Successfully reported this slideshow.
Your SlideShare is downloading. ×

Alessandro Battaggia

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Loading in …3
×

Check these out next

1 of 29 Ad
Advertisement

More Related Content

Similar to Alessandro Battaggia (20)

Recently uploaded (20)

Advertisement

Alessandro Battaggia

  1. 1. Obiettivi e metodi del Progetto Re.V.A.N. Alessandro Battaggia MMG Verona RIPRODUZIONE, ANCHE PARZIALE, VIETATA SENZA ESPRESSA AUTORIZZAZIONE SCRITTA DELLA SVEMG
  2. 2. Sono stati coinvolti <ul><li>116 MMG organizzati in 20 </li></ul><ul><li>GAL (Gruppi Audit Locali) </li></ul><ul><li>155.617 Cittadini in carico ai </li></ul><ul><li>singoli medici </li></ul><ul><li>20 medici Facilitatori </li></ul>
  3. 3. 20 Facilitatori <ul><li>Animatori di Formazione Regionali/SIMG </li></ul><ul><li>Uno per ogni ULSS </li></ul><ul><li>Ognuno ha individuato 5-6 colleghi con una </li></ul><ul><li>selezione informale basata sulla loro disponibilità </li></ul><ul><li>Ciascuno ha svolto funzioni di coordinamento e di </li></ul><ul><li>formazione nei confronti del proprio GAL </li></ul>
  4. 4. 116 MMG RICERCATORI <ul><li>Maschi 73% </li></ul><ul><li>Età 52.5 (4.4) </li></ul><ul><li>N. assistiti: 1324.7 (330.5) </li></ul><ul><li>Specialità: 92.2 % </li></ul><ul><li>Area di lavoro: 33% meno 10.000 abitanti </li></ul><ul><li>54% 10-50.000 abitanti </li></ul><ul><li>13% oltre 50.000 abitanti </li></ul><ul><li>Personale in studio :43% senza personale </li></ul><ul><li> 38% segretaria </li></ul><ul><li> 16% segretaria e infermiera </li></ul><ul><li> 3% solo infermiera </li></ul><ul><li>Ricercatore HS-THALES: 20 % </li></ul>
  5. 5. software | Freq. Percent Cum. ------------+----------------------------------- Eumed | 4 3.45 3.45 Iatros | 10 8.62 12.07 Medico2000 | 10 8.62 20.69 MilleWin | 88 75.86 96.55 Profim2000 | 3 2.59 99.14 SIMEBA | 1 0.86 100.00 ------------+----------------------------------- Total | 116 100.00 116 MMG RICERCATORI <ul><li>Maschi 73% </li></ul><ul><li>Età 52.5 (4.4) </li></ul><ul><li>N. assistiti: 1324.7 (330.5) </li></ul><ul><li>Specialità: 92.2 % </li></ul><ul><li>Area di lavoro: 33% meno 10.000 abitanti </li></ul><ul><li>54% 10-50.000 abitanti </li></ul><ul><li>13% oltre 50.000 abitanti </li></ul><ul><li>Personale in studio :43% senza personale </li></ul><ul><li> 38% segretaria </li></ul><ul><li> 16% segretaria e infermiera </li></ul><ul><li> 3% solo infermiera </li></ul><ul><li>Ricercatore HS-THALES: 20 % </li></ul>
  6. 6. Perché abbiamo proposto un Audit Regionale sullo Scompenso Cardiaco <ul><li>E’ un’ area di particolare criticità assistenziale </li></ul><ul><li>L’ analisi delle performance è facilitata dalla sua bassa prevalenza </li></ul><ul><li>Consente di generare soluzioni assistenziali tarate sul nostro setting </li></ul><ul><li>Consente di sperimentare modelli di formazione professionale </li></ul><ul><li>alternativi </li></ul>
  7. 7. Lg SIGN 2007 1. STANDARD
  8. 8. www.progettoasco.it LE LINEE GUIDA NON SONO TUTE UGUALI
  9. 9. SCORE AGREE Area 1 – Obiettivi Area 2 – Coinvolgimento delle parti Area 3 – Rigore della elaborazione Area 4 – Chiarezza Area 5 – Applicabilità Area 6 – Indipendenza editoriale SIGN 2007 100% 54% 81% 92% 33% 58% Abbiamo valutato con lo Score AGREE ( 6 aree , 23 item ) Le tre Linee Guida più utilizzate www.agreecollaboration.org ESC 2005 67% 21% 14% 38% 6% 8% NICE 2003 100% 67% 71% 100% 78% 50%
  10. 10. IL RIGORE METODOLOGICO E’ UNA COSA SERIA La mortalità risultava significativamente maggiore nella coorte di Scompensati solo se la diagnosi era stata fatta con in criteri di Boston
