Ämne 8.3 — Beteendevetenskap och införande

Att driftsätta ett system ändrar vad som är möjligt; bara beteendeförändring gör det verkligt, så behandla införande som ett utformat, mätt utfall — inte en hoppfull bieffekt av driftsättningen.

Varför detta är viktigt inom hälsa och vård#

Ett system som är installerat men oanvänt är inget neutralt utfall. Inom hälsa och vård är det en levande risk: halvt infört verktyg föder genvägar, dubbel registrering och glapp där information borde flöda, och var och en av dessa är en väg till en klinisk incident. När ett sjukhus köper elektronisk förskrivning men en andel av förskrivarna fortsätter klottra på papper är journalen nu delad över två medier och säkerhetsunderlaget byggt på det digitala systemet fallerar i tysthet. Driftsättning och införande är olika landvinningar, och avståndet mellan dem mäts i beteende.

På patient- och medborgarsidan handlar insatserna om jämlikhet och utfall. En app som hanterar ett långvarigt tillstånd hjälper bara dem som laddar ned den, aktiverar den och fortsätter använda den vecka efter vecka — och dessa människor är oproportionerligt yngre, mer välbärgade, mer digitalt självsäkra och friskare från början. Om ni mäter framgång med att ”tjänsten finns tillgänglig” kan ni rapportera en triumf medan ni vidgar just de ojämlikheter NHS finns till för att minska. De som mest behöver ett vårdförlopp för diabetes eller högt blodtryck är ofta de som minst sannolikt tar till sig det utan stöd.

Beteendevetenskap är den disciplin som tar införande på allvar som ett föremål för design och evidens. Den står vid sidan av — inte inom — förändringsledning (se Ämne 8.1 — Förändringsledning), som leder den organisatoriska övergången, och kommunikation och engagemang (se Ämne 8.2 — Kommunikation och engagemang), som bygger förståelse och förtroende. Beteendevetenskap är snävare och mer specifik: den frågar vad som gör ett enskilt målbeteende mer eller mindre sannolikt för en verklig person i ett verkligt sammanhang, och använder den förståelsen för att göra den önskade handlingen till den enkla, självklara. Eftersom ni påverkar människors hälsobeslut med offentliga medel är det en del av er omsorgsplikt att göra detta väl — och göra det etiskt — inte en valfri förfining.

Grundläggande begrepp#

Beteendeförändring och beteendevetenskap. Beteendeekonomi (behavioral economics) och det bredare fältet beteendeförändring utgår från en realistisk modell av människor: uppmärksamhet är knapp, ansträngning är kostsam, standardval är kletiga och beslut formas av sammanhang långt mer än av information ensam. Att ge kliniker ett PM, eller medborgare ett blad, ändrar sällan vad de gör; att ändra den omgivande miljön gör det vanligen. Den praktiska frågan är aldrig ”vet människor att de borde?” utan ”vad gör den rätta handlingen enkel, och den fel handlingen svårare, här?”

COM-B-modellen och Behaviour Change Wheel. COM-B, utvecklad av Susan Michie och kollegor vid University College London, anger att varje beteende (B) kräver tre villkor: Capability (förmåga — den fysiska och psykologiska förmågan att göra det), Opportunity (möjlighet — det sociala och fysiska sammanhang som tillåter och föranleder det) och Motivation (motivation — de reflekterande och automatiska drivkrafterna mot det). Behaviour Change Wheel omsluter COM-B i en systematisk metod: diagnostisera vilken av förmåga, möjlighet eller motivation som är den bindande begränsningen, välj sedan insatsfunktioner (utbildning, träning, möjliggörande, omstrukturering av miljön, incitament med flera) som adresserar just det glappet. Dess disciplin är att den tvingar er att diagnostisera före ni ingriper, i stället för att som standard välja ännu mer utbildning eller ännu mer kommunikation.

Nudge-teori och valarkitektur. Nudge-teori, av Richard Thaler och Cass Sunstein, hävdar att små förändringar i hur val presenteras — valarkitekturen (choice architecture) — kan styra beteende utan att ta bort alternativ eller ändra ekonomiska incitament. Standardval, inramning, ordning och framträdande är hävstängerna. Storbritanniens Behavioural Insights Team (”Nudge Unit”), grundat inom Cabinet Office 2010, gjorde detta operativt i offentliga tjänster och testade insatser såsom budskap om sociala normer och sms-påminnelser genom kontrollerade studier.

