Ämne 10.1 — Nyckeltal (KPI)

Ett nyckeltal (key performance indicator, KPI) är ett litet, noga valt tal som talar om för er om en tjänst är säker, rättvis, verkningsfull och betrodd — och inom hälsa och vård är att välja och läsa dessa tal väl i sig en fråga om klinisk säkerhet och offentlig ansvarsskyldighet, inte administrativt hushållsarbete.

Varför detta är viktigt inom hälsa och vård#

Inom hälsa och vård formar de tal ni bevakar den vård människor får. Ett nyckeltal för väntelista som räknar ”patienter bokade” men inte ”patienter mottagna” kan dölja en kohort som i tysthet försämras hemma. En digital tjänsts instrumentpanel som är grön på drifttid men tyst om huruvida personer med funktionsnedsättning kan slutföra en bokning kommer att låta ett tillgänglighetsproblem växa till en hälsoojämlikhet. Det ni mäter signalerar vad ni värderar, och personal, leverantörer och algoritmer optimerar alla mot det uppmätta målet — ibland på bekostnad av det omätta som faktiskt betydde något.

Insatserna är högre här än i de flesta sektorer eftersom felmönstren är mänskliga. Mid Staffordshire och andra utredningar fann upprepade gånger organisationer som nådde sina rubrikmål för ekonomi och aktivitet medan vårdkvaliteten kollapsade under dem. Mått rapporterades uppåt som gröna medan patienter kom till skada — mönstret som nu i stor utsträckning kallas ”vattenmelonrapportering” (grönt på utsidan, rött på insidan), som Ämne 10.4 — Insyn för vd och högre chefer undersöker på djupet. Bra nyckeltal är ett av era försvar mot det glappet mellan den rapporterade bilden och den verkliga.

Nyckeltal spenderar också offentliga medel och allmänhetens förtroende. Varje indikator ni publicerar blir en del av hur medborgare, tillsynsmyndigheter och beställare bedömer systemet. Att överdriva, plocka russinen ur kakan eller spela med ett mål är inte bara dålig ledning; det urholkar det förtroende digital hälsa beror på för att få människor att dela data och anta nya tjänster. Detta ämne är mätningens partner till Ämne 10.0 — Mål och nyckelresultat (OKR): där OKR driver fokuserad förändring övervakar nyckeltal den löpande hälsan hos de tjänster och system ni driver.

Grundläggande begrepp#

En prestationsindikator (performance indicator), eller KPI, är ett mått valt därför att det speglar framsteg mot ett mål som spelar roll. Ett prestationsmått (performance metric) är varje mätning av aktivitet eller tillstånd; ett nyckeltal är den delmängd ni medvetet har lyft till ”bevaka den här”. Ordet nyckel är bärande — om allt är ett nyckeltal är ingenting det. En användbar disciplin är att hålla en handfull nyckeltal per tjänst, vart och ett med en namngiven ägare, en definition, en datakälla och ett skäl till att det förtjänar en plats på tavlan.

Ett bra nyckeltal har fyra egenskaper. Det är samstämmigt med ett utfall som genuint spelar roll för patienter, medborgare eller kliniker, inte bara med intern aktivitet. Det är åtgärdbart — när det rör sig kan någon göra något åt det. Det är aktuellt — det anländer tillräckligt snart för att agera på, inte sex veckor efter att kvartalet stängdes. Och det är svårt att spela med — det kan inte förbättras på papper utan att det verkliga förbättras. Mått som inte klarar det sista provet inbjuder Goodharts lag: ”när ett mått blir ett mål upphör det att vara ett bra mått.”

Indikatorer delas vanligen in i ledande och eftersläpande. En eftersläpande indikator bekräftar ett utfall i efterhand (30-dagarsdödlighet, årlig patientnöjdhet). En ledande indikator rör sig tidigare och förutsäger den eftersläpande (fullständighet i läkemedelsavstämning, driftsättningsfrekvens, andelen remisser triagerade inom 24 timmar). Ni behöver båda: eftersläpande indikatorer talar om huruvida ni vinner, ledande indikatorer talar om det i tid för att ändra resultatet. Många ekonomiska och operativa ramverk beskriver denna distinktion mellan ledande och eftersläpande.

