Genomförbarhetstest av kvalitetsövervakningsverktyget, Qdact, för Palliative Care Research Cooperative (QFT)

Vårdens processer mäts, utvärderas och karakteriseras genom användning av vårdkvalitetsmått. Sjukvårdskvalitetsmått är verktyg som kvantifierar konsekvensen av vårdleverans inom en befolkning som är berättigad till processen. Kvalitetsmått som innehåller en täljare (de med framgångsrik leverans av en vårdprocess) och en nämnare (berättigade patienter för den vårdprocessen), ger en frekvens eller följsamhet till vilken en vårdprocess utfördes. Följsamhetsfrekvenser kan sedan jämföras för att utvärdera vårdkvalitet mellan läkare, organisationer eller samarbeten för att jämföra data, fastställa riktmärken och stimulera kvalitetsförbättringsprojekt.

Inom exempelvis palliativ vård brukar det anses vara bästa praxis att förskriva opioider vid måttlig/svår smärta. Föreställ dig att ett palliativt vårdprograms beräknade följsamhetsfrekvens avslöjar att deras läkare bara 50 % av tiden förskriver opioider för måttlig till svår smärta. Beväpnad med denna information kan programmet nu utveckla ett riktat kvalitetsförbättringsprojekt med avsikten att förbättra denna prestanda mot ett mer idealiskt mål (t.ex. 75 %). Dessutom kan den ge feedback till kliniker i realtid om hur de presterar mot kvalitetsmåtten av intresse. I det här exemplet kan kliniker få en elektronisk varning som påminner dem om att förskriva en opioid när de styrs av en godkänd bästa praxis. Denna realtidsmetod, i kombination med ett system som främjar kultur av datainsamling, delning, benchmarking och rapportering, är effektiva metoder för att förbättra sjukvårdens kvalitet. Slutligen, och fokus för detta förslag, är att bygga och testa en sådan infrastruktur som utför sådan kvalitetsövervakning i realtid av hälsovårdsåtgärder i Palliative Care Research Cooperative group (PCRC).

Utredarna har tidigare identifierat de tre huvudkomponenterna som behövs för en effektiv och användbar kvalitetsövervakningsinfrastruktur. Tillsammans svarar dessa tre komponenter på frågorna "vad", "hur" och "varför" som måste tas upp inom ett kvalitetsbedömnings- och förbättringssystem.

För det första är förmågan att utföra samverkande och integrerad datainsamling på flera platser. Framgångsrik datainsamling på flera platser kräver en centralt styrd uppsättning datainsamlingsprocesser, som styrs av en dataordbok. En dataordbok är en uppsättning överenskomna dataelement, svarsval, regler och förgreningslogik. Dataordboken informerar utvecklingen av en datainsamlingsplattform för användning av kliniker. Tillsammans vägleder dataordboken och programvaran för användning av kliniker "vilka" data som samlas in, och säkerställer att de avsedda samarbetsanalyserna kan utföras med den skapade datamängden.

För det andra är processen för datainsamling - "hur"-egenskapen inom systemet. Data samlas in, överförs och registreras genom användning av en datainsamlingsplattform, överföringsprocesser respektive register. Datainsamlingsplattformen är gränssnittet där realtidsdata fångas och registreras. Detta kan involvera pappersbaserade eller elektroniska formulär med hjälp av patient-, vårdgivare eller kliniker. Data överförs sedan till registret, antingen elektroniskt eller manuellt. Slutligen samlas data in och lagras säkert i ett blivande register, så att kvalitetsrapporter kan genereras och forskningsanalyser slutföras. Dessa steg är rekommenderade standarder för utveckling av hälsoinformationsteknologi av Agency for Healthcare Research and Quality (AHRQ).

För det tredje, är den komponent i infrastrukturen som svarar på frågan "för varför?" Flera rapporter har lyft fram behovet av att översätta rådata från kvalitetsövervakningsinsatser till kontinuerlig feedback om kvalitet till kliniker och andra slutanvändare för att motivera leveransen av bästa praxis. Detta möjliggör förändringar i läkarens prestation under den vanliga kliniska vårdleveransen, vilket uppfyller Institute of Medicines mål om ett snabbt lärande sjukvårdssystem. I allmänhet ges feedback genom systemgenererade rapporter som riktar sig till specifika slutanvändare (t.ex. läkare, administratörer) levereras under fördefinierade tidsperioder (t.ex. veckovis, kvartalsvis).

Vid Duke University byggde utredare nyligen den informationsteknologiska infrastrukturen som behövs för framtida kvalitetsmått och resultatövervakning inom palliativ vård. Detta system utvecklades och implementerades i Carolinas Consortium for Palliative Care, ett samarbete mellan Duke University och tre lokala palliativa vårdorganisationer på fyra platser. Nyligen har detta konsortium utökats till att omfatta organisationer utanför Carolinas; Elva platser omfattar nu Global Palliative Care Quality Alliance (GPCQA). Den snabba expansionen av qdact-användare och efterföljande insamlade data har stött flera analyser på forskningsnivå publicerade i litteraturen.

När du använder qdact.pc, Kliniker registrerar data om vårdprocesser och patientrapporterade resultat på personliga iPads® under kliniska möten ansikte mot ansikte med patienter. Under patientintervjuer registrerar kliniker patientrapporterade nödområden, kliniska ledningsbeslut och patientrapporterade resultat med hjälp av validerade instrument. Dessa instrument inkluderar de som är vanliga inom området, inklusive Edmonton Symptom Assessment Scale (ESAS), Palliative Performance Scale och FACT-G. Longitudinella förändringar i dessa skalor fångas genom upprepad användning av qdact.pc under efterföljande möten. Vidare, qdact.pc beräknar vårdtiden från intagnings- och utskrivningsdatum, förändringar i symtomens svårighetsgrad genom att beräkna skillnaden mellan två datum och återinläggningsfrekvenser genom att analysera om patienter i registret tidigare varit inlagda. Sedan kan vårdprocesser och utfall kopplas samman med hjälp av dessa data.