Införande, aktivering och varaktig användning. Dessa är tre skilda beteenden, inte ett. Införande är att börja — logga in, ladda ned, registrera sig. Aktivering är att nå den punkt där användaren upplever kärnvärdet (”aha”-ögonblicket: att skicka ett första säkert meddelande, slutföra en första fjärravläsning). Varaktig användning är fortsatt, inbäddad användning veckor och månader senare. Många tjänster är starka på införande, kollapsar vid aktivering och är kyrkogårdar vid månad tre — så att bara mäta det första säger nästan ingenting.

Friktion, standardval, påminnelser och återkoppling. Friktion är allt som gör ett beteende svårare — en inloggning, ett formulärfält, ett steg, en väntan. Att minska friktionen på den väg ni vill ha, och lägga till den på vägar ni inte vill ha, är den mest pålitliga beteendehävstång ni har. Standardval bestämmer utfallet för dem som inte gör något och är kraftfulla just därför att så många inte gör något. Påminnelser löser glömska; återkoppling (framsteg, jämförelse, bekräftelse) upprätthåller motivationen när beteendet väl har börjat.

Vanebildning. En vana är ett beteende som blir automatiskt genom en slinga av signal–rutin–belöning som upprepas i ett stabilt sammanhang. Varaktig användning av ett kliniskt system är egentligen ett vanebildningsproblem: ni vill att det ska bli det tanklösa första steget i en rond att öppna systemet, inte ett medvetet beslut varje gång. Vanor bildas genom upprepning knuten till befintliga signaler, vilket är varför det slår att bädda in ett nytt verktyg i ett etablerat arbetsflöde framför att skruva på det bredvid ett.

Incitament och deras gränser. Incitament — ekonomiska, professionella eller anseendemässiga — kan förskjuta beteende, men grovt tillämpade slår de tillbaka. De kan tränga undan inre motivation, ge spel med måttet och sluta fungera i samma stund de dras tillbaka. Självbestämmandeteorin (self-determination theory) förklarar varför autonomi, kompetens och samhörighet vanligen upprätthåller beteende mer varaktigt än yttre belöning ensam.

Spridnings- och adoptionskurvor. Hur en innovation sprids genom en befolkning beskrivs av spridning av innovationer och teknikadoptionens livscykel — innovatörer och tidiga användare först, sedan majoriteterna, sedan eftersläntrarna. Detta kopplar beteendevetenskap till den bredare frågan om att införa innovation stegvis (se Ämne 8.0 — Att införa innovation stegvis): beteendehävstänger måste ställas in efter var en grupp befinner sig på den kurvan.

Bästa praxis#

1. Definiera målbeteendet exakt, för en namngiven grupp, i ett namngivet sammanhang. ”Förbättra engagemang” är inget beteende; ”distriktssköterskor registrerar en sårbedömning i mobilappen under hembesöket, inte efteråt på papper” är det. Beteendevetenskap fungerar bara på specifika saker: vem, gör vad, när, var, i stället för vad. Skriv ned beteendet med den upplösningen innan ni designar något, eftersom ett vagt mål garanterar en vag insats.

2. Diagnostisera hindret med COM-B innan ni väljer en åtgärd. Fråga om den bindande begränsningen är förmåga (de kan inte — färdigheter, förståelse eller enheten fallerar), möjlighet (sammanhanget blockerar det — ingen tid, ingen signal, ingen påminnelse) eller motivation (de vill inte — ingen upplevd nytta, konkurrerande vanor eller misstro). Insatsen följer av diagnosen: ett förmågeglapp behöver utbildning eller förenkling, ett möjlighetsglapp behöver miljöförändring, ett motivationsglapp behöver en helt annan hävstång. Att hoppa över diagnosen är varför organisationer besvarar ett möjlighetsproblem med fler e-postmeddelanden och undrar varför ingenting rör sig (se Ämne 8.1 — Förändringsledning om att diagnostisera motstånd).

3. Minska friktionen på den önskade vägen obevekligt. Varje extra klick, inloggning, fritextfält och kontextbyte tappar en bråkdel av era användare, och bråkdelarna ackumuleras. Räkna stegen i den nuvarande resan, ta sedan bort, förifyll och sätt standardval er väg till färre. Enkel inloggning (single sign-on), förnuftiga standardval och formulär som anländer förifyllda från journalen flyttar ofta införandet mer än någon mängd övertalning, eftersom de ändrar möjligheten snarare än bara vädjar till motivationen.

