Тема 10.2 — Улучшение качества и наука улучшения

Улучшение качества даёт командам передовой дисциплинированный, ориентированный на данные способ измеримо улучшать уход через малые тесты изменений — и, когда вы связываете его с цифровыми инструментами, вы превращаете панели и автоматизацию в двигатели непрерывного обучения, а не статичную отчётность.

Почему это важно в здравоохранении и уходе#

Улучшение качества (QI) — доминирующая дисциплина улучшения в Национальной службе здравоохранения (NHS) и значительной части мирового здравоохранения и ухода. Ему учат в трастах, оно встроено в утренние планёрки на уровне отделений, и его отстаивают национальные органы. Если вы руководите цифровой поставкой, вы работаете не рядом с QI — вы работаете внутри системы, уже думающей целями, мерами и тестами изменений. Игнорирование этого языка изолирует вашу команду; свободное владение им делает вашу цифровую работу понятной клиницистам, менеджерам и советам, которые ему уже доверяют.

Более глубокая причина важнее. В здравоохранении и уходе вариация в том, как выполняется работа, — не косметическая проблема. Необоснованная вариация означает, что одни пациенты ждут дольше, другие получают небезопасный уход, а третьи исключены вовсе. Наука улучшения существует именно потому, что добрые намерения и героические усилия не надёжно дают лучшие результаты — это делают системы. Цифровая услуга, сокращающая минуты клинического рабочего процесса, закрывающая брешь безопасности или убирающая шаг, непропорционально исключающий людей с низкой цифровой уверенностью, выполняет работу по улучшению, называете вы это так или нет.

QI также защищает вас от распространённого цифрового провала: выпустить изменение и предположить, что оно сработало. Наука улучшения построена вокруг единственного смиряющего прозрения: большинство изменений — не улучшения, и вы не можете сказать, какие именно, без измерения во времени. Принятие этой дисциплины держит вашу команду честной, ваши заявления защитимыми перед советами и регуляторами, а ваших пользователей — в большей безопасности. Эта тема показывает, как вести QI правильно, чем оно отличается от поставки проекта и исследования и как слить его с цифровыми инструментами, которыми вы уже владеете.

Ключевые понятия#

Управление качеством в здравоохранении и уходе опирается на линию, идущую от производства к постели больного. Интеллектуальный корень — работа У. Эдвардса Деминга, статистика, учившего, что качество происходит от понимания и сокращения вариации в системах, а не от увещеваний отдельных людей стараться сильнее. Мысль Деминга вместе с мыслью Уолтера Шухарта породила цикл PDCA / Plan-Do-Study-Act — итеративную петлю Plan-Do-Study-Act (Планируй–Делай–Изучай–Действуй), лежащую в сердце современного QI в здравоохранении.

Большинство команд NHS ведут PDSA внутри Модели улучшения (Model for Improvement), рамки, популяризированной Institute for Healthcare Improvement (IHI), сочетающей цикл с тремя вопросами: Чего мы пытаемся достичь? Как мы узнаем, что изменение — улучшение? Какое изменение мы можем сделать, которое приведёт к улучшению? На первый вопрос отвечает формулировка цели (aim statement — конкретная, измеримая, ограниченная по времени). Третий часто наносится на диаграмму драйверов, связывающую вашу цель с первичными и вторичными драйверами, которые, по-вашему, на неё влияют, а затем с конкретными идеями изменений.

QI — один из членов семейства подходов к улучшению, разделяющих философию процесса непрерывного улучшения. Двое родственников, которых вы будете встречать постоянно, — Lean, происходящий из Toyota Production System и сфокусированный на устранении потерь и улучшении потока, и Six Sigma, использующий статистические методы для сокращения дефектов и вариации. В здравоохранении их часто смешивают как «Lean Six Sigma».

Измерение для улучшения опирается на то, чтобы видеть данные во времени, а не снимками. Два рабочих инструмента — график серий — наблюдаемые данные, нанесённые во временной последовательности относительно медианы, — и контрольная карта, график серий со статистически выведенными пределами, на которой держится статистическое управление процессами (SPC). SPC позволяет отличать вариацию общих причин (обычный шум стабильной системы) от вариации особых причин (сигнал, что что-то подлинно изменилось). В NHS этому учат как подходу «Making Data Count».

