W12 Data capture of diabetes data in Danish general practice

Præsentationer af emnet: "W12 Data capture of diabetes data in Danish general practice"— Præsentationens transcript:

1 W12 Data capture of diabetes data in Danish general practice
S. Friborg, H. Schroll og L. Grosen Introduktion: Dansk model for kvalitetsudvikling i almen praksis og sammenhængen til det øvrige sundhedsvæsen, S. Friborg 5 min. Organisation: DAK-E opbygning, L. Grosen 5 min. Datafangst og H. Schroll 30 min. tilbagemeldinger: Præsentation af Datafangst og forskellige tilbagemeldinger Resultater efter et års brug af datafangst Gruppearbejde Kliniske problemstillinger: Find eksempler på mindst to andre kliniske områder, hvor du kunne ønske dig oversigtsrapporter for at fremme kvalitetsudviklingen? Datafangst: Hvad kunne facilliterer en videre udbredelse af metoden? Hvilke barrierer for en udbredelse ser du? Ideer til at fremme en implementering? 25 min. Plenum: Fremlæggelse af resultater af gruppearbejde og en generel diskussion. 20 min. Afslutning: Hvad tager vi med hjem? S. Friborg 5 min.

2 Introduktion Dansk model for kvalitetsudvikling i almen praksis
W12 Data capture of diabetes data in Danish general practice S. Friborg, H. Schroll og L. Grosen Introduktion Dansk model for kvalitetsudvikling i almen praksis og sammenhængen til det øvrige sundhedsvæsen S. Friborg 5 min.

3 Forudsætninger Almen praksis – mange mindre enheder
W12 Data capture of diabetes data in Danish general practice S. Friborg, H. Schroll og L. Grosen Forudsætninger Almen praksis – mange mindre enheder IT udviklingen i Danmark længst fremme i Europa Alle praksis har avanceret IT Lang tradition for ekstern auditering – APO Kvalitetsudvikling 1996 Decentral amtslig Januar 2007 oprettelse af DAK-E centralt Efteråret 2008 diskussion af hvordan de aktiviteter DAK-E står for passer ind i en samlet model for kvalitetsudvikling i almen praksis og dermed i Sundhedsvæsenet. NYT DIAS: STÅ PÅ LILLE DIAS TIL VENSTRE – VÆLG ”INDSÆT” PÅ MENULINIEN – DUPLIKER DIAS

4 Forudsætninger Januar 2007 oprettelse af DAK-E
W12 Data capture of diabetes data in Danish general practice S. Friborg, H. Schroll og L. Grosen Forudsætninger Januar 2007 oprettelse af DAK-E Videreudvikling af kodesystemet i almen praksis ICPC Indikatorudvikling i almen praksis Elektronisk indsamling af data og tilbagelevering til almen praksis Patientevalueringer – DANPEP Patientforløb – Kroniske patienter NYT DIAS: STÅ PÅ LILLE DIAS TIL VENSTRE – VÆLG ”INDSÆT” PÅ MENULINIEN – DUPLIKER DIAS

5 W12 Data capture of diabetes data in Danish general practice
S. Friborg, H. Schroll og L. Grosen September 2007 November 2008 Dansk kvalitetsmodel for almen praksis Integreret kvalitetsmåling, udvikling og efteruddannelse Tina Eriksson, Søren Friborg og Lene Grosen, DAK-E Kapitel 7 – Kvalitet, Service og IT NYT DIAS: STÅ PÅ LILLE DIAS TIL VENSTRE – VÆLG ”INDSÆT” PÅ MENULINIEN – DUPLIKER DIAS Aktivitetsplan

6 Klinisk kvalitet = datafangst
W12 Alle internationale kvalitetsmodeller har 3 elementer S. Friborg, H. Schroll og L. Grosen Patienttilfredshed DAK E har: DANPEP. Er udviklet. Aktuelt 100 læger i Region Hovedstaden tilmeldt Spørgeskema us. Feedback inkl. tilbud om konsulentbesøg arbejde m/egne data Klinisk kvalitet = datafangst Organisatorisk kvalitet = skal udvikles, Tina Eriksson NYT DIAS: STÅ PÅ LILLE DIAS TIL VENSTRE – VÆLG ”INDSÆT” PÅ MENULINIEN – DUPLIKER DIAS

7 De regionale kvalitets- og efteruddannelsesudvalg
W12 Sammenhængen til det øvrige sundhedsvæsen S. Friborg, H. Schroll og L. Grosen De regionale kvalitets- og efteruddannelsesudvalg Centralt til IKAS og NIP Gennem KFU til Sundhedsstyrelse og Sundhedsministeriet NYT DIAS: STÅ PÅ LILLE DIAS TIL VENSTRE – VÆLG ”INDSÆT” PÅ MENULINIEN – DUPLIKER DIAS