4. Sätt standardval medvetet och etiskt. Eftersom de flesta accepterar standardvalet är standardvalet ett designbeslut med verkliga konsekvenser — gör det till det trygga, rekommenderade alternativet och gör det enkelt och transparent att välja bort. Strukturer där man väljer bort (till exempel en förvald tid för ett besök som patienten kan ändra) höjer upptaget långt mer än motsvarigheter där man måste välja in. Den etiska gränsen är att standardvalet måste tjäna personen, alternativet måste förbli genuint tillgängligt och ni måste vara öppna med vad ni har gjort.

5. Använd påminnelser och återkoppling för att omvandla avsikt till handling och upprätthålla den. Välplacerade prompter överbryggar glappet mellan att vilja agera och att agera — det klassiska beteendefyndet bakom sms-påminnelser om besök som minskade andelen uteblivna besök. Återkoppling (en förloppsindikator, en svit, en bekräftelse ”ditt värde ligger inom intervallet”, en kollegial jämförelse) upprätthåller ett beteende när det väl börjat. Håll prompter specifika, välplacerade och sparsamma; en kanal som överaviserar tystas eller avinstalleras snart.

6. Designa för vana genom att bädda in i befintligt arbetsflöde och befintliga signaler. Be inte människor komma ihåg att använda ett nytt verktyg; knyt det till något de redan gör vid en fast punkt — inloggningen som inleder passet, ögonblicket före utskrivning, den befintliga dagliga genomgången. Stabila signaler plus upprepning bygger automatik. Ett verktyg som lever inuti arbetsflödet blir en vana; ett som sitter bredvid förblir ett åtagande och överges under press.

7. Använd incitament försiktigt, och bevaka spel och undanträngning. Om ni kopplar en betalning eller ett prestationsmål till ett beteende, räkna med att människor optimerar för exakt det ni mäter — ibland på bekostnad av det ni menade. Föredra inre och professionella motivatorer (autonomi, mästerskap, kollegiala normer, synlig patientnytta) där ni kan, och behandla ekonomiska incitament som en kortsiktig katalysator snarare än en permanent krycka. Fråga alltid vad som går sönder när incitamentet tas bort, eftersom ett beteende som bara finns medan ni betalar för det aldrig var infört.

8. Testa insatser i stället för att anta dem. Beteendeeffekter är kontextberoende och överraskar ofta även experter, så pilotera, A/B-testa eller kör en liten randomiserad kontrollerad studie där ni kan — Behavioural Insights Teams arbetssätt. En jämförelse i två armar av två formuleringar av en påminnelse kostar lite och kan fördubbla effektiviteten. Testning skyddar er också från att med självförtroende rulla ut en nudge som inte gör något, eller värre, slår tillbaka för en undergrupp.

9. Kontrollera jämlikhetseffekten av varje nudge, och designa först för de missgynnade. Nudges och digitala standardval tenderar att fungera bäst för människor som redan är gynnade — läs- och skrivkunniga, uppkopplade, självsäkra, friska — vilket innebär att en insats kan lyfta genomsnittet samtidigt som den vidgar klyftan. Segmentera era införandedata efter ålder, fattigdom, språk och funktionsnedsättning, och utforma assisterade vägar, mänskliga reservrutiner och ombudsåtkomst för dem den digitala vägen lämnar efter (se Ämne 1.9 — Digital inkludering och tillgänglighet och Ämne 3.3 — Digitala tjänster för patienter och medborgare). En införandestrategi som bara når de lättnådda är ett misslyckande klätt som framgång.

10. Mät beteende och införande, inte driftsättning. Instrumentera de faktiska beteendena — inloggningar, aktiveringshändelser, funktionsanvändning, kohorter av varaktig användning, frekvens av genvägar och återgång, andelar uteblivna besök och följsamhet — och redovisa dem mot ett utgångsläge, segmenterade efter grupp. Driftsättningsmått (”systemet är i drift på 40 platser”) smickrar er; beteendemått säger sanningen. Gör varaktig användning efter nittio dagar, inte driftsättning, till definitionen av klart (se Ämne 10.1 — Nyckeltal (KPI)).

