La Valutazione della qualità in Sanità

Transcript

1 La Valutazione della qualità in Sanità Università degli Studi di Milano - Bicocca Via Bicocca degli Arcimboldi, 8 Edificio U7, 2 piano Milano, Italia 1 Tel: (+39) Fax: (+39) crisp@crisp-org.it web:

2 1 Il percorso della valutazione in sanità in Regione Lombardia Dal 2003 il centro di ricerca CRISP è impegnato nella predisposizione di un sistema di valutazione delle performance degli ospedali lombardi. Scelta della dimensione di valutazione Valutazione ex post degli outcome ospedalieri ( ) Scelta della metodologia statistica appropriata Modello multilevel ( ) Raccolta dati e analisi della qualità degli stessi Fonte dati SDO ( ) Individuazione degli outcome ( ) Individuazione delle variabili di risk adjustment ( ) Misurazione dell efficacia ospedaliera complessiva ( ) Sviluppo di un sistema di valutazione delle performance ospedaliere per DRG ( ) 2010 Sviluppo di un sistema di valutazione multidimensionale delle performance, che tiene conto di molteplici aspetti dell attività ospedaliera

3 2 Sintesi attività ospedaliera Analisi per reparto dell attività di ricovero e cura, valutati rispetto alle seguenti dimensioni: Efficacia Ex Post Efficienza Appropriatezza Accessibilità Qualità Ex Ante Al fine di comprendere le peculiarità interne all ospedale le analisi sono state distinte rispetto alle seguenti unità operative Chirurgia Generale Medicina Cardiologia Cardiochirurgia Neurologia Neurochirurgia Urologia Oncologia Ortopedia

4 Modelli Multilivello (1/2) A partire dagli anni 90 la letteratura internazionale ha sviluppato un nuovo approccio alla modellazione dei dati gerarchici (alunni scuole, pazienti-ospedali): Due sono gli errori più comuni, legati all ignorare la gerarchia insita nei dati: a)ecological FALLACY: interpretazioni a livello individuale derivate da stime ottenute aggregando informazioni a livello di gruppo. b)atomistic FALLACY: interpretazioni a livello di gruppo partendo da modelli stimati a livello individuale. 4 Modello Multilevel Y ij = [β 00 +Σ k β 0k X ij +u 0j +e ij ] Goldstein Spiegelhalter 1996 In entrambi i casi si ignora il fatto che unità appartenenti allo stesso gruppo possono essere tra loro correlate.

5 Modelli Multilivello (2/2) La conseguenza principale dovuta all ignorare la gerarchia dei dati: Sottostima degli standard errors nelle stime dei parametri maggiore probabilità che la stima dei parametri dei predittori sia significativa ampiezza degli intervalli di confidenza non affidabile Inoltre, nel caso di piccoli campioni (strutture di piccole dimensioni) il modello multilivello permette di utilizzare il fattore Shrinkage che permette di rendere le stime robuste rispetto alla dimensione. 5

6 7. Critiche a ranking e tasso di mortalità (Mant e Hicks 1996; Lilford et al 2004; Lilford Pronovost 2010) 1) Critiche a uso mortalità intraospedaliera: mortalità a 30 giorni attraverso il record linkage SDO Anagrafe Assistiti (96% di linkage corretto) 2) Critiche a capacità spiegazione qualità ospedali: le differenze nella qualità spiegano solo una parte minima della varianza osservata nella mortalità Uso di altri outcome 3) Critiche a variabilità mortalità: le differenze sono molto maggiori negli ospedali che tra ospedali. Analisi ampiezza intervalli di confidenza del multilevel 4) Critiche a ranking con misure di risk adjustment: si può aggiustare solo per fattori misurabili accuratamente; c è imprecisione nella registrazione nelle statistiche ospedaliere Analisi per singolo DRG che permette una correzione meno generica attraverso misure di risk adjustment Ananlisi complessiva dell attività ospedaliera attraverso modello multimensionale per reparto 5) Critiche a uso violento di ranking: non una sentenza che porta a sanzionare, ma un segnale da approfondire 6

7 Modello Multilevel Reparto Paziente: 9modelli per ogni outcome e per ogni reparto. Chirurgia Generale Medicina Cardiologia Cardiochirurgia Neurologia Neurochirurgia Urologia Oncologia Ortopedia 3 Analisi dell Efficacia Ex Post Dimissioni Volontarie Trasferimenti tra Strutture Ritorno in Sala Operatoria Ricoveri Ripetuti Mortalità Totale (Mortalità Intraospedaliera + Mortalità a 30 gg dalla dimissione) Reparti Studiati Outcome Valutati

8 3 Analisi dell Efficacia Ex Post Variabili di Risk Adjustment per valutazione coeteris paribus N sale operatorie N unità operative Tipologia di pronto soccorso Età Media Ospedaliera Degenza Media Ospedaliera % Casi Urgenti per Ospedale % Casi Oncologici per Ospedale % Casi Cardiologici per Ospedale Comorbilità Media Ospedaliera Variabili a livello di ospedale Sesso Età Giorni di degenza Diagnosi per casi urgenti Diagnosi Cardiovascolare Diagnosi oncologica Comorbilità Passaggio in terapia Intensiva Variabili a livello di paziente

9 3 Analisi dell Efficacia Ex Post Analisi degli intervalli di confidenza: Assegnazione di un punteggio in funzione della significatività degli odds ratio risultanti dal modello multilevel: Ospedali in area verde = 3 Ospedali in area rossa = 1 Ospedali né efficaci né inefficaci = 2.

