[ivory-search id="27469" title="Default Search Form"]
[ivory-search id="27469" title="Default Search Form"]

Um conhecimento profundo da estrutura do conhecido Modelo para Melhoria, ajuda a equipe a cumprir a meta de melhoria. Parte desse conhecimento vem da compreensão da variação nos dados e das causas dessa variação.

Variação intencional e não intencional nos dados

Os processos de saúde envolvem variações intencionais e não intencionais. A variação pretendida é decidir propositalmente fazer algo de uma maneira diferente. É o que define o cuidado centrado no paciente . Os médicos às vezes resistem à ideia de reduzir a variação porque isso faz parte de sua prática diária. Eles prescrevem propositalmente uma dosagem ou tratamento para um paciente e outra dosagem ou tratamento para o próximo. A variação pretendida é uma prática desejável e parte da descrição do trabalho.

A teoria da variação foi proposta para identificar e remover variações não intencionais. Vários sistemas com vários conjuntos de variação não intencional criam custos desnecessários significativos. A variação não intencional ocorre quando vários médicos na mesma prática prescrevem antibióticos diferentes para o mesmo problema sem uma justificativa específica ou consciência da variação. Se a variação não for cuidadosa ou for por hábito ou conveniência, então não é intencional. Mas se cada clínico tem uma justificativa por trás de suas escolhas individuais e a variação continua, então é a intenção.

Variação de causa comum e causa especial

Walter Shewhart desenvolveu o conceito de causa comum e variação de causa especial. As causas comuns são uma parte inerente de um sistema ou processo que afeta todas as pessoas e resultados. Causas especiais surgem de circunstâncias específicas que afetam apenas um subconjunto de pessoas ou resultados. Compreender a causa comum e a variação de causa especial ajuda os sistemas de saúde a identificar as mudanças que podem fazer para resultar em melhorias. O estudo da causa comum e da variação de causa especial é a pedra angular da melhoria porque mostra por que a variação ocorreu e sugere a abordagem mais eficaz para abordá-la. O método do gráfico de controle de Shewhart fornece esse insight.

Leia também: PDSA: prós e contras da ferramenta de melhoria em saúde

Um  estudo de caso do Cincinnati Children’s Hospital Medical Center mostra o impacto da variação de causa especial nas infecções da corrente sanguínea associadas a cateter (CA-BSIs). O hospital tinha vários projetos de melhoria trabalhando nas causas comuns de variação associadas às taxas de CA-BSI. Ele estava mostrando uma melhora significativa ao longo de um período de oito anos, e então as taxas aumentaram inesperadamente além do limite superior de controle. O hospital conduziu uma série de estudos investigativos que indicaram variação de causa especial em duas unidades. Ele descobriu que um novo dispositivo médico foi introduzido e não fazia parte do sistema. Por estar monitorando por meio de gráficos de controle, foi capaz de apontar quando o problema ocorreu e remover a causa especial. Os gráficos de controle são uma das cinco ferramentas que os sistemas de saúde podem usar para aprender com a variação dos dados.

Ferramentas para aprender com a variação dos dados

As seguintes ferramentas permitem que as equipes de melhoria vejam o status de todo um sistema e usem as descobertas – reveladas pela variação nos dados – para revisar e alterar os processos:

  • Gráficos de controle: mostram os dados associados a causas especiais e comuns e permitem que as equipes aprimorem o sistema, removendo as causas especiais ou alterando as causas comuns.
  • Gráficos de execução: precursor para controlar gráficos que incluem exibição visual de medidas ao longo do tempo.
  • Gráficos de frequência: usados ​​para visualizar os padrões de dados para dados contínuos (por exemplo, tempos de espera, tempo de permanência e custo por caso).
  • Gráficos de Pareto: usados ​​para visualizar dados qualitativos (por exemplo, percepções do paciente sobre cuidados e qualidade de vida) e concentrar esforços de melhoria.
  • Gráficos de dispersão: usados ​​para visualizar as relações entre as medidas.

Os sistemas de saúde podem mudar a dinâmica e o ritmo do trabalho de melhoria da qualidade começando aos poucos – testando em pequena escala e aprendendo com esses testes.

Fonte da imagem: Freepik

Fonte da notícia: Lloyd Provost.  A Guide to Applying Quality Improvement to Healthcare: Five Principles. Outcomes Improvement. May 10, 2018

 



Deixe um comentário