En parallell och lika viktig uppdelning är process-, output- och utfallsmått. Ett processmått räknar om ni gjorde saken (erbjudna besök, migrerade journaler). Ett outputmått räknar vad som producerades (skickade brev, resultatsatta prover). Ett utfallsmått fångar vad som faktiskt ändrades för personen — ett utfallsmått (outcome measure) såsom symtomförbättring, undviken inläggning eller en patientrapporterad livskvalitetspoäng. Hälso- och vårdsystem har en kronisk lutning mot aktivitet eftersom aktivitet är lätt att räkna och ofta hur pengar flödar. Motstå den: privilegiera utfall och upplevelse, och använd processmått som de ledande indikatorer som förklarar dem.

Eftersom inget enskilt tal är tryggt på egen hand, använd balanserad mätning. Disciplinen balanserat styrkort (balanced scorecard) av Kaplan och Norton parar varje prestationsmått med andra så att förbättring av ett på bekostnad av ett annat blir synlig. Institute for Healthcare Improvement formaliserar detta som utfalls-, process- och balanserande mått — det balanserande måttet bevakar den skada er förbättring kan orsaka någon annanstans (snabbare utskrivning balanserad mot återinläggning, till exempel).

Inte varje tal som stiger är framsteg. Ett fåfängemått (vanity metric) ser imponerande ut och stiger pålitligt men informerar inte ett beslut — totalt antal registrerade användare, ackumulerade inloggningar, sidvisningar. Rörelsen lean startup populariserade kontrasten mellan fåfängemått och åtgärdbara mått: ett åtgärdbart mått knyter en förändring ni gjorde till en förändring i beteende eller utfall ni kan agera på. Ackumulerade summor är det klassiska kännetecknet — de bara stiger, så de kan aldrig signalera att något är fel.

Slutligen, skilj mellan mätning för förbättring och mätning för bedömning. Bedömning frågar ”nådde ni målet denna månad?” och reducerar en levande process till en tvåpunkts, röd-eller-grön jämförelse mot förra perioden — en jämförelse som nästan alltid är statistiskt meningslös eftersom den inte kan skilja signal från brus. Förbättring frågar ”förändras den här processen, och kan vi lita på förändringen?” och besvarar det med statistisk processtyrning (statistical process control, SPC): att plotta ett mått över tid på ett körschema eller kontrolldiagram (control chart) med kontrollgränser, så att ni kan se om variationen är vanligt (gemensamorsaks-)brus eller en genuin signal (särskild orsak) värd att agera på. NHS Englands program Making Data Count har gjort detta till det rekommenderade sättet att presentera operativa data över NHS, just för att döda reflexen ”upp mot förra månaden, ned mot målet” som driver dåliga beslut.

Bästa praxis#

1. Utgå från utfallet, arbeta sedan bakåt till indikatorn. Namnge det som måste vara sant för en patient, medborgare eller kliniker — färre undvikbara inläggningar, snabbare tillgång, säker läkemedelshantering — och fråga först därefter vad som skulle tala om att det sker. Det håller er borta från standardfällan att mäta det era system råkar logga. Om ni inte kan koppla ett kandidatnyckeltal till ett utfall någon bryr sig om är det sannolikt ett fåfängemått.

2. Håll uppsättningen liten och ge varje nyckeltal en ägare och en definition. En styrelse eller tjänst bör bevaka en handfull nyckeltal, inte femtio. Varje behöver en precis definition (vad som räknas, vad som utesluts, över vilken period), en namngiven ägare som är ansvarig för det och en dokumenterad datakälla. Tvetydiga definitioner är hur två team grälar en månad om ett tal de mätte olika.

3. Balansera varje nyckeltal så att det inte kan spelas med isolerat. För varje mått, fråga ”hur skulle en rationell person kunna förbättra det här talet utan att förbättra det verkliga, och vilket balanserande mått skulle fånga dem?” Para tillgång med säkerhet, genomströmning med återinläggning, kostnad med upplevelse, leveranshastighet med andel misslyckade ändringar. Balanserade uppsättningar gör spel synligt och hedrar verkligheten att utfall inom hälsa och vård är flerdimensionella.

