Sosiotekninen todennäköisyysperusteinen riskianalyysi haittatapahtumien mallintamisessa

 

Terveydenhuollossa ilmenevät haittatapahtumat ovat maailmanlaajuinen haaste. Haittatapahtumalla tarkoitetaan tahatonta vammaa, joka ilmenee hoidon aikana tai on seurausta potilaan saamasta hoidosta (AHRQ 2019), esimerkiksi kaatuminen, lääkevirhe tai infektiot. Maailman terveysjärjestön (WHO 2019) arvion mukaan terveydenhuollon haittatapahtumat kuuluvat maailmanlaajuisesti kymmenen merkittävimmän kuoleman ja vammautumisen syyn joukkoon. Haittatapahtumien ennaltaehkäisy edellyttää riskitekijöiden tunnistamista. Terveydenhuollossa haittatapahtumien tarkastelu on keskittynyt ensisijaisesti retrospektiivisiin (takautuva) menetelmiin, joissa pyritään tunnistamaan riskitekijöitä jo ilmenneiden haittatapahtumien pohjalta esimerkiksi raportointijärjestelmistä saatujen tietojen pohjalta (Smith ym. 2010, Battles ym. 2006) Nämä menetelmät soveltuvat hyvin haittatapahtumien ilmaantuvuuden, seurauksien tai yksittäisten riskitekijöiden tarkasteluun (Battles ym. 2006). Retrospektiivisten menetelmien käyttö johtaa kuitenkin usein yksinkertaistettuun riskitekijöiden mallinnukseen (Martin-Delgado ym. 2020). Riskitekijöiden tunnistamisessa tulisikin hyödyntää enenevässä määrin prospektiivisia (tulevaisuutta tarkasteleva) menetelmiä (Pronovost ym. 2009), jotka eivät ole riippuvaisia olemassa olevien raportointijärjestelmien tuottamasta tiedosta ja niiden rajoitteista (Marx & Slonim 2003). Tässä kirjoituksessa esitellään yksi vaihtoehtoinen prospektiivinen menetelmä. 

Sosiotekninen todennäköisyysperusteinen riskianalyysi (Sociotechnical Probabilistic Risk Assessment, ST-PRA) on systeemiajatteluun perustuva menetelmä riskitekijöiden mallintamiseen (Marx & Slonim 2003). Menetelmässä mallinnetaan ympäristöstä, teknologiasta ja inhimillisestä toiminnasta seuraavia riskitekijöitä sekä näiden yhdistelmiä (Slonim ym. 2014). ST-PRA:ssa keskeisessä osassa on laaja erilaisten tietolähteiden hyödyntäminen mm. henkilökunnan haastattelut, kirjallisuuskatsaukset sekä raportointijärjestelmien tiedot. ST-PRA toteutetaan kuudessa vaiheessa. 

Kuvio 1. Sosioteknisen todennäköisyysperusteisen riskianalyysin vaiheet.

Menetelmän ensimmäisessä vaiheessa valitaan tarkasteluun otettu lopputapahtuma. Tällä viitataan selkeästi määriteltyyn haittatapahtumaan. (Marx & Slonim 2003.) Lopputapahtuman selkeä ja tarkka määrittely on tärkeää riskitekijöiden kattavan tunnistamisen ja tiedonlähteiden valitsemisen kannalta. Toisessa vaiheessa tunnistetaan riskitekijät (failure points) hyödyntämällä eri tiedonlähteitä. Eri tiedonlähteiden kattava hyödyntäminen on keskeistä, jotta voidaan tunnistaa mahdollisimman laajasti erilaisia riskitekijöitä. (Slonim ym. 2014.) Riskitekijöiden tunnistamisessa hyödynnetään yleisesti kirjallisuutta, asiantuntijoiden näkemyksiä (hoitohenkilökunta, potilasturvallisuusasiantuntijat) sekä mahdollisuuksien mukaan raportointijärjestelmien tietoja tai muita keskeisiä tietolähteitä (Slonim ym. 2014, Marx & Slonim 2003). Kolmannessa vaiheessa mallinnetaan riskitekijöiden yhteydet ja riippuvaisuudet. Riskitekijöiden mallintamisessa käytetään vikapuuta, joka on graafinen työkalu riskitekijöiden kuvaamiseen. (Slonim ym. 2014.) Vikapuu koostuu erilaisista porteista, joista keskeisimmät ovat JA (and), TAI (or) portit. JA portti tarkoittaa sitä, että kaikkien sen alla olevien riskitekijöiden täytyy ilmetä, jotta haittatapahtuma on mahdollinen. TAI portti tarkoittaa sitä, että jonkin riskitekijän täytyy ilmetä, jotta haittatapahtuma on mahdollinen. (Slonim ym. 2014, Marx & Slonim 2003.) Alla olevassa kuviossa on yksinkertaistettu kuvaus näistä porteista.                                                                                                                                                        

