Meten om te verbeteren: geavanceerde tools
Deze e-learning presenteert fundamentele tools voor visuele analyse van uw gegevens, zoals het Pareto-diagram, het spreidingsdiagram en de control chart. Deze tools vormen een aanvulling op die uit de module “Essentiële tools voor continue verbetering”. Ze helpen u om uw processen beter te begrijpen, significante variaties te detecteren en uw verbeteracties doelgericht te kiezen.
U moet inloggen op uw account (of een account aanmaken) en toegang tot de cursus aanvragen via de knop links onder de afbeelding.
De Excel-files voor de control charts
Bekijk alle
De te downloaden Excelbestanden vind je onderaan deze pagina bij de aanvullende materialen.
1. Je beschikt over discrete gegevens
2. Je gegevens hebben betrekking op een directe telling van gebeurtenissen
3. Je hebt een variabele noemer per observatieperiode
Voorbeelden:
- Aantal gemelde ongewenste medicatie-incidenten in verhouding tot het aantal toegediende doses (maandelijkse meting)
- Aantal gemelde valincidenten van patiënten in verhouding tot het aantal opnamedagen (maandelijkse meting)
- Aantal ongeplande heropnames in verhouding tot het aantal ontslagen (kwartaalmeting)
Je gebruikt een U chart.
Hieronder zie je een voorbeeld van gegevens over medicatie-incidenten in verhouding tot het aantal toegediende doses. De teller komt overeen met het aantal waargenomen incidenten, terwijl de noemer overeenkomt met het aantal toegediende doses. Je kunt de gegevens invoeren in het hieronder beschikbare Excelbestand. De in te vullen gegevens zijn de datum, de teller en de noemer; de overige kolommen worden automatisch ingevuld.
De ingevoerde gegevens hebben onderstaande grafiek gegenereerd.
- Er worden geen punten buiten de controlegrenzen waargenomen. De vastgestelde maandelijkse schommelingen blijven binnen de controlelimieten, wat wijst op willekeurige variatie in het onderzochte proces.
- Het gemiddelde foutenpercentage bedraagt 1,8 fouten per 1 000 toegediende doses en weerspiegelt de gemiddelde prestatie van de dienst. Los van de vastgestelde stabiliteit blijft de vraag of dit foutenpercentage aanvaardbaar is, of dat het wenselijk is om een ambitieuzere doelstelling te formuleren.
De te downloaden Excelbestanden vind je onderaan deze pagina bij de aanvullende materialen.
1. Je beschikt over discrete gegevens
2. Je gegevens komen overeen met een directe telling van gebeurtenissen
3. Je hebt een constante noemer voor elke observatieperiode
Voorbeelden:
- Aantal maandelijkse valincidenten bij 20 bewoners of patiënten
- Aantal fouten met identificatiebandjes bij 30 patiënten tijdens een week in het operatiekwartier.
- Audit van 20 checklists van het operatiekwartier om het aantal foutieve items vast te stellen
Je gebruikt een C chart
Hieronder zie je een voorbeeld van gegevens over fouten met identificatiebandjes bij 60 patiënten tijdens een maand in het operatiekwartier. De teller komt overeen met het aantal waargenomen fouten op de armbandjes, terwijl de noemer, die constant is, bestaat uit identificatiebandjes van 60 patiënten. Je kunt de gegevens invoeren in het hieronder beschikbare Excelbestand. De in te vullen gegevens zijn de datum, de teller en de noemer; de overige kolommen worden automatisch ingevuld.
De ingevoerde gegevens hebben onderstaande grafiek gegenereerd.
- In november 2024 wordt één punt buiten de controlegrenzen waargenomen. Dit duidt op de aanwezigheid van niet-willekeurige oorzaken, die door het projectteam geïdentificeerd moeten worden.
- De overige maandelijkse schommelingen blijven over het algemeen binnen de controlelimieten, wat wijst op willekeurige variatie in het onderzochte proces.
