विषय 10.1 — मुख्य प्रदर्शन संकेतक (KPIs)

एक मुख्य प्रदर्शन संकेतक (KPI) एक छोटी, सावधानी से चुनी गई संख्या है जो आपको बताती है कि क्या एक सेवा सुरक्षित, निष्पक्ष, प्रभावी, और विश्वसनीय है — और स्वास्थ्य और देखभाल में, उन संख्याओं को अच्छी तरह से चुनना और पढ़ना स्वयं क्लिनिकल सुरक्षा और सार्वजनिक जवाबदेही का मामला है, प्रशासनिक हाउसकीपिंग नहीं।

यह स्वास्थ्य और देखभाल में क्यों महत्वपूर्ण है#

स्वास्थ्य और देखभाल में, आप जिन संख्याओं को देखते हैं वे लोगों को मिलने वाली देखभाल को आकार देती हैं। एक प्रतीक्षा-सूची KPI जो "बुक किए गए रोगियों" को गिनता है लेकिन "देखे गए रोगियों" को नहीं वह घर पर चुपचाप बिगड़ते एक समूह को छुपा सकता है। एक डिजिटल सेवा डैशबोर्ड जो अपटाइम पर हरा है लेकिन इस पर चुप है कि क्या विकलांग उपयोगकर्ता एक बुकिंग पूरी कर सकते हैं वह एक पहुंच समस्या को एक स्वास्थ्य असमानता में बढ़ने देगा। आप जो मापते हैं वह संकेत देता है कि आप क्या मूल्य देते हैं, और स्टाफ, आपूर्तिकर्ता, और एल्गोरिदम सभी मापे गए लक्ष्य की ओर अनुकूलित होते हैं — कभी-कभी उस अनमापी चीज़ की कीमत पर जो वास्तव में मायने रखती थी।

यहां दांव अधिकांश क्षेत्रों की तुलना में अधिक हैं क्योंकि विफलता मोड मानवीय हैं। Mid Staffordshire और अन्य जांचों ने बार-बार ऐसे संगठन पाए जो देखभाल गुणवत्ता के अंदर ढहने के दौरान अपने हेडलाइन वित्तीय और गतिविधि लक्ष्यों को मारते रहे। मेट्रिक्स को हरे रंग के रूप में ऊपर की ओर रिपोर्ट किया गया जबकि रोगियों को नुकसान हुआ — वह पैटर्न जिसे अब व्यापक रूप से "watermelon reporting" (बाहर से हरा, अंदर से लाल) कहा जाता है, जिसे विषय 10.4 — CEO और वरिष्ठ नेताओं के लिए दृश्यता गहराई से जांचता है। अच्छे KPIs रिपोर्ट की गई तस्वीर और वास्तविक तस्वीर के बीच उस अंतर के विरुद्ध आपकी रक्षाओं में से एक हैं।

KPIs सार्वजनिक धन और सार्वजनिक विश्वास भी खर्च करते हैं। आपके द्वारा प्रकाशित हर संकेतक इसका हिस्सा बन जाता है कि नागरिक, नियामक, और कमीशनर सिस्टम को कैसे आंकते हैं। एक लक्ष्य को अति-दावा करना, चेरी-पिकिंग करना, या गेम करना केवल खराब प्रबंधन नहीं है; यह उस विश्वास को कम करता है जिस पर डिजिटल स्वास्थ्य लोगों को डेटा साझा करने और नई सेवाओं को अपनाने के लिए निर्भर करता है। यह विषय, विषय 10.0 — उद्देश्य और मुख्य परिणाम (OKRs) का मापन भागीदार है: जहां OKRs केंद्रित परिवर्तन चलाते हैं, KPIs आपके द्वारा चलाई जाने वाली सेवाओं और प्रणालियों के चालू स्वास्थ्य की निगरानी करते हैं।

मुख्य अवधारणाएं#

एक प्रदर्शन संकेतक, या KPI, एक मेट्रिक है जिसे इसलिए चुना गया है क्योंकि यह एक ऐसे उद्देश्य के विरुद्ध प्रगति को दर्शाता है जो मायने रखता है। एक प्रदर्शन मेट्रिक गतिविधि या स्थिति का कोई भी माप है; एक KPI वह उपसमूह है जिसे आपने जानबूझकर "इसे देखें" तक ऊंचा किया है। शब्द मुख्य लोड-बेयरिंग है — यदि सब कुछ एक KPI है, तो कुछ भी नहीं है। एक उपयोगी अनुशासन प्रति सेवा मुट्ठी भर KPIs रखना है, प्रत्येक एक नामित स्वामी, एक परिभाषा, एक डेटा स्रोत, और बोर्ड पर एक स्थान अर्जित करने का एक कारण के साथ।

एक अच्छे KPI में चार गुण हैं। यह उस परिणाम के लिए संरेखित है जो वास्तव में रोगियों, नागरिकों, या चिकित्सकों के लिए मायने रखता है, केवल आंतरिक गतिविधि नहीं। यह कार्रवाई योग्य है — जब यह हिलता है, तो कोई इसके बारे में कुछ कर सकता है। यह समयबद्ध है — यह इस पर कार्य करने के लिए पर्याप्त जल्दी आता है, तिमाही बंद होने के छह हफ्ते बाद नहीं। और यह गेम करना कठिन है — इसे वास्तविक चीज़ में सुधार किए बिना कागज़ पर सुधारा नहीं जा सकता। अंतिम परीक्षण में विफल होने वाले मेट्रिक्स Goodhart's law को आमंत्रित करते हैं: "जब एक माप एक लक्ष्य बन जाता है, तो यह एक अच्छा माप होना बंद कर देता है।"

संकेतक आमतौर पर अग्रणी और पिछड़े में विभाजित होते हैं। एक पिछड़ा संकेतक तथ्य के बाद एक परिणाम की पुष्टि करता है (30-दिन मृत्यु दर, वार्षिक रोगी संतुष्टि)। एक अग्रणी संकेतक पहले हिलता है और पिछड़े की भविष्यवाणी करता है (दवा-समाधान पूर्णता, तैनाती आवृत्ति, 24 घंटों के भीतर ट्राइएज किए गए रेफ़रल का अनुपात)। आपको दोनों की आवश्यकता है: पिछड़े संकेतक आपको बताते हैं कि क्या आप जीत रहे हैं, अग्रणी संकेतक आपको समय में बताते हैं कि परिणाम बदलना है। कई आर्थिक और परिचालन फ्रेमवर्क इस अग्रणी/पिछड़ा अंतर का वर्णन करते हैं।