8 DAK-E ORGANISATIONEN Kvalitets- og InformatikFonden (KIF)
KvalitetsFagligt Udvalg (KFU) Regioner DAK-E DAK-E København DAK-E IT Odense DAK-E DANPEP Århus NYT DIAS: STÅ PÅ LILLE DIAS TIL VENSTRE – VÆLG ”INDSÆT” PÅ MENULINIEN – DUPLIKER DIAS

9 DAK-E’s opgaver Drift Grundlæggende:
Datafangst, DAMD, DANPEP og ICPC Koordinerende og understøttende: DM forløbsydelsen Implementering af datafangst og ICPC Det laboratoriemedicinske område og SKUP Konsulentuddannelser Interne opgaver (HR, ledelse, sekretariat) Udvikling Det gode patientforløb, Indikatorudvikling Dansk kvalitetsmodel for almen praksis, Kommunikationsstrategi Politiske Kunderne Samarbejdspartnere Internt

10 Datafangst – Diabetes data mm. Nordisk Kongres København 2009
ICPC kodning – Hvorfor kode? Datafangst – Hvordan virker det? Feedback – Hvordan får jeg det? Kvalitetsudvikling i øvrigt Henrik Schroll Praktiserende læge, Ph.d. Leder af DAK-E IT

11 ICPC-2 Hvad fordel har lægerne af at diagnosekode?
Bedre oversigt i patientjournalen Hyperlink (”Linkportalen”) Kvalitetsudvikling i den enkelte praksis og praksis imellem (fx. Sygdomme som diabetes, KOL og hjertekarsygdomme) Kvalitetsudvikling nationalt Forskning, udvikling og undervisning

12 ICPC-2 og Datafangst Status 2009 ICPC 1 til ICPC 2
Certificering af Lægesystemer til ICPC 2 E-learnings program

13 ICPC-2 og Datafangst ICPC kodning – Hvorfor kode?
Datafangst – Hvordan virker det? Feedback – Hvordan får jeg det? Myter og facts vedr. datafangst Henrik Schroll Praktiserende læge, Ph.d. Leder af DAK-E IT

14 Datafangst i almen praksis
Datafangstmodul Læge-system (Lægens praksissystem) -CPR (Patientidentifikation) -Dato (tidsstempel) Diagnoser -Medicin -Ydelser -Laboratoriekoder Datafangst-database Tilmeldte projekter Datafangst projekt -1 Pop-up skærm 1.Præsentation af gruppen. National projekt. Projektgruppen . Repr. Fra både forskning samt kvalitetssikring, alle er dybt forankret i almen praksis. 2. Erfaringer og visioner fra Odense. Lægerne interesseret i kodning. Godt værktøj i hverdagen samt kan give unikke informationer om patientforløb både til gavn for den eenkelte læges kvalitetsudvikling samt for mere overordnet kvalitetsudvikling og forskning Nye Data overføres automatisk fra lægesystem til Datafangstdatabasen

15 Sentinel / Datafangst kommunikation via Sundhedsdatanettet
Dansk AlmenMedicinsk Database SDU Odense Profdoc MediCare Æskulap Darwin MedWin klinik 1 klinik 2 klinik 3 PLC kommunikation via Sundhedsdatanettet

16

17 KOL Datafangst Popup DAMD Tilbagemelding Krav til lægesystem

18 KOL - Pop-up skærm Popup skærmen

19 DM - Pop-up Popup skærmen

20 Popup skærmen Alle data fra de 4 tabeller indsendes løbende og automatisk til DAMD Ved diabetes kvalitetsprojektet består Lægens indsats i: Diagnosekode alle patientkontakter, hvor ”diabetes problemer er fremme” med diagnosen ”T90” En gang hvert år udfylde en popup på hver patient. Pop-uppen kommer af sig selv en gang om året ved diagnosekodningen

21 ICPC-2 og Datafangst ICPC kodning – Hvorfor kode?
Datafangst – Hvordan virker det? Feedback – Hvordan får jeg det? Henrik Schroll Praktiserende læge, Ph.d. Leder af DAK-E IT

22 Tilbagemeldinger af kvalitetsdata
Egne kvalitetsdata er tilgængelig på enten Sundhed.dk eller på Data er tilgængelig efter login med prof. Digitale signatur og ved en SSO overdragelse Data opdateres hver uge Senere vil data kunne ses af patienten vha. patientens egne digitale signatur Her vises en tilbagemelding med diabetes som eksempel

23 Feedback to the doctors
Example from one clinic (Double click to mark the link, right click, and select “open hyperlink”)

24 Feedback to the doctors
Example from one clinic (Double click to mark the link, right click, and select “open hyperlink”)

