Ti hospitaler gennemførte en prævalensundersøgelse af forekomsten af hospitalserhvervede tryksår hos deres indlagte patienter. Data blev indsamlet ved at alle afdelingerne på alle hospitalerne fik besøg af en specialuddanet sygeplejerske, som undersøgte de patienter, som var til stede på afdelingen den pågældende dag, for tryksår.

Rapporten er ikke udkommet endnu. Men jeg gætter på, at der et sted i rapporten vil optræde en figur som ligner denne.

Hvis du ikke kan se figuren herunder, trænger du måske til en tidssvarende browser, fx Firefox eller Chrome.

Søjlediagrammet viser tydeligt, at seks af hospitalerne havde flere tryksår end gennemsnittet på 13%. Hvis det går, som det plejer, i den slags situationer, kommer de seks “dårlige” hospitaler til at modtage en del negativ opmærksomhed, som de forsvarer sig mod ved, at hævde, at netop deres patienter er særligt gamle og særligt syge og dermed i særlig risiko for at udvikle tryksår. De “gode” hospitaler er i overhængende fare for i blind selvtilfredshed at acceptere, at en alt for stor del af deres patienter påføres tryksår.

Men analysen er forkert. Kun ét af de seks “dårlige” hospitaler, og kun ét af de fire “gode” hospitaler udgør noget særligt. De andre hospitaler afviger ikke mere end tilfældigt fra gennemsnittet.

Kontroldigrammet til undsætning

Normalt bruger vi kontroldiagrammer til at skelne mellem almindelig og tilfældig variation over tid. Men kontroldiagrammet kan også bruges til at undersøge variation mellem forskellige enheder (hospitaler, afdelinger) på samme tidspunkt.

Prikkerne i kontroldiagrammet viser forekomsten af hospitalserhvervede tryksår på de ti hospitaler. Den vandrette midtlinje viser gennemsnittet på 13%. De to kurver øverst og nederst kaldes kontrolgrænser og repræsenterer grænserne for den almindelige variation, der altid forekommer og er en naturlig del af alle processer. Kontrolgrænserne beregnes ud fra den faktiske variation i den pågældende proces og er altså ikke noget, man selv bestemmer. Kontrolgrænser er således ikke det samme som sikkerhedsgrænser eller specifikationsgrænser.

Fortolkningen af kontroldiagrammet er enkel. Hvis et eller flere datapunkter falder uden for kontrolgrænserne, tyder det på særlig variation, dvs. variation ud over den almindelige variation. Særlig variation repræsenterer forhold, som ikke er til stede på alle hospitalerne, fx særligt sårbare patientgrupper eller strukturer og arbejdsgange, som mere effektivt forebygger tryksår.

Bemærk at hospital E, som har usædvanligt mange tryksår, ikke har den højeste procent. Det har hospital A. Men fordi, der indgår meget få patienter fra hospital A i undersøgelsen, bliver den statistiske usikkerhed og dermed grænserne for den almindelige variation så stor, at hospitalet ikke overskrider kontrolgrænsen.

Almindelig variation

Særlig variation

Den korrekte konklusion er altså, at hospital E har usædvanligt mange tryksår, og at hospital I har usædvanligt få. De øvrige hospitaler udviser blot almindelig variation.

Den kloge strategi består nu i først at identificere mulige årsager til den særligt høje og særligt lave tryksårsforekomst på hospital E og I. Dernæst skal vi afgøre, om vi er tilfredse med den “almindelige” forekomst på 13% på de andre hospitaler. Hvis ikke det er tilfældet, må vi i arbejdstøjet og udvikle indsatser, som kan reducere risikoen for, at vores patienter udvikler tryksår. Måske vi kan lære noget af hospital I.

Andre fortællinger fra virkeligheden

Jacob Anhøj (2015): En fortælling om datadrevet vildledelse

Jacob Anhøj (2015): Grøn, gul, rød