dr. luwiharsih,msc - rsmitraplumbon.comrsmitraplumbon.com/media/analisa-dan-validasi-data.pdf ·...

Dr. Luwiharsih,MSc

pemilihan indikator-luwi 28 juli2015 2

JABATAN SEKARANG :

Ka Bidang Diklat KARS

PENDIDIKAN

• SI Fakultas Kedokteran Unair

• SII Pasca Sarjana UI, Manajemen Rumah Sakit

pemilihan indikator-luwi 28 juli2015 3

PENGALAMAN KERJA

o Surveior & Pembimbing Akreditasi RS (1995 – sekarang )

o Direktur RSK Sitanala Tangerang ( 2007 – 2010 )

o Ka Sub Dit RS Pendidikan, Kemkes ( 2005 – 2007 )

o Ka Sub Dit RS Swasta, Kemkes ( 2001 – 2005 )

o Ka Sub Dit Akreditasi RS, Kemkes (1995 – 2001)

luwi 25 juli 2016 4

Standar PMKP 7.1

• Analisis data merupakan salah satu kegiatan

program peningkatan mutu dan keselamatan

pasien untuk mendukung asuhan pasien dan

manajemen rumah sakit

instrumen 13-14 Maret 2018 5

Maksud dan Tujuan PMKP 7.1

Bank data dari luar banyak bentuknya mulai bank data asuransi sampai RS

agar menyusun regulasi analisis data yang meliputi :

a) Penggunaan statistik dalam melakukan analisis data

b) Analisis yang harus dilakukan yaitu :

• Membandingkan data di rumah sakit dari waktu kewaktu data

(analisis trend), misalnya dari bulanan ke bulan, dari tahun ke tahun

• Membandingkan dengan rumah sakit lain, bila mungkin yang sejenis,

seperti melalui database eksternal baik nasional maupun internasional



• Membandingkan dengan standar-standar, seperti yang ditentukan oleh

badan akreditasi atau organisasi profesional ataupun standar-standar

yang ditentukan oleh peraturan perundang-undangan

• Membandingkan dengan praktik-praktik yang diinginkan yang dalam

literatur digolongkan sebagai best practice (praktik terbaik) atau better

practice (praktik yang lebih baik) atau practice guidelines (panduan

praktik klinik)


6 feb 2019

Pengumpulan data (PMKP 7, 7.1)

Analisis data (PMKP 7.1; 7.2)

Laporan (TKRS 4.1, PMKP 7.1 EP 6)

Validasi data Untuk IAK baru/ada

perubahan (PMKP 8)

DIBANDINGKAN (PMKP

7.1 EP 4)

• Didlm RS/tren

• Dng rs lain/data

based external • Dng standar

• Dng praktik terbaik

Metode statistik

• Indikator mutu

Kemenkes

• Indikator mutu

prioritas RS

• Indikator mutu unit

Dir RS & PEMILIK RS

ANALISIS DATA • Run chart

• Control chart

• Pareto

• Bar diagram

8

PMKP 7.1 EP 3


Elemen penilaian PMKP 7.1 Telusur Skor

1. RS mempunyai regulasi tentang

analisis data yang meliputi a) sampai

dengan b) yang ada di maksud dan

tujuan (R)

R

Regulasi tentang manajemen data

Lihat PMKP 2.1 10

- 0

TL

- TT

2. RS telah melakukan pengumpulan

data, analisis dan menyediakan

informasi yang berguna untuk

mengidentifikasi kebutuhan untuk

perbaikan (D,W)

D

W

Bukti pengumpulan, analisis dan

rencana perbaikannya

• Komite PMKP • Penanggungjawab data unit

• Staf SIM-RS

10

5

0

TL

TS

TT



3. Analisis data telah dilakukan dng

menggunakan metode dan teknik2

statistik, sesuai kebutuhan (D,W)

D

W

Bukti analisis data dengan

menggunakan metode dan teknik-

teknik statistik Run chart/control chart/

pareto/Bar diagram

• Komite PMKP

• Penanggungjawab data unit

10

5

0

TL

TS

TT

4. Analisa data telah dilakukan dng

melakukan perbadingan dari waktu ke

waktu di dalam RS, dengan melakukan

perbandingan database eksternal dari

RS sejenis atau data

nasional/internasional, dan melakukan

perbandingan dengan standar dan

praktik terbaik berdasarkan referensi

terkini (D,W)

