Hvert år indgives der over 10.000 patientklager til Styrelsen for Patientklager og over 12.000 ansøgninger til Patienterstatningen. Hidtil er disse sager primært blevet brugt til lokal læring i forbindelse med håndteringen af individuelle sager, mens læring på tværs af fx et hospital har været begrænset.
Ved forskningsenheden OPEN på Odense Universitetshospital og Syddansk Universitet har vi undersøgt muligheden for at systematisere tilgangen til klager, sådan at der ikke bare uddrages erfaringer fra enkeltsager, men også skabes læring fra overordnede mønstre og tendenser. Vores mål har været at nå frem til en pålidelig og systematisk metode til at inddrage patienternes perspektiv i kvalitetsudvikling. Dette ved at skabe en struktureret datakilde baseret på allerede indsamlet information fra patientklager og erstatningsansøgninger.
Her cirka 5 år efter vores første videnskabelige publikation på området, implementerer Odense Universitetshospital Svendborg Sygehus, OUH nu en systematisk tematisering af alle indkomne patientklager og erstatningsansøgninger ved hjælp af Healthcare Complaint Analysis Tool (HCAT).
HCAT er udviklet af to engelske forskere og baserer sig på en omfattende litteraturgennemgang. Den engelske version af HCAT er blevet oversat og tilpasset til danske forhold, og der er udarbejdet en dansk manual, samt en standardiseret uddannelse for kodere, for at sikre høj datakvalitet. HCAT tager udelukkende udgangspunkt i selve patientens/pårørendes beskrivelser, og således ikke i øvrigt klagemateriale, som fx journalmateriale. I vores projekter har vi god erfaring med, at det er studentermedhjælpere, som HCAT-koder alle sagerne, hvor de i gennemsnit bruger 7 minutter pr. sag. Vi har løbende undersøgt og dokumenteret reliabilitet mellem kodere, som har vist sig at være god.
De patientoplevede problemer inddeles i en af syv mulige hovedproblem-kategorier, desuden angives hvor i forløbet problemet er oplevet, hvilken alvorlighed problemet har, samt den samlede skade som patienten har oplevet. Denne kategorisering giver mulighed for overblik og analyser på tværs af organisationen, hvilket kan hæve læringspotentialet fra den enkelte sag til læring på tværs af sager. Nedenstående er et eksempel på fordelingen af lidt over 13.000 patientoplevede problemer, uddraget fra 6.000 patientklager fra Odense Universitets Hospital.
Figur 1 viser de patientoplevede problemer fordelt på type af problemer og hvor i behandlingsforløbet, de er oplevet. Med denne simple figur kan organisationen allerede begynde at danne sig et overblik over forekomsten af forskellige problemtyper på tværs af klager. I forlængelse af sådan et overordnet overblik kan man selvfølgelig bliver nysgerrig på mange ting, og de videre analyser kan gå i forskellige retninger. En retning er at prøve at gå et skridt dybere for et enkelt problemområde.
I figur 2 har vi udfoldet de 1323 ”Sikkerhedsproblemer”, som er relateret til ”Undersøgelse og diagnose”. Her er sikkerhedsproblemer yderligere inddelt i underkategorier, samt problemernes alvorlighed.
Ved denne relative simple analyse har vi bevæget os fra over 13.000 problemer ned til fx de 289 problemer, som er angivet som værende ”meget alvorligt” og som relaterer sig til noget med fejl i forbindelse med diagnose. HCAT giver mulighed for yderligere detaljering, men pointen er, at man med systematisk og stringent kodning af klagesager nemt og hurtigt kan finde homogene klagesager med et fælles tema. Disse sager kan så hurtigt findes frem til en gennemlæsning for at opnå en dybere forståelse af konteksten omkring de enkelte sager. Omvendt kan man også anvende kodningen i en enkelt sag til at se omfanget af et pågældende mønster på tværs af sager.
