विषय 10.2 — गुणवत्ता सुधार और सुधार विज्ञान

गुणवत्ता सुधार फ्रंटलाइन टीमों को परिवर्तन के छोटे परीक्षणों के माध्यम से देखभाल को मापने योग्य रूप से बेहतर बनाने का एक अनुशासित, डेटा-संचालित तरीका देता है — और जब आप इसे अपने डिजिटल उपकरणों से जोड़ते हैं, तो आप डैशबोर्ड और स्वचालन को स्थिर रिपोर्टिंग के बजाय निरंतर सीखने के इंजन में बदल देते हैं।

यह स्वास्थ्य और देखभाल में क्यों महत्वपूर्ण है#

गुणवत्ता सुधार (QI) National Health Service (NHS) और वैश्विक स्वास्थ्य और देखभाल के अधिकांश हिस्से में प्रमुख सुधार अनुशासन है। यह ट्रस्टों में पढ़ाया जाता है, वार्ड-स्तर के हडल में एम्बेडेड है, और राष्ट्रीय निकायों द्वारा समर्थित है। यदि आप डिजिटल डिलीवरी का नेतृत्व करते हैं, तो आप QI के साथ-साथ काम नहीं कर रहे हैं — आप एक ऐसी प्रणाली के अंदर काम कर रहे हैं जो पहले से लक्ष्यों, मापों, और परिवर्तन के परीक्षणों में सोचती है। उस भाषा को नज़रअंदाज़ करना आपकी टीम को अलग-थलग करता है; इसे धाराप्रवाह बोलना आपके डिजिटल काम को उन चिकित्सकों, प्रबंधकों, और बोर्डों के लिए सुपाठ्य बनाता है जो पहले से इस पर भरोसा करते हैं।

गहरा कारण अधिक मायने रखता है। स्वास्थ्य और देखभाल में, काम कैसे किया जाता है इसमें भिन्नता एक कॉस्मेटिक समस्या नहीं है। अनुचित भिन्नता का अर्थ है कि कुछ रोगी अधिक इंतज़ार करते हैं, कुछ को असुरक्षित देखभाल मिलती है, और कुछ को पूरी तरह बहिष्कृत किया जाता है। सुधार विज्ञान ठीक-ठीक इसलिए मौजूद है क्योंकि अच्छे इरादे और वीरतापूर्ण प्रयास विश्वसनीय रूप से बेहतर परिणाम उत्पन्न नहीं करते — प्रणालियां करती हैं। एक डिजिटल सेवा जो एक क्लिनिकल वर्कफ़्लो से मिनट काटती है, एक सुरक्षा अंतराल को बंद करती है, या एक कदम हटाती है जो कम डिजिटल आत्मविश्वास वाले लोगों को असमान रूप से बहिष्कृत करता है वह सुधार कार्य कर रही है, चाहे आप इसे ऐसा कहें या नहीं।

QI आपको एक आम डिजिटल विफलता से भी बचाता है: एक परिवर्तन शिप करना और मान लेना कि यह काम कर गया। सुधार विज्ञान एक एकल विनम्र अंतर्दृष्टि के आसपास बनाया गया है — अधिकांश परिवर्तन सुधार नहीं हैं, और आप बिना समय के साथ मापन के नहीं बता सकते कि कौन से हैं। उस अनुशासन को अपनाना आपकी टीम को ईमानदार रखता है, आपके दावों को बोर्डों और नियामकों के लिए रक्षणीय रखता है, और आपके उपयोगकर्ताओं को सुरक्षित रखता है। यह विषय आपको दिखाता है कि QI को ठीक से कैसे चलाया जाए, यह प्रोजेक्ट डिलीवरी और अनुसंधान से कैसे अलग है, और इसे आपके पास पहले से मौजूद डिजिटल टूलिंग के साथ कैसे फ्यूज़ किया जाए।

मुख्य अवधारणाएं#

स्वास्थ्य और देखभाल में गुणवत्ता प्रबंधन एक वंश से आकर्षित होता है जो निर्माण से बेडसाइड तक चलता है। बौद्धिक जड़ W. Edwards Deming का काम है, वह सांख्यिकीविद् जिसने सिखाया कि गुणवत्ता व्यक्तियों को अधिक प्रयास करने के लिए प्रोत्साहित करने से नहीं बल्कि प्रणालियों में भिन्नता को समझने और कम करने से आती है। Deming की सोच, Walter Shewhart के साथ, PDCA / Plan-Do-Study-Act चक्र का उत्पादन करती है — पुनरावृत्तीय Plan-Do-Study-Act लूप जो आधुनिक स्वास्थ्य देखभाल QI के केंद्र में बैठता है।

अधिकांश NHS टीमें Model for Improvement के अंदर PDSA चलाती हैं, Institute for Healthcare Improvement (IHI) द्वारा लोकप्रिय बनाया गया एक फ्रेमवर्क जो चक्र को तीन प्रश्नों के साथ जोड़ता है: हम क्या हासिल करने की कोशिश कर रहे हैं? हमें कैसे पता चलेगा कि एक परिवर्तन एक सुधार है? हम क्या परिवर्तन कर सकते हैं जिसके परिणामस्वरूप सुधार होगा? पहले प्रश्न का जवाब एक लक्ष्य वक्तव्य (विशिष्ट, मापने योग्य, समय-सीमित) से दिया जाता है। तीसरे को अक्सर एक ड्राइवर आरेख के साथ मैप किया जाता है, जो आपके लक्ष्य को उन प्राथमिक और द्वितीयक ड्राइवरों से जोड़ता है जिनके बारे में आप मानते हैं कि यह इसे प्रभावित करते हैं, और फिर ठोस परिवर्तन विचारों से।