Frågor att diskutera med ditt team#

1. För den förändring vi är på väg att göra, vilket är det enda exakta beteende vi behöver, från vem, och vilken av förmåga, möjlighet eller motivation blockerar det faktiskt i dag? Denna fråga tvingar teamet förbi den bekväma abstraktionen ”att driva införande” till det specifika beteende som måste inträffa — och av vem, när och var. I en hälso- och vårdmiljö är det ärliga svaret ofta obekvämt: hindret är inte att kliniker saknar medvetenhet eller motivation, utan möjlighet, eftersom systemet lägger till nittio sekunder på ett besök de inte har, eller förmåga, eftersom det fallerar på avdelningens åldrande hårdvara. Debatten bör lyfta skillnaden mellan vad ledningen antar att hindret är och vad frontlinjeobservation och data faktiskt visar, eftersom de två ofta divergerar. Beakta om ni har sett verkliga användare försöka sig på beteendet, eller drar slutsatser av klagomål och hopp. Ett bra svar namnger ett beteende med hög upplösning, anför evidens för vilken COM-B-komponent som är bindande och förbinder sig till en insats som matchar den diagnosen i stället för att som standard välja mer utbildning eller mer kommunikation. Den bästa versionen identifierar ett fall där teamet var på väg att åtgärda fel komponent och styr om insatsen.

2. Var förlitar vi oss på nudges och standardval som kan fungera bättre för våra redan gynnade användare än för dem som mest behöver tjänsten — och hur skulle vi ens veta det? Detta är den jämlikhetsfråga som beteendevetenskap gör oundviklig, eftersom samma tekniker som lyfter det övergripande upptaget i tysthet kan vidga ojämlikheter. Spänningen att debattera är verklig: ett standardval där man väljer bort eller en slick digital-först-resa kan höja era rubriksiffror samtidigt som äldre, fattigare, mindre digitalt självsäkra eller icke-engelsktalande patienter lämnas längre efter, och ett genomsnitt som förbättras kan dölja ett glapp som växer. Diskussionen bör konfrontera om era införandedata alls är segmenterade — efter fattigdom, ålder, språk, funktionsnedsättning — eller om ni rapporterar en enda smickrande siffra. Den bör också granska vilka assisterade och icke-digitala vägar som finns för människor nudgen inte når, och om dessa vägar är resurssatta eller bara teoretiska. Ett allvarligt svar accepterar att ”tillgänglig för alla” inte är detsamma som ”infört av alla”, förbinder sig till att mäta fördelningen och inte bara medelvärdet och behandlar ett vidgande glapp som ett felvillkor som skulle stoppa eller ändra utrullningen. Det svagaste svaret är det som aldrig har tittat.

3. Var går den etiska gränsen mellan att hjälpa människor fatta goda hälsobeslut och att manipulera dem — och är vi på rätt sida av den, transparent? Att påverka beteende inom hälsa bär en plikt som vanlig marknadsföring inte gör, eftersom maktassymmetrin är större och ämnet är människors kroppar och liv. Debatten bör skilja legitim valarkitektur — att göra det hälsosamma eller rekommenderade alternativet enkelt, medan alternativ förblir genuint tillgängliga och man är öppen med vad man har gjort — från dold manipulation, mörka mönster (dark patterns), utnyttjande av rädsla eller att dölja möjligheten att välja bort. Beakta konkreta fall: en förvald screeningtid som patienten fritt kan ändra är försvarbar; en design som medvetet gör det svårt att tacka nej, eller som använder skam, är det inte. Teamet bör fråga om de skulle vara bekväma med att förklara varje nudge för den person den riktas mot, och för en tillsynsmyndighet eller allmänheten, eftersom transparens är det praktiska provet på etisk påverkan. Autonomi, informerat samtycke och förtroende är inte hinder för införande utan dess grund (se Ämne 1.8 — Dataetik, samtycke och allmänhetens förtroende), och en manipulativ seger i dag förbrukar det förtroende ni behöver för varje framtida förändring. Ett bra svar sätter en tydlig standard, tillämpar den på era faktiska designer och är villigt att ta bort en nudge som fungerar men inte kan försvaras öppet.