D

W

Bukti pelaksanaan tentang analisis data

meliputi:

1) Analysis trend

2) Perbandingan dengan data eksternal

atau RS lain

3) Perbandingan dengan standar

4) Perbandingan dengan praktik terbaik

• Direktur RS

• Kepala bidang/divisi

• Kepala unit pelayanan

• Komite PMKP

• Penanggungjawab data unit

10

5

0

TL

TS

TT



5. Pelaksana analisis data yaitu staf

komite/tim PMKP dan penanggung jawab

data di unit pelayanan/kerja sudah

mempunyai pengalaman, pengetahuan dan

keterampilan yang tepat sehingga dapat

berpartisipasi dalam proses tersebut dengan

baik. (D,W)

D

W

Bukti sertifikat pelatihan Komite/Tim PMKP dan penanggung jawab data unit dan pengalaman kerja (Lihat PMKP 7)

Komite/Tim PMKP Penanggungjawab data unit

10

5

0

TL

TS

TT

6. Hasil analisis data telah disampaikan

kepada Direktur, para kepala bidang/divisi

dan kepala unit untuk ditindaklanjuti. (D,W)

.

D

W

1) Bukti laporan hasil analisis data

2) Bukti laporan hasil analisis data

disampaikan kepada Direktur, kepala

bidang dan kepala unit

3) Bukti tindak lanjut/rencana perbaikan

Direktur/kepala bidang/divisi

Kepala unit

Komite PMKP

10

5

0

TL

TS

TT

Standar PMKP 7.2

• Program PMKP prioritas di rumah sakit telah

dianalisis dan mempunyai dampak terhadap

peningkatan mutu dan efisiensi biaya pertahun



Direktur rumah sakit mengukur keberhasilan program PMKP prioritas

melalui:

a) Pengukuran capaian-capaian indikator area klinik dan area

manajemen

b) Pengukuran kepatuhan penerapan sasaran keselamatan pasien

c) Pengukuran kepatuhan pelaksanaan PPK-CP sehingga mengurangi

variasi dalam pemberian pelayanan

Pengukuran penggunaan sumber daya termasuk biaya yang

dipergunakan untuk perbaikan di program prioritas rumah sakit tersebut




1. Komite/Tim PMKP atau bentuk

organisasi lainnya telah

mengumpulkan dan menganalisis

data program PMKP prioritas yang

meliputi a) sampai dengan d) yang

ada di maksud dan tujuan (lihat

PMKP 5). (D,W)

D

W

Bukti tentang analisis data program

PMKP prioritas

Komite/Tim PMKP

10

5

0

TL

TS

TT

2. Ada bukti Direktur rumah sakit telah

menindaklanjuti hasil analisis data

yang meliputi a) sampai d) yang ada

dimaksud dan tujuan (D,W)

D

W

Bukti tentang tindaklanjut perbaikan

Direktur

Kepala bidang/divisi

Kepala unit pelayanan Komite/Tim PMKP

Penanggungjawab data unit

10

5 0

TL

TS TT



3. Ada bukti program PMKP prioritas

telah menghasilkan perbaikan di

rumah sakit secara keseluruhan (D,W)

D

W

Bukti tentang hasil perbaikan prioritas

kegiatan PMKP RS

Komite PMKP

10

5

0

TL

TS

TT

4. Ada bukti program PMKP prioritas

telah menghasilkan efisiensi

penggunaan sumber daya (D,W)

D

W

Bukti tentang hasil efisiensi sumber

daya prioritas kegiatan PMKP RS

(Lihat TKRS 5 EP 5)

• Komite PMKP

• Bagian keuangan/ billing

• Staf SIM-RS

10

5

0

TL

TS

TT

Komisi Akreditasi Rumah Sakit

ANALISIS DATA

• Analisa melalui grafik sangat membantu memperlihatkan

perubahan apakah menuju perbaikan sesuai yang diharapkan

• Gunakan alat statistik :

– Run charts

– Control charts

– Histograms

– Pareto charts

• Penggunaan alat statistic dipilih sesuai kebutuhan dan dijelaskan di

profil indicator, pada kolom metodologi Analisa data 25

ANALISIS DATA

• Run chart sangat bermanfaat tergantung berapa banyak

data yang dikumpulkan, sangat sederhana dan mudah

diinterpretasikan

• Control chart merupakan cara analisa hasil yang lebih

rumit dan memerlukan data lebih banyak


• Run chart juga dikenal sebagai grafik garis adalah

grafik sederhana yang menggambarkan data dari

waktu ke waktu

• Sumbu Y : peristiwa/event;