एक समानांतर और समान रूप से महत्वपूर्ण विभाजन प्रक्रिया, आउटपुट, और परिणाम माप है। एक प्रक्रिया माप गिनती करता है कि क्या आपने वह चीज़ की (प्रस्तावित नियुक्तियां, माइग्रेट किए गए रिकॉर्ड)। एक आउटपुट माप गिनती करता है कि क्या उत्पादित किया गया (भेजे गए पत्र, परिणाम आए परीक्षण)। एक परिणाम माप यह कैप्चर करता है कि व्यक्ति के लिए वास्तव में क्या बदला — एक परिणाम माप जैसे लक्षण सुधार, बचा हुआ प्रवेश, या एक रोगी-रिपोर्ट किया गया जीवन-गुणवत्ता स्कोर। स्वास्थ्य और देखभाल प्रणालियों में गतिविधि की ओर एक पुरानी पूर्वाग्रह है क्योंकि गतिविधि गिनना आसान है और अक्सर पैसा कैसे बहता है। इसका विरोध करें: परिणामों और अनुभव को प्राथमिकता दें, और उन्हें समझाने वाले अग्रणी संकेतकों के रूप में प्रक्रिया मापों का उपयोग करें।

क्योंकि अकेले कोई एकल संख्या सुरक्षित नहीं है, संतुलित मापन का उपयोग करें। Kaplan और Norton का balanced scorecard अनुशासन हर प्रदर्शन माप को दूसरों के साथ जोड़ता है ताकि एक को दूसरे की कीमत पर सुधारना दृश्यमान हो जाए। Institute for Healthcare Improvement इसे परिणाम, प्रक्रिया, और संतुलन मापों के रूप में औपचारिक बनाता है — संतुलन माप उस नुकसान के लिए देखता है जो आपका सुधार कहीं और पैदा कर सकता है (उदाहरण के लिए, पुनः प्रवेश के विरुद्ध संतुलित तेज़ डिस्चार्ज)।

हर बढ़ने वाली संख्या प्रगति नहीं है। एक वैनिटी मेट्रिक प्रभावशाली दिखता है और विश्वसनीय रूप से बढ़ता है लेकिन एक निर्णय को सूचित नहीं करता — कुल पंजीकृत उपयोगकर्ता, संचयी लॉगिन, पेज व्यू। lean startup आंदोलन ने वैनिटी और कार्रवाई योग्य मेट्रिक्स के बीच विरोधाभास को लोकप्रिय बनाया: एक कार्रवाई योग्य मेट्रिक आपके द्वारा किए गए एक परिवर्तन को व्यवहार या परिणाम में एक परिवर्तन से बांधता है जिस पर आप कार्य कर सकते हैं। संचयी गणनाएं क्लासिक संकेत हैं — वे केवल कभी बढ़ती हैं, इसलिए वे कभी संकेत नहीं दे सकतीं कि कुछ गलत है।

अंत में, मापन सुधार के लिए को मापन निर्णय के लिए से अलग करें। निर्णय पूछता है "क्या आपने इस महीने लक्ष्य मारा?" और एक जीवित प्रक्रिया को पिछली अवधि के विरुद्ध एक दो-बिंदु, लाल-या-हरे तुलना में कम कर देता है — एक तुलना जो लगभग हमेशा सांख्यिकीय रूप से अर्थहीन है क्योंकि यह शोर से संकेत नहीं बता सकती। सुधार पूछता है "क्या यह प्रक्रिया बदल रही है, और क्या हम परिवर्तन पर भरोसा कर सकते हैं?" और इसका जवाब सांख्यिकीय प्रक्रिया नियंत्रण (SPC) के साथ देता है: नियंत्रण सीमाओं के साथ एक रन चार्ट या नियंत्रण चार्ट पर समय के साथ एक मेट्रिक प्लॉट करना, ताकि आप देख सकें कि क्या भिन्नता सामान्य (सामान्य-कारण) शोर है या कार्रवाई करने लायक एक वास्तविक संकेत (विशेष-कारण)। NHS England का Making Data Count कार्यक्रम इसे पूरे NHS में परिचालन डेटा प्रस्तुत करने का अनुशंसित तरीका बना चुका है, ठीक-ठीक "पिछले महीने से ऊपर, लक्ष्य से नीचे" प्रतिवर्त को मारने के लिए जो बुरे निर्णयों को चलाता है।

सर्वोत्तम प्रथाएं#

1. परिणाम से शुरू करें, फिर संकेतक तक वापस काम करें। उस चीज़ को नाम दें जो एक रोगी, नागरिक, या चिकित्सक के लिए सत्य होनी चाहिए — कम बचने योग्य प्रवेश, तेज़ पहुंच, सुरक्षित दवा — और केवल तब पूछें कि क्या आपको बताएगा कि यह हो रहा है। यह आपको अपने सिस्टम जो लॉग करते हैं उसे मापने के डिफ़ॉल्ट जाल से बचाता है। यदि आप एक उम्मीदवार KPI को किसी भी परिणाम से नहीं जोड़ सकते जिसकी किसी को परवाह है, तो यह शायद एक वैनिटी मेट्रिक है।

2. सेट को छोटा रखें और हर KPI को एक स्वामी और एक परिभाषा दें। एक बोर्ड या सेवा को मुट्ठी भर KPIs देखने चाहिए, पचास नहीं। हर एक को एक सटीक परिभाषा (क्या गिना जाता है, क्या बाहर रखा गया है, किस अवधि में), इसके लिए जवाबदेह एक नामित स्वामी, और एक दस्तावेज़ीकृत डेटा स्रोत की आवश्यकता है। अस्पष्ट परिभाषाएं यह हैं कि कैसे दो टीमें एक महीने तक एक संख्या के बारे में बहस करती हैं जिसे वे अलग-अलग तरीके से माप रही थीं।