4. Privilegiera utfalls- och upplevelsemått framför aktivitet. Aktivitetsräkningar är förförande eftersom de är rikliga och ofta knutna till finansiering, men de besvarar ”hur upptagna var vi?” inte ”hjälpte det?”. Där ni kan, lyft utfallsmått och patientrapporterade upplevelse- och utfallsmått (PREM och PROM) in i nyckeltalsuppsättningen och nedgradera rå aktivitet till det stödjande skiktet. Där ett utfall är långsamt eller svårt att mäta, välj ett validerat ledande processmått som pålitligt förutsäger det.

5. Presentera nyckeltal som tidsserier med SPC, inte tvåpunktsjämförelser. Anta ansatsen i Making Data Count: plotta måttet i körschema- eller kontrolldiagramstil så att gemensamorsaksvariation och särskild-orsak-signaler går att skilja åt med en blick. Det hindrar team från att reagera på brus, fira en lyckosam månad eller straffas för en olycklig. Det ändrar också styrelserummets samtal från ”varför missade vi?” till ”har processen faktiskt förändrats?” — vilket är förbättringsfrågan (se Ämne 10.2 — Kvalitetsutveckling och förbättringsvetenskap).

6. Segmentera nyckeltal efter population för att blotta ojämlikhet. Ett aggregerat tal döljer fördelningen. En ”bra” genomsnittlig väntetid kan dölja att patienter från de mest utsatta stadsdelarna, eller de som behöver tolk, väntar långt längre. Dela upp varje jämlikhetsrelevant nyckeltal efter fattigdom, etnicitet, ålder, funktionsnedsättning och digital åtkomst, i linje med plikter kring hälsojämlikhet (health equity) och ramverk såsom NHS Core20PLUS5. I digitala tjänster, segmentera även införande- och slutföranderater — en rubrikandel för upptag kan maskera att er tjänst utesluter just dem som mest behöver den (se Ämne 4.5 — Data, analys och hantering av befolkningshälsa).

7. Behandla datakvalitet som en förutsättning, och mät den. Ett nyckeltal är bara så pålitligt som datan under det. Följ datakvaliteten i de fält era nyckeltal beror på — fullständighet, giltighet, aktualitet, täckning — med instrument såsom NHS Data Quality Maturity Index, och visa datakvalitetsreservationer vid sidan av talet. Om 30 % av journalerna saknar fältet, säg det på instrumentpanelen; ett självsäkert utseende nyckeltal byggt på dålig data är värre än inget nyckeltal.

8. Använd leveransmått för själva den digitala tjänsten, valda med samma stringens. För den programvara ni bygger och driver ger DevOps Research and Assessment (DORA)s fyra nycklar — driftsättningsfrekvens, ledtid för ändring, andel misslyckade ändringar och tid att återställa tjänsten — en balanserad bild av hastighet och stabilitet. De motstår spel som uppsättning: ni kan inte leverera snabbare genom att förstöra saker, eftersom andelen misslyckade ändringar och återställningstiden fångar det. Komplettera dem med tillförlitlighets- och säkerhetsnyckeltal som spelar klinisk roll, såsom incidentfrekvenser och tillgänglighet av säkerhetskritiska funktioner (se Ämne 3.6 och Ämne 3.8).

9. Skikta er rapportering så att varje publik får rätt höjd. Ett frontlinjeteam behöver granulära processmått i realtid; en tjänstestyrelse behöver en balanserad handfull med SPC; en systemledning behöver ett kurerat fåtal utfalls- och jämlikhetsmått. Utforma skikten medvetet så att toppvyn är en ärlig aggregering av dem under, inte en handplockad smickrande delmängd. Detta är ert strukturella försvar mot vattenmelonrapportering (Ämne 10.4).

10. Se över och avveckla nyckeltal enligt schema. Indikatorer förfaller: ett mått som drev verklig förbättring kan bli en spelad ritual när det beteende det riktade sig mot väl är inbäddat, och nya risker uppstår som ingenting bevakar. Lägg nyckeltal på en regelbunden översyn där ni frågar om vart och ett ”talar det här fortfarande om något vi agerar på?” och avveckla det döda. En föråldrad nyckeltalsuppsättning är inte neutral — den vilseleder aktivt uppmärksamheten.