Ничто из этого не работает без психологической безопасности: общей веры, что люди могут поднимать проблемы, признавать, что тест провалился, и оспаривать статус-кво без наказания. Улучшение невозможно там, где персонал скрывает дефекты, и это предпосылка всего остального в этой теме.

Лучшие практики#

1. Начинайте с формулировки цели, а не решения. Прежде чем что-либо проектировать, запишите, чего вы пытаетесь достичь, для кого, насколько и к какому сроку — например, «сократить медианное время от направления до первого цифрового триажа с 9 дней до 3 дней к марту». Числовая цель с ограничением по времени заставляет прояснить и даёт то, по чему измерять. Команды, пропускающие этот шаг, в итоге спорят о функциях вместо результатов и никогда не могут сказать, преуспели ли они. Это напрямую связано с темой 10.0 — Цели и ключевые результаты (OKR), но заметьте, что цель QI уже и более проверяема, чем типичная Цель.

2. Используйте диаграмму драйверов, чтобы обнажить вашу теорию изменений. Нанесите вашу цель на первичные драйверы, больше всего на неё влияющие, затем на вторичные драйверы, затем на конкретные идеи изменений. Это делает ваши допущения видимыми и обсуждаемыми и останавливает команды от ставки всего на единственное вмешательство. Оно также помогает выстраивать тесты по порядку: вы можете атаковать драйвер с наибольшим рычагом первым. Держите диаграмму на стене (физической или виртуальной) и пересматривайте по мере обучения — это живая гипотеза, а не разовый артефакт.

3. Ведите малые быстрые циклы PDSA вместо запусков «большим взрывом». Тестируйте изменение на одной клинике, одном отделении или одной когорте, прежде чем масштабировать. Предскажите, что произойдёт, проведите тест, изучите данные относительно вашего предсказания и решите, принять, адаптировать или отбросить. Малые тесты снижают риск, рано выявляют проблемы и строят доказательства и уверенность, нужные для распространения. Это фундаментально иной ритм, чем план проекта с фиксированным объёмом, и именно здесь цифровым командам чаще всего приходится разучивать привычки.

4. Измеряйте во времени графиками серий и SPC, а не снимками до и после. Одна пара чисел не может сказать, вызвало ли изменение улучшение или вы поймали случайную вариацию. Наносите вашу меру как график серий или контрольную карту, чтобы видеть тренды, сдвиги и сигналы особых причин. Принимайте конвенции NHS «Making Data Count», чтобы ваши графики были последовательны и читаемы другими. Эта дисциплина также защищает от присвоения заслуг шуму, разъедающему доверие советов и регуляторов.

5. Балансируйте ваши меры. Каждое улучшение способно сделать что-то другое хуже. Наряду с мерой результата отслеживайте меры процесса (происходит ли изменение на самом деле?) и балансирующие меры (ухудшается ли что-либо как побочный эффект — безопасность, рабочая нагрузка персонала, равенство доступа?). Цифровой инструмент триажа, ускоряющий пропускную способность, но тихо исключающий людей без смартфонов, не улучшил уход. Балансирующие меры — ваша система раннего предупреждения именно об этом виде вреда.

6. Давайте командам передовой подлинное разрешение и способность улучшать. Улучшение, спущенное сверху и исполняемое центральной командой, редко закрепляется. Инвестируйте в обучение QI, коучинг и защищённое время, чтобы люди, делающие работу, могли вести собственные тесты. Стройте инфраструктуру — факультет QI, функцию измерения, доступные данные, — которую IHI и зрелые трасты NHS описывают как костяк программы всего траста. Задача вашей цифровой команды часто — убрать трение данных и инструментов, мешающее улучшению на передовой.

7. Проектируйте для распространения и устойчивости с самого начала. Разовый выигрыш в одном отделении, испаряющийся через полгода, — частый и деморализующий исход. Планируйте, как успешное изменение будет стандартизировано, встроено в рабочий процесс и отслеживаться, чтобы держаться, — и как оно распространится на сопоставимые условия без простого копирования. Цифровые инструменты здесь огромно помогают: автоматизация и значения по умолчанию могут зафиксировать улучшенный процесс куда надёжнее ламинированного плаката. Здесь QI встречает тему 8.1 — Управление изменениями.