3. हर KPI को इस तरह संतुलित करें कि इसे अलगाव में गेम न किया जा सके। हर माप के लिए, पूछें "एक तर्कसंगत व्यक्ति वास्तविक चीज़ को सुधारे बिना इस संख्या को कैसे सुधारेगा, और कौन सा संतुलन माप उन्हें पकड़ेगा?" पहुंच को सुरक्षा के साथ, थ्रूपुट को पुनः प्रवेश के साथ, लागत को अनुभव के साथ, डिलीवरी गति को परिवर्तन-विफलता दर के साथ जोड़ें। संतुलित सेट गेमिंग को दृश्यमान बनाते हैं और इस वास्तविकता का सम्मान करते हैं कि स्वास्थ्य और देखभाल परिणाम बहुआयामी हैं।

4. गतिविधि पर परिणाम और अनुभव मापों को प्राथमिकता दें। गतिविधि गणनाएं आकर्षक हैं क्योंकि वे प्रचुर हैं और अक्सर वित्तपोषण से बंधी हैं, लेकिन वे "हम कितने व्यस्त थे?" का जवाब देती हैं, "क्या इससे मदद मिली?" का नहीं। जहां भी आप कर सकते हैं, परिणाम मापों और रोगी-रिपोर्ट किए गए अनुभव और परिणाम माप (PREMs और PROMs) को KPI सेट में ऊंचा करें, और कच्ची गतिविधि को समर्थन परत में डिमोट करें। जहां एक परिणाम धीमा या मापने में कठिन है, एक मान्य अग्रणी प्रक्रिया माप चुनें जो इसकी विश्वसनीय रूप से भविष्यवाणी करता है।

5. KPIs को दो-बिंदु तुलनाओं के बजाय SPC के साथ समय श्रृंखला के रूप में प्रस्तुत करें। Making Data Count दृष्टिकोण अपनाएं: मेट्रिक को रन-चार्ट या नियंत्रण-चार्ट शैली में प्लॉट करें ताकि सामान्य-कारण भिन्नता और विशेष-कारण संकेत एक नज़र में अलग किए जा सकें। यह टीमों को शोर पर प्रतिक्रिया देने, एक भाग्यशाली महीने का जश्न मनाने, या एक अभागे महीने के लिए दंडित होने से रोकता है। यह बोर्डरूम बातचीत को "हम क्यों चूके?" से "क्या प्रक्रिया वास्तव में बदल गई है?" में भी बदल देता है — जो सुधार प्रश्न है (विषय 10.2 — गुणवत्ता सुधार और सुधार विज्ञान देखें)।

6. असमानता को प्रकट करने के लिए जनसंख्या द्वारा KPIs को विभाजित करें। एक कुल संख्या वितरण को छुपाती है। एक "अच्छा" औसत प्रतीक्षा समय यह छुपा सकता है कि सबसे वंचित पड़ोसों से रोगी, या दुभाषिए की आवश्यकता वाले, कहीं अधिक इंतज़ार करते हैं। स्वास्थ्य समानता कर्तव्यों और NHS Core20PLUS5 जैसे फ्रेमवर्क के अनुरूप, हर समानता-प्रासंगिक KPI को वंचन, जातीयता, आयु, विकलांगता, और डिजिटल पहुंच द्वारा विभाजित करें। डिजिटल सेवाओं में, गोद लेने और पूर्णता दरों को भी विभाजित करें — एक हेडलाइन अपटेक आंकड़ा यह छुपा सकता है कि आपकी सेवा ठीक-ठीक उन्हीं लोगों को बहिष्कृत करती है जिन्हें इसकी सबसे अधिक आवश्यकता है (विषय 4.5 — डेटा, एनालिटिक्स, और जनसंख्या स्वास्थ्य प्रबंधन देखें)।

7. डेटा गुणवत्ता को एक पूर्वापेक्षा मानें, और इसे मापें। एक KPI केवल उतना ही विश्वसनीय है जितना इसके नीचे का डेटा। NHS Data Quality Maturity Index जैसे उपकरणों का उपयोग करते हुए, आपके KPIs जिन फ़ील्ड पर निर्भर करते हैं उनकी डेटा गुणवत्ता — पूर्णता, वैधता, समयबद्धता, कवरेज — को ट्रैक करें, और संख्या के साथ डेटा-गुणवत्ता चेतावनियां दिखाएं। यदि 30% रिकॉर्ड में फ़ील्ड गायब है, तो डैशबोर्ड पर ऐसा कहें; खराब डेटा पर बना एक आत्मविश्वासी दिखने वाला KPI किसी KPI न होने से बदतर है।

8. डिजिटल सेवा के लिए स्वयं डिलीवरी मेट्रिक्स का उपयोग करें, समान कठोरता के साथ चुना गया। आपके द्वारा बनाए और चलाए गए सॉफ़्टवेयर के लिए, DevOps Research and Assessment (DORA) चार कुंजियां — तैनाती आवृत्ति, परिवर्तन के लिए लीड टाइम, परिवर्तन-विफलता दर, और सेवा बहाल करने का समय — गति और स्थिरता का एक संतुलित दृश्य देती हैं। वे एक सेट के रूप में गेमिंग का विरोध करती हैं: आप चीज़ों को तोड़कर तेज़ी से शिप नहीं कर सकते, क्योंकि परिवर्तन-विफलता दर और बहाल समय इसे पकड़ लेंगे। उन्हें विश्वसनीयता और सुरक्षा KPIs के साथ पूरक करें जो क्लिनिकल रूप से मायने रखते हैं, जैसे घटना दरें और सुरक्षा-महत्वपूर्ण फ़ंक्शन की उपलब्धता (विषय 3.6 और विषय 3.8 देखें)।

9. अपनी रिपोर्टिंग को परतदार बनाएं ताकि हर दर्शक को सही ऊंचाई मिले। एक फ्रंटलाइन टीम को दानेदार, वास्तविक-समय की प्रक्रिया माप चाहिए; एक सेवा बोर्ड को SPC के साथ एक संतुलित मुट्ठी भर चाहिए; एक सिस्टम नेतृत्व को कुछ क्यूरेटेड परिणाम और समानता माप चाहिए। परतों को जानबूझकर डिज़ाइन करें ताकि शीर्ष दृश्य नीचे वालों का एक ईमानदार समुच्चय हो, एक हाथ से चुना गया चापलूसी उपसमूह नहीं। यह watermelon reporting (विषय 10.4) के विरुद्ध आपकी संरचनात्मक रक्षा है।