Frågor att diskutera med ditt team#

1. För vart och ett av våra rubriknyckeltal, hur skulle någon kunna förbättra talet utan att förbättra verkligheten — och skulle vi märka det? Detta är stresstestet enligt Goodharts lag, och det görs bäst som en medvetet motstridig övning. Ta varje nyckeltal och låt teamet spela rollen som en ansträngd tjänst som försöker nå det: skriv ut före midnatt för att nollställa klockan, ompröva en väntande patient, stäng och återöppna ett ärende för att nollställa lösningstiden, batchregistrera användare som aldrig återvänder. Poängen är inte cynism mot kollegor utan insikten att tryck plus ett enda taltal ger förutsägbara förvrängningar, särskilt när lön, anseende eller avtalspåföljder hänger på siffran. Ett bra svar namnger den specifika spelvägen för varje nyckeltal och identifierar det balanserande mått eller den datakontroll som skulle avslöja den — och flaggar ärligt varje nyckeltal där ni för närvarande saknar ett sådant skydd. Om ett mått inte kan försvaras så bör diskussionen sluta med ett beslut att para det, omdefiniera det eller släppa det.

2. Vilka av våra tal rapporterar vi för förbättring och vilka för bedömning — och presenterar vi vart och ett på ett sätt som passar? Team tar rutinmässigt ett mått byggt för att hjälpa en tjänst att lära och lämnar det, oförändrat, till en kommitté som använder det för att ställa någon till svars, eller tvärtom. Spänningen är verklig: ledare behöver försäkran, och förbättring behöver trygghet för att se problem ärligt, och samma diagram kan inte alltid tjäna båda utan förvrängning. Gå igenom era faktiska styrelse- och driftpaket och märk varje måtts verkliga syfte, och fråga sedan om presentationen passar — visar ni en tvåpunkts röd/grön jämförelse där ett SPC-diagram skulle förhindra reflexmässiga reaktioner på brus? Ett bra, ärligt svar erkänner var bedömningskultur har krupit in i förbättringsforum (vilket får personal att dölja problem) och var vaga förbättringsberättelser används för att undvika legitimt ansvar. Målet är ett medvetet val per mått, med SPC som standardpresentation, snarare än en tillfällig röra.

3. Avslöjar eller döljer våra nyckeltal ojämlikhet, och vems upplevelse saknas helt i dem? Aggregerade nyckeltal är bekväma just därför att de jämnar ut människorna i marginalen, och inom hälsa och vård är marginalerna där undvikbar skada koncentreras. Diskutera vilka av era indikatorer som är segmenterade efter fattigdom, etnicitet, funktionsnedsättning, ålder och digital åtkomst — och vilka som fortfarande rapporteras bara som en enda systemomfattande siffra som skulle kunna se frisk ut medan en undergrupp sviks. Gå längre till de människor som aldrig kommer in i era data alls: patienter som inte kom förbi inloggningen, som övergav det digitala formuläret, som aldrig remitterades, som avstod från att dela det demografiska fält ni segmenterar efter. Ett starkt svar identifierar minst ett nyckeltal där segmentering ändrade eller skulle ändra berättelsen, erkänner ärligt datakvalitets- och samtyckesgränserna för segmentering och förbinder sig till ett specifikt steg — även en proxy eller en liten kvalitativ studie — för att se det som för närvarande är osynligt. Allt mindre riskerar en instrumentpanel som är tekniskt korrekt och moraliskt blind.

4. Hur många nyckeltal bevakar vi faktiskt, och vilka skulle vi inte förlora något på att avveckla? Ordet nyckel betyder bara något om uppsättningen är liten, men indikatorer ackumuleras snabbare än någon tar bort dem — en nationell inlämning här, ett avtalsmått där, ett tal en tidigare direktör en gång bad om och som ingen har vågat släppa sedan. Spänningen är att varje nyckeltal känns försvarbart isolerat, så uppsättningen växer tills styrelsepaketen är hundra sidor ingen läser och de genuint viktiga signalerna är begravda bland zombiemått producerade av vana. Gå igenom er faktiska rapportering och räkna indikatorerna ärligt, fråga sedan om var och en om någon agerade på den under det senaste året och vilket beslut den informerar; de mått som inte klarar något av proven är dött virke som ändå förbrukar analytikertid och späder ut uppmärksamheten. Ett bra svar namnger ett specifikt antal ni kommer att hålla per tjänst, identifierar minst ett nyckeltal att avveckla helt och inför en schemalagd översyn så att uppsättningen förblir kurerad i stället för att i tysthet blåsas upp igen. Se upp för reflexen att avveckla ett mått är ett erkännande av misslyckande — en disciplinerad subtraktion är ett tecken på mognad, inte försummelse.