8. Сливайте QI с вашими цифровыми данными и панелями. Наука улучшения голодает без своевременных данных, а большая часть QI в NHS исторически шла на подсчитанных вручную выборках. Если ваша команда может выводить почти реально-временные графики серий и SPC-графики из существующих систем, вы резко сокращаете петлю обучения. Считайте панели, автоматизированные конвейеры данных и самообслуживаемую аналитику инфраструктурой улучшения, а не просто отчётностью. Это один из самых ясных, наиболее ценных вкладов, которые цифровая функция может внести в клиническое качество.

Вопросы для обсуждения с командой#

1. Мы ведём улучшение качества, поставку проекта или исследование — и знаем ли мы разницу? Эти три режима рутинно путают, и путаница дорога. Поставка проекта нацелена на поставку определённого объёма в срок и бюджет; исследование — на получение обобщаемого знания со строгими контролями и этическим одобрением; QI — на улучшение локальной системы через итеративные малые тесты изменений. Измерение для улучшения сознательно легче измерения для исследования — вам нужно ровно столько данных, чтобы направить следующий цикл, а не публикуемое исследование. Применение исследовательской строгости к тесту QI парализует команду; применение неформальности QI к тому, что на деле исследование, рискует провалами этики и безопасности. Проговорите, где каждая из ваших нынешних инициатив подлинно лежит и есть ли у вас правильное управление для каждой. Ошибка здесь — частая причина, по которой цифровая работа по улучшению глохнет или привлекает необоснованную проверку.

2. Как мы узнаем, что изменение — улучшение, а не шум или принятие желаемого за действительное? Это второй вопрос Модели улучшения, и именно здесь большинство команд слабее всего. Решите сейчас, каковы ваши меры результата, процесса и балансирующие, как часто вы будете их собирать и как будете отображать во времени. Обязуйтесь использовать графики серий или SPC до запуска, чтобы не было искушения выбрать благоприятное сравнение до и после задним числом. Обсудите, как выглядел бы «сигнал особой причины» для каждой меры и кто уполномочен его назвать. Будьте честны о неудобном следствии: вы должны быть готовы увидеть, что изменение, в которое вы вложились, не сработало. Свяжите это с темой 1.3 — Решения, основанные на доказательствах, потому что та же интеллектуальная честность лежит в основе обоих.

3. Есть ли у наших команд передовой на самом деле разрешение, время и данные, чтобы улучшать, или только давление, чтобы поставлять? Способность улучшать — не лозунг; она требует защищённого времени, коучинга, психологической безопасности и доступных данных. Откровенно спросите, чувствует ли персонал себя в безопасности, сообщая, что тест провалился, или ждёт обвинения. Спросите, приходят ли нужные им данные за дни и недели, а не месяцы, и помогают ли ваши цифровые системы или мешают. Подумайте, есть ли в вашей организации подлинная инфраструктура QI — факультет, метод, функция измерения — или улучшение зависит от нескольких энтузиастов. Обсудите, что ваша цифровая команда могла бы убрать с пути передовой: ручной сбор данных, хрупкие электронные таблицы, запаздывающие отчёты. Ответ обычно раскрывает о вашей культуре больше, чем о технологии, и напрямую формирует то, что тема 10.4 — Видимость для генерального директора и высшего руководства должна выводить на совет.

4. Когда изменение работает, как мы сделаем так, чтобы оно держалось и распространялось, и как мы узнаем, что оно тихо не откатилось? Самый деморализующий исход QI — подлинный локальный выигрыш, угасающий за месяцы, когда внимание перешло, а второй по деморализации — успех, никогда не распространяющийся за пределы отделения, которое его начало. Обсудите конкретно, как доказанное изменение будет стандартизировано и встроено — в идеале в сами инструменты, через значения по умолчанию и автоматизацию, а не ламинированный плакат или личную добрую волю, которая угасает. Решите, кому принадлежит мера после закрытия проекта улучшения и будет ли ваш график серий или SPC-график продолжать работать, чтобы откат проявился как сигнал особой причины, а не сюрприз через год. Говорите о распространении как об осознанном акте адаптации, а не копирования: то, что сработало в одной клинике, надо тестировать заново, а не просто разворачивать, в условиях с другим персоналом, пациентами и системами. Будьте честны о том, ресурсирует ли ваша организация на самом деле устойчивость и распространение или считает «закрыто» «сделано». Здесь QI встречает тему 8.1 — Управление изменениями, и здесь цифровые значения по умолчанию — ваш сильнейший рычаг.