• sumbu X periode waktu

• Digunakan untuk

- memahami gambaran umum suatu proses

- trend dan shift/pergeseran dalam proses

- variasi dari waktu ke waktu

- untuk mengidentifikasi penurunan atau

peningkatan proses dari waktu ke waktu


• Harus dibuat pada awal kegiatan dan di update dng data baru

sesuai kegiatan yg berjalan

• Merupakan grafik yg mengilustrasikan perubahan mutu dari waktu

ke waktu

• Pengukuran dilakukan pada titik tertentu dan dihubungkan dengan

garis. Hal ini akan menghasilkan grafik variasi dari waktu ke waktu,

dan membantu tim melihat apakah perubahan yg terjadi mengarah

pada perbaikan

• Run chart memilik komentar dengan panah yg menunjuk waktu bila

ide-2 perubahan untuk perbaikan diuji Komisi Akreditasi Rumah Sakit

The 4 rules

• Rule 1 – a shift

• Rule 2 – a trend

• Rule 3 – too few or too many data points

• Rule 4 – an astronomical point

Data analysis: Introduction to run charts

135

140

145

150

155

We

igh

t (l

bs)

135

140

145

150

155

We

igh

t (l

bs)

135

140

145

150

155

We

igh

t (l

bs)

Data tells a story:

New healthier me!

136

138

140

142

144

146

148

150

152

154

We

igh

t (l

bs)

Change

• Adalah grafik yg menggambarkan data dari waktu ke waktu, control

chrat lebih spesifik daripada Run Chart karena dapat menilai apakah

proses berada dalam kontrol/tidak; garis kontrol atas (UCL) dan garis

control bawah (LCL)

• Control chart mirip run chart, namun lebih memiliki daya statistik

untuk mendeteksi perubahan

• Control chart digunakan untuk QI, dan juga untuk monitoring

perbaikan (contoh : dashboard atau scorecard)

• Komisi Akreditasi Rumah Sakit

• Data bisa dipresentasikan dalam beberapa bentuk :

Persentase

Rates

Counts

Individual values

• Banyak model control charts diperlukan sesuai jenis data yg

berbeda – namun semua control chart mirip dan dinterpretasikan

dng cara yg sama


Control Charts

27

• Control charts help track a process

• Graphical “alert” to process owners if a process moves out of

“control” or established limits

Max: 6 hours

Min: N/A

6

0

3

Ho

urs

Time from Blood Draw to Lab Result


QI ESSENTIALS TOOLKIT: Run Chart & Control Chart

Institute for Healthcare Improvement ∙ ihi.org

Example: Run Chart

Example: Control Chart

• Data ditampilkan dalam

grafik.

• Mudah utk melihat trend

• Easy to “eye-ball”

• Tidak ideal untuk analisis

statistik.

29

M Tu W Th F

• Sebuah tim menggunakan analisis histogram untuk memahami pola variasi dalam

waktu turnaround elektrokardiogram (EKG). Tim mengumpulkan data tentang waktu

turnaround EKG dalam hitungan hari, mengumpulkan 32 titik data (lihat tabel data).

• Waktu turnaround rata-rata adalah 8,3 hari, yang mengungkapkan relatif sedikit

tentang kinerja proses. Untuk mendapatkan pemahaman yang lebih baik tentang

data, tim kemudian mengurutkan data, menghitung jumlah titik data di setiap 10

kategori: 1-2 hari, 3-4 hari, dan seterusnya. Tim kemudian menampilkan data dalam

histogram.

• Histogram memberikan tim informasi baru yang berharga tentang distribusi waktu

putar EKG: sebagian besar waktu turnaround jatuh dalam rentang 1- hingga 2 hari,

dengan rumpun yang lebih kecil dalam rentang 7 hingga 10 hari, dan sepertiga

rumpun dalam kisaran 13 hingga 20 hari.



QI ESSENTIALS TOOLKIT: Histogram

Institute for Healthcare ro t ∙ ihi.org

Example: Histogram One team used histogram analysis to understand the patterns of variation in electrocardiogram (EKG) turnaround time.