5. Hur mycket litar vi egentligen på datan under varje rubriknyckeltal, och säger instrumentpanelen det? Ett självsäkert utseende tal byggt på ett fält som är 30 % ofullständigt är farligare än inget tal alls, eftersom det inbjuder till beslut datan inte kan stödja medan det bär auktoriteten hos en ren siffra. Inom hälsa och vård är detta akut: demografiska fält som behövs för jämlikhetssegmentering är ofta glesa, kodningspraxis varierar mellan enheter och själva handlingen att digitalisera en pappersprocess kan förskjuta vad som registreras och när. Diskutera, för varje nyckeltal, om ni känner dess fullständighet, giltighet, aktualitet och täckning, och om dessa reservationer följer med talet in i styrelsepaketet eller i tysthet strippas bort när det rör sig uppåt. Ett starkt svar pekar på ett konkret instrument — en datakvalitetskontroll, DQMI, ett fullständighetströskelvärde under vilket ett mått flaggas — och visar minst ett ställe där en datakvalitetsreservation visas vid sidan av nyckeltalet i stället för att döljas. Den ärliga versionen erkänner var ni för närvarande rapporterar ett tal ni inte fullt ut kan stå bakom, och behandlar att åtgärda datan som en del av nyckeltalet, inte ett separat backloggärende.

6. Rullar skikten i vår rapportering ärligt upp, och var skulle rött kunna bli grönt på vägen till styrelsen? Olika publiker behöver legitimt olika höjd — ett frontlinjeteam vill ha granulära processmått i realtid, en styrelse vill ha en balanserad handfull med SPC, ett system vill ha ett kurerat fåtal utfall — men varje aggregering är ett tillfälle för den underliggande bilden att jämnas ut, jämnas till ett medelvärde eller handplockas till något bekvämare än sanningen. Detta är den strukturella roten till vattenmelonrapportering: ju fler skikt mellan avdelningen och styrelsen, desto fler ställen där en fördelning kan plattas till ett lugnande medelvärde, eller en kämpande enhet kvittas mot en stark. Spåra ett nyckeltal från dess frontlinjekälla hela vägen till toppvyn och fråga om ledningens siffra är en trogen aggregering eller en smickrande delmängd, och vem — om någon — som granskar den uppräkningen. Ett bra svar visar att rapporteringsskikten utformades medvetet med överenskomna definitioner och ägare, identifierar minst en punkt där aggregeringen kunde dölja ett problem och namnger det balanserande mått eller den nedborrning som håller toppvyn sanningsenlig. Ärlighet här innebär att erkänna var uppräkningen för närvarande tas på tro i stället för kontrolleras (se Ämne 10.4).

I praktiken: ett exempel från hälsa och vård#

Ett integrerat vårdsystem (ICS) lanserar en digital remisstjänst som låter allmänläkare remittera direkt till närsjukvårdens fysioterapi för rörelseorganen (MSK), och ersätter en process med papper och fax. Programstyrelsens instinkt är att rapportera två nyckeltal: antal digitala remisser mottagna och systemets drifttid. Inom tre månader är båda starkt gröna — tusentals remisser, 99,9 % drifttid — och styrelsen är redo att förklara framgång.

Den kliniska direktören är orolig och ber analysteamet (med mönstret i Ämne 4.5) bygga om nyckeltalsuppsättningen kring utfall. De landar i en balanserad handfull: tid från remiss till första kontakt (tillgång, visad som ett SPC-diagram), andelen remisser som returneras eller avvisas som ofullständiga (en ledande kvalitetssignal), en patientrapporterad utfallspoäng vid utskrivning (utfall), ett kort upplevelsemått (kände du dig delaktig i besluten?) och andelen misslyckade ändringar för tjänstens releaser (leveransstabilitet). Varje tillgångs- och utfallsmått segmenteras efter fattigdomsdecil och efter om patienten behövde digitalt stöd.