Man kunne ligeledes forstille sig at have et fokusområdet, som var forudbestemt. Her ville man hurtigt kunne finde alle de klagesager, som vedrører det aktuelle fokusområde. Som et konkret eksempel kan nævnes, at Region Syddanmark har et igangværende projekt med fokus på bedre patientkommunikation, og man har her mulighed for hurtigt at finde patientrapportering omkring situationer, hvor patienter har oplevet manglende lydhørhed, mangelfuld kommunikation eller information.
I den nylig publicerede rapport fra Indenrigs- og Sundhedsministeriet om afdækning af klagesystemet er det anbefalingen, at det kliniske personale skal have mulighed for at drage læring til kvalitetsudvikling af patientklager. Som med så meget andet data er det en nøgleudfordring at få sat patientklagedata i spil blandt det kliniske personale, så det kan være med til at skabe nysgerrighed og læring, som med tiden kan skabe forbedringer.
På OUH er vi relativt tidligt i denne proces. Vi har grebet det an ved at generere årsrapporter for hele hospitalet, afdelingsspecifikke rapporter til afdelinger med minimum 20 patientoplevet problemer, samt enkelte rapporter til forskellige tværgående råd på hospitalet (fx Ernæringsrådet). Disse rapporter er blevet fulgt op med møder, hvor rapporterne er blevet gennemgået, og afdelingerne har haft mulighed for stille opklarende spørgsmål, samt at få lavet ekstra og mere detaljerede analyser.
Erfaringerne med HCAT på OUH er så gode, at direktionen har besluttet fortsat at understøtte analyserne. På tværgående niveau har f.eks. rapporten til Ernæringsrådet medført at der nu laves en større undersøgelse blandt patienter, hvor der spørges ind til ernæringsproblemstillinger. På afdelingsniveau har afdelingerne været glade for de afdelingsspecifikke rapporter, og de nye data anvendes også i stabsfunktionen af dem, der arbejder med klinisk udvikling, i samarbejde med hospitalernes risikomanagere. Det betyder, at data fra patientklager og erstatningssager for fremtiden bliver en integreret del af patientsikkerheds- og kvalitetsarbejdet på OUH.
Læs interview med lægefaglig hospitalsdirektør Bjarne Dahler-Eriksen
Forskning på området
Vi har forsøgt at have en forskningsbaseret tilgang til udvikling og testning af HCAT. Det har resulteret i en lidt længere rejse, end hvis det havde været en rent pragmatisk tilgang, men resultatet er en evidensbaseret metodik, hvor vi har dokumenteret vores arbejde frem til i dag. Vi har i nedenstående forsøgt kort at beskrive det arbejde, som ligger bag den danske version af HCAT, og det arbejde vi har lavet på området.
Tilblivelsen af HCAT: De to engelske forskere Tom Reader og Alex Gillespie lavede i 2013 et omfattende review med det formål at finde alt litteratur om patientklager og syntetisere temaerne for at udvikle en taksonomi til alle de typer af problemer, som er indeholdt i patientklager. Således blev Healthcare Complaint Analysis Tool (HCAT) skabt (1).
De testede umiddelbart efterfølgende, om HCAT kunne kodes pålideligt blandt flere testere, og konkluderede at HCAT var et pålideligt og teoretisk robust værktøj til kategorisering af patientklager (2).
HCAT i dansk kontekst: Vi viste i 2019, at den engelsk udgave af HCAT pålideligt kunne bruges til at kode danske erstatningsansøgninger (3).
Ulighed: Når man introducer en ny datakilde, er det væsentlig at holde sig for øje, hvem som leverer data til kilden. Derfor undersøgte vi, om der var ulighed i erstatningsansøgninger og fandt, at kvinder, patienter i alderen 50-64 år, gifte patienter samt borgere med høj indkomst og af dansk oprindelse var overrepræsenterede blandt patienter, der søgte erstatning. Yderligere fik mænd og ældre patienter oftere tilkendt erstatning (4)
Ændringer over tid i sagsindhold: Vi brugte i 2020 HCAT-tilgangen til at undersøge ændringer i indholdet af erstatningsansøgninger i forbindelse med centralisering af akuthospitalerne i Danmark og fandt en ændring mod færre patientoplevede problemer relateret til forsømmelse af sundhedspleje og personalets kompetencer (5).
