Calidad del Cuidado de la Salud: Marcando una Diferencia con Datos

Calidad del Cuidado de la Salud: Marcando una Diferencia con Datos

Conversación con el Dr. William H. Woodall

¿Cómo pueden la estadística y el análisis de datos ayudar a mejorar los resultados en la industria del cuidado de la salud? William H. Woodall, profesor de Estadística en Virginia Tech, se ha enfocado en esa pregunta por más de 10 años. Como un reconocido experto en control de calidad, ha publicado más de 150 artículos revisados por expertos, la mayoría de ellos sobre diferentes aspectos de la supervisión de procesos. Entre sus publicaciones relacionadas con el cuidado de la salud están “Plotting Basic Control Charts: Tutorial Notes for Healthcare Practitioners”, “Use of Control Charts in Health-Care and Public-Health Surveillance” y “Dynamic Probability Control Limits for Risk-adjusted Bernoulli CUSUM Charts”. En 2015, publicó un trabajo en colaboración con el profesor Stefan Steiner de la Universidad de Waterloo y el cirujano Dr. Sandy Fogel intitulado “The Monitoring and Improvement of Surgical Outcome Quality.” Minitab le pidió al Dr. Woodall que compartiera algunas de sus experiencias e ideas acerca de cómo el análisis de datos puede ayudar a mejorar el cuidado de la salud.

¿Es diferente la mejora de la calidad en el sector del cuidado de la salud en comparación con otras industrias?

Hay ciertas complicaciones cuando se trabaja con personas, porque los pacientes en sí mostrarán muchas variaciones. De modo que en ciertos casos la situación es más complicada que en la manufactura, pero no hay dudas de que se puede hacer, y el hecho de que una mejora en la calidad del cuidado de la salud permite salvar y mejorar vidas lo hace mucho más importante e interesante. El uso de métodos de mejora de la calidad basados en datos es mucho más reciente en el cuidado de la salud que en otros tipos de organizaciones, pero eso solo significa que existe un gran potencial. Como lo enfatiza el Institute for Healthcare Improvement, se debe tener datos previos y posteriores a cualquier iniciativa de mejora de proceso para poder comprobar el nivel éxito. Eso es fundamental: sin datos, uno ni siquiera conoce el nivel actual de desempeño. Además, muchos de los procesos de los centros de salud son muy similares a los procesos empleados en la industria, y esos procesos se pueden mejorar usando enfoques más estándar.

Algunos todavía ven la medicina más como un arte que una ciencia, pero creo que ese grupo de personas es cada vez más pequeño. Creo que sería útil ofrecer un curso sobre mejora de procesos en cada escuela de medicina.

¿Qué sentido cree usted que tienen el análisis de datos y la mejora de la calidad en el cuidado de la salud?

Existe una creciente demanda del uso de la estadística para mejorar la calidad en el cuidado de la salud. El interés es muy alto y The Joint Commission, la organización que certifica a los hospitales, impone requisitos con respecto a la mejora de la calidad. Sin embargo, me da la impresión de que los proveedores de servicios de salud comúnmente se sienten menos cómodos con los datos y el análisis estadístico que, por ejemplo, los ingenieros de manufactura. Mucha gente decide trabajar en el sector de la salud porque quieren trabajar con personas, no con números, y mi experiencia es que algunos profesionales de la salud están menos preparados de lo que deberían para lidiar con el análisis de datos. Por ejemplo, he visto que algunos profesionales recogen datos sobre el tiempo que los pacientes pasan en una sala de espera u otras mediciones similares, que son datos continuos, y los convierten en datos binarios pasa/no pasa con base en cierto límite de especificación superior. No se dan cuenta de que al hacer esa conversión, realmente están perdiendo mucha información valiosa incluida en sus datos. Aunque muchos especialistas en estadística participan en los ensayos clínicos, es necesario que más expertos en estadística e ingenieros industriales colaboren con los médicos en los proyectos y los análisis de datos relacionados con la mejora de la calidad.

¿Son únicas las necesidades de análisis de datos de los profesionales que buscan mejorar la calidad en el cuidado de la salud?