- Het gemiddelde foutenpercentage bedraagt 3,4 fouten per 100 armbandjes en weerspiegelt de gemiddelde prestatie van de dienst. Los van de vastgestelde stabiliteit blijft de vraag of dit foutenpercentage aanvaardbaar is, of dat het wenselijk is om een ambitieuzer doel te formuleren.
De te downloaden Excelbestanden vind je onderaan deze pagina bij de aanvullende materialen.
De T chart is een type grafiek dat wordt gebruikt om het aantal dagen (of andere tijdseenheden) tussen twee opeenvolgende gebeurtenissen te volgen. Ze is bijzonder nuttig wanneer de gebeurtenissen die worden opgevolgd zeldzaam of weinig frequent zijn.
Voorbeelden:
- Tijd tussen twee ziekenhuisinfecties
- Tijd tussen twee medicatie-incidenten
- Tijd tussen twee valincidenten met letsel
De T chart legt de nadruk op de verstreken tijd tussen twee gebeurtenissen. Een toename van het interval (meer dagen zonder ongewenst voorval) wordt doorgaans als positief beschouwd, terwijl een verkorting van dit interval kan wijzen op een mogelijk probleem.
Hieronder zie je een voorbeeld van gegevens over ziekenhuisinfecties op de intensieve zorg. De gegevens kunnen worden ingevoerd in het Excelbestand dat je hieronder kunt downloaden. De in te voeren informatie is de datum van het optreden van de ziekenhuisinfectie; de overige kolommen worden automatisch ingevuld.
De ingevoerde gegevens hebben onderstaande grafiek gegenereerd.
- Er worden geen punten buiten de controlelimieten waargenomen. De maandelijkse schommelingen blijven binnen de controlegrenzen, wat wijst op willekeurige variatie in het onderzochte proces.
- Het gemiddelde aantal dagen tussen twee ziekenhuisinfecties bedraagt 10,4 dagen en weerspiegelt de gemiddelde prestatie van de dienst. Los van deze stabiliteit blijft de vraag of dit interval aanvaardbaar is, of dat het wenselijk is om een ambitieuzer verbeterdoel vast te stellen.
De te downloaden Excelbestanden vind je onderaan deze pagina bij de aanvullende materialen.
1. Je beschikt over continue gegevens
2. Je hebt meerdere metingen per periode
Voorbeelden:
- Handwasduur van 10 zorgverleners gemeten gedurende één week
- Tevredenheidsscore (schaal 1 tot 10) verzameld bij 15 patiënten per maand
- Wachttijd bij consultaties gemeten voor 5 patiënten iedere dinsdagmorgen
Je gebruikt een X̄ chart, in combinatie met een S chart.
Hieronder zie je een voorbeeld van verzamelde gegevens over de wachttijd bij consultaties op de dermatologiedienst, voor een willekeurige steekproef van patiënten per maand. Deze gegevens zijn ingevoerd in het Excelbestand dat je hieronder kunt downloaden. Het invoeren gebeurt zoals in de onderstaande tabel weergegeven:
De gegevens hebben onderstaande twee grafieken gegenereerd.
- In de X̄ chart stelt elk punt de gemiddelde wachttijd van de patiënten in de betreffende maand voor. De rode lijn (X̄-gemiddelde) geeft het algemene gemiddelde van alle waarnemingen weer, namelijk 11,35 minuten.
- In februari 2025 ligt de wachttijd duidelijk boven dit algemene gemiddelde. Het is daarom nodig de externe oorzaken te identificeren die deze tijdelijke stijging kunnen verklaren. Omgekeerd wordt in mei 2025 een significante daling waargenomen, wat eveneens een verklaring vereist.
- De S chart meet de variabiliteit van de wachttijden binnen elk maandelijks steekproef. Wanneer de S chart onder controle blijft, betekent dit dat patiënten een relatief uniforme ervaring hebben. Het optreden van pieken — zoals in februari 2025 — wijst op grote ongelijkheid tussen wachttijden, wat verder onderzoek rechtvaardigt.