4. Har vi skilt införande från aktivering från varaktig användning — och äger någon här faktiskt siffran som säger att människor fortfarande använder detta efter nittio dagar? Team slår rutinmässigt ihop tre olika beteenden till ett ord, ”upptag”, och firar sedan fel sak. Införande (att registrera sig) är lättast att uppnå och mest smickrande att rapportera; aktivering (att nå det första ögonblicket av verkligt värde) är där de flesta tjänster i tysthet blöder användare; varaktig användning månader senare är det som faktiskt levererar den kliniska nyttan i affärscaset. Diskussionen bör konfrontera var era egna data tar slut — många program kan citera registreringar men har aldrig instrumenterat aktiveringsögonblicket eller ritat en retentionskurva, så de kan inte ens se vecka två-stupet, än mindre förklara det. Den bör också namnge en ansvarig ägare: om ”införande” tillhör alla i allmänhet tillhör det ingen i synnerhet, och nittiodagarssiffran blir ett föräldralöst barn som ingen instrumentpanel bär. Debattera vad er definition av ”klart” verkligen är, eftersom om driftsättning räknas som framgång är hela systemet optimerat för att sluta bry sig just när den svåra delen börjar. Ett ärligt svar skiljer de tre beteendena, visar tratten med verkliga tal och pekar på en namngiven person som är ansvarig för varaktig användning — inte ett nyttocase som antog det.

5. Bäddar vi in det här beteendet i ett befintligt arbetsflöde och en befintlig signal, eller skruvar vi på ett nytt verktyg bredvid ett och hoppas att människor ska komma ihåg det? Vanor bildas när ett beteende knyts till en stabil, redan befintlig signal och upprepas, vilket är varför integrationsfrågan är en beteendefråga och inte bara en teknisk. Spänningen att lyfta är att det enklaste att leverera — en fristående app eller en separat portal med egen inloggning — ofta är det som med störst säkerhet överges under press, eftersom det konkurrerar om uppmärksamhet och minne i stället för att åka med på något användaren redan gör. Teamet bör konkret granska vilket befintligt ögonblick det önskade beteendet ska fästa vid: inloggningen som inleder passet, steget före utskrivning, morgonens läkemedelsrond. Det bör också vara ärligt om kostnaden för alternativet, eftersom att bädda in i den elektroniska journalen eller det dagliga arbetsflödet är svårare, långsammare och mer politiskt än att leverera ett separat verktyg, och den svårigheten är just därför organisationer hoppar över det. Ett bra svar identifierar den verkliga signalen och förbinder sig till integration i sammanhanget även när ett fristående bygge vore snabbare; det svaga svaret levererar bredvid arbetsflödet och skyller på användarna när verktyget i tysthet överges första hektiska veckan.

6. Vad har vi faktiskt testat här i stället för antagit — och tränar våra incitament i tysthet människor att spela med måttet? Beteendeeffekter är notoriskt kontextberoende och överraskar ofta även experter, så en plan byggd på självsäkert antagande snarare än en liten jämförelse är en plan som bär dold risk. Diskussionen bör fråga vad som billigt kunde faktiskt piloteras eller A/B-testas före uppskalning — två formuleringar av en påminnelse, två standardinställningar, en assisterad väg mot ingen — eftersom ett test i två armar kostar lite och rutinmässigt ändrar svaret, och eftersom uppskalning av en otestad nudge kan befästa något som inte gör något eller slår tillbaka för en undergrupp. Samtalet måste också vända sig till incitament, ekonomiska eller prestationsmål, och fråga vilket beteende de egentligen belönar: koppla en betalning eller ett mål till ett tal och människor kommer att optimera för det talet, ibland på bekostnad av det utfall ni menade, och beteendet kan kollapsa i samma stund incitamentet dras tillbaka. Beakta om något nuvarande mål kunde nås medan den underliggande kliniska avsikten missas, vilket är signaturen för spel med måttet. Ett starkt svar namnger vad som ska testas och hur, behandlar ekonomiska incitament som en kortsiktig katalysator att övervaka för biverkningar snarare än en permanent krycka och frågar av varje incitament vad som går sönder när det upphör.

I praktiken: ett exempel från hälsa och vård#

Ett integrerat vårdsystem rullar ut en tjänst för fjärrövervakning för personer med hjärtsvikt: patienter tar dagliga vikt- och symtomavläsningar på en tillhandahållen enhet, och ett team på en virtuell vårdavdelning granskar dem. Tekniken fungerar i piloten. Sex månader in märker programledaren det mönster beteendevetenskapen förutsäger — stark registrering, ett kraftigt fall efter vecka två och en liten, demografiskt skev grupp som fortfarande använder den vid månad tre.