Den ombyggda vyn berättar en mycket annan historia. Drifttiden är genuint bra, men andelen remisser som returneras till remittenten är 22 % — en av fem remisser studsar därför att det digitala formuläret gör en fritextanamnes obligatorisk, så allmänläkare spelar med den genom att skriva ”se bilaga” och triageteamet avvisar dem. SPC-diagrammet visar att tillgångstiden är stabil men ligger långt över målet utan förbättringstrend. Och segmenteringen avslöjar att patienter i de två mest utsatta decilerna är hälften så benägna att slutföra den självremissväg tjänsten i tysthet knuffade människor mot, vilket vidgar ett glapp programmet hade antagit att det stängde. Inget av detta syntes i de två ursprungliga gröna talen. Styrelsen utformar om formuläret, lägger till en assisterad remissväg och behåller den balanserade, segmenterade, SPC-baserade nyckeltalsuppsättningen som sin stående vy — med det råa remissantalet nedgraderat till ett stödjande mått där det hör hemma.

Sektorperspektiv#

Startup-företag#

Ett digitalt hälsoföretag lever eller dör på en handfull åtgärdbara mått, så disciplinen är skoningslöst fokus och ärlighet. Grundare frestas att visa investerare fåfängemått — ackumulerade nedladdningar, totalt antal registrerade användare — eftersom de bara stiger; motstå, och led med aktivering, retention och, där ni kan mäta det, kliniskt utfall eller en validerad proxy. Med små tal är SPC och segmentering svårare men ännu viktigare: en handfull dåliga upplevelser kan vara hela er säkerhetssignal. Instrumentera produkten från dag ett så att varje nyckeltal knyter en förändring ni levererade till en förändring i verkligt beteende, och var uppriktiga mot kliniska och regulatoriska partner om datakvalitetens gränser i stället för att polera ett tunt dataunderlag.

Småföretag#

En etablerad liten vårdgivare — en läkarpraktik, ett närapotek, ett vårdhem, en hemtjänstverksamhet, en klinik på en enda ort eller en liten hälsotekniksleverantör bortom stadiet utan intäkter — bär samma mät- och jämlikhetsplikter som ett stort sjukhus men utan dedikerad analytiker och med lite ledig tid. Fällan är att drunkna i de nyckeltal som nationella inlämningar, CQC och beställare redan kräver medan man mäter ingenting som hjälper en att driva stället; motgiftet är att välja en genuint liten handfull utfalls- och upplevelsemått ni faktiskt kan agera på, och luta er mot det ert befintliga kliniska system eller praktikadministrationssystem redan fångar i stället för att bygga ny instrumentering. SPC är fortfarande värt det även för hand eller i ett kalkylblad — ett enkelt körschema över, säg, veckovis tid till besök hindrar er från att jaga bruset i en enda dålig vecka. Segmentering spelar lika stor roll i denna skala, men med små tal kan ett par enskilda patienter svänga en procentsats, så läs uppdelningar som en uppmaning att titta närmare snarare än en dom. Var ärliga mot beställare om datakvalitetens gränser i en slimmad verksamhet, och motstå att anta ett stort företags instrumentpanel med femtio mått när fem väl valda tal tjänar era patienter bättre.

Storföretag#

Ett stort NHS-sjukhus eller hälsotekniskt leverantörsföretag drunknar redan i indikatorer — nationella inlämningar, avtalsmässiga nyckeltal, styrelsemått, operativa instrumentpaneler — så utmaningen är kurering och sammanhang, inte insamling. Anta SPC över styrelse- och driftrapportering (som Making Data Count avser) för att stoppa den månatliga brusjakten, och bygg uttryckliga rapporteringsskikt så att ledningsvyn är en ärlig uppräkning av frontlinjens. Vattenmelonrapportering är storföretagsskalans risk: ju fler skikt mellan avdelningen och styrelsen, desto lättare för rött att bli grönt på vägen upp, så investera i de balanserande mått och datakvalitetsreservationer som håller toppvyn sanningsenlig. Avveckla äldre nyckeltal medvetet; stora organisationer ackumulerar zombiemått som ingen agerar på men alla fortfarande producerar.