The team gathered data on EKG turnaround time in days, collecting 32 data points (see data table). The average

turnaround time was 8.3 days, which revealed relatively little about the performance of the process. To get a better

understanding of the data, the team then sorted the data, tallying the number of data points in each of 10 categories: 1-2

days, 3-4 days, and so on. The team then displayed the data in a histogram. The histogram provided the team valuable new

information about the distribution of EKG turnaround times: the vast majority of turnaround times fall in the 1- to 2-day

range, with a smaller clump in the 7- to 10-day range, and a third clump in the 13- to 20-day range.

Sample Data Table: EKG Turnaround Time

EKG Turnaround Time in Days

9 16 1 4

15 8 13 1

13 16 14 17

7 2 20 2

2 2 18 3

1 1 2 7

1 2 15 2

Average = 8.3 Days

Sample Histogram: EKG Turnaround Time

Pareto Chart

•Shows relative impact

•Easy to construct

•Visually powerful

33

1 2 3 4 5 6 7 8 9 10 11 12 0

50

100

150

200

250

• Pareto chart merupakan tool yg membantu membantu tim melihat

penyebab atau masalah yg paling sering terjadi.

• Chart memperlihatkan aktifitas atau area yg berkontribusi paling buruk

mutunya

• Pareto chart berbasis teori bahwa jumlah kecil penyebab akan memiliki

kontribusi paling buruk mutunya

• Bila beberapa aktifitas berkontribusi paling besar pada masalah disebut

Pareto Effect

• A classic Pareto Effect diamati bila 20 % penyebab berkontribusi pada 80

% semua masalah Komisi Akreditasi Rumah Sakit

Example: Data Table and Pareto Chart Errors During

Surgical Set-up

• Satu tim menggunakan analisis Pareto untuk mengidentifikasi faktor "vital beberapa"

yang berkontribusi terhadap kesalahan selama pengaturan bedah. Tim

mengidentifikasi delapan jenis kesalahan pengaturan bedah, dan mengumpulkan

data pada frekuensi masing-masing jenis (lihat tabel). Mereka menghitung

persentase dari total efek untuk setiap jenis kesalahan, kemudian daftar jenis

kesalahan dalam urutan dari terbesar ke efek terkecil. Akhirnya, mereka

menghitung persentase efek kumulatif.


Example: Data Table and Pareto Chart Errors During

Surgical Set-up

• Ketika tim menampilkan data ini dalam bagan Pareto, mereka menemukan bahwa

tiga jenis kesalahan menyumbang 75% dari semua kesalahan. Alih-alih bekerja

pada semua jenis kesalahan, tim memutuskan untuk memfokuskan upaya pada

tiga jenis kesalahan "beberapa penting" ini - Pemasok Salah, Jumlah Kelebihan, dan

Jumlah Terlalu Sedikit - karena bersama-sama mereka menyumbang sekitar 80%

masalah.



QI ESSENTIALS TOOLKIT: Pareto Chart

Institute for Healthcare ro t ∙ ihi.org

Pareto Chart: Types of Errors Discovered During Surgical Set-up

Sasaran dari analisis data adalah agar dapat dilakukan PERBANDINGAN bagi rumah sakit

melalui empat cara :

1. Dengan melihat tren didalam RS dalam waktu tertentu, seperti dari bulan ke

bulan atau satu tahun ke tahun berikutnya.

2. Dengan rumah sakit lain yang sama seperti menggunakan data base referensi

3. Dengan standar, seperti ditetapkan oleh badan akreditasi, ikatan profesional

atau menggunakan ketentuan yang ditetapkan dalam undang-undang atau

peraturan.

4. Dengan praktek-praktek yang diakui di kepustakaan sebagai pedoman praktek

yang lebih baik atau paling baik

dr Luwi - PMKP 10 des 2013 39

ANALISIS DATA

• Analisis Perbandingan ini membantu rumah sakit memahami sumber dan sifat

perubahan yang tidak dikehendaki serta membantu fokus pada upaya perbaikan.

