Drieluik vragenlijsten (2): gestandaardiseerde vragenlijsten en Big Data

on december 23, 2014 Business Analytics As a Service, Publiek Domein with 0 comments

Gestandaardiseerde vragenlijsten in de zorg

Vorige week hadden we het over de vragenlijsten die adviesorganisatie Logro gebruikt als acquisitiemiddel. Vandaag hebben we het over vragenlijsten die vanuit een sector worden voorgeschreven. We concentreren ons op de zorgsector, omdat iedereen dit raakt en wij er ervaring in hebben.

In de periode van 1999 tot 2006 zijn we (onder de naam Economic Programs BV) intensief betrokken geweest bij benchmarks in de zorg: we traden op de achtergrond op als verwerker van data in meer dan 10 benchmark trajecten. Vele Gigabytes verwerkten we van ruwe data in klantrapportages. Recentelijk hebben we een adviesorganisatie opnieuw geholpen met het efficiënter maken van de verwerking van CQI-metingen, waarmee de verwerkingstijd met 70% kon worden teruggebracht.

De Consumer Quality Index (CQI) is een gestandaardiseerde methodiek om klantervaringen in de zorg te meten, te analyseren en te rapporteren. De methodiek is door gezaghebbende experts zijn ontwikkeld met als doel om de kwaliteit in de sector te verhogen. Ze worden landelijk afgedwongen en moeten periodiek worden uitgevoerd. Adviesorganisaties kunnen zich kwalificeren om deze onderzoeken te mogen uitvoeren en krijgen daarvoor een vergoeding. Tot in detail is voorgeschreven hoe het traject moet worden uitgevoerd. Aan het einde van ieder onderzoek moet de data worden opgestuurd naar een centrale databank. Het gaat om grote hoeveelheden data, sommigen zeggen Big Data.

Omdat mijn vader ten tijde van het uitvoeren van de opdracht om de CQI-dataverwerking efficiënter te maken in een verpleeghuis was opgenomen, kon ik de theorie aan de praktijk toetsen. Ik concentreer me hieronder op de CQI-meting die wordt ingezet in de ouderenzorg. Daar zijn drie soorten van, CQ index vragenlijst Psycho Geriatrie, CQ index vragenlijst Thuiszorg, CQ index vragenlijst Somatiek.

Is veel data ook nuttig?

what and why

Hoe werkt het? Bij een cliënt in een instelling of bij zijn of haar vertegenwoordiger wordt een vragenlijst afgenomen. De vragenlijsten van verschillende respondenten worden gevalideerd, geanalyseerd en gerapporteerd volgens een vooropgezet schema. De statistiek die in zwang is geraakt is de net-promotor-score (NPS-score). Een positieve NPS-score geeft dan aan, dat het aantal respondenten dat de dienstverlening positief zou aanbevelen het aantal respondenten dat een negatieve referentie zou geven overstijgt. Een oudere cliënt vragen of hij of zij zorg aanbeveelt aan een ander is moeilijk. Juist omdat iemand die ziek is natuurlijk liever helemaal geen zorg nodig had gehad.

Tussen de eerste interviews / schriftelijke vragenlijsten en het opleveren van een eindrapport kunnen gemakkelijk 3-6 maanden zitten. Na presentatie van het eindrapport aan het bestuur van een instelling komt het rapport terecht bij de kwaliteitsmedewerker van de zorginstelling. Vervolgens gaat die medewerker met het rapport in de hand met de afdelingshoofden het gesprek aan over verbeterpunten in de kwaliteit van zorg. Ten slotte worden de resultaten besproken met de medewerkers, onder wie een groeiend aantal met een flexibel nul-urencontract. De data geüpload naar een centrale databank die wordt gebruikt voor verdere analyse van de gegevens. Zo wordt er veel data gegenereerd.

Voor wie is dit nuttig? We kunnen kijken naar deze vragenlijsten door de bril van de wetenschapper, de branchevereniging, de adviesorganisatie die deze vragenlijsten afneemt, of de beleidsmedewerker. Voor deze mensen levert de CQI meting natuurlijk heel veel op: werk en inkomsten.