En dansk udgave af HCAT: I 2021 oversatte og adapterede vi HCAT til danske forhold. Dette medførte tilføjelse af to yderligere subkategorier: ”manglende pårørendeinddragelse” og ”hospitalserhvervede infektioner”. HCATdk viste sig, lige som den engelske, at være pålidelig til kodning af klage- og erstatningssager (6).
Standardiseret HCAT uddannelse: Vi udviklede umiddelbart efterfølgende en dansk online HCAT- uddannelse, som alle vores kodere skal gennemgå sammen med en efterfølgende kalibrering for at sikre høj kvalitet i kodningen (7).
Hot spots og blind spots: I 2022 viste vi, at HCAT kan bruges til at finde områder med ophobning af sager med stor patientskade (hotspots-skade), samt områder med mange nærved-hændelser (hotspots-nearmiss). Yderligere blev der identificeret områder med problemer, som patient og pårørende i højere grad opdager end fagpersoner (blindspots) (8).
Forskellige afdelinger – forskellige mønstre: Omkring 2021-2022 var der en del dækning i pressen omkring kvaliteten på landets fødeafdelinger. Vi sattes os for at beskrive og analysere relaterede klager og sammenligne deres mønstre med klager fra de øvrige afdelinger. Vi fandt, at klager i forbindelse med fødsler i højere grad end klager fra andre afdelinger handlede om relationelle problemer (9).
HCAT-implementeringserfaringer: Vi har kodet samtlige patientklager på Odense Universitetshospital – Svendborg fra 2017 og frem. Vores erfaringer med at sætte HCAT-data i spil har vi beskrevet i et studie, hvor vi rapporterer, hvordan patienter, klinikere, kvalitetsforbedring personale og hospitalsledelse finder det nyttigt at udtrække og anvende information fra klager og erstatningssager ved hjælp af HCAT (10).
Udvælgelse af signaler: Med en ny datakilde kan der være mange områder, som er interessante at kigge nærmere på. HCAT indeholder nogle oplagte tilgange til analyser, som fx hotspots og blindspots. I denne artikel benyttede vi en rent datadreven metode til at pege på områder, hvor der forekommer flere patientklager end forventet. Metoden giver en prioriteret rækkefølge af signaler baseret på en ratio, samt en kvantificering af, hvor mange klagesager der forekom oftere end forventet. Metoden er kendt inden for overvågning af medicinske bivirkninger. I studiet viste vi, at metoden også kan benyttes på store HCAT-datasæt (11).
Igangværende projekter: Vores forskningsgruppe har gang i flere projekter på området. Blandt andet er vi i gang med at kode samtlige patientklager for 2022 direkte hos Styrelsen for Patientklager med HCAT, som kan give interessante indsigter i mønstre på tværs af sektorer. Et Ph.d.-projekt undersøger hvordan patientklager kan omsættes og anvendes til kvalitetsudvikling, samt undersøger uligheden i de forskellige HCAT-kategorier. Det sidste del-projekt i ph.d’en er et HCAT udviklings projekt, med henblik på at validere problemernes alvorlighedsgrad i samarbejde med et patientpanel. Endvidere har vi gang i et projekt hvor vi undersøger om kunstig intelligens kan bruges til HCAT kodning.
International forskning: Inden for de sidste fem år er der kommet en del interesse i at anvende HCAT i andre områder af verden, og til andre formål. Kodning af patientklager med HCAT i hospitalsregi foregår både i Irland, England, USA, Kina og Taiwan (12, 13, 14, 15). HCAT er blevet anvendt til at undersøge om der sker ændringer i klagemønstret ved særlig hændelser, f.eks. Covid-19 pandemien (14,16), hvor de fandt at det især var problemer med adgang til behandling, som ændrede sig under pandemien.
Andre sektorer har også taget HCAT til sig og redskabet er blevet tilpasset og afprøvet inden for Almen Praksis (17, 18, 19). Landsdækkende tilfredsundersøgelser anvendes i mange lande, og i USA er man begyndt at kode kommentarerne for at kortlægge mønstre til læring ved hjælp af HCAT.