• Regulasi analisis perbandingan untuk setiap indikator ada di profil indikator

• Setiap indikator mutu boleh melakukan analisis perbandingan hanya salah satu

saja atau semuanya merupakan pilihan dari Komite PMKP. Tapi keempat analisis

perbandingan tersebut harus dilaksanakan di RS. Sebagai contoh : IAK 1 dengan

analisis perbadingan No. 1, IAK 2 dengan No. 2, dst

• Untuk melihat tren tidak cukup hanya 3 titik, tetapi minimal 5-6 titik. Karena itu

bila data hanya 3 bulan dan analisa data setiap bulan, sehingga pada waktu survei

hanya ada 3 titik/data maka analisa tren dianggap belum dilakukan


YANG PERLU DIPERHATIKAN !

• Analisa data dengan menggunakan alat statistik Run chart, control

chart, pareto, histogram merupakan pilihan untuk setiap indicator

• Analisis data dengan membandingkan didalam RS (tren), dng RS

lain/data based eksternal, dengan standar dan dengan praktik

terbaik

• Analisis data BUKAN DENGAN PDSA/PDCA.

• PDSA/PDCA Untuk rencana perbaikan yang memerlukan uji coba

(PMKP 11)


Topik uji coba : .......... Cara : .................. Siklus : ............

PLAN :

Saya berencana : ...........

Saya berharap : ............

Tindakan yg akan dilakukan :

DO Apa yang diamati :

STUDY

Apa yg dapat dipelajari

Apakah sesuai dng measurement goal

ACTION :

Apa yg dapat anda simpulkan dari siklus ini



No Indikator J A S O N D

1. Asesmen medis 30 50 50 60 70 80

2. Asesmen prwt 40 55 75 80 80 85

0

10

20

30

40

50

60

70

80

90

juli agust sept okt Nov Des

Asesmen medis

Asesmen perawat

TREND



1. Asesmen medis 30 50 50 60 70 80

2. Asesmen prwt 40 55 75 80 80 85

0

10

20

30

40

50

60

70

80

90

juli agust Sept Okt Nov Des

Asesmen medis

Asesmen perawat

TREND



1. Asesmen medis 30 50 50 60 70 80

2. Asesmen prwt 40 55 75 80 80 85

0

20

40

60

80

100

juli agust sept okt nov des

Asesmen medis

Asesmen perawat

TREND

DATA AGUSTUS 2017


No INDIKATOR STANDAR CAPAIAN RTL

1. Asesmen medis 100 % 80 % 1) ....

2) .......

2. Tidak adanya kesalahan pemberian

hasil pemeriksaan laboratorium

100 % 98 % Risk grading

RCA/ investigasi

3. Tidak ada kesalahan pemberian

label

100 % 100 % -

4. Tidak adanya kejadian operasi

salah sisi

100 % 100 % -

5. Operasi eleKtif tidak menggu nakan

antibiotika profilaksis

100 % 60 % Lakukan

RCA,/Diagaram

fish bone shg

diketahui akar

penyebab ke tdk

patuh an



6. Tidak adanya kejadian kesalahan pemberian obat

100 % 90 % Risk grading RCA/ investigasi

7. Komplikasi anestesi ≤ 6 % 4 % Risk grading RCA/ investigasi

8. Kejadian reaksi transfusi ≤ 0,01 % 0,02 % Risk grading RCA/ investigasi

9. Kelengkapan pengisian inform consent 100 i% 80 % Edukasi ditingkatkan

10. Kejadian infeksi paska operasi ≤ 1,5 % 0,5 % Risk grading RCA/ investigasi

11. Ethical clereance 100 % 100 %

DATA AGUSTUS 2017

DATA AGUSTUS 2017



1. Aspirin on arrival pd pasien AMI 100 % 100 %

5. Aspirin at discharge pd pasien AMI 100 % 90 % Lakukan audit

medis atau

peer review

• Dapat melalui sismadak

• Data yang dibandingkan : Indikator mutu nasional Kontribusi

data based external (PMKP 7, MIRM 4)

• Bila membandingkan data dengan RS harus :

- Melakukan pertemuan dng RS pembanding

- Menyamakan profil/kamus indikator

- Melakukan training bersama PJ/PIC pengumpul

data dari RS & RS Pembanding


STANDAR NASIONAL AKREDITASI RUMAH SAKIT edisi 1 50

Integrasi seluruh

data di tingkat RS

& unit meliputi :

• pengumpulan

• pelaporan

• analisa

• validasi dan

• publikasi

indikator mutu

Data indikator mutu

unit & prioritas

Insiden keselamatan

pasien (IKP)