10. KPIs की एक अनुसूची पर समीक्षा करें और सेवानिवृत्त करें। संकेतक क्षय होते हैं: एक माप जिसने वास्तविक सुधार चलाया वह एक बार जब इसका लक्षित व्यवहार एम्बेडेड हो जाता है तो एक गेम किया गया अनुष्ठान बन सकता है, और नए जोखिम उभरते हैं जिन्हें कुछ भी नहीं देख रहा है। KPIs को एक नियमित समीक्षा पर रखें जहां आप हर एक से पूछते हैं "क्या यह अभी भी हमें कुछ ऐसा बता रहा है जिस पर हम कार्य करते हैं?" और मृत लकड़ी को सेवानिवृत्त करें। एक बासी KPI सेट तटस्थ नहीं है — यह सक्रिय रूप से ध्यान को गलत दिशा में ले जाता है।

आपकी टीम के साथ चर्चा करने के लिए प्रश्न#

1. हमारे हर हेडलाइन KPI के लिए, कोई वास्तविकता को सुधारे बिना संख्या को कैसे सुधारेगा — और क्या हमें पता चलेगा? यह Goodhart's law तनाव परीक्षण है, और इसे जानबूझकर विरोधात्मक अभ्यास के रूप में करना सबसे अच्छा है। हर KPI लें और टीम को घड़ी को रीसेट करने के लिए आधी रात से पहले डिस्चार्ज करने, एक प्रतीक्षारत रोगी को फिर से बैंड करने, समाधान समय रीसेट करने के लिए एक टिकट बंद और फिर से खोलने, ऐसे उपयोगकर्ताओं को बैच-पंजीकृत करने की कोशिश करने वाली एक खिंची हुई सेवा की भूमिका निभाने के लिए कहें जो कभी वापस नहीं आते। बिंदु सहकर्मियों के बारे में निंदकवाद नहीं है बल्कि यह पहचान है कि दबाव प्लस एक एकल-संख्या लक्ष्य पूर्वानुमेय विकृतियां उत्पन्न करता है, विशेष रूप से जब वेतन, प्रतिष्ठा, या अनुबंध जुर्माना आंकड़े पर सवार होते हैं। एक अच्छा उत्तर हर KPI के लिए विशिष्ट गेमिंग मार्ग नाम देता है और उस संतुलन माप या डेटा जांच की पहचान करता है जो इसे उजागर करेगी — और ईमानदारी से किसी भी KPI को फ्लैग करता है जहां आपके पास वर्तमान में ऐसी कोई सुरक्षा नहीं है। यदि एक मेट्रिक की इस तरह रक्षा नहीं की जा सकती, तो चर्चा को इसे जोड़ने, इसे फिर से परिभाषित करने, या इसे छोड़ने के निर्णय के साथ समाप्त होना चाहिए।

2. हमारी कौन सी संख्याएं हम सुधार के लिए रिपोर्ट कर रहे हैं, और कौन सी निर्णय के लिए — और क्या हम हर एक को एक ऐसे तरीके से प्रस्तुत कर रहे हैं जो मेल खाता है? टीमें नियमित रूप से एक सेवा को सीखने में मदद करने के लिए बनाई गई एक मेट्रिक लेती हैं और इसे, अपरिवर्तित, एक समिति को सौंप देती हैं जो किसी को जवाबदेह ठहराने के लिए इसका उपयोग करती है, या इसके विपरीत। तनाव वास्तविक है: नेताओं को आश्वासन चाहिए, और सुधार को समस्याओं को ईमानदारी से देखने के लिए सुरक्षा चाहिए, और एक ही चार्ट हमेशा बिना विकृति के दोनों की सेवा नहीं कर सकता। अपने वास्तविक बोर्ड और परिचालन पैक के माध्यम से चलें और हर मेट्रिक के सच्चे उद्देश्य को लेबल करें, फिर पूछें कि क्या प्रस्तुति फिट बैठती है — क्या आप एक दो-बिंदु लाल/हरे तुलना दिखा रहे हैं जहां एक SPC चार्ट शोर के प्रति घुटने के बल प्रतिक्रियाओं को रोकेगा? एक अच्छा, ईमानदार उत्तर यह स्वीकार करेगा कि जहां निर्णय-संस्कृति सुधार मंचों में रेंग आई है (स्टाफ को समस्याएं छुपाने के लिए बनाना) और जहां अस्पष्ट सुधार कथाओं का उपयोग वैध जवाबदेही से बचने के लिए किया जा रहा है। लक्ष्य प्रति मेट्रिक एक जागरूक विकल्प है, SPC को डिफ़ॉल्ट प्रस्तुति के रूप में, एक आकस्मिक गड़बड़ के बजाय।

3. क्या हमारे KPIs असमानता को प्रकट या छुपाते हैं, और किसका अनुभव उनसे पूरी तरह गायब है? कुल KPIs ठीक-ठीक इसलिए आरामदायक हैं क्योंकि वे हाशिए पर के लोगों को औसत में गायब कर देते हैं, और स्वास्थ्य और देखभाल में वे हाशिए वहीं हैं जहां बचने योग्य नुकसान केंद्रित है। चर्चा करें कि आपके कौन से संकेतक वंचन, जातीयता, विकलांगता, आयु, और डिजिटल पहुंच द्वारा विभाजित हैं — और कौन से अभी भी केवल एक एकल सिस्टम-व्यापी आंकड़े के रूप में रिपोर्ट किए जाते हैं जो स्वस्थ दिख सकता है जबकि एक उपसमूह को विफल किया जाता है। उन लोगों तक आगे धकेलें जो कभी आपके डेटा में बिल्कुल प्रवेश नहीं करते: रोगी जो लॉगिन से आगे नहीं जा सके, जिन्होंने डिजिटल फ़ॉर्म छोड़ दिया, जिन्हें कभी रेफ़र नहीं किया गया, जिन्होंने आपके द्वारा विभाजित जनसांख्यिकीय फ़ील्ड साझा करने से इनकार किया। एक मज़बूत उत्तर कम से कम एक KPI की पहचान करता है जहां विभाजन ने कहानी बदल दी या बदलेगा, विभाजन पर डेटा-गुणवत्ता और सहमति सीमाओं को ईमानदारी से स्वीकार करता है, और वर्तमान में अदृश्य को देखने के लिए एक विशिष्ट कदम के लिए प्रतिबद्ध होता है — यहां तक कि एक प्रॉक्सी या एक छोटा गुणात्मक अध्ययन। इससे कम एक डैशबोर्ड का जोखिम उठाता है जो तकनीकी रूप से सटीक और नैतिक रूप से अंधा है।