QI निरंतर सुधार प्रक्रिया दर्शन साझा करने वाले सुधार दृष्टिकोणों के एक परिवार का एक सदस्य है। दो भाई-बहन जिनसे आप लगातार मिलेंगे Lean हैं, Toyota Production System से व्युत्पन्न और कचरे को हटाने और प्रवाह में सुधार पर केंद्रित, और Six Sigma, जो दोष और भिन्नता को कम करने के लिए सांख्यिकीय विधियों का उपयोग करता है। स्वास्थ्य देखभाल में इन्हें अक्सर "Lean Six Sigma" के रूप में मिश्रित किया जाता है।

सुधार के लिए मापन स्नैपशॉट के बजाय समय के साथ डेटा देखने पर निर्भर करता है। दो मुख्य उपकरण रन चार्ट हैं — एक माध्य के विरुद्ध समय अनुक्रम में प्लॉट किया गया अवलोकित डेटा — और नियंत्रण चार्ट, सांख्यिकीय रूप से व्युत्पन्न सीमाओं वाला एक रन चार्ट, जो सांख्यिकीय प्रक्रिया नियंत्रण (SPC) को आधार देता है। SPC आपको सामान्य-कारण भिन्नता (एक स्थिर प्रणाली का सामान्य शोर) को विशेष-कारण भिन्नता (एक संकेत कि कुछ वास्तव में बदल गया है) से अलग करने देता है। NHS में इसे "Making Data Count" दृष्टिकोण के रूप में पढ़ाया जाता है।

इनमें से कुछ भी मनोवैज्ञानिक सुरक्षा के बिना काम नहीं करता: यह साझा विश्वास कि लोग समस्याएं उठा सकते हैं, स्वीकार कर सकते हैं कि एक परीक्षण विफल हुआ, और बिना दंडित हुए यथास्थिति को चुनौती दे सकते हैं। सुधार असंभव है जहां स्टाफ दोष छुपाता है, और यह इस विषय में बाकी सब कुछ के लिए पूर्वापेक्षा है।

सर्वोत्तम प्रथाएं#

1. एक समाधान से नहीं, एक लक्ष्य वक्तव्य से शुरू करें। कुछ भी डिज़ाइन करने से पहले, लिखें कि आप क्या हासिल करने की कोशिश कर रहे हैं, किसके लिए, कितनी मात्रा में, और कब तक — उदाहरण के लिए, "मार्च तक रेफ़रल से पहली डिजिटल ट्राइएज तक औसत समय को 9 दिनों से घटाकर 3 दिन करें।" एक संख्यात्मक, समय-सीमित लक्ष्य स्पष्टता को मजबूर करता है और आपको मापने के लिए कुछ देता है। टीमें जो इस कदम को छोड़ देती हैं वे परिणामों के बजाय फ़ीचरों पर बहस करने में समाप्त होती हैं, और कभी नहीं बता सकतीं कि क्या वे सफल हुईं। यह विषय 10.0 — उद्देश्य और मुख्य परिणाम (OKRs) से सीधे जुड़ता है, लेकिन ध्यान दें कि एक QI लक्ष्य एक विशिष्ट उद्देश्य की तुलना में संकीर्ण और अधिक परीक्षण योग्य है।

2. अपनी परिवर्तन की सिद्धांत को उजागर करने के लिए एक ड्राइवर आरेख का उपयोग करें। अपने लक्ष्य को उन प्राथमिक ड्राइवरों से मैप करें जो इसे सबसे अधिक प्रभावित करते हैं, फिर द्वितीयक ड्राइवरों से, फिर विशिष्ट परिवर्तन विचारों से। यह आपकी धारणाओं को दृश्यमान और बहस योग्य बनाता है, और यह टीमों को एक एकल हस्तक्षेप पर सब कुछ दांव पर लगाने से रोकता है। यह आपको परीक्षणों को अनुक्रमित करने में भी मदद करता है: आप पहले सबसे उच्च-लीवरेज ड्राइवर पर हमला कर सकते हैं। आरेख को दीवार पर रखें (भौतिक या वर्चुअल) और जैसे-जैसे आप सीखते हैं इसे संशोधित करें — यह एक जीवित परिकल्पना है, एक बार का कलाकृति नहीं।

3. बड़े-धमाके लॉन्च के बजाय छोटे, तेज़ PDSA चक्र चलाएं। स्केल करने से पहले एक क्लिनिक, एक वार्ड, या एक समूह पर एक परिवर्तन का परीक्षण करें। भविष्यवाणी करें कि क्या होगा, परीक्षण चलाएं, अपनी भविष्यवाणी के विरुद्ध डेटा का अध्ययन करें, और अपनाने, अनुकूलित करने, या छोड़ने का निर्णय लें। छोटे परीक्षण जोखिम को कम करते हैं, समस्याओं को जल्दी सतह पर लाते हैं, और फैलाने के लिए आवश्यक साक्ष्य और आत्मविश्वास बनाते हैं। यह एक निश्चित-दायरे की प्रोजेक्ट योजना से मौलिक रूप से एक अलग लय है, और यह वहां है जहां डिजिटल टीमों को अक्सर आदतें अनलर्न करने की आवश्यकता होती है।