  11. 11. 1. Formazione dei facilitatori 2. Identificazione dei pazienti 3. Raccolta dei dati (EXCEL) 4. Analisi dei risultati baseline 2. VERIFICA STATUS QUO 1. STANDARD Lg SIGN 2007
  12. 12. A. Abbiamo formato i medici facilitatori 1° SEMINARIO 17 novembre 2007 FORMAZIONE ALL’ AUDIT
  13. 13. B. I medici hanno identificato i casi di scompenso 1905 PAZIENTI SCOMPENSATI PRIMA QUERY: 1213 pazienti codificati ICD9 come scompensati SECONDA QUERY: 816 pazienti < probabilmente scompensati> SQL Diagnosi: Clinica e/o Specialistica
  14. 14. C. I medici hanno raccolto i dati baseline su un foglio excel Foglio EXCEL
  15. 15. Perché abbiamo scelto una scheda excel per la rilevazione dei dati di base? <ul><li>I software erano eterogenei </li></ul><ul><li>Si è presunta diversità nell’ abilità di codifica (=registrare una </li></ul><ul><li>diagnosi utilizzando i codici della classificazione internazionale ICD9) </li></ul><ul><li>Molti medici utilizzano il software solo come strumento per compilare </li></ul><ul><li>ricette , offrendo buone informazioni sulle proprie prescrizioni, ma </li></ul><ul><li>pessime informazioni su diagnosi e follow-up della malattia </li></ul><ul><li>Altre esperienze di audit hanno dimostrato spiccata eterogeneità nella </li></ul><ul><li>abilità di input di dati </li></ul>
  16. 16. Perché abbiamo scelto una scheda excel per la rilevazione dei dati di base? <ul><li>I software erano eterogenei </li></ul><ul><li>Si è presunta eterogeneità nell’ abilità di codifica (=registrare una diagnosi utilizzando i codici della classificazione internazionale ICD9) </li></ul><ul><li>Molti medici utilizzano il software solo come strumento per compilare ricette, offrendo buone informazioni sulle proprie prescrizioni, ma pessime informazioni su diagnosi e follow-up della malattia </li></ul><ul><li>Altre esperienze di audit hanno dimostrato spiccata eterogeneità nella abilità di input di dati </li></ul>Esempio: se si scrivono numeri+testo in un campo numerico il programma statistico interpreta il dato come testo , rendendo impossibili eventuali elaborazioni matematiche
  17. 18. ulss | <50 50-64 65-75 >75 | Total -----------+--------------------------------------------+---------- 01 | 2 2 22 52 | 78 02 | 4 17 33 89 | 143 04 | 0 6 17 67 | 90 05 | 2 11 38 55 | 106 06 | 0 4 29 67 | 100 07 | 2 8 23 78 | 111 08 | 0 5 11 40 | 56 09 | 2 11 37 92 | 142 10 | 2 10 34 75 | 121 12 | 6 7 20 46 | 79 13 | 2 8 23 71 | 104 14 | 0 7 25 64 | 96 15 | 0 6 11 27 | 44 16 | 1 9 21 105 | 136 17 | 4 6 20 66 | 96 18 | 1 9 10 40 | 60 19 | 2 4 11 60 | 77 20 | 0 8 19 72 | 99 21 | 0 9 34 60 | 103 22 | 0 8 17 39 | 64 -----------+--------------------------------------------+---------- Total | 30 155 455 1,265 | 1,905 CASISTICA INDIVIDUATA ALL’ INIZIO DEL CICLO
  18. 19. 1. Primo Questionario 2. Lavoro dei GAL 3. ANALISI BARRIERE 1. STANDARD Lg SIGN 2007 1. Formazione dei facilitatori 2. Identificazione dei pazienti 3. Raccolta dei dati (EXCEL) 4. Analisi dei risultati baseline 2. VERIFICA STATUS QUO
  19. 20. Analisi delle barriere e delle criticità: attraverso un primo questionario strutturato ad hoc Hanno risposto 91/116 medici
  20. 21. 5 Eventi per ogni GAL 4. PROGRAMMAZIONE Assistenza SVEMG 5. IMPLEMENTAZIONE 1. STANDARD Lg SIGN 2007 1. Formazione dei facilitatori 2. Identificazione dei pazienti 3. Raccolta dei dati (EXCEL) 4. Analisi dei risultati baseline 2. VERIFICA STATUS QUO 1. Primo Questionario 2. Lavoro dei GAL 3. ANALISI BARRIERE