Kuvio 2.Yksinkertaistettu kuvaus vikapuun JA, TAI porteista

Menetelmän neljännessä vaiheessa validoidaan muodostettu vikapuu. Vikapuun validoinnissa ulkopuoliset asiantuntija arvioivat tehtyjä päätelmiä ja vikapuun rakennetta (Slonim ym. 2014). Vikapuun validointi on tärkeää, sillä riskitekijöiden yhteyksien mallintaminen ja johtopäätösten tekeminen olemassa olevan tiedon pohjalta on aina tulkinnallista. Viidennessä vaiheessa asetetaan riskitekijöiden todennäköisyydet. Jokaiselle vikapuussa olevalla riskitekijälle on asetettava todennäköisyys asteikolla 0–1. Todennäköisyydet asetetaan ensisijaisesti kirjallisuuden perusteella. Kirjallisuuden pohjalta ei kuitenkaan aina voida asettaa kaikille riskitekijöille todennäköisyyttä. Tällöin turvaudutaan asiantuntijoiden arvioon heidän kokemuksensa pohjalta. Asiantuntijoiden arvion määrittelyssä voidaan hyödyntää erilaisia tekniikoita kuten ankkurointia. (Marx & Slonim 2003.) Menetelmän viimeisessä vaiheessa toteutetaan herkkyysanalyysi, jotta voidaan varmistua siitä, että tehdyt päätelmät ovat luotettavia. Herkkyysanalyysissa keskitytään niihin riskitekijöihin, joissa on suuri vaihtelu todennäköisyyksissä (Slonim ym. 2014).

Sosiotekninen todennäköisyysperusteinen riskianalyysi on hyvin sovellettavissa oleva menetelmä terveydenhuollon eri haittatapahtumien riskitekijöiden tunnistamiseen. Menetelmä soveltuu erityisen hyvin harvinaisiin haittatapahtumiin, sillä se ei ole riippuvainen raportointijärjestelmien tuottamasta, usein puutteellisesta tiedosta. Väitöskirjatutkimuksessani tarkastelen menetelmällä potilaiden kaatumista eristyksessä psykiatrisen sairaalahoidon aikana. Menetelmällä tuotetun mallin pohjalta voidaan tehdä potilasturvallisuutta edistäviä toimenpiteitä, jotka kohdistuvat keskeisimpiin riskitekijöihin.

Kirjoittaja: 

Jaakko Varpula

TtM, sh, Väitöskirjatutkija

Turun yliopisto, hoitotieteen laitos

jaheva(at)utu.fi

 

LÄHTEET

Agency for Healthcare Research and Quality (AHRQ). 2019. Adverse Events, Near Misses, and Errors. https://psnet.ahrq.gov/primer/adverse-events-near-misses-and-errors. 12.9.2022

Battles, J., Dixon, N., Borotkanics, R., Rabin-Fastmen, B. & Kaplan, H. Sensemaking of patient safety risks and hazards. Health Services Research, 41, 1555-1575.

Martin-Delgado, J., Martínez-García, A., Aranaz, J., Valencia-Martín, J. & Mira, J. 2020. How Much of Root Cause Analysis Translates into Improved Patient Safety: A Systematic Review. Medical Principles and Practice, 26(9), 524-531.

Marx, D. & Slonim, A. 2003. Assessing patient safety risk before the injury occurs: An introduction to sociotechnical probabilistic risk modelling in health care. Quality and Safety in Health Care, 12(Suppl. 2), 33-38.

Pronovost, P., Goeschel, C., Marsteller, J., Sexton, B., Pham, J. &  Berenholtz, S. 2009. Framework for Patient Safety Research and Improvement. Curculation, 119, 330-337.

Slonim, A., Bish, E. & Steighner, A. 2014. Using Socio-Technical Probabilistic Risk Assessment (ST-PRA) to Assess Risk and Improve Patient Safety and Reliability in Health Care Systems. Agency for Healthcare Research and Quality. https://www.ahrq.gov/hai/patient-safety-resources/advances-in-hai/hai-article19.html 9.9.2022

Smith, A., Boult, M., Woods, I. & Johnson, S. 2010. Promoting patient safety through prospective risk identification: example from peri-operative care. Quality & Safety in Health Care, 19(1), 69-73.

World Health Organization (WHO). 2019. Patient Safety: Global action on patient safety. Report by the Director-General. Seventy-Second World Health Assembly.