4. पहले-और-बाद के स्नैपशॉट के बजाय रन चार्ट और SPC के साथ समय के साथ मापें। संख्याओं की एक एकल जोड़ी आपको यह नहीं बता सकती कि क्या एक परिवर्तन ने एक सुधार का कारण बना या क्या आपने यादृच्छिक भिन्नता पकड़ी। अपने माप को एक रन चार्ट या नियंत्रण चार्ट के रूप में प्लॉट करें ताकि आप रुझान, बदलाव, और विशेष-कारण संकेत देख सकें। NHS "Making Data Count" परंपराओं को अपनाएं ताकि आपके चार्ट सुसंगत हों और दूसरों के लिए पठनीय हों। यह अनुशासन आपको शोर के लिए श्रेय का दावा करने से भी बचाता है, जो बोर्डों और नियामकों के साथ विश्वास को कम करता है।

5. अपने मापों को संतुलित करें। हर सुधार में कुछ और बदतर बनाने की क्षमता होती है। अपने परिणाम माप के साथ-साथ, प्रक्रिया माप (क्या परिवर्तन वास्तव में हो रहा है?) और संतुलन माप (क्या एक दुष्प्रभाव के रूप में कुछ बिगड़ रहा है — सुरक्षा, स्टाफ कार्यभार, पहुंच की समानता?) को ट्रैक करें। एक डिजिटल ट्राइएज उपकरण जो थ्रूपुट को तेज़ करता है लेकिन चुपचाप स्मार्टफोन के बिना लोगों को बहिष्कृत करता है उसने देखभाल में सुधार नहीं किया है। संतुलन माप इस प्रकार के नुकसान के लिए आपकी शुरुआती-चेतावनी प्रणाली हैं।

6. फ्रंटलाइन टीमों को सुधार के लिए वास्तविक अनुमति और क्षमता दें। सुधार जो टॉप-डाउन अनिवार्य है और एक केंद्रीय टीम द्वारा निष्पादित किया जाता है वह शायद ही कभी टिकता है। QI प्रशिक्षण, कोचिंग, और संरक्षित समय में निवेश करें ताकि काम करने वाले लोग अपने खुद के परीक्षण चला सकें। वह बुनियादी ढांचा बनाएं — एक QI संकाय, एक मापन फ़ंक्शन, सुलभ डेटा — जिसे IHI और परिपक्व NHS ट्रस्ट एक ट्रस्ट-व्यापी कार्यक्रम की रीढ़ के रूप में वर्णित करते हैं। आपकी डिजिटल टीम का काम अक्सर उस डेटा और टूलिंग घर्षण को हटाना है जो फ्रंटलाइन सुधार को रोकता है।

7. शुरुआत से फैलाव और स्थिरता के लिए डिज़ाइन करें। एक वार्ड पर एक बार का लाभ जो छह महीनों में वाष्पित हो जाता है वह एक आम और हतोत्साहित करने वाला परिणाम है। योजना बनाएं कि एक सफल परिवर्तन को कैसे मानकीकृत, वर्कफ़्लो में एम्बेड, और निगरानी की जाएगी ताकि यह टिके — और यह बिना केवल कॉपी-पेस्ट किए तुलनीय सेटिंग में कैसे फैलेगा। डिजिटल उपकरण यहां भारी मदद करते हैं: स्वचालन और डिफ़ॉल्ट एक बेहतर प्रक्रिया को एक लैमिनेटेड पोस्टर की तुलना में कहीं अधिक विश्वसनीय रूप से लॉक कर सकते हैं। यह वह जगह है जहां QI विषय 8.1 — परिवर्तन प्रबंधन से मिलता है।

8. QI को अपने डिजिटल डेटा और डैशबोर्ड के साथ फ्यूज़ करें। सुधार विज्ञान समयबद्ध डेटा के बिना भूखा है, और अधिकांश NHS QI ऐतिहासिक रूप से हाथ से गिने गए नमूनों पर चलता था। यदि आपकी टीम मौजूदा प्रणालियों से लगभग-वास्तविक-समय के रन चार्ट और SPC चार्ट सतह पर ला सकती है, तो आप सीखने के लूप को नाटकीय रूप से छोटा कर देते हैं। डैशबोर्ड, स्वचालित डेटा पाइपलाइन, और स्व-सेवा एनालिटिक्स को सुधार बुनियादी ढांचे के रूप में मानें, केवल रिपोर्टिंग नहीं। यह सबसे स्पष्ट, उच्चतम-मूल्य योगदान है जो एक डिजिटल फ़ंक्शन क्लिनिकल गुणवत्ता में कर सकता है।

आपकी टीम के साथ चर्चा करने के लिए प्रश्न#

1. क्या हम गुणवत्ता सुधार, प्रोजेक्ट डिलीवरी, या अनुसंधान चला रहे हैं — और क्या हम अंतर जानते हैं? ये तीन मोड नियमित रूप से भ्रमित होते हैं, और भ्रम महंगा है। प्रोजेक्ट डिलीवरी का लक्ष्य समय और बजट पर एक परिभाषित दायरा देना है; अनुसंधान का लक्ष्य कठोर नियंत्रणों और नैतिकता अनुमोदन के साथ सामान्यीकरण योग्य ज्ञान उत्पन्न करना है; QI का लक्ष्य परिवर्तन के पुनरावृत्तीय छोटे परीक्षणों के माध्यम से एक स्थानीय प्रणाली को बेहतर बनाना है। सुधार के लिए मापन जानबूझकर अनुसंधान के लिए मापन से हल्का है — आप अगले चक्र का मार्गदर्शन करने के लिए बस पर्याप्त डेटा चाहते हैं, एक प्रकाशन योग्य अध्ययन नहीं। एक QI परीक्षण पर अनुसंधान-स्तर की कठोरता लागू करना टीम को पंगु बना देता है; कुछ ऐसा जो वास्तव में अनुसंधान है उस पर QI अनौपचारिकता लागू करना नैतिक और सुरक्षा विफलताओं का जोखिम उठाता है। इस बारे में बात करें कि आपकी वर्तमान प्रत्येक पहल वास्तव में कहां बैठती है, और क्या आपके पास प्रत्येक के लिए सही प्रशासन है। इसे गलत करना एक आम कारण है कि डिजिटल सुधार कार्य रुक जाता है या अनुचित जांच खींचता है।