Maar hoe zit het eigenlijk met cliënten en medewerkers? Wat levert het voor hen op? Een cliënt in een instelling heeft misschien wel 1.000 zorgcontacten per jaar, verdeeld over 50 verschillende medewerkers. Cliënten ervaren grote verschillen tussen medewerkers: de één ligt hen, de ander duidelijk minder. Een cliënt vragen naar een oordeel over de zorgkwaliteit is daarom een heel brede en daardoor ingewikkelde vraag. Gaat iemand in het midden zitten? Of wordt een oordeel vooral gekleurd door de laatste persoon die een cliënt heeft geholpen? Denkt de cliënt aan de beste of juist de slechtste ervaring? In het beste geval levert de uitvraag naar zorgkwaliteit een naar zorgtijd gewogen gemiddelde op.

Hoewel het middel niet als zodanig is bedoeld, wordt het op de werkvloer gevoeld als een afrekenmechanisme. Verschillende afdelingen worden met elkaar vergeleken, dus gaan medewerkers en hun leidinggevenden ook strategieën bedenken om de scores te beïnvloeden. Ten tijde van de meting krijgen zorgmedewerkers bijvoorbeeld instructies om extra hun best te doen, op tijd te komen. Een begrijpelijke reactie.

Het is duidelijk dat de CQI werkwijze vanuit het perspectief van cliënten en medewerkers heel omslachtig is. De methode – een vragenlijst – is ontwikkeld in een tijd waarin het verzamelen en verwerken van data een tijdrovend proces was. Deze tijd biedt betere mogelijkheden; in ieder geval kan het veel goedkoper worden opgezet voor hetzelfde resultaat.

Oplossing met big data

Hoe verhoudt de CQI meting zich tot big data? We gaan in op effectiviteit (de goede dingen doen) en efficiency (de dingen goed doen). Is de CQI meting effectief? Het doel van de meting zou moeten zijn dat de meting bijdraagt aan een meer menswaardig bestaan van een hulpbehoevende. Onze mening is dat de CQI meting nauwelijks informatie oplevert waar direct op geacteerd kan worden. Het traject duurt te lang. De gemiddelden helpen niet om specifieke problemen op afdelingen te identificeren. Als de meting als afrekenmechanisme wordt ingezet schiet het haar doel voorbij. Dit komt de cliënt-zorgverlener-relatie niet ten goede.

Over efficiency. De enquêtes zijn niet geïntegreerd met de bestaande informatievoorziening binnen een instelling. Dat betekent dat data die er al is, opnieuw wordt opgevraagd. En data die mogelijk ook nuttig kan zijn, wordt genegeerd. Het eerste leidt tot onnodige kosten, het tweede tot onjuiste interpretaties.

Hoe zou het beter kunnen? We beginnen bij het opsommen van data die al wordt vastgelegd. Gegevens over cliënten, medewerkers, planning (wie gaat wanneer werken met welke cliënten) en de uitgevoerde diensten (wie heeft wanneer gewerkt met welke cliënten). Mogelijk ligt ook een klachtenregistratie vast, of de MIC/MIM meldingen. Vervolgens kan extra informatie worden toegevoegd, bijvoorbeeld door regelmatig aan cliënten te vragen door wie ze het liefst worden behandeld. Ook kunnen aan medewerkers bepaalde vragen worden gesteld. Door middel van algoritmes kunnen problemen worden gesignaleerd. Op operationeel niveau. Misschien heeft een medewerker moeite met een bepaalde cliënt, is extra training of begeleiding nodig of zijn er simpelweg te weinig mensen beschikbaar om cliënten goed te kunnen helpen. Ook op tactisch en strategisch niveau kan sneller worden ingegrepen.

Wat verliezen we? Een meetinstrument dat de illusie van vooruitgang biedt. Natuurlijk is het een weinig aantrekkelijk vooruitzicht voor mensen die een goede boterham verdienen aan deze cijferbrij die de meting oplevert. Zouden cliënten of medewerkers hier wakker van liggen?

Nieuwe wegen

Deze tijd biedt veel kansen voor organisaties die bereid zijn om met een frisse blik naar bestaande processen te kijken. Uitvoerende functies zijn de afgelopen 10 jaar steeds verder ingeperkt door  protocollen en controles van bovenaf. Dit is funest voor waar het in ons voorbeeld in de kern om draait: het efficiënt bieden van hoogwaardige zorg, met aandacht voor de mens. Big Data moet niet leiden tot Big Brother. Staat u open voor een ander perspectief?

Neem dan contact op met ons.

 

Add comment

CAPTCHA * Time limit is exhausted. Please reload CAPTCHA.

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

Decisive Facts