Bueno, el tipo de datos que comúnmente ven los profesionales de la salud no siempre es el mismo tipo de datos que uno vería en una planta de manufactura, así que si a los profesionales de la salud se les enseña a mejorar la calidad de la atención médica utilizando como ejemplo datos relacionados con la calidad en la manufactura, es comprensible que les dé la impresión de que los métodos no se aplican a ellos. ¡Puede ser un conjunto de problemas completamente diferente! En el cuidado de la salud, se hace énfasis en el uso de datos de atributos y en las respuestas relacionadas con el tiempo, como cuánto tiempo se necesita para hacer esta o esa tarea. Muchos proyectos se centran en tratar de reducir el tiempo entre cirugías, el tiempo entre infecciones nosocomiales, el tiempo para recibir resultados de exámenes y métricas similares. Hay una enorme cantidad de datos binarios, usted sabe, los pacientes o sobreviven 30 días después de la cirugía, o no. Eso significa que en el cuidado de la salud no se van a encontrar tantas aplicaciones que requieran el uso de distribuciones normales y, por lo tanto, una persona que esté aprendiendo a mejorar la calidad en el ámbito de la atención médica no querrá comenzar con los mismos métodos que se aprenderían para mejorar la calidad en una planta de manufactura. Yo empezaría con los métodos para analizar datos de atributos y datos relacionados con el tiempo.

¿Cómo se relacionó usted con la aplicación del análisis de datos en el cuidado de la salud?

He estudiado mejora de procesos y control de calidad en la industria por más de 30 años, pero he estado trabajando en la supervisión relacionada con el cuidado de la salud por más de diez años. Empecé a enfocarme en la mejora de la calidad en el cuidado de la salud influenciado principalmente por el profesor Stefan Steiner, de la Universidad de Waterloo, quien había estado trabajando con médicos del Reino Unido en la supervisión de la calidad de los resultados quirúrgicos. Luego pasamos varios años estudiando y desarrollando métodos de vigilancia de la salud pública. En los últimos años, he trabajado con el Dr. Sandy Fogel, que se desempeña como cirujano de la Clínica Carilion en Roanoke, Virginia. Él es abanderado del Programa Nacional para la Mejora de la Calidad Quirúrgica (NSQIP, por sus siglas en inglés) , cuya misión es mejorar la calidad de los resultados quirúrgicos. Comparando sus resultados ajustados al riesgo con los de otros hospitales del NSQIP, el Dr. Fogel logró identificar áreas que requerían mejoras. Posteriormente trabajó con sus colegas para implementar las mejores prácticas que redujeron la tasa general de mortalidad después de la cirugía y la tasa de infecciones del sitio quirúrgico. Publicamos los resultados de su trabajo como un caso de estudio el año pasado. Recientemente analicé los datos recogidos por el Dr. Fogel, observando que sus iniciativas de mejora de procesos han reducido el tiempo promedio de estancia después de la cirugía. Esto está vinculado al Programa de Recuperación Mejorada después de la Cirugía.

¿Se han mostrado renuentes los profesionales a implementar métodos de calidad y herramientas estadísticas en su trabajo?

Creo que el principal obstáculo para un mayor uso de los datos y las herramientas estadísticas es la necesidad de más educación y entrenamiento. Es probable que con métodos sencillos se resuelva la gran mayoría de los problemas, pero por supuesto, simple es un término relativo.

El principal obstáculo para la implementación de cambios es convencer a la gente de cambiar sus hábitos. Lograr que alguien cambie puede ser difícil, ya que a la gente no le gusta tener que cambiar lo que hacen. Las personas como el Dr. Fogel no son reticentes al uso de los métodos estadísticos, pero él dice que el mayor obstáculo para mejorar la calidad de los resultados quirúrgicos es lograr que los cirujanos cambien lo que hacen, ya que, como el resto de nosotros, son criaturas de hábito. Les gusta hacer lo mismo una y otra vez, son muy buenos en eso, y confían en lo que han estado haciendo. La mayoría de las veces es el proceso, no los cirujanos, lo que necesita mejoras. Pero hay otro factor, y es que en una empresa de manufactura, un supervisor puede requerir cambios frecuentemente. En algunos hospitales, los médicos trabajan como contratistas independientes, así que hay que convencerlos para que cambien. En el artículo que escribimos juntos, el Dr. Fogel dice que es mejor hacer los cambios en los procesos entre bastidores, si es posible, donde los cirujanos no participen directamente.