2. हमें कैसे पता चलेगा कि एक परिवर्तन एक सुधार है, न कि केवल शोर या इच्छाधारी सोच? यह Model for Improvement का दूसरा प्रश्न है, और यह वहां है जहां अधिकांश टीमें सबसे कमज़ोर हैं। अभी तय करें कि आपके परिणाम, प्रक्रिया, और संतुलन माप क्या हैं, आप उन्हें कितनी बार एकत्रित करेंगे, और आप उन्हें समय के साथ कैसे प्रदर्शित करेंगे। लॉन्च करने से पहले रन चार्ट या SPC के लिए प्रतिबद्ध हों, ताकि आप बाद में एक अनुकूल पहले-और-बाद की तुलना को चेरी-पिक करने के लिए प्रलोभित न हों। चर्चा करें कि हर माप के लिए एक "विशेष-कारण संकेत" कैसा दिखेगा, और इसे कहने का अधिकार किसके पास है। असुविधाजनक परिणाम के बारे में ईमानदार रहें: आपको यह देखने के इच्छुक होना चाहिए कि जिस परिवर्तन में आपने निवेश किया वह काम नहीं किया। इसे विषय 1.3 — साक्ष्य-संचालित निर्णय से जोड़ें, क्योंकि वही बौद्धिक ईमानदारी दोनों को आधार देती है।

3. क्या हमारी फ्रंटलाइन टीमों के पास वास्तव में सुधार करने की अनुमति, समय, और डेटा है — या केवल देने का दबाव? सुधार क्षमता एक नारा नहीं है; इसे संरक्षित समय, कोचिंग, मनोवैज्ञानिक सुरक्षा, और सुलभ डेटा की आवश्यकता है। स्पष्ट रूप से पूछें कि क्या स्टाफ यह रिपोर्ट करने में सुरक्षित महसूस करता है कि एक परीक्षण विफल हुआ, या क्या वे दोष की अपेक्षा करते हैं। पूछें कि क्या उन्हें आवश्यक डेटा महीनों के बजाय दिनों और हफ्तों में आता है, और क्या आपकी डिजिटल प्रणालियां मदद करती हैं या बाधा डालती हैं। विचार करें कि क्या आपके संगठन के पास वास्तविक QI बुनियादी ढांचा है — एक संकाय, एक विधि, एक मापन फ़ंक्शन — या क्या सुधार कुछ उत्साही लोगों पर निर्भर करता है। चर्चा करें कि आपकी डिजिटल टीम फ्रंटलाइन के मार्ग से क्या हटा सकती है: मैनुअल डेटा संग्रह, भंगुर स्प्रेडशीट, विलंबित रिपोर्ट। उत्तर आमतौर पर आपकी तकनीक की तुलना में आपकी संस्कृति के बारे में अधिक प्रकट करता है, और यह सीधे आकार देता है कि विषय 10.4 — CEO और वरिष्ठ नेताओं के लिए दृश्यता को बोर्ड में क्या सतह पर लाना चाहिए।

4. जब एक परिवर्तन काम करता है, तो हम इसे कैसे टिकाएंगे और फैलाएंगे — और हमें कैसे पता चलेगा कि यह चुपचाप वापस नहीं गया है? सबसे हतोत्साहित करने वाला QI परिणाम एक वास्तविक स्थानीय लाभ है जो ध्यान हटने के बाद महीनों के भीतर फीका पड़ जाता है, और दूसरा सबसे हतोत्साहित करने वाला एक सफलता है जो कभी उस वार्ड से आगे नहीं फैलती जिसने इसकी अग्रणी की। ठोस रूप से चर्चा करें कि एक सिद्ध परिवर्तन को कैसे मानकीकृत और एम्बेड किया जाएगा — आदर्श रूप से टूलिंग में ही, डिफ़ॉल्ट और स्वचालन के माध्यम से, एक लैमिनेटेड पोस्टर या व्यक्तिगत सद्भावना के बजाय जो क्षय होती है। तय करें कि सुधार प्रोजेक्ट बंद होने के बाद माप का स्वामी कौन है, और क्या आपका रन चार्ट या SPC चार्ट चलता रहेगा ताकि एक प्रत्यावर्तन एक साल बाद एक आश्चर्य के बजाय एक विशेष-कारण संकेत के रूप में दिखे। फैलाव के बारे में एक जानबूझकर अनुकूलन कार्य के रूप में बात करें, कॉपी-पेस्ट नहीं: जो एक क्लिनिक में काम किया उसे अलग स्टाफ, रोगियों, और प्रणालियों वाली सेटिंग में केवल रोल आउट नहीं बल्कि पुनः-परीक्षित किया जाना चाहिए। इस बारे में ईमानदार रहें कि क्या आपका संगठन वास्तव में स्थिरता और फैलाव को संसाधित करता है, या "बंद" को "पूर्ण" मानता है। यह वह जगह है जहां QI विषय 8.1 — परिवर्तन प्रबंधन से मिलता है, और जहां डिजिटल डिफ़ॉल्ट आपका सबसे मज़बूत लीवर हैं।

