1.
Menganalisa data
Audit data terdapat tiga bentuk
yang berbeda, 'centang kotak' numerik atau freetext yang membutuhkan metode
analisis yang berbeda, tetapi dalam setiap kasus yang tujuannya untuk
menetapkan standar yang sedang bertemu (% compliance) dan yang tidak (%
non-kepatuhan). Jika standar tidak terpenuhi maka perlu dilakukan identifikasi
mengapa dan bagaimana latihan dapat ditingkatkan untuk memastikan bahwa standar
bertemu nantinya. Kita juga dapat mempertimbangkan jika ada alasan lain
terjadinya standar tidak terpenuhi, yaitu pengecualian yang tidak dianggap
selama tahap perencanaan.
PERHITUNGAN SESUAI DENGAN STANDAR AUDIT KLINIS
A.
Centang kotak data
Ada kemungkinan bahwa sebagian besar data yang telah diperoleh dari
bentuk pengumpulan data akan berhubungan dengan pilihan ya/tidak atau pilihan
kotak centang dari daftar alpternatif tertentu. Dalam kasus tersebut, itu
adalah praktek yang lazim untuk menambahkan hingga nomor dari jawaban yang
tercatat untuk setiap pilihan dan mengekspresikan total sebagai angka mentah
dan sebagai persentase.
CONTOH 1:
• Ukuran sampel: 50 pasien
• Audit kriteria: semua pasien harus menghadiri sebuah klinik
pra-operasi
• Pertanyaan: Apakah pasien menghadiri sebuah klinik pra-operasi?
• Hasil: Yes = 32 dan No = 18.
Cara yang baik untuk
mengungkapkan data ini adalah:
• Semua pasien harus
menghadiri sebuah klinik pra-operasi. n = 50
• Ya = 32 (64%)
• No = 18 (36%)
'N = 50' menunjukkan
berapa banyak pasien dalam sampel audit dan digunakan untuk menghitung
persentase, yaitu 32/50 = 64%.
Jika diambil contoh penggunaan di atas, mungkin bahwa
pasien tertentu tidak
memenuhi standar karena mereka punya operasi darurat. Dalam menjawab pertanyaan
contoh di atas akan menjadi 'tidak berlaku'. Data dapat dinyatakan lebih akurat
sebagai berikut :
CONTOH 2:
·
Audit kriteria: semua pasien harus menghadiri
sebuah klinik pra-op
·
Pengecualian: operasi darurat
·
Hasil: Yes = 32, No = 13 dan N/A (darurat) = 5
·
32 pasien menghadiri sebuah klinik pra-op
·
18 tidak, tapi 5 ini adalah keadaan darurat
(pengecualian kriteria)
·
Karena itu
32/45 (71%) memenuhi standar
B.
Data numerik
Beberapa item data yang dikumpulkan cenderung menjadi nilai angka,
misalnya usia, lama menginap di rumah sakit, tingkat glukosa darah, dll. Daftar
angka seperti ini dapat diringkas menggunakan ukuran pemusatan data dan
dispersi:
• Ukuran pemusatan melihat nilai-nilai tengah umum dalam daftar item
data: mean, median dan mode.
Ø Mean
Mean adalah nilai rata-rata, dihitung sebagai:
Tabel berikut menunjukkan data tentang lama tinggal (LOS) di bangsal
tiga:
Length of Stay (days)
|
Number of patients discharged
|
||
Ward 1
|
Ward 2
|
Ward 3
|
|
1
|
4
|
4
|
1
|
2
|
8
|
7
|
3
|
3
|
12
|
17
|
3
|
4
|
18
|
10
|
4
|
5
|
20
|
7
|
10
|
6
|
18
|
4
|
15
|
7
|
12
|
2
|
4
|
8
|
8
|
2
|
2
|
9
|
3
|
5
|
0
|
10
|
0
|
9
|
0
|
Ward 1, artinya adalah:
Jumlah dari (Length of Stay (days) x Number of patients discharged)
Jumlah Number of patients
discharged
(1x4) + (2x8) + (3x12) + (4x18) +
(5x20) + (6x18) + (7x12) + (8x8) + (9x3) = 511
= 4.96
4 + 8 + 12 + 18
+ 20 + 18 + 12 + 8 + 3 103
Berarti LOS pada Ward
1 adalah 5 hari, (dibulatkan ke terdekat).