I stället för att beställa fler patientblad kör teamet en COM-B-diagnos. Registreringen (införandet) är bra. Kollapsen sker vid aktivering och varaktig användning, och hindren skiljer sig åt mellan grupper. För många äldre patienter är begränsningen förmåga — enhetens installation har för många steg — och möjlighet — ingen påminner dem och den dagliga avläsningen har inget fäste i deras rutin. För sjuksköterskorna på den virtuella vårdavdelningen är begränsningen också möjlighet: att granska avläsningar innebär en andra inloggning i en separat portal som inte ingår i deras befintliga arbetsflöde.

Insatserna följer diagnosen. Enhetens installation friktionsminskas till en förkonfigurerad, färdig sats levererad hem, med ett kort besök eller telefonsamtal för aktivering så att den första avläsningen — ”aha”-ögonblicket — sker med stöd. En daglig påminnelse tidssätts till en befintlig signal (morgonens läkemedel), och ett enkelt återkopplingsmeddelande bekräftar ”ditt värde ligger inom intervallet” eller eskalerar. För personalen presenteras avläsningarna inuti det befintliga kliniska systemet i stället för en separat portal, vilket gör granskningen till en vana knuten till passets början. Avgörande är att teamet segmenterar införandedata efter ålder och fattigdom, finner att den digitala vägen sviker den mest utsatta kvartilen och lägger till en telefonbaserad assisterad väg och åtkomst för anhörig/ombud så att upptaget inte bara följer privilegium.

De testar påminnelsens formulering i en liten jämförelse i två armar före uppskalning. Framgång omdefinieras: inte ”enhet utfärdad till 300 patienter” utan varaktig daglig användning efter nittio dagar, följd och redovisad per undergrupp, tillsammans med inläggningsfrekvensen för hjärtsvikt mot utgångsläget. Styrelsens instrumentpanel visar nu beteende, inte driftsättning — och jämlikhetsglappet är ett rubrikmått, inte en fotnot.

Sektorperspektiv#

Startup-företag#

Ett digitalt hälsoföretag lever eller dör på aktivering och retention, så beteendedesign är ingen artighet utan produktens kärna. Grundare bör mycket noggrant instrumentera tratten — registrering, aktivering, retention dag 7 och dag 30 — och köra billiga A/B-tester på introduktion, standardval och prompter, eftersom ett litet lyft i aktivering ackumuleras till överlevnad. Fällan är att optimera för fåfängemått (nedladdningar, registrerade användare) som imponerar på investerare medan verklig varaktig användning i tysthet läcker bort. Startup-företag bär också en oproportionerlig etisk risk: tillväxttryck frestar till mörka mönster och manipulativa retentionstrick, vilket inom hälsa kan kosta er det kliniska förtroende och den evidensbas ni behöver för att alls sälja till NHS. Bygg ärlig valarkitektur och jämlikhetsmedveten design från början, eftersom det är långt dyrare att eftermontera dem efter en säkerhets- eller förtroendeincident.

Småföretag#

En etablerad liten vårdgivare — en läkarpraktik, ett närapotek, ett vårdhem eller en hemtjänstverksamhet, en klinik på en enda ort — bär samma plikt att få ett nytt verktyg genuint använt, men utan storföretagets analys, superanvändare eller lediga kapacitet att köra försök. Här måste beteendearbetet vara slimmat och fysiskt snarare än instrumenterat: välj ett exakt beteende, skala bort friktionen till benet och knyt det till en signal som redan finns i ett litet teams dag, eftersom det inte finns någon vars jobb är att jaga införande. Standardval och inbäddning spelar ännu större roll än i ett stort sjukhus, eftersom ett team på fem personer inte kan absorbera ett parallellt arbetsflöde eller en andra inloggning och återgår till papper första hektiska morgonen om verktyget sitter bredvid deras rutin snarare än inuti den. Bevaka jämlikhetseffekten med de blygsamma medel ni har — ett vårdhems boende eller en praktiks äldre, mer utsatta patienter är precis den grupp ett digital-först-standardval kan lämna efter — och luta er mot assisterade vägar och ombudsvägar och mot den förtroendefulla personliga relation en liten vårdgivare redan har. Där förmåga eller evidens ligger bortom er, anta de färdiga handböcker, standardval och mönster för assisterade vägar som publicerats nationellt snarare än att uppfinna egna.

