190 likes | 344 Views
NOIS Datakvalitet og kontroll. Hege Line Løwer Rådgiver Nasjonalt folkehelseinstitutt. Hovedproblemer i NOIS-1 Mest praktiske problemer med koding av variablene Siste oppfølgingsdato Reoperasjon som risikovariabel og utfallsvariabel Pasientdiagnostisert infeksjon
E N D
NOISDatakvalitet og kontroll Hege Line Løwer Rådgiver Nasjonalt folkehelseinstitutt
Hovedproblemer i NOIS-1 Mest praktiske problemer med koding av variablene Siste oppfølgingsdato Reoperasjon som risikovariabel og utfallsvariabel Pasientdiagnostisert infeksjon Oppfølging etter utskrivelse Kvalitetssikring av datagrunnlaget Hovedproblemer i NOIS-2 Problemene er ”dypere” Problemer med enhetlig koding av variabler på sykehus- og avdelingsnivå Sårkontaminasjon (renhetsgrad) ASA-score Ulik praksis på forskjellig sykehus Profylakseforeskriving Oppfølging etter utskrivelse Kvalitetssikring av datagrunnlaget Hva har endret seg siden NOIS-1?
Hva er bra? • Datakvaliteten • Utvikling og bruk av elektroniske løsninger • Flere sykehus som overvåker flere typer inngrep • Oppfølging etter utskriving
Oppsummering av kjente problemer • Siste oppfølgingsdato • Oppfølging etter utskriving • Reoperasjon • Ulik praksis • ASA og renhetsgrad • Antibiotikaprofylakse • Kvalitetssikring • Logiske kontroller • Bruk av data
Siste oppfølgingsdato • siste dato for kontakt med pasienten hvor det ble foretatt en evaluering av infeksjonsstatus. Dette er den dato som sist fremkommer av: • utskrivingsdato • dato pasienten/legen svarte på brev • dato for poliklinisk kontroll • dato for død • datoen pasienten utviklet organ/hulrom infeksjon
Oppfølging etter utskriving • 30 dager (1 år) - stor jobb • Store variasjoner innen samme region ved like operasjoner og lik sykehusstørrelse • Tips og hint: • Tidspunkt for skjema hjem til pasient er viktig • Forskjellig taktikk for forskjellige pasientgrupper • Sende skjema med pasienter ved utskriving dersom de skal til rehabilitering • Inkludere god muntlig og skriftlig (brosjyre) informasjon ved utskrivingssamtale
Reoperasjon som risikovariabel og utfallsvariabel • Gjelder i hovedsak hofteproteser • Vanskelige variabler er 25, 26 og 41 (40) • Blir svært mye mindre når NFC utgår i NOIS-3
Ulik praksis ved sykehusene 2 dimensjoner: • Forskjellig fortolkning: • Sårkontaminasjon • ASA-score • Forskjellig praksis: • Antibiotikaprofylakse
Sårkontaminasjon Nois-1
Nois-1 ASA-score
Antibiotika-profylakse: Forskjellig praksis ved forskjellige sykehus (keisersnitt)
Hva kan sykehusene gjøre? • Mer ”datateknisk”: logiske kontroller bygget inn i datasystemene • Datoer stemmer overens • Inngrepets lengde er innenfor “normal” • Kjønn og keisersnitt • Alder og operasjonskoder • Knivtid og operasjonskoder • Antibiotikaprofylakse og operasjonskoder • Infeksjonsdato og –type stemmer med periode (utskriving/30 dager/1 år)
Bruk av data skaper kvalitet • ”Garbage in – garbage out” • Hoveddelen av kvalitetssikringen må foregå på sykehuset • Sykehusene må selv bruke egne data! • Tilbakemelding til avdelingene/kirurgene • Skape interesse lokalt om resultater • Godt samarbeid mellom sykehus og FHI • Rask og god levering av data til FHI • Rask analyse og tilbakemelding fra FHI • FHIs rolle blir en ”siste sjekk”
Oppsummering av utfordringene fremover • Entydig mal • Enhetlig praksis • Elektronisk datafangst • Kvalitetssikring av data • Oppfølging etter utskriving • Bruk av data