Jika rumus yang sama
yang digunakan untuk menghitung mean Ward 2 dan 3 ditemukan bahwa untuk setiap Ward
berarti LOSnya 5 hari sehingga mean tidak selalu ukuran terbaik dari pemusatan.
LOS untuk semua tiga
bangsal yang digambarkan pada grafik di bawah ini. Mean menunjukkan bahwa data
adalah sama untuk semua tiga wards, namun grafik menunjukkan bahwa hal ini
tidak terjadi. Masalah dengan mean adalah apa yang tidak disebutkan.
.
Data yang dikumpulkan untuk Ward 1 hampir simetris sempurna dengan grafik
yang menggambarkan bahwa data mengikuti bentuk kurva engkung kebawah. Data yang
sesuai dengan bentuk ini dikenal sebagai data 'parametrik'. Dalam hal ini
berarti adalah ukuran yang tepat dari pemusatan.
Data untuk Ward 2 dan 3 non-parametrik. Grafik tidak membentuk kurva
simetris. Menggambarkan fitur terkenal mereka, Ward 2 memiliki
proporsi yang signifikan dari patients dengan LOS 3 hari bersama-sama dengan jumlah pasien yang tinggal 9 atau
10 hari. Ward 3 memiliki puncak LOS 6 hari. Hal ini terlihat penggunaan mean pada
data non-parametrik sangat tidak informatif sehingga median dan modus dapat
membantu untuk menyampaikan informasi yang hilang tersebut.
Ø Modus
Modus adalah nilai paling sering
terjadi. Untuk Ward 2 ini adalah 3 hari dan
Ward 3 sudah 6 hari. Seharusnya sudah jelas dari data mentah dan grafik.
Jika tertinggi terjadi dibagi lebih dari satu nilai maka kita bisa menyatakan
mereka semua sebagai nilai modus atau tidak.. Misalnya, jika Ward 3 ada 10
pasien yang habis pada hari 5 dan hari 6, Anda bisa mengatakan ada 2 nilai
modal 5 dan 6, atau tidak ada modus.
Ø Median
Median adalah titik pertengahan semua nilai-nilai. Ward 2, kami memiliki
data pada 67 pasien. Jika kita membuat daftar LOS, ditempatkan dalam
urutan dari yang terendah ke tertinggi, titik pertengahan nilai 34 yaitu 33.
nilai di bawah dan di atas ini. Nilai 34 berkaitan dengan pasien yang habis
setelah 5 hari, jadi ini adalah median. Untuk Ward 3, kami memiliki data pada
pasien 42, yaitu ada gunanya pertengahan tunggal. Dalam kasus ini, mengambil
rata-rata nilai 21 dan 22 (ada nilai-nilai 20 di bawah dan di atas nilai-nilai
ini dua). Nilai 21 yang berkaitan dengan pasien yang habis setelah 5 hari dan
nilai 22 berhubungan dengan seorang pasien yang habis setelah 6 hari, sehingga
median 5.5 hari (5 + 6 dibagi oleh 2).
Untuk para ahli
statistik, kami akan menyarankan bahwa Anda menggunakan semua langkah-langkah dalam tiga pusat kecenderungan atau menunjukkan
informasi menggunakan grafik. Secara umum, mengutip median berarti data
non-parametrik.
Tidak semua daftar
data numerik harus dianalisis dengan cara ini. Misalnya, jika Anda adalah '
pasien yang memiliki kecocokan untuk operasi jika suhu < 38° C' dan Anda
mengumpulkan daftar data temperatur, itu tidak akan berarti menyajikan mean,
median dan modus. Apa yang membuat anda tertarik di sini adalah persentase
kasus yang memenuhi standar yaitu persentase bedah kasus dengan suhu < 38°
C.