5. क्या हमारे सुधार असमानता को संकीर्ण या चौड़ा कर रहे हैं — और क्या हमारे संतुलन माप वास्तव में इसे पकड़ेंगे? डिजिटल सुधार विशेष रूप से औसत उठाने की प्रवृत्ति रखते हैं जबकि कुछ समूहों को पीछे छोड़ते हैं, क्योंकि वे लोग जिनकी सेवा एक नया ऑनलाइन मार्ग सबसे कम अच्छी तरह करता है वे अक्सर कुल डेटा में सबसे कम दृश्यमान होते हैं। अभी तय करें कि क्या आप अपने मापों को उन आयामों द्वारा विभाजित करेंगे जो मायने रखते हैं — आयु, वंचन, भाषा, डिजिटल आत्मविश्वास, विकलांगता — बजाय एक एकल हेडलाइन संख्या रिपोर्ट करने के जो नुकसान छुपा सकती है। चर्चा करें कि इस विशिष्ट परिवर्तन के लिए एक समानता संतुलन माप कैसा दिखता है, और जब यह गलत दिशा में हिलता है तो कार्य करने के लिए कौन जवाबदेह है। व्यापार-बंद के बारे में स्पष्ट रहें: एक स्व-रेफ़रल फ़ॉर्म के साथ-साथ एक फ़ोन मार्ग बनाए रखना पैसा और स्टाफ खर्च करता है, और डिजिटल अपटेक चढ़ने के बाद "पुराने" चैनल को डिकमीशन करने का दबाव ठीक-ठीक वह है जिससे बहिष्करण रेंगता है। एक ईमानदार उत्तर इस परिवर्तन के लिए सबसे अधिक जोखिम वाले समूहों को नाम देता है, बताता है कि आप जल्दी नुकसान का पता कैसे लगाएंगे, और तब तक गैर-डिजिटल मार्ग को खुला रखने के लिए प्रतिबद्ध होता है जब तक डेटा नहीं कहता कि बदलना सुरक्षित है। यह इस पुस्तक में अन्यत्र चर्चा किए गए समानता कर्तव्यों और एक सार्वजनिक सेवा के रूप में आपके दायित्वों से सीधे जुड़ता है।

6. यहां सुधार में हमारे डिजिटल फ़ंक्शन का विशिष्ट, उच्चतम-मूल्य योगदान क्या है — और हम कहां अति-निर्माण कर रहे हैं? एक डिजिटल टीम के लिए हर गुणवत्ता समस्या का जवाब नए सॉफ़्टवेयर के साथ देना लुभावना है, लेकिन सबसे बड़ा योगदान अक्सर मापन का औद्योगीकरण करना है: हाथ से गिने गए नमूनों को लाइव प्रणालियों से खींचे गए विश्वसनीय, लगभग-वास्तविक-समय के रन चार्ट और SPC चार्ट में बदलना, ताकि सीखने का लूप महीनों से घटकर दिनों तक हो जाए। चर्चा करें कि स्वचालित मापन और समझदार डिफ़ॉल्ट वास्तव में सुधार को कहां लॉक करते हैं, बनाम आप कहां एक समस्या को गोल्ड-प्लेट कर रहे हैं जिसे एक सरल प्रक्रिया परिवर्तन पहले से हल कर चुका है। इस बात से सावधान रहें कि ड्राइवर आरेख ने यह दिखाने से पहले कि उपकरण वास्तव में अड़चन है, एक उपकरण — इस विषय के उदाहरण में ऑनलाइन फ़ॉर्म — को फिर से बनाने से पहले। पूछें कि क्या आपका प्रयास फ्रंटलाइन के सुधार कार्य से घर्षण हटा रहा है या एक चमकदार कलाकृति जोड़ रहा है जिसे किसी ने नहीं मांगा। ईमानदार उत्तर उन एक या दो कदमों को अलग करता है जो मापने योग्य रूप से सीखने को तेज़ करते हैं उन फ़ीचरों से जो केवल प्रगति की तरह दिखते हैं, और यह आपकी टीम की दुर्लभ क्षमता को सबसे उच्च-लीवरेज ड्राइवर की ओर इंगित रखता है।

व्यवहार में: एक स्वास्थ्य और देखभाल उदाहरण#

एक integrated care board (ICB) अपनी सामुदायिक फिजियोथेरेपी सेवा के बारे में चिंतित है। प्राथमिक देखभाल से रेफ़र किए गए रोगी पहले संपर्क के लिए औसत 21 दिन इंतज़ार करते हैं, शिकायतें बढ़ रही हैं, और एक नए ऑनलाइन स्व-रेफ़रल फ़ॉर्म ने स्पष्ट रूप से मदद नहीं की है। डिजिटल टीम की प्रवृत्ति फ़ॉर्म को फिर से बनाने की है। इसके बजाय, सेवा के क्लिनिकल नेता और डिजिटल उत्पाद प्रबंधक इसे एक गुणवत्ता सुधार प्रोजेक्ट के रूप में चलाने का निर्णय लेते हैं।

वे एक लक्ष्य वक्तव्य लिखते हैं: रेफ़रल से पहले सार्थक संपर्क तक औसत समय को चार महीनों के भीतर 21 दिनों से घटाकर 7 दिन करें, बिना अनुपस्थिति दर बढ़ाए या उन रोगियों के लिए पहुंच कम किए जो ऑनलाइन उपकरणों का उपयोग नहीं कर सकते। वे एक ड्राइवर आरेख बनाते हैं। प्राथमिक ड्राइवर रेफ़रल गुणवत्ता, ट्राइएज गति, और नियुक्ति उपलब्धता निकलते हैं — फ़ॉर्म ही नहीं, जैसा पहले माना गया था। सबसे बड़ी अड़चन ट्राइएज है: रेफ़रल एक साझा इनबॉक्स में एक चिकित्सक द्वारा समीक्षा किए जाने से पहले दिनों तक बैठते हैं।