  21. 22. Seconda fase della formazione dei facilitatori e formazione dei MMG GAL1 GAL.. GAL2 GAL3 <ul><li>DISCUSSIONE RISULTATI BASELINE </li></ul><ul><li>ANALISI DELLE BARRIERE </li></ul><ul><li>PROGRAMMAZIONE INTERVENTI </li></ul>2° SEMINARIO 11 ottobre 2008 Implementazione (5 eventi per ogni GAL) CENTO EVENTI FORMATIVI PERIFERICI COMPLESSIVI
  22. 23. 5 eventi periferici per ogni GAL (realizzati in circa un anno): 1- Formazione all’ audit 2- Estrazioni SQL 3- Diagnosi 4- Terapia 5- Follow-up CENTO EVENTI FORMATIVI PERIFERICI COMPLESSIVI
  23. 24. <ul><li>A) MATERIALE PER IL MEDICO FACILITATORE DEL GAL </li></ul><ul><li>Slides </li></ul>Per ciascuno dei 5 eventi e per ciascuno dei 20 gal: <ul><li>B) MATERIALE PER I MEDICI RICERCATORI </li></ul><ul><li>Materiale bibliografico di approfondimento </li></ul><ul><li>Tool per il management </li></ul>
  24. 25. Per ciascuno dei 5 eventi e per ciascuno dei 20 gal: <ul><li>Fornire informazioni generali su ciascun incontro GAL </li></ul><ul><li>Costruzione di slides per i vari incontri </li></ul><ul><li>Supporto informatico per le varie estrazioni </li></ul><ul><li>Richiami per sollecitare le estrazioni individuali </li></ul>ASSISTENZA SVEMG IN TEMPO REALE (Stefano Caldon)!
  25. 26. Assistenza SVEMG 5 Eventi per ogni GAL 1. Primo Questionario 2. Lavoro dei GAL 1. Estrazione finale (SQL) 2. Analisi dei risultati 3. Secondo Questionario 3. ANALISI BARRIERE 4. PROGRAMMAZIONE 5. IMPLEMENTAZIONE 5. VALUTAZIONE 1. STANDARD Lg SIGN 2007 1. Formazione dei facilitatori 2. Identificazione dei pazienti 3. Raccolta dei dati (EXCEL) 4. Analisi dei risultati baseline 2. VERIFICA STATUS QUO 2. VERIFICA STATUS QUO
  26. 27. Millewin ! Eumed ! Iatros ! Medico 2000 ! Profim 2000 ! Simeba ! L’ ESTRAZIONE FINALE È STATA DURISSIMA!
  27. 28. | classi_di_età casistica | 0-49 50-64 65-74 >=75 | Total -------------+--------------------------------------------+---------- ulss 1 | 1 2 13 51 | 67 ulss 2 | 1 5 18 39 | 63 ulss 4 | 0 8 15 58 | 81 ulss 5 | 1 10 30 72 | 113 ulss 6 | 0 1 11 39 | 51 ulss 7 | 1 6 15 64 | 86 ulss 8 | 0 3 4 36 | 43 ulss 9 | 2 11 30 56 | 99 ulss 10 | 0 8 12 62 | 82 ulss 12 | 1 8 10 37 | 56 ulss 13 | 1 5 11 43 | 60 ulss 14 | 1 7 18 58 | 84 ulss 15 | 0 5 10 16 | 31 ulss 16 | 2 9 15 84 | 110 ulss 17 | 3 8 14 64 | 89 ulss 18 | 0 7 1 25 | 33 ulss 19 | 3 5 15 54 | 77 ulss 20 | 0 5 12 53 | 70 ulss 21 | 3 8 20 59 | 90 ulss 22 | 0 9 10 35 | 54 facilitatori | 3 19 63 275 | 360 -------------+--------------------------------------------+---------- Total | 23 149 347 1,280 | 1,799 CASISTICA INDIVIDUATA ALLA FINE DEL CICLO
  28. 29. CONCLUSIONI <ul><li>La raccolta di informazioni avrebbe potuto essere più agile in presenza di stili omogenei di codifica e di input dei dati da parte dei medici </li></ul><ul><li>Tutto il processo è stato completato tra l’ autunno del 2007 e l’ autunno del 2009 </li></ul><ul><li>La partecipazione dei medici è stata comunque molto alta ( solo 4 drop-outers su 116 aderenti al progetto) </li></ul><ul><li>L’ esperienza ha consentito di reclutare un numero molto elevato di pazienti scompensati </li></ul><ul><li>I miglioramenti di aspetti importanti di performance registrati alla fine del ciclo (oggetto delle relazioni che mi seguiranno) dimostrano che l’ audit rappresenta un potente strumento </li></ul><ul><ul><li>per implementare processi di qualità </li></ul></ul><ul><ul><li>per formare i professionisti al management di patologie ad alta rilevanza sociosanitaria </li></ul></ul><ul><ul><li>per individuare soluzioni assistenziali tarate sul nostro setting </li></ul></ul>