• Ukuran dispersi Lihatlah bagaimana menyebar data adalah: kisaran.
Kisaran menyatakan
nilai terendah dan tertinggi. Dalam contoh:
Ward 1 memiliki
serangkaian 1-9 hari
Ward 2 memiliki
serangkaian 1-10 hari
Ward 3 memiliki
serangkaian 1-8 hari
Cara lebih halus
mengungkapkan dispersi adalah dengan menggunakan berbagai Kuartil yang
melibatkan daftar nilai-nilai dari terendah ke tertinggi dengan menghitung
median, kemudian membagi nilai menjadi empat bagian yang sama atau subranges. Range
ketertarikan yang terletak antara kedua dan ketiga kuartal (atau 'Kuartil').
Jadi, misalnya, beberapa
lebih LOS data:
Ward C: 1 2 3 5 | 5 6 6 7
| 7 7 7 9
| 9 11
20 38
Dalam kasus ini adalah kisaran 1-38 hari, tetapi rentang Kuartilnya 5-9
hari. Rentang Kuartil ini bermanfaat dalam mengambil data terluar (data jauh
dari mean/median/modus), seperti dalam kasus di atas Ward C dan Ward 2 dalam
contoh pertama kami. Ward 2 memiliki kisaran terbesar tetapi sebanding dengan Kuartil
Ward 1 dan 3:
Ward 1 - berbagai hari 1-9; Kuartil kisaran 4-6 hari
Ward 2 - kisaran 1-10 hari; Kuartil kisaran 3-7 hari
Ward 3 - berbagai hari 1-8; Kuartil berkisar 4-7 hari
MENGANALISIS DATA AGAINST STANDAR
Jika pernyataan standar 'Pasien harus diberhentikan 5 hari terakhir setelah
tindakan bedah', menggunakan LOS data untuk ward 2, kita menemukan bahwa 45
dari 67 pasien biasanya memiliki LOS 5 hari atau kurang.
Kita akan menulis ini dengan 45/67
(67%) pasien yang memenuhi standar.
C.
Data freetext
D.
Jika Anda memasukkan
pertanyaan terbuka dalam bentuk pengumpulan data Anda, Anda akan mendapatkan
data teks bebas. Untuk menganalisis data ini Anda harus memasukkan komentar
kelompok ke dalam tema atau kategori,
yaitu seolah-olah Anda sedang menciptakan kotak centang pilihan untuk bentuk
pengumpulan data. Anda mungkin juga ingin mempertimbangkan
mereproduksi beberapa komentar verbatim dalam laporan Anda, jika terutama
relevan.
MENGGAMBAR KESIMPULAN
Tahap akhir analisis Anda menyimpulkan
seberapa baik standar bertemu dan, jika berlaku, mengidentifikasi alasan
mengapa standar tidak terpenuhi dalam semua kasus. Alasan ini mungkin setuju
untuk dapat diterima, yaitu dapat ditambahkan dengan pengecualian kriteria
untuk standar di masa depan, atau akan menyarankan fokus untuk perbaikan. Dalam
teori, setiap kasus yang mana standar (kriteria atau pengecualian) tidak
terpenuhi 100% kasus yang menunjukkan potensi untuk perbaikan dalam perawatan.
Dalam prakteknya, dimana standar hasilnya hampir 100%, itu mungkin setuju bahwa
perbaikan lebih lanjut akan sulit untuk mendapatkan dan bahwa standar lainnya,
dengan hasil lebih dari 100%, target prioritas untuk tindakan. Keputusan ini
akan tergantung pada daerah topik, terkadang jenis 'hidup atau mati', itu akan
menjadi penting untuk mencapai 100%, di daerah lain hasil yang lebih rendah
mungkin masih dianggap dapat diterima.