Indikator kinerja staf

klinis

Pengukuran budaya

keselamatan

TEKNOLOGI INFORMASI SISTEM MANAJEMEN DATA TERINTEGRASI

ANALISA DATA PROGRAM PRIORITAS RS



Prioritas perbaikan : Pelayanan Jantung

5 PPK Pelayanan Jantung

Evaluasi kendali biaya pre dan post

pelaksanaan program prioritas


IAK, IAM, ISKP yan Jantung di RJ, RI,

IGD, KO, ICCU Capaian indicator

Trend, bandingkan dng data based eksternal,

bandingkan dng target/standar,

bandingkan dng praktik yg baik/PPK-CP


Pengum

pulan Hasil Rekap validasi Valid

Tidak valid Koreksi

Tujuan

– Monitoring akurasi data yg dikumpulkan

– Verifikasi bahwa pengambilan data adalah konsisten

dan reproducible

– Verifikasi ekspektasi tentang volume data yang

dikumpulkan.

56

– Tanggung jawab mutu pelayanan kesehatan untuk

masyarakat/publik.

– Mendorong peningkatan dalam proses pengumpulan data.

– Ukuran yang dapat dipercaya untuk potensial benchmarking

selanjutnya

– Meningkatkan kepercayaan dalam gerakan pembuatan

keputusan berdasarkan data.

57

Standar PMKP 8

• RS mempunyai regulasi validasi data indikator area klinik

yang baru atau mengalami perubahan dan data yang

akan dipublikasikan. Regulasi ini diterapkan dengan

menggunakan proses internal validasi data.


Maksud dan Tujuan PMKP 8 RS agar menetapkan regulasi validasi data yang antara lain meliputi :

a) Kebijakan data yang harus divalidasi yaitu

Merupakan pengukuran area klinik baru;

Bila ada perubahan sistem pencatatan pasien dari manual ke elektronik sehingga

sumber data berubah ;

Bila data dipublikasi ke masyarakat baik melalui di web site RS atau media lain

Bila ada perubahan pengukuran

Bila ada perubahan data pengukuran tanpa diketahui sebabnya

Bila ada perubahan subyek data seperti perubahan umur rata rata pasien, protokol

riset diubah, panduan praktik klinik baru diberlakukan, ada teknologi dan

metodologi pengobatan baru


b) Proses validasi data mencakup namun tidak terbatas sebagai berikut :Merupakan

pengukuran area klinik baru;

Mengumpulkan ulang data oleh orang kedua yang tidak terlibat dalam proses

pengumpulan data sebelumnya (data asli)

Menggunakan sampel tercatat, kasus dan data lainnya yang sahih secara statistik.

Sample 100 % hanya dibutuhkan jika jumlah pencatatan, kasus atau data lainnya

sangat kecil jumlahnya.

Membandingkan data asli dengan data yang dikumpulkan ulang

Menghitung keakuratan dengan membagi jumlah elemen data yang ditemukan dengan total jumlah data elemen dikalikan dengan 100. Tingkat akurasi 90 %

adalah patokan yang baik.

Jika elemen data yg diketemukan ternyata tidak sama, dng catatan alasannya

(misalnya data tidak Koleksi sample baru setelah semua tindakan koreksi

dilakukan untuk memastikan tindakan menghasilkan tingkat akurasi yang

diharapkan (lihat juga KKS.11, EP 4)

c) Proses validasi data yang akan dipublikasi di web site atau media lainnya agar diatur

tersendiri, dan dapat menjamin kerahasiaan pasien dan keakuratan data jelas definisinya) dan dilakukan tindakan koreksi


c) Proses validasi data yang akan dipublikasi di web site atau media

lainnya agar diatur tersendiri, dan dapat menjamin kerahasiaan

pasien dan keakuratan data jelas definisinya) dan dilakukan

tindakan koreksi

• Proses validasi data mencakup namun tidak terbatas pada b)

tersebut diatas, oleh karena itu, dalam melakukan validasi data,

rumah sakit dapat menggunakan cara/proses lain sesuai dengan

referensi ilmiah terkini.

• Proses validasi data yang akan di publikasi diatur tersendiri dan

dapat menjamin kerahasiaan pasien dan keakuratan data.



