Errors en cirurgia general. Puntuació i detecció dels errors més rellevants. Pla d’actuació per a disminuir-ne la incidència

Abstract

INTRODUCCIÓ: La seguretat del pacient està a l’orde del dia. Part d’aquesta es basa en aconseguir un sistema sanitari el més absent possible d’efectes adversos evitables (EA evitables), que són aquells secundaris a errors assistencials. Una de les metodologies establertes com a eina per promocionar la seguretat dels pacients és a través de l’existència de recollides d’efectes adversos (EA) o incidents i d’errors assistencials. A dia d’avui, manca un registre establert i estandarditzat, a nivell mundial, per a tal efecte. MATERIAL I MÈTODES: El treball de tesis doctoral presentat és dut a terme en el servei de cirurgia general i de l’aparell digestiu d’un hospital amb una capacitat de 466 llits d’aguts. S’ha realitzat un registre diari d’EA, EAE i la detecció d’errors assistencials. A través d’aquest registre s’han aïllat els errors assistencials. Es tracta d’una recollida de dades que s’acosta a l’ideal ja que és de caràcter prospectiu, voluntària, absenta de culpa o impune, anònima i independent dels estaments organitzatius de l’hospital. La limitació principal de la recollida de dades usada és la codificació dels EA, EA evitables i errors. Al no existir una font universal, els resultats obtinguts de treballar amb aquestes dades no són comparables ni generalitzables. RESULTATS I DISCUSSIÓ: S’han analitzat els 1006 errors assistencials detectats segons la classificació taxonòmica de la Joint Commission on Accreditation of Healthcare Organizations, que valora l’impacte de l’error, el tipus d’error, qui i a on es duu a terme i la causa de l’error. Aquesta classificació permet saber que la majora dels errors aïllats en el nostre centre tenen un impacte físic lleu o temporal, sense poder determinar l’impacte psicològic; la majoria són de tipus maneig; la majoria són comesos per personal mèdic i/o infermeria, a nivell de la planta d’hospitalització i a quiròfan; la majoria són de causa humana, secundaris a l’error en la realització de tasques de manera inconscient. Tot i així, es tracta d’una eina difícil d’utilitzar i els resultat de la seva aplicació és considerat poc útil. S’ha creat una eina per tal de detectar els errors assistencials més rellevants, que són els definits com a errors que compleixen tres característiques alhora: ser els més freqüents, els més greus i els de més difícil detecció. Aquesta eina s’anomena NPR modificat, extreta del mètode de l’Anàlisi Modal de Fallides i Efectes. Gràcies a aquesta eina s’ha calculat el número de risc de 1004 errors. El número de risc s’ha calculat a través de la multiplicació de 3 puntuacions determinades a partir de 3 ítems diferents: GxAxD (G: gravetat segons la classificació de Dindo-Clavien; A: incidència segons la incidència d’EA del servei durant més de 10 anys; D: probabilitat de detecció segons una escala subjectiva pre-determinada). A partir d’aquest número de risc s’han estratificat els errors i s’han detectat els errors més rellevants. Tot i el caràcter subjectiu de l’ítem D en el càlcul del número de risc, s’ha determinat una concordança inter-observador bona (índex kappa ponderat de 0,66). Un cop coneguts els errors rellevants més freqüents s’ha seleccionat, com a error diana, l’error relacionat amb la medicació habitual del pacient. S’han dissenyat unes mesures senzilles i de fàcil reproducció, s’han aplicat i s’ha objectivat una disminució de la incidència d’aquests errors diana. Aconseguint, per tant, disminuir la incidència d’EA evitables i una millora de la seguretat dels nostres pacients. CONCLUSIÓ: S’ha aconseguit disminuir la incidència d’EA evitables al detectar els errors més rellevants a través de la creació d’una nova eina.

INTRODUCTION: Patient safety has gained interest last decades. Patient safety focuses on avoiding adverse events (AE), especially preventable AE, which are related to a healthcarerelated error. Studies of patient safety emphasize the need to record and learn from the AE that occur at healthcare services. Data collection is one of the most widely used strategies. Nowadays, there is no worldwide established and standardized record for this purpose. MATERIAL AND METHODS: The study is carried out in the general and digestive surgery of a hospital with 466 acute beds. There has been a daily registration of AE, preventable AE and the detection of healthcare-related errors. The healthcare-related errors have been isolated through this record. Data collection is close to the ideal since it is prospective, voluntary, unpunished, anonymous and independent. The main limitation of the collected data used is the coding of AE, avoidable AE and healthcare-related errors. Since there is no universal source, the results obtained from working with these data are not comparable or generalizable. RESULTS AND DISCUSSION: We analysed 1006 healthcare-related errors according to the Joint Commission on Accreditation of Healthcare Organizations taxonomic classification, which evaluates the error impact, the type of error, who and where it is carried out and the cause of the error. This classification allows to know that most of our healthcare-related errors isolated have a slight or temporary physical impact, without being able to determine the psychological impact; the majority are patient management type; most are committed by medical personnel and / or nursing, at the level of the hospitalization plant and the operating room; Most are of human cause, secondary to an unconscious error. Even so, it is a difficult tool to use and the result of its application is considered to be very little useful. A tool has been created to detect the most relevant healthcare-related errors, which are defined as errors that fulfill three characteristics at the same time: being the most frequent, the most serious and the most difficult to detect. This tool is called modified NPR, originally from the Health Care Failure Mode Effects and Analysis. Thanks to this tool, the risk number of 1004 errors has been calculated. The risk number has been calculated through the multiplication of 3 scores determined from 3 different items: GxAxD (G: gravity according to the classification of Dindo-Clavien; A: incidence according to the EA incidence of the service for more of 10 years; D: probability of detection according to a predetermined subjective scale). From this risk number, errors have been stratified and the most relevant errors have been detected. The subjective character of item D (risk number calculation) has been checked and a good inter-observer concordance (kappa index of 0.66) was determined. Once known the most frequent healthcare-related errors, the error related to the usual medication of the patient has been selected as a target error. Some easy and simple measures have been designed, have been applied and a reduction in the incidence of these targeted errors has been objected. Achieving, therefore, reducing the incidence of preventable AE and an improvement in our patient safety. CONCLUSION: An avoidable AE incidence reduction has been achieved through the use of a new tool that detects the most relevant healthcare-related errors.