10 Analisi dell Efficacia Ex Post: Presentazione dei risultati a livello ospedale attraverso un grafico a radar: Area di qualità raggiunta dall ospedale Area di qualità non raggiunta dall ospedale Reparto mancante

11 4 Analisi dell Appropriatezza Ospedaliera Chirurgia Generale Medicina Cardiologia Cardiochirurgia Neurologia Cream Skimming Upcoding Ricoveri Ripetuti entro 30 gg per lo stesso MDC Esito dei Controlli NOC dell ASL Neurochirurgia Urologia Ginecologia Oncologia Ortopedia Reparti Studiati Dimensioni d Analisi

12 4 Analisi dell Appropriatezza Ospedaliera Cream Skimming: Numero di DRG per reparto Upcoding Rapporto tra il numero di DRG complicati per reparto ospedaliero rispetto alle coppie di DRG Complicati e Non Complicati Rapporto tra l indicatore grezzo e la media regionale Il tutto opportunamente pesato per la comorbilità della casistica trattata (Indice di Elixhauser) Ricoveri ripetuti per lo stesso MDC entro 30 giorni dalla precedente dimissione: per ogni ospedale, per ogni reparto Controlli NOC: Media per reparto dei controlli NOC che hanno avuto un esito positivo per ospedale e per reparto

13 5 Analisi dell Efficienza Ospedaliera e dell Efficacia Ex Ante Analisi dell efficienza tecnica ospedaliera attraverso un modello di Frontiera Stocastica. Analisi dell efficienza di produzione del numero di ricoveri standardizzato per peso del DRG. Analisi dell efficacia ex ante Media del punteggio per score e per area dell indicatore Joint Commission relativo alla Patient Safety

14 6 Analisi dell Accessibilità Analisi dei risultati di customer satisfaction: Si considerano due domande del questionario di customer satisfaction di Regione Lombardia: la prima domanda riguarda la soddisfazione rispetto all attività medica e la seconda domanda riguarda la soddisfazione rispetto alla professionalità infermieristica. Analisi dei tempi d attesa Media dei tempi d attesa considerando gli obiettivi regionali sulle singole procedure per i quali sono calcolati i tempi d attesa.

15 Analisi degli indicatori presentati: Presentazione dei risultati a livello ospedale attraverso un grafico a radar: Area di qualità raggiunta dall ospedale Area di qualità non raggiunta dall ospedale Reparto mancante

16 ALCUNI RISULTATI

17 Ospedale pubblico di piccole dimensioni che evidenzia una performance scadente

18 Ospedale pubblico di piccole dimensioni che evidenzia una performance scadente

19 Ospedale pubblico di grandi dimensioni che evidenzia una buona performance

20 Ospedale pubblico di grandi dimensioni che evidenzia una buona performance

21 Ospedale monospecialistico che evidenzia un ottima performance

22 Ospedale monospecialistico che evidenzia un ottima performance

23 Ospedale privato di grandi dimensioni che evidenzia una buona performance

24 Ospedale privato di grandi dimensioni che evidenzia una buona performance

25 La Proc Mixed e la Glimmix I modelli multilevel in SAS Proc Mixed Glimmix V. 8.2 V.9 Macro Glimmix Proc Glimmix 25

26 La Proc Mixed e la Glimmix PROC MIXED DATA= METHOD= ; BY variable ; CLASS variable ; MODEL Y = X Z / option ; RANDOM variable / option ; RUN ;

27 La Proc Mixed e la Glimmix %glimmix ( data=, procopt=, stmts=, weight=, freq=, error=, errvar=, errdev=, link=, linkn=, linknd=, linkni=, linku=, linkud=, linkui=, linkuid=, numder=, cf=, converge=, maxit=, offset=, out=, outalpha=, options=);

28 La Proc Mixed e la Glimmix data = specifica il dataset da utilizzare per l analisi procopt = specifica le opzioni per la MIXED weight = specifica una variabile di pesatura error = specifica il tipo di distribuzione degli errori. binomial b, normal n, poisson p, link = specifica la funzione di link (logit, probit ) stmts = specifica le istruzioni per la Proc Mixed entro una macroistruzione %str()

29 La Proc Mixed e la Glimmix Vantaggi: Capacità di gestire grandi molti di dati Efficienza operativa Esportazione dei risultati

30 La Proc Mixed e la Glimmix Svantaggi: Impossibilità di verificare la forma funzionale Impossibilità di verificare la distribuzione degli errori

31 La rappresentazione grafica dei risultati Versione Excel

32 La rappresentazione grafica dei risultati Versione SAS???? Costruzione di un Radar Chart proc gradar data=state; chart name / freq =points staraxis = (axis1 axis2) starfill=(solid) cstarfill=(blue) spider;

33 La rappresentazione grafica dei risultati Versione SAS???? Costruzione di un Radar Chart

34 La rappresentazione grafica dei risultati Molteplicità delle serie da rappresentare e Parametrizzazione delle stesse. E possibile???

35 La rappresentazione grafica dei risultati E possibile!