VALIDASI DATA

Data di publikasi di

website atau media

lain

IAK baru atau Profil

indicator berubah

Prosedur validasi no B

Prosedur validasi no A


Elemen penilaian PMKP 8 Telusur Skor

1. Rumah sakit mempunyai

regulasi validasi data sesuai

dengan a) sampai c) yang

ada di maksud dan tujuan (R)

R

Regulasi tentang manajemen

data termasuk validasi data

10

-

0

TL

-

TT

2. Rumah sakit telah

melakukan validasi data pada

pengukuran mutu area klinik

yang baru dan bila terjadi

perubahan sesuai dengan

regulasi (D,W)

D

W

Bukti pelaksanaan validasi data

IAK

Komite PMKP

10

5

0

TL

TS

TT


Elemen penilaian PMKP 8 Telusur Skor

3. Rumah sakit telah melakukan

validai data yang akan

dipublikasikan di web site atau

media lainnya termasuk

kerahasiaan pasien dan

keakuratan sesuai regulasi

(D,W)

D

W

Bukti pelaksanaan validasi data

yang dipublikasikan

Komite PMKP

10

5

0

TL

TS

TT

4. RS telah melakukan

perbaikan berdasarkan hasil

validasi data. (D,W)

D

W

Bukti pelaksanaan perbaikan

data berdasarkan hasil validasi

data

Komite PMKP

10

5

0

TL

TS

TT

68

Tabel jumlah sampel berdasarkan jumlah populasi

Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)

10 10 220 140 1200 291

15 14 230 144 1300 297

20 19 240 148 1400 302

25 24 250 152 1500 306

30 28 260 155 1600 310

35 32 270 159 1700 313

40 36 280 162 1800 317

45 40 290 165 1900 320

50 44 300 169 2000 322

55 48 320 175 2200 327

60 52 340 181 2400 331

65 56 360 186 2600 335

70 59 380 191 2800 338

75 63 400 196 3000 341

80 66 420 201 3500 346

85 70 440 205 4000 351

90 73 460 210 4500 354

95 76 480 214 5000 357

69

100 80 500 217 6000 361

110 86 550 226 7000 364

120 92 600 234 8000 367

130 97 650 242 9000 368

140 103 700 248 10000 370

150 108 750 254 15000 375

160 113 800 260 20000 377

170 118 850 265 30000 379

180 123 900 269 40000 380

190 127 950 274 50000 381

200 132 1000 278 75000 382

210 136 1100 285 1000000 384

Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)

Morgan & Krecjie, dalam Uma Sekaran, 2003

SAMPLE SIZE

• Tabel

• Menghitung dengan rumus

• Internet


Contoh validasi data, sesuai dengan

yang ada di maksud dan tujuan



JUDUL INDIKATOR asesmen awal medis harus lengkap dalam waktu 24 jam setelah pasien masuk RI

NUMERATOR Jml asesmen awal medis lengkap dlm waktu 24 jam di RI

DENOMINATOR Jumlah pasien masuk di RI

SUMBER DATA Rekam Medis

CAPAIAN INDIKATOR 70 % pada bulan September 2017

JML PASIEN RI BULAN OKT 2017

900 pasien

JUSTIFIKASI PERLU VALIDASI

Data baru pertama kali dikumpulkan

METODE VALIDASI 1. Menggunakan metode simple random sampling misalnya 900 RM dilakukukan sampling (table) menjadi 269 RM

2. Melakukan telaah RM di data yg disample tsb

3. Analisa kelengkapan pengisian asesmen medis awal


HASIL VALIDASI Kelengkapan asesmen awal medis harus lengkap dalam waktu 24 jam setelah pasien masuk RI = 35 %

HASIL ANALISA 35/70 X 100 % = 50 % < 90 %

KESIMPULAN Data kelengkapan asesmen medis bulan September: belum akurat

RENCANA TINDAK LANJUT 1. Tetapkan bahwa capaian indikator asesmen pasien pada bulan Seoptember 2017 = 35 % revisi data capaian indikator

2. Edukasi untuk PIC pengumpul data 3. Edukasi ke medis untuk peningkatan kelengkapan asesmen 4. Karena validitas data masih diragukan maka data bulan November perlu

dilakukan validasi lagi


JUDUL INDIKATOR asesmen awal medis harus lengkap dalam waktu 24 jam setelah pasien masuk RI