5. Сужают или расширяют наши улучшения неравенство — и поймали бы это наши балансирующие меры? Цифровые улучшения особенно склонны поднимать среднее, оставляя некоторые группы позади, потому что люди, которым новый онлайн-маршрут служит хуже всего, часто наименее видны в совокупных данных. Решите сейчас, будете ли вы разбивать ваши меры по значимым измерениям — возраст, лишения, язык, цифровая уверенность, инвалидность, — а не отчитываться одной заголовочной цифрой, способной скрыть вред. Обсудите, как выглядит балансирующая мера равенства для этого конкретного изменения и кто подотчётен за действие, когда она движется не туда. Будьте откровенны о компромиссе: поддержание телефонного маршрута наряду с формой самонаправления стоит денег и персонала, а давление вывести «старый» канал, когда цифровое принятие растёт, — именно так ползёт исключение. Честный ответ называет группы наибольшего риска для этого изменения, говорит, как вы рано обнаружили бы вред, и обязуется держать нецифровой путь открытым, пока данные не скажут, что менять безопасно. Это напрямую связано с обязанностями по равенству, обсуждаемыми в других местах этой книги, и вашими обязанностями как государственной услуги.

6. Каков конкретный, наиболее ценный вклад нашей цифровой функции в улучшение здесь — и где мы переусердствуем? Цифровой команде соблазнительно отвечать на каждую проблему качества новым ПО, но величайший вклад часто — индустриализация измерения: превращение подсчитанных вручную выборок в надёжные, почти реально-временные графики серий и SPC-графики из живых систем, чтобы петля обучения сократилась с месяцев до дней. Обсудите, где автоматизированное измерение и разумные значения по умолчанию подлинно фиксируют улучшение, а где вы золотили бы проблему, которую простое изменение процесса уже решило. Остерегайтесь перестраивать инструмент — онлайн-форму в примере этой темы — прежде чем диаграмма драйверов покажет, что инструмент на самом деле узкое место. Спросите, убирают ли ваши усилия трение из работы передовой по улучшению или добавляют блестящий артефакт, о котором никто не просил. Честный ответ отличает один–два хода, измеримо ускоряющие обучение, от функций, лишь выглядящих как прогресс, и держит дефицитную ёмкость вашей команды нацеленной на драйвер с наибольшим рычагом.

На практике: пример из здравоохранения и ухода#

Интегрированный совет ухода (ICB) обеспокоен своей службой общинной физиотерапии. Пациенты, направленные из первичной помощи, ждут медианно 21 день до первого контакта, жалобы растут, а новая онлайн-форма самонаправления явно не помогла. Инстинкт цифровой команды — перестроить форму. Вместо этого клинический руководитель службы и цифровой продукт-менеджер решают вести это как проект улучшения качества.

Они пишут формулировку цели: сократить медианное время от направления до первого значимого контакта с 21 дня до 7 дней в течение четырёх месяцев, не увеличивая долю неявок и не сокращая доступ для пациентов, не способных пользоваться онлайн-инструментами. Они строят диаграмму драйверов. Первичными драйверами оказываются качество направлений, скорость триажа и доступность приёмов — а не, как сначала предполагалось, сама форма. Самое большое узкое место — триаж: направления лежат в общем почтовом ящике днями, прежде чем их просмотрит клиницист.