वे छोटे शुरू करते हैं। एक PDSA चक्र में, एक एकल फिजियोथेरेपिस्ट एक GP प्रैक्टिस के रेफ़रल के लिए उसी-दिन ट्राइएज का परीक्षण करता है, एक सरल डिजिटल वर्कलिस्ट का उपयोग करते हुए जिसे टीम मौजूदा डेटा से एक हफ्ते में खड़ा करती है। वे भविष्यवाणी करते हैं कि ट्राइएज समय एक दिन से कम हो जाएगा; अध्ययन चरण इसकी पुष्टि करता है, और एक आश्चर्य प्रकट करता है — एक तिहाई रेफ़रल में सुरक्षित रूप से ट्राइएज करने के लिए आवश्यक जानकारी की कमी है, फिर से काम को मजबूर करते हुए। अगला चक्र एक संरचित रेफ़रल टेम्पलेट का परीक्षण करता है। पूरे समय, डिजिटल टीम "Making Data Count" परंपराओं का पालन करते हुए दैनिक ट्राइएज समय का एक रन चार्ट और औसत प्रतीक्षा का एक SPC चार्ट सतह पर लाती है, ताकि पूरी सेवा मासिक रिपोर्ट की प्रतीक्षा करने के बजाय लगभग-वास्तविक समय में प्रगति देख सके।

महत्वपूर्ण रूप से, वे एक संतुलन माप ट्रैक करते हैं: फ़ोन से आने वाले रेफ़रल का अनुपात बनाम ऑनलाइन फ़ॉर्म, रोगी आयु और वंचन द्वारा विभाजित। जब ऑनलाइन स्व-रेफ़रल चढ़ता है, तो वे नोटिस करते हैं कि यह सबसे वंचित पड़ोसों में बड़े रोगियों तक नहीं पहुंच रहा है, इसलिए वे फ़ोन मार्ग को पूरी तरह स्टाफ रखते हैं। चौथे महीने तक औसत प्रतीक्षा छह दिनों पर स्थिर बैठती है — नियंत्रण चार्ट पर एक वास्तविक बदलाव, एक भाग्यशाली महीना नहीं — और सुधार टिकता है क्योंकि संरचित टेम्पलेट और ट्राइएज वर्कलिस्ट अब डिफ़ॉल्ट वर्कफ़्लो हैं, सद्भावना पर निर्भर होने के बजाय टूलिंग में एम्बेडेड।

क्षेत्र दृष्टिकोण#

स्टार्टअप#

एक स्वास्थ्य-तकनीक स्टार्टअप के पास शायद ही कभी एक औपचारिक QI कार्यक्रम है, और इसकी आवश्यकता नहीं है — लेकिन मूल अनुशासन सीधे लागू है और अक्सर उपेक्षित है। Model for Improvement स्वाभाविक रूप से उत्पाद प्रयोग पर मैप करता है: एक लक्ष्य वक्तव्य एक परिकल्पना है, एक PDSA चक्र एक बिल्ड-मेजर-लर्न लूप है, और संतुलन माप क्लिनिकल सुरक्षा या समानता को चुपचाप नुकसान पहुंचाते हुए एक मेट्रिक का अनुकूलन करने की क्लासिक स्टार्टअप विफलता से रक्षा करते हैं। मुख्य जोखिम समय के साथ मापन के बिना गति है — तेज़ी से शिप करना और एक एकल सप्ताह की वृद्धि पर जीत की घोषणा करना। जल्दी रन-चार्ट सोच अपनाएं; यह सस्ता है और यह आपके परिणाम दावों को उन NHS खरीदारों और क्लिनिकल साझेदारों के लिए विश्वसनीय बनाता है जिनकी आपको अंततः आवश्यकता होगी। अपनी छोटी टीम के अंदर मनोवैज्ञानिक सुरक्षा को एक प्रतिस्पर्धी संपत्ति के रूप में मानें: विफल परीक्षणों की ईमानदार रिपोर्टिंग यह है कि आप पैमाने पर गलत चीज़ बनाने से कैसे बचते हैं।

छोटा व्यवसाय#

एक स्थापित छोटा प्रदाता — एक GP प्रैक्टिस, एक सामुदायिक फार्मेसी, एक केयर होम, एक घरेलू-देखभाल प्रदाता, या एक एकल-साइट क्लिनिक — के पास वास्तविक रोगी और चालू संचालन हैं लेकिन शायद ही कभी कोई समर्पित QI या एनालिटिक्स क्षमता, और नकद तंग है। अच्छी खबर यह है कि Model for Improvement ईमानदारी से नीचे स्केल करता है: एक प्रैक्टिस मैनेजर और एक चिकित्सक एक लक्ष्य वक्तव्य लिख सकते हैं, एक छोटा PDSA चक्र चला सकते हैं, और कुछ भी खरीदे बिना एक व्हाइटबोर्ड या स्प्रेडशीट पर एक सरल रन चार्ट रख सकते हैं। रक्षा करने के लिए अनुशासन समय के साथ मापन है — पिछले सप्ताह की संख्याओं पर एक परिवर्तन का न्याय करने के आग्रह का विरोध करें, और दो या तीन माप (एक संतुलन माप सहित जैसे उन रोगियों के लिए पहुंच जो ऑनलाइन उपकरणों का उपयोग नहीं कर सकते) चुनें जिन्हें आप वास्तव में कार्य दिवस के भीतर एकत्रित कर सकते हैं। नए डैशबोर्ड बनाने के बजाय जिन्हें आप बनाए नहीं रख सकते, अपनी मौजूदा क्लिनिकल प्रणाली पहले से जो रिकॉर्ड करती है उस पर निर्भर रहें, और जहां "Making Data Count" जैसा एक राष्ट्रीय दृष्टिकोण मुफ्त परंपराएं और टेम्पलेट प्रदान करता है, उन्हें फिर से आविष्कार करने के बजाय अपनाएं। आपकी बाधा महत्वाकांक्षा नहीं बल्कि समय है, इसलिए परीक्षणों को वास्तव में छोटा रखें और एक सिद्ध परिवर्तन को स्थायी वर्कफ़्लो बनने दें ताकि यह चालू प्रयास के बिना टिके।