NUMERATOR Jml asesmen awal medis lengkap dlm waktu 24 jam di RI

DENOMINATOR Jumlah pasien masuk di RI

SUMBER DATA Rekam Medis

CAPAIAN INDIKATOR Bulan Oktober 80 %

JML PASIEN RI BULAN NOV 2017

800 pasien

JUSTIFIKASI PERLU VALIDASI

Validasi ulang karena hasil bulan Okt belum valid

METODE VALIDASI 1. Menggunakan metode simple random sampling 800 RM dilakuku kan sampling (tabel) menjadi 260 RM

2. Melakukan telaah RM di data yg disampling tsb

3. Analisa kelengkapan pengisian asesmen medis awal


HASIL VALIDASI Kelengkapan asesmen awal medis harus lengkap dalam waktu 24 jam setelah pasien masuk RI = 75 %

HASIL ANALISA 75/80 X 100 % = 93,75 % > 90 %

KESIMPULAN Data kelengkapan asesmen medis bulan Oktober : sudah akurat

RENCANA TINDAK LANJUT

Validasi akan dilakukan kembali bila ada perubahan PIC pengumpul data, sumber data, numerator, denomerator, sistem RM menjadi E-RM Melakukan edukasi ke staf medis untuk meningkatkan kelengkapan pengisian asesmen awal


Y T

IAK baru

IAM

IAK lama, PIC data baru

IAK lama, sumber data RM & berubah RM

elektronik, perlu validasi tdk ?

Hasil validasi, data sdh akurat, bln depan perlu

alidasi tdk ?

Data awal 80 %, hasil validasi 35 %, perlu revisi

data tdk ?

• MEASUREMENT RESULT AGREEMENT 90 % kesepakatan dalam hasil kalkulasi antara

pengumpul data pertama dan kedua

• MEASURE CATEGORY AGREEMENT 75 % kesepakatan dalam kategori numerator,

denominator, dan ekslusi antara pengumpul data pertama dan data kedua

• DATA ELEMENT AGREEMENT 80 % kesepakatan dalam dokumentasi elemen data

antara pengumpul data pertama dan kedua


• Contoh 16 RM untuk pengumpul data kedua

• Untuk setiap 16 RM ini, review dan dokumentasikan bagaimana

pengumpul data pertama mengkategorikan data

• Data yang dikumpulkan dan pengumpul data kedua, dikategorikan

dan catat hasilnya



Pengumpul

data I

Pengumpul

data II

Sampel dari 100 16 16

Exclude (B) 4 2

Total numerator (E) 6 8

Total Denominator (D) 12 14

• Total kecocokan = 16

• Tidak cocok pada ekslusi (B) = 2

• Tidak cocok pada numerator € = 2

• Total tidak cocok = 4

• Total cocok = 12

• % MCA kesepakatan = 12/16 = 75 %

• Karena ketidaksepakatan tidak < 75 %, maka tidak

sepakat Komisi Akreditasi Rumah Sakit

• Contoh 16 RM untuk pengumpul data kedua

• Untuk setiap 16 RM ini, revivew dan dokumen bgmn pengumpul data

pertama mengakatogorikan data

• Data dikumpulkan oleh pengumpul data kedua, didentifikasi elemen

datanya dan catat hasilnya



Pengumpul

data I

Pengumpul

data II

Usia 16 kasus (denominator) > 18 tahun > 18 tahun

Diagnose AMI (denominator) 16 16

Pemberian ASA 24 jam

(numerator)

12 dari 16 8 dari 16

Tidak diberikan ASA (kontra indikasi tidak ada) tidak

sesuai numerator

2 dari 16 6 dari 16

Kontra indikasi pemberian ASA (ekslusi dari

denominator)

1 dari 16 2 dari 16

• Ada 4 elemen data di setiap rekam medis

- 16 elemen data RM dikumpulkan pengumpul data

kedua

- Total elemen dat = 4 X 16 = 64

• Tidak cocok 5

• Cocok 59 dari 64 elemen data

• Nilai kesepakatan elemen 59/64 X 100 = 92 %

• Nilai > 80 % tidak perlu investigasi


Quality is a Journey, not a destination.

Rightly said. Start your journey and learn


dr. luwiharsih,msc - rsmitraplumbon.comrsmitraplumbon.com/media/analisa-dan-validasi-data.pdf ·...

Documents