4. हम वास्तव में कितने KPIs देख रहे हैं, और किन्हें सेवानिवृत्त करने से हम कुछ नहीं खोएंगे? शब्द मुख्य का अर्थ केवल तभी है जब सेट छोटा हो, फिर भी संकेतक किसी के हटाने से तेज़ी से जमा होते हैं — यहां एक राष्ट्रीय रिटर्न, वहां एक संविदात्मक मेट्रिक, एक संख्या जो एक पूर्व निदेशक ने एक बार मांगी थी और तब से किसी ने छोड़ने की हिम्मत नहीं की। तनाव यह है कि हर KPI अलगाव में रक्षणीय महसूस होता है, इसलिए सेट तब तक बढ़ता है जब तक बोर्ड पैक सौ पृष्ठों के नहीं हो जाते जिन्हें कोई नहीं पढ़ता और वास्तव में महत्वपूर्ण संकेत आदत से उत्पादित ज़ॉम्बी मेट्रिक्स के बीच दबे रहते हैं। अपनी वास्तविक रिपोर्टिंग के माध्यम से चलें और ईमानदारी से संकेतकों की गिनती करें, फिर हर एक से पूछें कि क्या किसी ने पिछले साल इस पर कार्य किया और यह किस निर्णय को सूचित करता है; जो मेट्रिक्स न तो टेस्ट में जीवित रहते हैं वे मृत लकड़ी हैं जो अभी भी विश्लेषक का समय खपत करती है और ध्यान को कम करती है। एक अच्छा उत्तर एक विशिष्ट संख्या नाम देता है जिसे आप प्रति सेवा रखेंगे, कम से कम एक KPI की पहचान करता है जिसे पूरी तरह सेवानिवृत्त करना है, और एक अनुसूचित समीक्षा जगह पर रखता है ताकि सेट चुपचाप फिर से न फूले। इस प्रतिवर्त से सावधान रहें कि एक मेट्रिक को सेवानिवृत्त करना विफलता की स्वीकृति है — एक अनुशासित घटाव परिपक्वता का संकेत है, उपेक्षा का नहीं।

5. हम वास्तव में हर हेडलाइन KPI के नीचे के डेटा पर कितना भरोसा करते हैं, और क्या डैशबोर्ड ऐसा कहता है? एक ऐसे फ़ील्ड पर बनी एक आत्मविश्वासी दिखने वाली संख्या जो 30% अपूर्ण है, बिना किसी संख्या के से अधिक खतरनाक है, क्योंकि यह एक साफ़ आंकड़े के अधिकार को पहनते हुए ऐसे निर्णयों को आमंत्रित करती है जिन्हें डेटा समर्थन नहीं कर सकता। स्वास्थ्य और देखभाल में यह तीव्र है: समानता विभाजन के लिए आवश्यक जनसांख्यिकीय फ़ील्ड अक्सर विरल होते हैं, कोडिंग प्रथा साइटों के बीच भिन्न होती है, और एक कागज़ी प्रक्रिया को डिजिटाइज़ करने की क्रिया स्वयं यह बदल सकती है कि क्या और कब रिकॉर्ड किया जाता है। हर KPI के लिए चर्चा करें कि क्या आप इसकी पूर्णता, वैधता, समयबद्धता, और कवरेज जानते हैं, और क्या वे चेतावनियां संख्या के साथ बोर्ड पैक तक यात्रा करती हैं या ऊपर जाते समय चुपचाप हटा दी जाती हैं। एक मज़बूत उत्तर एक ठोस उपकरण — एक डेटा-गुणवत्ता जांच, DQMI, एक पूर्णता सीमा जिसके नीचे एक मेट्रिक को फ्लैग किया जाता है — की ओर इशारा करता है और कम से कम एक जगह दिखाता है जहां एक डेटा-गुणवत्ता चेतावनी KPI के साथ प्रदर्शित होती है बजाय छुपाई जाने के। ईमानदार संस्करण स्वीकार करता है कि आप वर्तमान में कहां एक संख्या रिपोर्ट कर रहे हैं जिसके पीछे आप पूरी तरह खड़े नहीं हो सकते, और डेटा को ठीक करने को KPI के हिस्से के रूप में मानता है, एक अलग बैकलॉग आइटम नहीं।

6. क्या हमारी रिपोर्टिंग की परतें ईमानदारी से रोल अप होती हैं, और बोर्ड तक जाने के रास्ते में लाल कहां हरे में बदल सकता है? अलग-अलग दर्शकों को वैध रूप से अलग-अलग ऊंचाइयों की आवश्यकता होती है — एक फ्रंटलाइन टीम दानेदार वास्तविक-समय की प्रक्रिया माप चाहती है, एक बोर्ड SPC के साथ एक संतुलित मुट्ठी भर चाहता है, एक सिस्टम कुछ क्यूरेटेड परिणाम चाहता है — लेकिन हर समुच्चीकरण अंतर्निहित तस्वीर के सत्य से अधिक आरामदायक किसी चीज़ में सुचारू, औसत, या हाथ से चुने जाने का एक अवसर है। यह watermelon reporting की संरचनात्मक जड़ है: वार्ड और बोर्ड के बीच जितनी अधिक परतें, उतने अधिक स्थान जहां एक वितरण को एक आश्वस्त करने वाले माध्य में समतल किया जा सकता है, या एक संघर्षरत साइट को एक मज़बूत साइट के खिलाफ समायोजित किया जा सकता है। एक KPI को इसके फ्रंटलाइन स्रोत से लेकर शीर्ष दृश्य तक ट्रेस करें और पूछें कि क्या कार्यकारी आंकड़ा एक वफादार समुच्चीकरण है या एक चापलूसी उपसमूह, और उस रोल-अप का ऑडिट कौन करता है — यदि कोई करता है। एक अच्छा उत्तर दिखाता है कि रिपोर्टिंग परतों को सहमत परिभाषाओं और स्वामियों के साथ जानबूझकर डिज़ाइन किया गया था, कम से कम एक बिंदु की पहचान करता है जहां समुच्चीकरण एक समस्या छुपा सकता है, और उस संतुलन माप या ड्रिल-डाउन को नाम देता है जो शीर्ष दृश्य को सच्चा रखता है। यहां ईमानदारी का अर्थ है यह स्वीकार करना कि रोल-अप वर्तमान में जांचे जाने के बजाय विश्वास पर लिया गया है (विषय 10.4 देखें)।

