Utilização prática de dados sobre eventos de segurança do paciente: compreendendo as necessidades do analista de segurança

OBJETIVOS: A maior utilização de sistemas de notificação de eventos de segurança do paciente criou o desafio de analisar esses dados de forma efetiva para identificar e mitigar os riscos de segurança. Os analistas de segurança do paciente, que gerenciam os eventos notificados, podem estar mal preparados para interpretar esses dados. Procuramos compreender as necessidades cognitivas dos analistas de segurança do paciente ao trabalharem para utilizar as notificações de segurança do paciente na mitigação de riscos e na melhoria do cuidado prestado aos pacientes. MÉTODOS: Realizamos entrevistas semiestruturadas com 21 analistas de 11 hospitais em 3 sistemas de saúde. Os dados foram subdivididos em afirmações e codificados para extrair os temas principais. RESULTADOS: De 21 entrevistas, identificamos 516 afirmações únicas, categorizando-as entre as seguintes 4 etapas da análise de dados: entrada (15,1% das afirmações), transformação (14,1%), extrapolação (30%) e saída (14%). As afirmações de entrada concentraram-se na fonte (35,9% das entradas) e no pré-processamento dos dados. As afirmações relacionadas à transformação se concentraram na recategorização de eventos de segurança do paciente (57,5% das transformações) ou na integração de fontes de dados externas (42,5% das transformações). O foco das entrevistas foi concentrado na extrapolação e nas tendências dos dados (56,1% de extrapolações); de forma alarmante, 16,1% das afirmações sobre tendências mencionaram explicitamente a dependência da memória. A etapa de saída envolveu um relatório (56,9% das saídas) ou uma ação (43,1%). CONCLUSÕES: Identificamos grandes lacunas na análise de dados extraídos da notificação de eventos de segurança do paciente. Apesar da existência de software de apoio à notificação, muitas vêm de outras fontes. A transformação dos dados é trabalhosa, devido à necessidade de recategorização de eventos e à integração com outras fontes de dados, processos que podem ser automatizados. Surpreendentemente, a identificação de tendências dependeu principalmente da memória do analista de segurança do paciente, destacando a necessidade de novas ferramentas que apoiem melhor esses profissionais.
 

OBJECTIVES: The increase in patient safety reporting systems has led to the challenge of effectively analyzing these data to identify and mitigate safety hazards. Patient safety analysts, who manage reports, may be ill-equipped to make sense of report data. We sought to understand the cognitive needs of patient safety analysts as they work to leverage patient safety reports to mitigate risk and improve patient care. METHODS: Semistructured interviews were conducted with 21 analysts, from 11 hospitals across 3 healthcare systems. Data were parsed into utterances and coded to extract major themes. RESULTS: From 21 interviews, 516 unique utterances were identified and categorized into the following 4 stages of data analysis: input (15.1% of utterances), transformation (14.1%), extrapolation (30%), and output (14%). Input utterances centered on the source (35.9% of inputs) and preprocessing of data. Transformation utterances centered on recategorizing patient safety events (57.5% of transformations) or integrating external data sources (42.5% of transformations). The focus of interviews was on extrapolation and trending data (56.1% of extrapolations); alarmingly, 16.1% of trend utterances explicitly mentioned a reliance on memory. The output was either a report (56.9% of outputs) or an action (43.1% of outputs). CONCLUSIONS: Major gaps in the analysis of patient safety report data were identified. Despite software to support reporting, many reports come from other sources. Transforming data are burdensome because of recategorization of events and integration with other data sources, processes that can be automated. Surprisingly, trend identification was mostly based on patient analyst memory, highlighting a need for new tools that better support analysts.