Editor's Notes

  • Quasi il 90 per cento dei pazienti scompensati presenta almeno un valore di pressione misurato nell’ arco degli ultimi 12 mesi e quasi un quarto presenta da 7 a 12 misure nell’ ultimo anno. Dato di performance eccellente.
  • Quasi il 90 per cento dei pazienti scompensati presenta almeno un valore di pressione misurato nell’ arco degli ultimi 12 mesi e quasi un quarto presenta da 7 a 12 misure nell’ ultimo anno. Dato di performance eccellente.
  • Quasi il 90 per cento dei pazienti scompensati presenta almeno un valore di pressione misurato nell’ arco degli ultimi 12 mesi e quasi un quarto presenta da 7 a 12 misure nell’ ultimo anno. Dato di performance eccellente.
  • Quasi il 90 per cento dei pazienti scompensati presenta almeno un valore di pressione misurato nell’ arco degli ultimi 12 mesi e quasi un quarto presenta da 7 a 12 misure nell’ ultimo anno. Dato di performance eccellente.
  • Quasi il 90 per cento dei pazienti scompensati presenta almeno un valore di pressione misurato nell’ arco degli ultimi 12 mesi e quasi un quarto presenta da 7 a 12 misure nell’ ultimo anno. Dato di performance eccellente.
  • Quasi il 60 per cento dei pazienti scompensati presenta valori di peso misurati nel corso degli ultimi 12 mesi. Data l’ importanza della misura del peso nel management dello scompenso occorre verificare se il dato sia reale (automisurazione da parte del paziente con mancata registrazione del dato nella cartella clinica? Dato registrato in RSA ma non nel computer?)
  • La percentuale di registrazioni del peso a domicili o in studio è simile
  • Quasi il 60 per cento dei pazienti scompensati presenta valori di peso misurati nel corso degli ultimi 12 mesi. Data l’ importanza della misura del peso nel management dello scompenso occorre verificare se il dato sia reale (automisurazione da parte del paziente con mancata registrazione del dato nella cartella clinica? Dato registrato in RSA ma non nel computer?)
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance
  • Quasi il 60 per cento dei pazienti scompensati presenta valori di peso misurati nel corso degli ultimi 12 mesi. Data l’ importanza della misura del peso nel management dello scompenso occorre verificare se il dato sia reale (automisurazione da parte del paziente con mancata registrazione del dato nella cartella clinica? Dato registrato in RSA ma non nel computer?)
  • La percentuale di pazienti controllati ecograficamente è alta, a testimonianza di buoni livelli di performance
  • Quasi il 60 per cento dei pazienti scompensati presenta valori di peso misurati nel corso degli ultimi 12 mesi. Data l’ importanza della misura del peso nel management dello scompenso occorre verificare se il dato sia reale (automisurazione da parte del paziente con mancata registrazione del dato nella cartella clinica? Dato registrato in RSA ma non nel computer?)
  • Quasi il 60 per cento dei pazienti scompensati presenta valori di peso misurati nel corso degli ultimi 12 mesi. Data l’ importanza della misura del peso nel management dello scompenso occorre verificare se il dato sia reale (automisurazione da parte del paziente con mancata registrazione del dato nella cartella clinica? Dato registrato in RSA ma non nel computer?)
  • La percentuale di pazienti controllati nel profilo bioumorale è molto alta, a testimonianza di ottimi livelli di performance

×