمای شبکه آغاز کرد. علاوه بر این، بررسی الگوریتم‌های گزارش‌دهی فعلی انجام خواهد شد تا اطمینان حاصل شود که مقادیر منفی داده‌ها را منحرف یا بایاس نمی‌کنند.

3.بیماران با تعداد رویداد بالا.

منحنی توزیع رویدادها در هر نمونه اجرا نشانگر یک بعد پیچیدگی در یک مدل فرآیندی است. اگرچه توزیع ED-1 نشان می‌دهد که اکثر نمونه های اجرا دارای چهار رویداد هستند،  می‌توان مشاهده کرد که تعداد کمی از واریانت‌ها دارای تعداد رویداد به مراتب بیشتری در هر نمونه اجرا است (شکل زیر را ببینید).

 

برای کمک به شناسایی فرصت برای بهبود فرآیند، بررسی نمونه‌های اجرا که رویدادهای کمتر یا بیشتر از آنچه به طور معمول هست، مفید است. برای ED-1، تیم، نمونه‌های اجرایی را که کمتر از دو رویداد داشتند و مواردی که بیش از هشت رویداد داشتند را بررسی کردند.

 

مواردی با تعداد رویدادهای غیرطبیعی کم یا زیاد ممکن است خطاهای اداری یا شکاف‌های فرآیندی را نشان دهد که به‌اندازه کافی به برخی از موقعیت‌های بیمار رسیدگی نمی‌کند.

مدل فرآیندی ED-1 سه واریانت را نشان داد که در آنها فقط دو رویداد وجود داشت

44 مورد که بیمار به اشتباه وارد شده است

31 مورد که بیمار به کلینیک فرستاده شد

7 مورد که بیمار فرار کرده است

مواردی که در آن بیماران به اشتباه وارد می شوند باید از نظر آموزش بالقوه، عملکرد EHR یا مسائل مربوط به فرآیند ارزیابی شوند. فرار بیمار نیز وضعیتی است که مستحق بررسی است تا ببینیم آیا تاخیر یا مشکلاتی در روند وجود دارد که منجر به نارضایتی بیمار می شود.

در برخی موارد، تعداد غیرمنتظره ای تغییرات وضعیت وجود داشت. مدل فرآیندی  مربوط به ED-1 دارای 24  واریانت بود که در آنها هشت رویداد یا بیشتر وجود داشت، و دو واریانت که در آنها 10 رویداد وجود داشت.

نمودار زیر مدل فرآیندی یک نمونه اجرایی را نشان می دهد که در آن بیمار 10 رویداد داشته است (شکل زیر را ببینید).

مواردی که هر دو دارای بیش از دو انحراف معیار در رویدادها در هر متغیر بالاتر یا کمتر از میانگین هستند، برای درک علل، مستلزم بررسی دقیق تر هستند. این موارد توسط پزشک ارشد ED برای تعیین علل ریشه ای و هرگونه شواهدی از خطرات ایمنی بیمار مورد بررسی قرار گرفت.

 

جمع‌بندی

این مطالعه موردی نشان می‌دهد که چگونه فرآیندکاوی می‌تواند سوالات و خطرات بالقوه و مسائلی را آشکار کند که ممکن است در غیر این صورت قابل مشاهده نبوده باشند. دفتر برنامه می‌تواند فرآیندهای تسهیلات را بررسی کند و سوالات مشخص و هدفمند را بدون ایجاد وقفه یا فشار بی مورد به کارکنان مرکز تنظیم کند.

هنگام ارزیابی زمان سپری شده بین انتقال باید از صلاحدید استفاده شود. از آنجایی که زمان‌های کوتاه ممکن است به دلیل مجموعه‌ای از وظایف اداری باشد و زمان‌های طولانی ممکن است نشان‌دهنده اجرای پس از آن باشد. به عنوان مثال، زمان های انتقال کوتاه مانند از پذیرش به پذیرش در ICU، اتاق عمل، پذیرش در تله‌متری و پذیرش در بخش، نشان داد که این رویدادها اقدامات اداری در EHR بوده و به دلیل حرکات بیمار نیست.

کشف فرآیند جزء حیاتی QI و یکی از قابلیت‌های مهم فرآیند‌کاوی است. توانایی مقایسه تصاویر دقیق از آنچه در نظر گرفته شده است با آنچه واقعاً انجام می شود، بخش مرکزی توانایی شناسایی واریانت ها، و هدف قرار دادن و نظارت صحیح مداخلات QI است. روش‌های سنتی کشف فرآیند بسیار مؤثر بوده‌اند، اما دارای معایب قابل توجهی از نظر دقت، به‌موقع بودن و هزینه هستند. فرآیند کاوی به پزشکان QI این امکان را می‌دهد تا نقشه‌های فرآیند همان‌طور که هست را سریع‌تر کشف کنند و در نتیجه انحرافات، تاخیرها و گلوگاه‌ها را شناسایی کنند. کشف سریع جریان کار واقعی، مداخلات سریع‌تر و هدفمندتری را ممکن می‌سازد که می‌تواند کارایی را افزایش دهد، خطر را کاهش دهد و هزینه را کاهش دهد.

 

برای آشنایی بیشتر با چالش‌های موجود در پیاده‌سازی فرآیندکاوی در سیستم‌های سلامت این مقاله را مطالعه کنید.