Bedre datakvalitet i klinikkens bookingsystem
Den daglige registrering i bookingsystemet er grundlaget for jeres overblik, opfølgning og nøgletal. Små forskelle i, hvordan en status sættes, kan føre til forkerte konklusioner. Guiden hjælper jer med at opdage almindelige dataproblemer og forbedre én arbejdsgang ad gangen, med de systemer og medarbejdere I har.
Tallene ser rigtige ud, men fortæller noget forkert
Forskelle i registreringen opstår typisk, fordi medarbejderne arbejder under tidspres, systemet har begrænsninger, eller klinikken aldrig har aftalt fælles definitioner. Det er sjældent et spørgsmål om den enkeltes omhu.
Hvad betyder god datakvalitet?
God datakvalitet betyder, at oplysningerne er pålidelige nok til det formål, de skal bruges til. Det betyder ikke, at alle felter skal udfyldes, eller at I skal indsamle flere oplysninger end nødvendigt.
Fem beslutninger om jeres bookingdata
Tag beslutningerne sammen med dem, der registrerer i hverdagen. Tilpas dem til de statusser og muligheder, jeres eget system faktisk har.
Afbud, udeblivelser og ombookinger
Brug en definition, der passer til jeres system og formål, og hold fast i den. En ny booking er ikke nødvendigvis det samme som fremmøde eller ekstra omsætning.
Dubletter og kontaktoplysninger
Dubletter opstår fx ved forskellige stavemåder af et navn, et nyt telefonnummer eller registrering via flere kanaler. Ens navn eller telefonnummer beviser ikke alene, at to registreringer tilhører samme person.
Undersøg kvaliteten uden mere administration
Brug et mindre antal administrative registreringer, som de relevante medarbejdere allerede har lovlig adgang til, og gennemgå dem i systemet. Kopiér dem ikke over i et nyt regneark.
Fuldstændighed er ikke det samme som rigtighed
Et lille, hypotetisk eksempel på, hvorfor en høj procent for udfyldte felter ikke siger, at oplysningerne er rigtige.
Hvad betyder datakvaliteten for nøgletal?
Bedre datakvalitet gør et nøgletal lettere at fortolke, men gør det ikke automatisk egnet til enhver beslutning. Er grundlaget usikkert, skal usikkerheden fremgå af rapporten.
Hvad siger forskning og faglige kilder?
Vi har ikke fundet forskning i datakvalitet i danske kosmetiske klinikkers bookingsystemer. Kilderne her handler om journaldata og rutinedata i sundhedsvæsenet og om offentlige data generelt. De giver begreber og perspektiv, ikke målte forhold hos jer.
Fuldstændighed var den hyppigst undersøgte dimension, efterfulgt af korrekthed, overensstemmelse mellem kilder, plausibilitet og aktualitet. Forfatterne konkluderer, at der stadig ikke findes én standardmetode til at vurdere datakvalitet i journaldata.
Forbehold: Handler om journaldata, mest til forskningsbrug, ikke om bookingdata i kosmetiske klinikker. Den viser, at datakvalitet har flere dimensioner end blot udfyldte felter.
Lewis m.fl., JAMIA 2023 ↗WHO har udgivet en værktøjskasse til analyse og brug af rutinedata fra sundhedsinstitutioner. Den behandler blandt andet datakvalitet, og hvordan valget af nævner og datagrundlagets repræsentativitet påvirker fortolkningen af et tal.
Forbehold: Materialet er udviklet til sundhedssystemers rutinedata, ikke som en vejledning til et dansk bookingsystem.
WHO: Toolkit for analysis and use of routine health facility data ↗Den britiske ramme skriver, at perfekt datakvalitet ikke altid er opnåelig, og at fokus bør være på, at data er så egnede til formålet som muligt. Data, der ændrer sig, bør jævnligt følges, så de fortsat er egnede.
Hvad I kan tage med: Start med det formål, tallet skal bruges til, og vurdér kvaliteten ud fra det.
GOV.UK: The Government Data Quality Framework ↗Bookingdata er også personoplysninger
Afsnittet giver generel information og er ikke en fuldstændig juridisk vejledning. Er I i tvivl, så søg rådgivning.
Én arbejdsgang eller ét nøgletal ad gangen
Planen kan gennemføres uden et nyt system. Ret årsagen til et tilbagevendende problem, hvor det er muligt, i stedet for at rette den samme fejl igen og igen.
Tjekliste til personalemødet
Klik for at markere. Gemmes ikke.Væxters mulige rolle
Væxter er et modulært operationelt system under udvikling. Det er tænkt til at skabe overblik og understøtte administrative arbejdsgange omkring jeres eksisterende booking-, journal-, telefoni- og kommunikationssystemer.
Hvad er god datakvalitet i et bookingsystem?
At oplysningerne er pålidelige nok til det, de skal bruges til. Fx at alle registrerer afbud og udeblivelser ens, at statusser bliver opdateret, og at samme patient ikke findes flere gange.
Skal vi udfylde alle felter?
Nej. Udfyld de felter, I har et relevant og lovligt behov for. Et felt, der udfyldes for en procents skyld, kan give flere forkerte oplysninger.
Hvordan kan vores udeblivelsesrate blive misvisende?
Hvis sene afbud, flytninger eller tider uden status registreres forskelligt mellem medarbejdere eller perioder. Så kan tallet ændre sig, uden at patienternes adfærd har ændret sig.
Hvad er forskellen på et afbud og en udeblivelse?
Ved et afbud giver patienten besked. Ved en udeblivelse møder patienten ikke op uden at have givet besked. Aftal, hvordan I registrerer afbud med meget kort varsel.
Hvordan opdager vi dubletter?
Ofte når en medarbejder søger efter en patient og finder flere profiler. Notér, hvor det sker, og aftal en fast procedure for, hvem der undersøger det.
Må vi bare slå to patientregistreringer sammen?
Ikke uden videre. Ens navn eller telefonnummer beviser ikke, at det er samme person. Brug klinikkens etablerede procedurer, og involvér det relevante personale, hvis der er tvivl om identitet eller journaloplysninger.
Hvad gør vi, hvis vi ikke ved, om en status er korrekt?
Markér den som ukendt, eller lad den være, indtil den kan afklares ud fra et pålideligt grundlag. Gæt ikke, og lad ikke en manglende oplysning blive til nul.
Hvordan undersøger vi datakvalitet uden at lave et nyt regneark?
Gennemgå en lille stikprøve direkte i systemet, og notér kun samlede tal, fx hvor mange der manglede status. Kopiér ikke patientoplysninger over i et nyt dokument.
Hvem bør være med til at aftale definitionerne?
Dem, der registrerer i hverdagen, typisk reception og behandlere, og den, der bruger tallene, fx kliniklederen.
Kan Væxter automatisk rette vores data?
Nej. Væxter er under udvikling, og et overblik kan ikke gøre forkerte eller manglende kildedata korrekte. Fælles definitioner og ensartet registrering er stadig grundlaget.
Hvor er overblikket svært hos jer?
Fortæl os, hvilke oplysninger I bruger i hverdagen, og hvor tallene er svære at stole på. Så ser vi sammen på, hvor registreringen kunne blive mere ensartet, og om Væxter er relevant for jer.