Staten#

Ett nationellt eller lokalt offentligt organ sätter nyckeltal som skvalpar över ett helt system och blir politiska mål, vilket gör Goodharts lag till en systemisk fara snarare än en lokal — ett nationellt väntetidsmål omformar kliniska prioriteringar överallt över en natt. Utforma publicerade indikatorer med vetskapen att man kommer att optimera mot dem, para dem med balanserande mått och jämlikhetssegmentering och var transparenta om definitioner och datakvalitet eftersom allmänhetens förtroende beror på det. Ramverk såsom NHS Outcomes Framework och Core20PLUS5 finns just för att hålla nationell uppmärksamhet på utfall och ojämlikheter snarare än rå aktivitet. Staten bär också en plikt de andra inte gör: att mäta de människor dess tjänster utesluter, inte bara dem de betjänar, eftersom de uteslutna sällan syns i förvaltningsdata.

Vanliga felmönster#

• Att räkna aktivitet och kalla det framgång. Mottagna remisser, inloggningar, erbjudna besök — upptagen är inte detsamma som verkningsfull. Lyft utfall och upplevelse; nedgradera aktivitet till det stödjande skiktet.
• Det enda talet utan balanserande mått. Varje ensamt nyckeltal under press kommer att spelas med. Para alltid mått så att förbättring av ett på bekostnad av ett annat blir synlig.
• Tvåpunkts röd/grön-rapportering. ”Ned mot förra månaden, under målet” säger nästan ingenting om huruvida processen förändrades. Använd SPC-körscheman och kontrolldiagram i stället.
• Vattenmelonpaneler. Aggregering som förvandlar underliggande rött till grönt på ytan. Bygg ärliga rapporteringsskikt och granska uppräkningen (Ämne 10.4).
• Fåfängemått. Ackumulerade, ständigt stigande summor som inte kan signalera ett problem. Föredra åtgärdbara mått knutna till ett beslut.
• Osegmenterad jämlikhetsblindhet. Genomsnitt som döljer de människor som sviks. Segmentera efter population och leta efter vem som saknas helt.
• Nyckeltal byggda på ogranskad data. Ett självsäkert tal på dålig data vilseleder. Mät och redovisa datakvalitet vid sidan av nyckeltalet.
• Zombienyckeltal. Mått som fortfarande produceras av vana och som ingen agerar på. Se över och avveckla enligt schema.

Mognadsmodell#

Checklista#

• Varje nyckeltal kan spåras till ett utfall som spelar roll för en patient, medborgare eller kliniker.
• Nyckeltalsuppsättningen per tjänst är liten, och varje har en ägare, en skriven definition och en namngiven datakälla.
• Varje nyckeltal har minst ett balanserande mått så att det inte kan spelas med isolerat.
• Utfalls- och upplevelsemått prioriteras; rå aktivitet sitter i det stödjande skiktet.
• Operativa nyckeltal presenteras som SPC-körscheman/kontrolldiagram, inte tvåpunkts röd/grön-jämförelser.
• Jämlikhetsrelevanta nyckeltal är segmenterade efter fattigdom, etnicitet, funktionsnedsättning, ålder och digital åtkomst.
• Datakvaliteten för fälten bakom varje nyckeltal följs och förses med reservationer på instrumentpanelen.
• Leveransen av den digitala tjänsten mäts med en balanserad uppsättning (t.ex. DORA:s fyra nycklar plus säkerhet/tillförlitlighet).
• Rapporteringsskikt är utformade så att toppvyn är en ärlig uppräkning av frontlinjens.
• Nyckeltal ses över enligt schema, med döda eller spelade mått avvecklade.
• Ni har frågat, för varje nyckeltal, ”vem saknas helt i det här talet?”

Viktiga källor#

• NHS England — Making Data Count (statistisk processtyrning för NHS operativa data)
• Institute for Healthcare Improvement — Science of Improvement: utfalls-, process- och balanserande mått
• NHS England — NHS Outcomes Framework; ansatsen Core20PLUS5 för att minska ojämlikheter inom hälso- och sjukvården
• 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-mått); Google Cloud DORA:s rapporter State of DevOps
• Jerry Z. Muller — The Tyranny of Metrics
• Donald J. Wheeler — Understanding Variation: The Key to Managing Chaos
• GOV.UK Service Manual — Measuring success / mätning av er tjänsts prestation
• The Health Foundation — vägledning om mätning för förbättring

Referenser#

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