व्यवहार में: एक स्वास्थ्य और देखभाल उदाहरण#

एक integrated care system (ICS) एक डिजिटल रेफ़रल सेवा लॉन्च करता है जो GPs को कागज़ और फ़ैक्स प्रक्रिया को बदलते हुए सामुदायिक मस्कुलोस्केलेटल (MSK) फिजियोथेरेपी में सीधे रेफ़र करने देती है। कार्यक्रम बोर्ड की प्रवृत्ति दो KPIs रिपोर्ट करने की है: प्राप्त डिजिटल रेफ़रल की संख्या, और सिस्टम अपटाइम। तीन महीनों के भीतर दोनों मज़बूती से हरे हैं — हज़ारों रेफ़रल, 99.9% अपटाइम — और बोर्ड सफलता की घोषणा करने के लिए तैयार है।

क्लिनिकल निदेशक असहज है और एनालिटिक्स टीम (विषय 4.5 में पैटर्न के साथ काम करते हुए) से KPI सेट को परिणामों के आसपास फिर से बनाने के लिए कहता है। वे एक संतुलित मुट्ठी भर पर उतरते हैं: रेफ़रल से पहले संपर्क तक समय (पहुंच, एक SPC चार्ट के रूप में दिखाया गया), अपूर्ण के रूप में वापस या अस्वीकृत रेफ़रल का अनुपात (एक अग्रणी गुणवत्ता संकेत), डिस्चार्ज पर एक रोगी-रिपोर्ट किया गया परिणाम स्कोर (परिणाम), एक संक्षिप्त अनुभव माप (क्या आपको निर्णयों में शामिल महसूस हुआ?), और सेवा की रिलीज़ के लिए परिवर्तन-विफलता दर (डिलीवरी स्थिरता)। हर पहुंच और परिणाम माप वंचन डेसाइल और क्या रोगी को डिजिटल समर्थन की आवश्यकता थी इसके द्वारा विभाजित है।

पुनर्निर्मित दृश्य एक बहुत अलग कहानी बताता है। अपटाइम वास्तव में ठीक है, लेकिन वापस-रेफ़रर दर 22% है — पांच में से एक रेफ़रल उछलता है क्योंकि डिजिटल फ़ॉर्म एक मुक्त-पाठ इतिहास को अनिवार्य बनाता है, इसलिए GPs "संलग्न देखें" टाइप करके इसे गेम करते हैं और ट्राइएज टीम उन्हें अस्वीकार करती है। SPC चार्ट दिखाता है कि पहुंच समय स्थिर है लेकिन बिना किसी सुधार रुझान के लक्ष्य से काफी ऊपर बैठा है। और विभाजन प्रकट करता है कि दो सबसे वंचित डेसाइल में रोगियों के स्व-रेफ़रल मार्ग को पूरा करने की आधी संभावना है जिसकी ओर सेवा चुपचाप लोगों को धकेल रही थी, उस अंतराल को चौड़ा कर रही है जिसे कार्यक्रम ने बंद करना माना था। इनमें से कोई भी मूल दो हरी संख्याओं में दृश्यमान नहीं था। बोर्ड फ़ॉर्म को फिर से डिज़ाइन करता है, एक सहायता-प्राप्त-रेफ़रल मार्ग जोड़ता है, और संतुलित, विभाजित, SPC-आधारित KPI सेट को अपने स्थायी दृश्य के रूप में रखता है — कच्ची रेफ़रल गिनती को समर्थन मेट्रिक में डिमोट किया गया जहां यह संबंधित है।

क्षेत्र दृष्टिकोण#

स्टार्टअप#

एक डिजिटल-स्वास्थ्य स्टार्टअप कुछ कार्रवाई योग्य मेट्रिक्स से जीता या मरता है, इसलिए अनुशासन निर्दयी फोकस और ईमानदारी है। संस्थापक निवेशकों को वैनिटी मेट्रिक्स दिखाने के लिए प्रलोभित होते हैं — संचयी डाउनलोड, कुल पंजीकृत उपयोगकर्ता — क्योंकि वे केवल कभी बढ़ते हैं; इसका विरोध करें, और सक्रियण, प्रतिधारण, और, जहां आप इसे माप सकते हैं, क्लिनिकल परिणाम या एक मान्य प्रॉक्सी के साथ नेतृत्व करें। छोटी संख्याओं के साथ, SPC और विभाजन कठिन लेकिन और भी महत्वपूर्ण हैं: मुट्ठी भर खराब अनुभव आपका पूरा सुरक्षा संकेत हो सकते हैं। पहले दिन से उत्पाद को उपकरणित करें ताकि हर KPI आपके द्वारा शिप किए गए एक परिवर्तन को वास्तविक व्यवहार में एक परिवर्तन से बांधे, और पतले डेटासेट को चमकाने के बजाय क्लिनिकल और नियामक साझेदारों के साथ डेटा-गुणवत्ता सीमाओं के बारे में स्पष्ट रहें।