Storföretag#

Ett stort sjukhus eller ICS har skalan att göra beteendevetenskap ordentligt — verklig införandeanalys, undergruppssegmentering, inbäddade superanvändare och kontrollerade piloter före bred utrullning — men också den tröghet som låter ”driftsatt” maskera sig som ”infört” över tusentals medarbetare och platser. Storföretagets utmaning är att göra införande till ett ägt, mätt utfall snarare än ett antagande i ett nyttocase, med någon ansvarig för varaktig användning efter nittio dagar och bortom. Integration är den viktigaste hävstången i skala: att bädda in ett beteende i den befintliga elektroniska journalen och det befintliga arbetsflödet, via enkel inloggning och prompter i sammanhanget, slår varje fristående verktyg eller utbildningsinsats. Se upp för förändringströtthet och aviseringsöverbelastning — med många samtidiga program konkurrerar varje extra prompt om samma knappa uppmärksamhet, och dåligt styrda nudges tar ut varandra. Storföretagets fördel, väl använd, är förmågan att bädda in beteende varaktigt genom arbetsflöde, policy och granskning.

Staten#

Ett nationellt eller lokalt offentligt organ utformar sällan själva klicket; det formar de förutsättningar — standarder, finansiering, standardval och nationella tjänster — under vilka beteende sker i befolkningsskala, vilket är exakt där nudges biter hårdast och jämlikhetsriskerna är störst. Staten är där ”Nudge Unit”-modellen hör hemma: rigorös testning (randomiserade studier), publicerad evidens och återanvändbara beteendehandböcker som lokala organisationer kan anta. Ansvaret inför ministrar, parlamentet och allmänheten höjer den etiska ribban kraftigt — ett nationellt standardval eller en nudge är mycket synlig, politiskt känslig och, om den är manipulativ eller vidgar ojämlikhet, korrosiv för allmänhetens förtroende i åratal (se Ämne 1.8 — Dataetik, samtycke och allmänhetens förtroende). Statens särskilda plikt är att bevaka fördelningen, inte bara genomsnittet: ett nationellt digitalt standardval som lyfter det övergripande upptaget medan de mest utsatta lämnas efter är ett policymisslyckande även om rubriksiffran förbättras. Dess rätta roll är att göra det hälsosamma, jämlika beteendet till det enkla över ett federerat system det inte direkt linjeleder.

Vanliga felmönster#

• Att räkna driftsättning som framgång. Att rapportera ”i drift på 40 platser” medan beteendet aldrig ändrades. Undvik det genom att definiera klart som varaktig användning efter nittio dagar och mäta det.
• En insats för varje hinder. Att besvara ett möjlighets- eller förmågeglapp med mer kommunikation. Undvik det genom att diagnostisera med COM-B först.
• Att ignorera aktiveringsstupet. Att optimera registrering medan användningen kollapsar i vecka två. Undvik det genom att utforma och mäta aktiveringsögonblicket, inte bara införandet.
• Att nudga de gynnade. Ett standardval eller en slick resa som lyfter genomsnittet och vidgar glappet. Undvik det genom att segmentera införandedata och bygga assisterade vägar för dem som lämnas efter.
• Incitament som spelas eller tränger undan. Beteende som bara finns medan ni betalar för det, eller som spelas mot måttet. Undvik det genom att föredra inre motivatorer och testa för biverkningar.
• Manipulativ design. Mörka mönster, dolda möjligheter att välja bort, utnyttjande av rädsla. Undvik det genom att tillämpa ett transparensprov: kunde ni försvara denna nudge öppet inför den person den riktas mot?
• Påskruvat, inte inbäddat. Ett fristående verktyg bredvid arbetsflödet, övergivet under press. Undvik det genom att knyta beteendet till befintliga signaler och system.
• Att anta i stället för att testa. Att rulla ut en nudge ingen kontrollerat. Undvik det genom att pilotera och A/B-testa före uppskalning.