Они начинают с малого. В одном цикле PDSA один физиотерапевт пробует триаж в тот же день для направлений одной практики общей практики, используя простой цифровой рабочий список, который команда поднимает за неделю из существующих данных. Они предсказывают, что время триажа упадёт до менее суток; фаза изучения это подтверждает и раскрывает сюрприз — у трети направлений нет информации, нужной для безопасного триажа, что вынуждает к переделке. Следующий цикл тестирует структурированный шаблон направления. На всём протяжении цифровая команда выводит график серий ежедневного времени триажа и SPC-график медианного ожидания по конвенциям «Making Data Count», так что вся служба видит прогресс почти в реальном времени, а не ждёт ежемесячного отчёта.

Принципиально: они отслеживают балансирующую меру — долю направлений, приходящих по телефону против онлайн-формы, в разбивке по возрасту пациента и лишениям. Когда онлайн-самонаправление растёт, они замечают, что оно не достигает пожилых пациентов в самых неблагополучных районах, и потому держат телефонный маршрут полностью укомплектованным. К четвёртому месяцу медианное ожидание стабильно держится на шести днях — подлинный сдвиг на контрольной карте, а не удачный месяц, — и улучшение держится, потому что структурированный шаблон и рабочий список триажа теперь — рабочий процесс по умолчанию, встроенный в инструменты, а не зависящий от доброй воли.

Секторные линзы#

Стартап#

У стартапа технологий здравоохранения редко есть формальная программа QI, и она не нужна, — но основная дисциплина напрямую применима и часто забывается. Модель улучшения естественно ложится на продуктовое экспериментирование: формулировка цели — гипотеза, цикл PDSA — петля build-measure-learn, а балансирующие меры защищают от классического провала стартапа — оптимизации одной метрики при тихом вреде клинической безопасности или равенству. Главный риск — скорость без измерения во времени: быстрый выпуск и объявление победы по подъёму одной недели. Рано принимайте мышление графиками серий; оно дёшево и делает ваши заявления о результатах достоверными для покупателей из NHS и клинических партнёров, которые вам в итоге понадобятся. Считайте психологическую безопасность внутри вашей малой команды конкурентным активом: честная отчётность о проваленных тестах — способ не построить не то в масштабе.

Малый бизнес#

У устоявшегося малого поставщика — общей практики, общинной аптеки, дома ухода, поставщика ухода на дому или клиники на одной площадке — реальные пациенты и текущие операции, но редко какая-либо выделенная способность QI или аналитики, а деньги ограничены. Хорошая новость: Модель улучшения честно масштабируется вниз: управляющий практикой и клиницист могут написать одну формулировку цели, провести малый цикл PDSA и вести простой график серий на доске или в электронной таблице, ничего не покупая. Дисциплина, которую надо защитить, — измерение во времени: противьтесь желанию судить изменение по числам прошлой недели и выберите две–три меры (включая балансирующую, вроде доступа для пациентов, не способных пользоваться онлайн-инструментами), которые вы реально можете собрать в течение рабочего дня. Опирайтесь на то, что ваша существующая клиническая система уже записывает, а не строить индивидуальные панели, которые вы не можете поддерживать, а где национальный подход вроде «Making Data Count» предлагает бесплатные конвенции и шаблоны, принимайте их, а не изобретайте заново. Ваше ограничение — не амбиция, а время, так что держите тесты подлинно малыми и позвольте доказанному изменению стать постоянным рабочим процессом, чтобы оно держалось без постоянных усилий.

Предприятие#

У крупного поставщика обычно устоявшаяся инфраструктура QI — факультет, обученные коучи, метод улучшения и функция измерения — порой доходящая до сотен одновременных проектов. Предпринимательский риск противоположен риску стартапа: бюрократический QI, ставший ритуалом соответствия, с диаграммами драйверов, производимыми для управления, а не подлинных тестов изменений. Наиболее ценный ход вашей цифровой функции — индустриализовать измерение для улучшения — автоматизированные, надёжные, почти реально-временные SPC-графики из живых систем, — чтобы команды улучшения перестали считать вручную и начали учиться быстрее. Остерегайтесь предпринимательской привычки путать большую программу трансформации с улучшением; им нужно разное управление, как ясно показывает тема 5.2 — Работа под руководством программы. Устойчивость и распространение — ваши труднейшие проблемы в масштабе, так что инвестируйте в них осознанно, а не предполагайте, что хорошие локальные результаты распространяются сами.