छोटा व्यवसाय#

एक स्थापित छोटा प्रदाता — एक GP प्रैक्टिस, एक सामुदायिक फार्मेसी, एक केयर होम, एक घरेलू-देखभाल एजेंसी, एक एकल-साइट क्लिनिक, या पूर्व-राजस्व चरण से आगे एक छोटा स्वास्थ्य-तकनीक आपूर्तिकर्ता — एक बड़े ट्रस्ट के समान मापन और समानता कर्तव्य वहन करता है लेकिन बिना किसी समर्पित विश्लेषक और थोड़े अतिरिक्त समय के। जाल उन KPIs में डूबना है जिन्हें राष्ट्रीय रिटर्न, CQC, और कमीशनर पहले से मांगते हैं जबकि कुछ भी न मापें जो आपको जगह चलाने में मदद करता है; उपाय वास्तव में कुछ मुट्ठी भर परिणाम और अनुभव मापों को चुनना है जिन पर आप वास्तव में कार्य कर सकते हैं, और नई उपकरणीकरण बनाने के बजाय आपकी मौजूदा क्लिनिकल या प्रैक्टिस-प्रबंधन प्रणाली पहले से क्या कैप्चर करती है इस पर निर्भर रहना है। SPC हाथ से या एक स्प्रेडशीट में भी इसके लायक है — कहें, साप्ताहिक समय-से-नियुक्ति का एक सरल रन चार्ट आपको एक बुरे सप्ताह के शोर का पीछा करने से रोकेगा। इस पैमाने पर भी विभाजन उतना ही मायने रखता है, लेकिन छोटी संख्याओं के साथ कुछ व्यक्तिगत रोगी एक प्रतिशत को हिला सकते हैं, इसलिए ब्रेकडाउन को एक फैसले के बजाय करीब से देखने के लिए एक संकेत के रूप में पढ़ें। कमीशनरों के साथ एक दुबले संचालन की डेटा-गुणवत्ता सीमाओं के बारे में ईमानदार रहें, और एक बड़े संगठन के पचास-मेट्रिक डैशबोर्ड को अपनाने का विरोध करें जब पांच अच्छी तरह से चुनी गई संख्याएं आपके रोगियों की बेहतर सेवा करेंगी।

बड़ा संगठन#

एक बड़ा NHS ट्रस्ट या स्वास्थ्य-तकनीक आपूर्तिकर्ता पहले से ही संकेतकों में डूबा है — राष्ट्रीय रिटर्न, संविदात्मक KPIs, बोर्ड मेट्रिक्स, परिचालन डैशबोर्ड — इसलिए चुनौती क्यूरेशन और सुसंगतता है, संग्रह नहीं। बोर्ड और परिचालन रिपोर्टिंग में SPC अपनाएं (जैसा Making Data Count इरादा रखता है) मासिक शोर-पीछा को रोकने के लिए, और स्पष्ट रिपोर्टिंग परतें बनाएं ताकि कार्यकारी दृश्य फ्रंटलाइन के एक ईमानदार रोल-अप हो। Watermelon reporting उद्यम-पैमाने का जोखिम है: वार्ड और बोर्ड के बीच जितनी अधिक परतें, ऊपर जाने के रास्ते में लाल के हरे में बदलने के लिए उतना ही आसान, इसलिए उन संतुलन मापों और डेटा-गुणवत्ता चेतावनियों में निवेश करें जो शीर्ष दृश्य को सच्चा रखते हैं। विरासत KPIs को जानबूझकर सेवानिवृत्त करें; बड़े संगठन ज़ॉम्बी मेट्रिक्स जमा करते हैं जिन पर कोई कार्य नहीं करता लेकिन सभी अभी भी उत्पादित करते हैं।

सरकार#

एक राष्ट्रीय या स्थानीय सार्वजनिक निकाय KPIs निर्धारित करता है जो एक पूरे सिस्टम में लहर करते हैं और राजनीतिक लक्ष्य बन जाते हैं, जो Goodhart's law को एक स्थानीय के बजाय एक व्यवस्थित खतरा बनाता है — एक राष्ट्रीय प्रतीक्षा-समय लक्ष्य रातों-रात हर जगह क्लिनिकल प्राथमिकताओं को फिर से आकार देता है। प्रकाशित संकेतकों को इस ज्ञान के साथ डिज़ाइन करें कि उन्हें अनुकूलित किया जाएगा, उन्हें संतुलन मापों और समानता विभाजन के साथ जोड़ें, और परिभाषाओं और डेटा गुणवत्ता के बारे में पारदर्शी रहें क्योंकि सार्वजनिक विश्वास इस पर निर्भर करता है। NHS Outcomes Framework और Core20PLUS5 जैसे फ्रेमवर्क ठीक-ठीक इसलिए मौजूद हैं कि कच्ची गतिविधि के बजाय परिणामों और असमानताओं पर राष्ट्रीय ध्यान रखा जाए। सरकार एक कर्तव्य भी वहन करती है जो अन्य नहीं करते: अपनी सेवाओं द्वारा बहिष्कृत लोगों को मापना, केवल उन लोगों को नहीं जिनकी वे सेवा करते हैं, क्योंकि बहिष्कृत शायद ही कभी प्रशासनिक डेटा में दिखाई देते हैं।

सामान्य विफलता मोड#

• गतिविधि गिनना और इसे सफलता कहना। प्राप्त रेफ़रल, लॉगिन, प्रस्तावित नियुक्तियां — व्यस्त प्रभावी के समान नहीं है। परिणामों और अनुभव को ऊंचा करें; गतिविधि को समर्थन परत में डिमोट करें।
• बिना संतुलन माप के एकल संख्या। दबाव में कोई भी अकेला KPI गेम किया जाएगा। हमेशा मापों को जोड़ें ताकि एक को दूसरे की कीमत पर सुधारना दृश्यमान हो।
• दो-बिंदु, लाल/हरे रिपोर्टिंग। "पिछले महीने से नीचे, लक्ष्य से नीचे" आपको लगभग कुछ नहीं बताता कि क्या प्रक्रिया बदली। इसके बजाय SPC रन और नियंत्रण चार्ट का उपयोग करें।
• Watermelon डैशबोर्ड। समुच्चीकरण जो अंतर्निहित लाल को सतही हरे में बदल देता है। ईमानदार रिपोर्टिंग परतें बनाएं और रोल-अप का ऑडिट करें (विषय 10.4)।
• वैनिटी मेट्रिक्स। संचयी, कभी-बढ़ती गणनाएं जो एक समस्या का संकेत नहीं दे सकतीं। एक निर्णय से बंधे कार्रवाई योग्य मेट्रिक्स को प्राथमिकता दें।
• अविभाजित समानता अंधापन। औसत जो विफल किए जा रहे लोगों को छुपाते हैं। जनसंख्या द्वारा विभाजित करें और खोजें कि कौन पूरी तरह गायब है।
• अनजांचे डेटा पर बने KPIs। खराब डेटा पर एक आत्मविश्वासी संख्या गुमराह करती है। KPI के साथ डेटा गुणवत्ता को मापें और प्रकट करें।
• ज़ॉम्बी KPIs। आदत से अभी भी उत्पादित मेट्रिक्स जिन पर कोई कार्य नहीं करता। एक अनुसूची पर समीक्षा करें और सेवानिवृत्त करें।