25 Feedback to the doctors
Example from one clinic (Double click to mark the link, right click, and select “open hyperlink”)

26 Feedback to the doctors
Example from one clinic (Double click to mark the link, right click, and select “open hyperlink”)

27 Feedback to the doctors
Example from one clinic (Double click to mark the link, right click, and select “open hyperlink”)

28 Feedback to the doctors
Example from one clinic (Double click to mark the link, right click, and select “open hyperlink”)

29 Datafangst Hvad mener lægerne om tilbagemeldingerne?
Udviklingen af popuppen og tilbagemeldingen er sket i samråd med lægerne på baggrund af deres forslag Informationsmængden er afstemt efter ønske om ikke at miste overblik Hvordan for vi kvalitetsudvikling ud af det? Bruger lægerne tilbagemeldingen? Indkalder de patienter med problemer til ekstra kontrol? Sker der noget organisatorisk i den enkelte praksis?

30 Diabetesforløbsydelsen Tid til kommentarer og spørgsmål Henrik Schroll

31 Datafangst Popup DAMD Tilbagemelding
Andre kvalitetsdata til ændring af adfærd i praksis

32

33 Evaluering af effekten af forløbsydelsen
Diabetes forløbsydelsen startede 1. maj 2007 Der har været en varierende tilslutningsrate til ydelsen fra 2007 Henrik Schroll Speciallæge I almen medicin, ph.d. Leder af DAK-E IT

34 Evaluering af effekten af forløbsydelsen

35 Evaluering af effekten af forløbsydelsen

36 Evaluering af effekten af forløbsydelsen
Tilmeldingen sker gradvis og ikke på en gang Dette giver problemer i evalueringen idet nogle klinikker således kun har været med I få måneder andre I lang tid Der er derfor valgt en Kohorteundersøgelse af de klinikker og patienter der har været med I mere end et år

37 Evaluering af effekten af forløbsydelsen

38 Evaluering af effekten af forløbsydelsen
103 klinikker med 208 læger var med I det anførte år patienter patienter var tilknyttet de 208 læger Migrationen fra kohorten var 9% (døde, fraflyttede og patienter, der skiftede læge) Prævalens af diabetes pr 1.dec 2008 var 2,86% (8737 patienter) Heraf fik 419 konstateret diabetes I løbet af året

39 Diabetesregulering 2001-2005 Jette Kolding og Torsten Lauritsen

40 Diabetesregulering 2001-2005 Jette Kolding og Torsten Lauritsen

41 Evaluering af effekten af forløbsydelsen

42 Evaluering af effekten af forløbsydelsen

43 Evaluering af effekten af forløbsydelsen

44 Evaluering af effekten af forløbsydelsen
Fra 10. april 2008 har lægen kunnet se egne tilbagemeldinger om kvalitet via Sundhed.dk med en SSO overgang. 164 af de 208 læger har gjort det (79%) 21% har ikke set data. Deres behandlingsresultater bliver her sammenlignet med de 21% der oftest har set data

45 Evaluering af effekten af forløbsydelsen
Læger der har set data Set af fra 1 til 48 gange i løbet af de 7½ måned Fire læger har set data mere end 30 gange, alle sololæger En tre-mandspraksis har set data 10 gange pr. læge i alt 30 gange Medianværdien for alle de læger der har set data er 5 gange Medianværdien for de 21 % der hyppigst har set data er 6 gange

46 Betydningen af at have set data
Prævalensen af fundne diabetespatienter er efter et års forløb blandt de læger der har set data er 3,9% Prævalensen af fundne diabetespatienter er efter et års forløb blandt de læger der ikke har set data er 2,5% Prævalensen af diabetes er således 1,4 % (1.1 – 1.6) højere blandt læger der har set tilbagemeldinger, hvilket er signifikant (p= )

47 lægerne havde 7½ måned at se data i, så det er forandringen fra for 6 måneder siden til nu, der kan være influeret af rapporterne

48 Det er forandringen fra for 6 måneder siden til nu, der kan være influeret af rapporterne

49 Det er forandringen fra for 6 måneder siden til nu, der kan være influeret af rapporterne

50 Evaluering af effekten af forløbsydelsen
Konklusion: læger der har set egne kvalitetsdata adskiller sig fra læger der ikke ser set data ved at de allerede før start har fundet flere diabetespatienter De nærmere sig i højere grad DSAM’ målsætning for diabetesbehandling. anvender måske også tilbagemeldingerne til at bedre deres diabetespatienters blodtryk Da de to grupper fra start er forskellige kan de ikke sammenlignes. Anden analysemetode vil blive foretaget efter yderligere ca.½-1 års observation

51 Datafangst Spørgsmål?