बड़ा संगठन#

एक बड़े प्रदाता या आपूर्तिकर्ता के पास आमतौर पर एक स्थापित QI बुनियादी ढांचा है — एक संकाय, प्रशिक्षित कोच, एक सुधार विधि, और एक मापन फ़ंक्शन — कभी-कभी सैकड़ों साथ-साथ प्रोजेक्ट तक चलता है। उद्यम जोखिम स्टार्टअप के विपरीत है: नौकरशाही QI जो एक अनुपालन अनुष्ठान बन जाता है, ड्राइवर आरेख जो परिवर्तन के वास्तविक परीक्षणों के बजाय प्रशासन के लिए उत्पादित होते हैं। आपके डिजिटल फ़ंक्शन का उच्चतम-मूल्य कदम सुधार के लिए मापन का औद्योगीकरण करना है — स्वचालित, विश्वसनीय, लाइव प्रणालियों से खींचे गए लगभग-वास्तविक-समय के SPC चार्ट — ताकि सुधार टीमें हाथ से गिनना बंद करें और तेज़ी से सीखना शुरू करें। इस उद्यम आदत के खिलाफ रक्षा करें कि एक बड़े परिवर्तन कार्यक्रम को सुधार के साथ भ्रमित करना; दोनों को अलग प्रशासन की आवश्यकता है, जैसा विषय 5.2 — कार्यक्रम-नेतृत्व वाला काम स्पष्ट करता है। स्थिरता और फैलाव पैमाने पर आपकी सबसे कठिन समस्याएं हैं, इसलिए यह मानने के बजाय कि अच्छे स्थानीय परिणाम अपने आप फैलते हैं, उनमें जानबूझकर निवेश करें।

सरकार#

राष्ट्रीय और क्षेत्रीय निकाय — NHS England, ICBs, आर्म्स-लेंथ निकाय — खुद परीक्षण चलाने के बजाय विधि, जनादेश, और बुनियादी ढांचे के माध्यम से QI को आकार देते हैं। "Making Data Count" कार्यक्रम एक अच्छा मॉडल है: SPC के लिए एक राष्ट्रीय रूप से प्रचारित, सुसंगत दृष्टिकोण जो हर जगह सुधार बातचीत की गुणवत्ता को बढ़ाता है। इस स्तर पर जोखिम प्रदर्शन प्रबंधन को सुधार के साथ भ्रमित करना है — लक्ष्य थोपना और दो-बिंदु तुलनाओं द्वारा संगठनों को रैंक करना, जिसके खिलाफ SPC सोच विशेष रूप से चेतावनी देती है क्योंकि यह शोर को संकेत समझने की गलती करता है। सरकार का सबसे अच्छा योगदान क्षमता और साझा विधि को व्यापक रूप से बनाना, सुधार करने की फ्रंटलाइन अनुमति की रक्षा करना, और हर माप को एक निर्णय में बदलने के प्रलोभन का विरोध करना है। जब आप राष्ट्रीय डिजिटल मानक निर्धारित करते हैं, तो मापन-के-लिए-सुधार परंपराओं को एम्बेड करें ताकि केवल आश्वासन नहीं बल्कि सुधार डिफ़ॉल्ट मुद्रा बन जाए।