Mognadsmodell#

Checklista#

• Målbeteendet är exakt nedskrivet: vem, gör vad, när, var.
• Det bindande hindret är diagnostiserat med COM-B (förmåga / möjlighet / motivation) innan någon insats väljs.
• Den önskade vägen är befriad från friktion (steg, inloggningar, fält), och standardval är satta till det trygga, rekommenderade alternativet med ett enkelt, transparent sätt att välja bort.
• Påminnelser och återkoppling är tidssatta till befintliga signaler och hålls sparsamma.
• Beteendet är inbäddat i befintligt arbetsflöde och befintliga system för att bygga vana, inte påskruvat bredvid dem.
• Incitament, om de används, är kontrollerade för spel och undanträngning, och för vad som går sönder när de dras tillbaka.
• Införande, aktivering och varaktig användning mäts separat, mot ett utgångsläge.
• Införandedata är segmenterade efter ålder, fattigdom, språk och funktionsnedsättning, och assisterade / icke-digitala vägar finns för dem nudgen lämnar efter.
• Insatser piloteras eller A/B-testas före uppskalning.
• Varje nudge klarar ett transparensprov: den kunde försvaras öppet inför den person den riktas mot, en tillsynsmyndighet och allmänheten.
• En namngiven ägare är ansvarig för varaktig användning bortom driftsättningen, och styrelsens instrumentpanel redovisar beteende, inte driftsättning.

Viktiga källor#

• Susan Michie, Lou Atkins & Robert West, The Behaviour Change Wheel: A Guide to Designing Interventions — COM-B-modellen och BCW-metoden.
• Richard H. Thaler & Cass R. Sunstein, Nudge: Improving Decisions About Health, Wealth, and Happiness — nudge-teori och valarkitektur.
• The Behavioural Insights Team (”Nudge Unit”) — beteendeinsikter tillämpade på offentlig politik, inklusive EAST-ramverket (bi.team).
• NICE Guideline NG155, Behaviour change: individual approaches, och PH49, Behaviour change: general approaches (nice.org.uk).
• Everett M. Rogers, Diffusion of Innovations — hur innovationer sprids genom en befolkning.
• NHS England — digital inkludering och ramverket för att minska digital utestängning (england.nhs.uk).
• Government Communication Service — beteendevetenskap och ansatserna OASIS / EAST för beteendeförändring hos allmänheten (gcs.civilservice.gov.uk).
• Se även Ämne 8.0 — Att införa innovation stegvis, Ämne 8.1 — Förändringsledning, Ämne 8.2 — Kommunikation och engagemang och Ämne 3.3 — Digitala tjänster för patienter och medborgare.

Referenser#

1. Behavioral economics — Wikipedia — https://en.wikipedia.org/wiki/Behavioral_economics
2. Behavior change (public health) — Wikipedia — https://en.wikipedia.org/wiki/Behavior_change_(public_health)
3. Susan Michie — Wikipedia — https://en.wikipedia.org/wiki/Susan_Michie
4. Behavior change method (including the Behaviour Change Wheel) — Wikipedia — https://en.wikipedia.org/wiki/Behavior_change_method
5. Nudge theory — Wikipedia — https://en.wikipedia.org/wiki/Nudge_theory
6. Choice architecture — Wikipedia — https://en.wikipedia.org/wiki/Choice_architecture
7. Behavioural Insights Team — Wikipedia — https://en.wikipedia.org/wiki/Behavioural_Insights_Team
8. Habit — Wikipedia — https://en.wikipedia.org/wiki/Habit
9. Self-determination theory — Wikipedia — https://en.wikipedia.org/wiki/Self-determination_theory
10. Randomized controlled trial — Wikipedia — https://en.wikipedia.org/wiki/Randomized_controlled_trial
11. Diffusion of innovations — Wikipedia — https://en.wikipedia.org/wiki/Diffusion_of_innovations
12. Technology adoption life cycle — Wikipedia — https://en.wikipedia.org/wiki/Technology_adoption_life_cycle
13. The Behaviour Change Wheel: A Guide to Designing Interventions — Susan Michie, Lou Atkins & Robert West, Silverback Publishing (2014) — http://www.behaviourchangewheel.com/
14. Nudge: Improving Decisions About Health, Wealth, and Happiness — Richard H. Thaler & Cass R. Sunstein, Yale University Press (2008) — https://en.wikipedia.org/wiki/Nudge_(book)
15. EAST: Four Simple Ways to Apply Behavioural Insights — The Behavioural Insights Team — https://www.bi.team/publications/east-four-simple-ways-to-apply-behavioural-insights/
16. Behaviour change: individual approaches (NG155) — National Institute for Health and Care Excellence — https://www.nice.org.uk/guidance/ng155
17. Diffusion of Innovations, 5th edition — Everett M. Rogers, Free Press (2003) — ISBN 978-0743222099
18. Inclusive digital healthcare: a framework for NHS action on digital inclusion — NHS England — https://www.england.nhs.uk/long-read/inclusive-digital-healthcare-a-framework-for-nhs-action-on-digital-inclusion/