Правительство#

Национальные и региональные органы — NHS England, ICB, органы на расстоянии вытянутой руки — формируют QI через метод, мандат и инфраструктуру, а не ведя тесты сами. Программа «Making Data Count» — хорошая модель: национально продвигаемый, последовательный подход к SPC, повышающий качество разговора об улучшении повсюду. Риск на этом уровне — путаница управления результативностью с улучшением: навязывание целей и ранжирование организаций двухточечными сравнениями, от чего мышление SPC специально предостерегает, потому что принимает шум за сигнал. Лучший вклад правительства — широко развивать способность и общий метод, защищать разрешение передовой улучшать и противиться соблазну превращать каждую меру в суждение. Когда вы задаёте национальные цифровые стандарты, встраивайте конвенции измерения для улучшения, чтобы улучшение, а не только обеспечение, стало позой по умолчанию.

Типичные виды отказов#

• Решательство до цели. Прыжок к «давайте построим новое приложение» без конкретной измеримой цели, так что успех никогда нельзя оценить, а усилия рассеиваются по функциям, которые никто не валидировал.
• Театр до и после. Заявление об улучшении по двум точкам данных, когда график серий выявил бы обычную вариацию. Самый частый способ, которым команды обманывают себя и свои советы.
• Нет балансирующих мер. Улучшение пропускной способности при тихом ухудшении безопасности, рабочей нагрузки персонала или равенства доступа — особая опасность для цифровых инструментов, исключающих людей с низкой цифровой уверенностью.
• QI в наряде управления проектом. Ведение плана с фиксированным объёмом «большим взрывом» и называние его QI, без подлинных тестов изменений, без PDSA и без готовности адаптировать или отбросить.
• Путаница улучшения с исследованием или управлением результативностью. Применение исследовательской строгости, парализующей быстрое обучение, или превращение данных улучшения в оружие — рейтинг, разрушающий психологическую безопасность.
• Разовые выигрыши, которые испаряются. Празднование локального успеха без плана стандартизировать, встроить, поддержать или распространить его, так что система тихо откатывается за месяцы.
• Центральный контроль без разрешения передовой. Вменение улучшения сверху при отказе персоналу во времени, безопасности и данных для собственных тестов, гарантирующее поверхностное соответствие.
• Голодание по данным. Ведение QI на ручных, запаздывающих, недоверенных данных, когда ваши цифровые системы могли бы выводить своевременные SPC-графики, из-за чего петля обучения медленнее, чем нужно.

Модель зрелости#

Контрольный список#

• Мы написали конкретную, измеримую, ограниченную по времени формулировку цели для этого улучшения.
• У нас есть диаграмма драйверов, делающая нашу теорию изменений явной и пересматриваемой.
• Мы определили меры результата, процесса и балансирующие, включая балансирующую меру равенства.
• Мы отображаем данные во времени как графики серий или SPC-графики по «Making Data Count».
• Мы тестируем изменения малыми циклами PDSA до масштабирования, с предсказанием для каждого теста.
• Нам ясно, улучшение это, поставка проекта или исследование, и управление соответствует.
• У команд передовой есть разрешение, защищённое время и психологическая безопасность, чтобы вести собственные тесты.
• Наши цифровые системы поставляют своевременные, доверенные данные работе по улучшению, а не запаздывающие ручные подсчёты.
• У нас есть план поддерживать, стандартизировать и распространять любое изменение, оказавшееся улучшением.
• Мы докладываем руководителям об улучшении с мышлением SPC, а не двухточечными сравнениями.

Ключевые источники#

• NHS England — Making Data Count: ресурсы и обучение по статистическому управлению процессами для NHS.
• Institute for Healthcare Improvement (IHI) — Model for Improvement, PDSA и ресурсы Science of Improvement.
• Langley, Moen, Nolan, Nolan, Norman & Provost — The Improvement Guide (2-е издание), основополагающий текст по Модели улучшения.
• The Health Foundation — Quality Improvement Made Simple и связанные обзоры доказательств об улучшении в здравоохранении.
• W. Edwards Deming — Out of the Crisis и Система глубинного знания.
• Amy C. Edmondson — The Fearless Organization, о психологической безопасности в командах.

Литература#

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