सामान्य विफलता मोड#

• एक लक्ष्य से पहले समाधान करना। एक विशिष्ट, मापने योग्य लक्ष्य के बिना "चलो एक नया ऐप बनाते हैं" पर कूदना, ताकि सफलता को कभी नहीं आंका जा सके और प्रयास उन फ़ीचरों में बिखर जाए जिन्हें किसी ने मान्य नहीं किया।
• पहले-और-बाद का थिएटर। दो डेटा बिंदुओं से सुधार का दावा करना जब एक रन चार्ट सामान्य भिन्नता प्रकट करेगा। यह सबसे आम तरीका है जिससे टीमें खुद को और अपने बोर्डों को धोखा देती हैं।
• कोई संतुलन माप नहीं। थ्रूपुट में सुधार करते हुए चुपचाप सुरक्षा, स्टाफ कार्यभार, या पहुंच की समानता को बिगाड़ना — डिजिटल उपकरणों के लिए एक विशेष खतरा जो कम डिजिटल आत्मविश्वास वाले लोगों को बहिष्कृत करते हैं।
• प्रोजेक्ट प्रबंधन के रूप में सजा हुआ QI। एक निश्चित-दायरे, बड़ी-धमाका योजना चलाना और इसे QI कहना, बिना परिवर्तन के वास्तविक परीक्षणों, बिना PDSA, और अनुकूलित या छोड़ने की कोई इच्छा नहीं।
• सुधार को अनुसंधान या प्रदर्शन प्रबंधन के साथ भ्रमित करना। अनुसंधान-स्तर की कठोरता लागू करना जो तेज़ सीखने को पंगु बना देता है, या सुधार डेटा को एक लीग तालिका के रूप में हथियार बनाना जो मनोवैज्ञानिक सुरक्षा को नष्ट करता है।
• एक-बार के लाभ जो वाष्पित हो जाते हैं। इसे मानकीकृत, एम्बेड, टिकाए रखने, या फैलाने की कोई योजना के बिना एक स्थानीय सफलता का जश्न मनाना, ताकि सिस्टम महीनों के भीतर चुपचाप वापस चला जाए।
• फ्रंटलाइन अनुमति के बिना केंद्रीय नियंत्रण। स्टाफ को अपने खुद के परीक्षण चलाने के लिए समय, सुरक्षा, और डेटा से इनकार करते हुए ऊपर से सुधार अनिवार्य करना, उथले अनुपालन की गारंटी देते हुए।
• डेटा भूखमरी। मैनुअल, विलंबित, अविश्वसनीय डेटा पर QI चलाना जब आपकी डिजिटल प्रणालियां समयबद्ध SPC चार्ट सतह पर ला सकती हैं, सीखने के लूप को इसकी आवश्यकता से कहीं अधिक धीमा रखते हुए।

परिपक्वता मॉडल#

जांच-सूची#

• हमने इस सुधार के लिए एक विशिष्ट, मापने योग्य, समय-सीमित लक्ष्य वक्तव्य लिखा है।
• हमारे पास एक ड्राइवर आरेख है जो हमारी परिवर्तन की सिद्धांत को स्पष्ट और संशोधन योग्य बनाता है।
• हमने एक समानता संतुलन माप सहित परिणाम, प्रक्रिया, और संतुलन माप परिभाषित किए हैं।
• हम "Making Data Count" का पालन करते हुए, समय के साथ डेटा को रन चार्ट या SPC चार्ट के रूप में प्रदर्शित कर रहे हैं।
• हम स्केल करने से पहले हर परीक्षण के लिए एक भविष्यवाणी के साथ, छोटे PDSA चक्रों में परिवर्तनों का परीक्षण कर रहे हैं।
• हम स्पष्ट हैं कि क्या यह सुधार है, प्रोजेक्ट डिलीवरी है, या अनुसंधान है, और तदनुसार शासित है।
• फ्रंटलाइन टीमों के पास अपने खुद के परीक्षण चलाने के लिए अनुमति, संरक्षित समय, और मनोवैज्ञानिक सुरक्षा है।
• हमारी डिजिटल प्रणालियां विलंबित मैनुअल गणनाओं के बजाय सुधार कार्य को समयबद्ध, विश्वसनीय डेटा प्रदान करती हैं।
• हमारे पास किसी भी परिवर्तन को टिकाए रखने, मानकीकृत करने, और फैलाने की योजना है जो एक सुधार साबित होता है।
• हम दो-बिंदु तुलनाओं का उपयोग करने के बजाय SPC सोच का उपयोग करते हुए नेताओं को सुधार की रिपोर्ट करते हैं।

मुख्य स्रोत#

• NHS England — Making Data Count: NHS के लिए सांख्यिकीय प्रक्रिया नियंत्रण संसाधन और प्रशिक्षण।
• Institute for Healthcare Improvement (IHI) — Model for Improvement, PDSA, और Science of Improvement संसाधन।
• Langley, Moen, Nolan, Nolan, Norman & Provost — The Improvement Guide (दूसरा संस्करण), Model for Improvement पर मूलभूत पाठ।
• The Health Foundation — Quality Improvement Made Simple और स्वास्थ्य देखभाल में सुधार पर संबंधित साक्ष्य समीक्षाएं।
• W. Edwards Deming — Out of the Crisis और System of Profound Knowledge।
• Amy C. Edmondson — The Fearless Organization, टीमों में मनोवैज्ञानिक सुरक्षा पर।

संदर्भ#

1. PDCA — Wikipedia — https://en.wikipedia.org/wiki/PDCA
2. W. Edwards Deming — Wikipedia — https://en.wikipedia.org/wiki/W._Edwards_Deming
3. Quality management — Wikipedia — https://en.wikipedia.org/wiki/Quality_management
4. Continual improvement process — Wikipedia — https://en.wikipedia.org/wiki/Continual_improvement_process
5. Lean manufacturing — Wikipedia — https://en.wikipedia.org/wiki/Lean_manufacturing
6. Six Sigma — Wikipedia — https://en.wikipedia.org/wiki/Six_Sigma
7. Run chart — Wikipedia — https://en.wikipedia.org/wiki/Run_chart
8. Control chart — Wikipedia — https://en.wikipedia.org/wiki/Control_chart
9. Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
10. Psychological safety — Wikipedia — https://en.wikipedia.org/wiki/Psychological_safety
11. Making Data Count — NHS England — https://www.england.nhs.uk/publication/making-data-count/
12. Science of Improvement — Institute for Healthcare Improvement — https://www.ihi.org/resources/how-to-improve
13. The Improvement Guide — Langley, Moen, Nolan, Nolan, Norman & Provost, Jossey-Bass — https://www.wiley.com/en-us/The+Improvement+Guide%3A+A+Practical+Approach+to+Enhancing+Organizational+Performance%2C+2nd+Edition-p-9780470192412
14. Quality Improvement Made Simple — The Health Foundation — https://www.health.org.uk/publications/quality-improvement-made-simple