2.
Menampilkan data
a.
Data berlanjut
Satu set data dikatakan terus-menerus
jika nilai/pengamatan itu dapat diambil
nilai apapun dalam interval yang terbatas atau tak terbatas. Contoh tinggi,
berat, suhu, jumlah gula di orange, waktu yang diperlukan untuk menjalankan
meter '.
Data yang kontinu cocok pada skala
numerik. Contoh data yang kontinu meliputi:
• Suhu: 34°, 35°, 36°, 37°, 38°, dll.
• Hari post-op: 1, 2, 3, 4, 5, 6, 7, 8,
dll.
• Usia: 16, 17, 18, 19, 20, 21, dll.
Umumnya ketika menampilkan data yang
kontinu bisa menggunakan grafik yang memungkinkan kita untuk lay out skala
numerik dan data petak ukur against misalnya menebari grafik, kotak dan whisker plot, dll.
b.
Data kategoris
Data Kategoris adalah data yang dapat diurutkan dengan bebas yang
kategorinya tidak saling mendahului (saling eksklusif), dimana setiap kategori dalam
sampel hanya bisa masuk ke dalam satu kategori. Sebagai contoh:
• Jenis kelamin: pria / wanita
• Kelompok Umur: 16-20, 21-25, 26-30, dll.
• Standar bertemu: Ya / tidak ada
Biasanya jenis data yang dihasilkan dari audit klinis adalah data kategoris
dan akan sering direpresentasikan sebagai sebuah bar chart atau pie chart.
GRAFIK PIE DAN BAR GRAFIK
Bar atau pie chart yang paling sering digunakan dalam
audit klinis untuk menggambarkan kepatuhan standar audit, namun ada keadaan tertentu mana satu atau yang lain lebih baik.
Ø Grafik Pie - Menampilkan
proporsi , misalnya persentase sesuai dengan standar. Sebuah diagram lingkaran
tidak tepat jika , misalnya , itu sedang digunakan untuk menggambarkan ' jenis
pengobatan ' dalam kasus di mana pasien cenderung memiliki lebih dari satu
pengobatan . Dalam hal ini potongan-potongan grafik pie akan menambahkan hingga
jumlah ' perawatan ' daripada jumlah pasien , yang bisa menyesatkan dan tidak
terlalu berarti dalam dirinya sendiri .
Ø Grafik Bar / kolom - Umumnya
digunakan untuk menampilkan frekuensi , misalnya jumlah pasien dilihat oleh
staf yang berbeda : perawat , Spesialis Registrar , Konsultan , dll. Contoh
jika kriteria audit menyatakan bahwa semua pasien terlihat di A & E
pertemuan kriteria tertentu harus dilihat oleh seorang konsultan , kita mungkin
ingin untuk menunjukkan apa kelas staf melihat pasien jika itu bukan konsultan.
Ø Versi Bar chart ( ditumpuk
atau perbandingan ) - menampilkan lebih dari satu standar / pertanyaan per
grafik , misalnya beberapahasil pada satu grafik , bar-bar dibagi untuk
menunjukkan persentase , dll
3. Membuat grafik yang
baik
Grafik yang baik
harus fokus pada mendapatkan pesan daripada membuat indah, dan mengganggu
gambar. Kekacauan harus dihindari dan grafik harus dilabeli.
Ingat: Jangan gunakan
grafik hanya demi itu.
Bagan
mungkin dianggap perlu untuk menggambarkan data diatas. Hal ini selalu penting
untuk mempertimbangkan apakah orang perlu melihat atau tidak representasi
grafis dari data, dalam beberapa kasus hanya mengungkapkan data sebagai ' x / n
(y %)'<<< ini cukup. Dalam sebuah proyek dengan banyak menghasilkan
grafik yang standar untuk setiap pembuatan mungkin membingungkan daripada
menjelaskan hasilnya. Orang tidak dapat mengingat gambar yang berhubungan
dengan yang standar.
Posting Komentar