- Zo wordt de toename van de wachttijd in februari 2025 verklaard door een verhoogde variatie tussen patiënten: sommige patiënten hebben duidelijk langer moeten wachten dan gewoonlijk.
De te downloaden Excelbestanden vind je onderaan deze pagina bij de aanvullende materialen.
1. Je beschikt over discrete gegevens
2. Je gegevens zijn ingedeeld in categorieën en vormen dus een classificatie
Voorbeelden:
- % patiëntendossiers met een risicobeoordeling voor ondervoeding
- Nalevingspercentage van handhygiëne
- % correct ingevulde checklist-items in het operatiekwartier
Je gebruikt een P chart
Hieronder zie je een voorbeeld van verzamelde gegevens over de beoordeling van valrisico op een geriatrie afdeling. De teller komt overeen met het aantal gecontroleerde dossiers waarin een valrisico-evaluatie aanwezig is, terwijl de noemer het totaal aantal gecontroleerde dossiers vertegenwoordigt. Je kunt de gegevens invoeren in het hieronder beschikbare Excelbestand. De in te vullen gegevens zijn de datum, de teller en de noemer; de overige kolommen worden automatisch ingevuld.
De ingevoerde gegevens hebben onderstaande grafiek gegenereerd.
- In februari 2025 wordt één punt buiten de controlegrenzen waargenomen. Dit wijst op bijzondere oorzaken die door het projectteam geïdentificeerd moeten worden.
- De overige maandelijkse schommelingen blijven over het algemeen binnen de controlelimieten, wat duidt op willekeurige variatie in het onderzochte proces.
- Het percentage dossiers met een valrisico-evaluatie schommelt rond 68% en weerspiegelt de gemiddelde prestatie van de dienst. Los van deze stabiliteit blijft de vraag of dit gemiddelde voldoende is, of dat het wenselijk is om een ambitieuzer doel vast te stellen.
De te downloaden Excelbestanden vind je onderaan deze pagina bij de aanvullende materialen.
1. Je beschikt over continue gegevens
2. Je hebt slechts één meting per periode
Voorbeelden:
- Maandelijkse verbruik van hydro-alcoholische oplossing (in liters)
- Wachttijd bij consultatie voor één willekeurig geselecteerde patiënt per week
- Dagelijks gemiddelde tijd voor het plaatsen van centrale veneuze katheters
Je gebruikt een I chart, in combinatie met een XmR chart.
Hieronder zie je een voorbeeld van verzamelde gegevens over het maandelijkse verbruik van hydro-alcoholische oplossing op een chirurgische afdeling. De gegevens kunnen worden ingevoerd in het Excelbestand dat je hieronder kunt downloaden. De in te voeren gegevens zijn “Observatie” (hier de datum) en “Indicator” (hier het verbruik van de hydro-alcoholische oplossing in liters). De overige kolommen worden automatisch ingevuld.
De gegevens hebben onderstaande twee grafieken gegenereerd.
- In de I chart stelt elk punt het maandelijkse verbruik van de hydro-alcoholische oplossing voor. De rode lijn (CL – control line) geeft het algemene gemiddelde van alle waarnemingen weer, namelijk 19,8 liter.
- In februari 2024 ligt het verbruik duidelijk boven dit gemiddelde. Het is daarom nodig de externe oorzaken te identificeren die deze tijdelijke stijging kunnen verklaren.
- De XmR chart toont het absolute verschil tussen twee opeenvolgende waarnemingen. Wanneer deze grafiek onder controle blijft, betekent dit dat het verbruik van maand tot maand weinig varieert en voorspelbaar is.
- Het optreden van een piek, zoals tussen juni en juli 2025, wijst op een sterke variatie in het verbruik tussen deze twee maanden. Kan hier een verklaring voor worden gevonden?
- Opmerking: de aanwezigheid van meerdere pieken in een XmR chart duidt op minder voorspelbare variaties. In dat geval is het zinvol een onderzoek uit te voeren om de oorzaak van deze fluctuaties beter te begrijpen.