परिपक्वता मॉडल#

जांच-सूची#

• हर KPI एक ऐसे परिणाम तक ट्रेस करने योग्य है जो एक रोगी, नागरिक, या चिकित्सक के लिए मायने रखता है।
• प्रति सेवा KPI सेट छोटा है, और हर एक का एक स्वामी, एक लिखित परिभाषा, और एक नामित डेटा स्रोत है।
• हर KPI का कम से कम एक संतुलन माप है ताकि इसे अलगाव में गेम न किया जा सके।
• परिणाम और अनुभव माप प्राथमिकता प्राप्त हैं; कच्ची गतिविधि समर्थन परत में बैठती है।
• परिचालन KPIs को दो-बिंदु लाल/हरे तुलनाओं के बजाय SPC रन/नियंत्रण चार्ट के रूप में प्रस्तुत किया जाता है।
• समानता-प्रासंगिक KPIs वंचन, जातीयता, विकलांगता, आयु, और डिजिटल पहुंच द्वारा विभाजित हैं।
• हर KPI के पीछे फ़ील्ड के लिए डेटा गुणवत्ता ट्रैक और डैशबोर्ड पर चेतावनी दी गई है।
• डिजिटल सेवा की डिलीवरी एक संतुलित सेट (जैसे DORA चार कुंजियां प्लस सुरक्षा/विश्वसनीयता) के साथ मापी जाती है।
• रिपोर्टिंग परतें इस तरह डिज़ाइन की गई हैं कि शीर्ष दृश्य फ्रंटलाइन का एक ईमानदार रोल-अप हो।
• KPIs को एक अनुसूची पर समीक्षा की जाती है, मृत या गेम किए गए मेट्रिक्स सेवानिवृत्त किए जाते हैं।
• आपने हर KPI के लिए पूछा है, "इस संख्या से पूरी तरह कौन गायब है?"

मुख्य स्रोत#

• NHS England — Making Data Count (NHS परिचालन डेटा के लिए सांख्यिकीय प्रक्रिया नियंत्रण)
• Institute for Healthcare Improvement — Science of Improvement: परिणाम, प्रक्रिया, और संतुलन माप
• NHS England — NHS Outcomes Framework; स्वास्थ्य देखभाल असमानताओं को कम करने के लिए Core20PLUS5 दृष्टिकोण
• NHS England — Data Quality Maturity Index (DQMI)
• Robert S. Kaplan & David P. Norton — The Balanced Scorecard: Translating Strategy into Action
• Nicole Forsgren, Jez Humble & Gene Kim — Accelerate (DORA मेट्रिक्स); Google Cloud DORA State of DevOps रिपोर्ट
• Jerry Z. Muller — The Tyranny of Metrics
• Donald J. Wheeler — Understanding Variation: The Key to Managing Chaos
• GOV.UK Service Manual — सफलता मापना / अपनी सेवा का प्रदर्शन मापना
• The Health Foundation — सुधार के लिए मापन पर मार्गदर्शन

संदर्भ#

1. Performance indicator — Wikipedia — https://en.wikipedia.org/wiki/Performance_indicator
2. Goodhart's law — Wikipedia — https://en.wikipedia.org/wiki/Goodhart%27s_law
3. Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
4. Control chart — Wikipedia — https://en.wikipedia.org/wiki/Control_chart
5. Balanced scorecard — Wikipedia — https://en.wikipedia.org/wiki/Balanced_scorecard
6. Outcome measure — Wikipedia — https://en.wikipedia.org/wiki/Outcome_measure
7. Health equity — Wikipedia — https://en.wikipedia.org/wiki/Health_equity
8. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
9. DevOps Research and Assessment — Wikipedia — https://en.wikipedia.org/wiki/DevOps_Research_and_Assessment
10. Lean startup (vanity vs actionable metrics) — Wikipedia — https://en.wikipedia.org/wiki/Lean_startup
11. Making Data Count — NHS England — https://www.england.nhs.uk/publication/making-data-count/
12. Science of Improvement: Establishing Measures — Institute for Healthcare Improvement — https://www.ihi.org/resources/how-to-improve/science-improvement-establishing-measures
13. NHS Outcomes Framework — NHS England / Department of Health and Social Care — https://digital.nhs.uk/data-and-information/publications/statistical/nhs-outcomes-framework
14. Core20PLUS5 – reducing healthcare inequalities — NHS England — https://www.england.nhs.uk/about/equality/equality-hub/national-healthcare-inequalities-improvement-programme/core20plus5/
15. Data Quality Maturity Index (DQMI) — NHS England — https://digital.nhs.uk/data-and-information/data-tools-and-services/data-services/data-quality
16. The Balanced Scorecard: Translating Strategy into Action — Robert S. Kaplan & David P. Norton (Harvard Business Review Press) — https://en.wikipedia.org/wiki/Balanced_scorecard
17. Accelerate: The Science of Lean Software and DevOps — Nicole Forsgren, Jez Humble & Gene Kim (IT Revolution) — https://itrevolution.com/product/accelerate/
18. DORA / State of DevOps research — Google Cloud DORA — https://dora.dev/
19. The Tyranny of Metrics — Jerry Z. Muller (Princeton University Press) — https://press.princeton.edu/books/hardcover/9780691174952/the-tyranny-of-metrics
20. Measuring the performance of your service — GOV.UK Service Manual — https://www.gov.uk/service-manual/measuring-success
21. Understanding Variation: The Key to Managing Chaos — Donald J. Wheeler (SPC Press) — https://www.spcpress.com/book_understanding_variation.php