¿Qué consejo le daría a alguien que quiera usar datos para mejorar un problema de calidad?

En primer lugar, que piense cuidadosamente en qué datos se necesitan. Luego le aconsejaría graficar los datos antes de realizar cualquier análisis. Los datos recogidos en el tiempo se deben graficar en orden cronológico. Por último, que se centre en el uso de los métodos estadísticos adecuados más simples. Es importante convencer a la gente de que las conclusiones de un análisis son válidas, así que es necesario que entiendan el análisis. Un principio fundamental de la estadística aplicada es que más complicado no necesariamente es mejor. Por lo general, no se convencerá a las personas de que deben cambiar si se utilizan argumentos que no entienden. Por lo tanto, no conviene que los análisis estadísticos sean más complicados de lo necesario.

¿Espera usted algunas tendencias futuras en MC y CEP en el ámbito del cuidado de la salud?

La industria del cuidado de la salud se preocupa cada vez más por los resultados. Hay diferentes tipos de métricas de calidad y, aunque se necesitan mediciones del proceso y de los resultados, la información sobre resultados es más valiosa. Una medición típica de proceso sería el porcentaje de pacientes del área de urgencias que presentan síntomas de ataque cardíaco y son atendidos dentro de una cierta cantidad de tiempo. Estas métricas son muy útiles, pero no nos dicen todo lo que queremos saber. Por ejemplo, yo podría medir si mis alumnos y yo entramos y salimos de clase a la hora prevista, con qué frecuencia los estudiantes entregan sus asignaciones a tiempo, etc., pero eso no quiere decir que alguien haya aprendido algo. Por eso es que se hace tanto énfasis en las mediciones de los resultados. ¿Cuáles son los resultados para los pacientes? ¿Qué pacientes sobrevivieron 30 días después de la cirugía? ¿Cuáles tuvieron infecciones en el sitio quirúrgico en los primeros 30 días? Las métricas basadas en los resultados pueden ofrecer más información que las mediciones del proceso, y el gobierno federal se centra cada vez más en evaluar el rendimiento con base en las mediciones de resultados.

¿Cómo puede ayudar el software de estadística a los profesionales de la salud a mejorar la calidad en sus organizaciones?

El software de estadística es indudablemente necesario para entender y analizar los datos. Me gusta y uso Minitab porque es muy fácil de usar y ofrece todos los métodos que necesito en las situaciones de mejora de procesos. Apoyo el uso de la metodología Six Sigma en el cuidado de la salud, y a quienes necesiten un software de estadística les recomiendo considerar Minitab. La facilidad de uso de Minitab es particularmente importante en el cuidado de la salud.


Para obtener cualquiera de los siguientes artículos, póngase en contacto con el Dr. William Woodall a través de bwoodall@vt.edu:

Mohammed, M. A., Worthington, P. y Woodall, W. H. (2008), “Plotting Basic Control Charts: Tutorial Notes for Healthcare Practitioners”. Quality and Safety in Health Care 17, 137-145.

Steiner, S. H. y Woodall, W. H. (2016). “Debate: What is the Best Method to Monitor Surgical Performance?”, BMC Surgery. 16:15 DOI 10.1186/s12893-016-0131-8. Disponible en http://bmcsurg.biomedcentral.com/articles/10.1186/s12893-016-0131-8.

Woodall, W. H. (2006), “Use of Control Charts in Health-Care and Public-Health Surveillance” (con discusión), Journal of Quality Technology 38(2), 89-104.

Woodall, W. H., Fogel, S. L. y Steiner, S. H. (2015). “The Monitoring and Improvement of Surgical Outcome Quality”. Journal of Quality Technology 47(4), 383-399.

Zhang, X. y Woodall, W. H. (2015). “Dynamic Probability Control Limits for Risk-adjusted Bernoulli CUSUM Charts”. Statistics in Medicine 34, 3336-3348.

Este artículo fue publicado originalmente por Minitab Inc.

Todos los derechos de autor y propiedad de las marcas mencionadas en este artículo pertenecen a sus respectivos dueños.

Blackberry&Cross es aliado de Minitab Inc., desde 2005.


Original: Martes 21 de Noviembre, 2017.

Leave a Reply

Your email address will not be published.