PELAPORAN
Endri Astuti
Kredibiltas Sistem pengukuran
performance tergantung pada kualitas data
yang dikumpulkan
Validasi data dan uji reliabiltas
merupakan metode analitik untuk
memastikan kualitas data yang
dikumpulkan.
Penyahihan/validasi data
merupakan alat penting untuk
memahami mutu dari data mutu
dan untuk mencapai tingkat di
mana data tersebut cukup
meyakinkan bagi para pembuat
keputusan.
JCI Standard on Data Validation
(Reliability Testing)
Standard:
RS menggunakan proses internal untuk validasi
data
ME 1:
Integrasikan validasi data dengan manajemen mutu
dan proses perbaikan
ME 2:
RS memiliki proses validasi data yang meliputi a)
sampai f) didalam intent QPS 5
ME 2:
Proses validasi data minimal meliputi pemilihan
indikator yang diminta dalam QPS 3.1
5
PMKP 5 : VALIDASI DATA
50 50
200 64
500 100
2000 400
SOAL
POPOLASI SAMPEL VALIDASI?
??
50 50
200 64
500 100
2000 400
JAWAB
POPOLA SAMPEL VALIDASI
SI
MIN MAX
50 50 9 50
200 64 9 64
500 100 9 100
2000 400 20 400
Three JCI Methods Calculating
Reproducibility: % Agreement
Measurement RESULTS Agreement
(MRA) :
◦ Membandingkan hasil antara pengumpul data
dengan validator
◦ 90% kesepakatan dalam hasil kalkulasi antara
pengumpul data pertama dan kedua
SOAL
Nilai pengumpul data pertama 75%
Nilai validator 60%
Valid atau tidak???
JAWAB
75% X90/100 = 67.5%
60% < dari 67,5%
Tidak valid
MRA sudah tidak direkomendasikan oleh
JCI
MCA (Measurement Category
Agreement
Kesepakatan kategori antara pengumpul
data dengan validator
Kategori :
◦ Numerator
◦ Denominator
◦ eksklusi
75% kesepakatan dalam kategorisasi
antara pengumpul data pertama dan
validator
STEP 2 :
Data dari Pengumpul data pertama
100 rekam medik kasus AMI dikumpulkan
Semua kasus > 18 thn (denominator)
Semua kasus memiliki diagnosa AMI
50 dari 100 kasus diberikan ASA dalam waktu 24 jam
(numerator)
15 dari 100 kasus tidak diberikan ASA dan tidak ada
kontraindikasi (tidak sesuai numerator)
35 dari 100 kasus kontraindikasi ASA (eksklusi)
Berapa jumlah E, D dan B???
Step 3 : Hasil
Numerator (E) : 50
Eksklusi (B) : 35
Denominator (D) : 65
Nilai kepatuhan = E/DX100%
= 50/65X100% = 76,92%
Step 4 :
Validasi Data
Pengumpul data kedua ditunjuk untuk
validasi data
—Pengumpul data kedua memutuskan
tidak akan mengumpulkan data ulang
pada 100 rekam medik yang dikumpul
sebelumnya, dia melakukan random
sampel rekam medik yang digunakan
pengumpul data pertama dengan
menggunakan tabel sampel validasi
Random sampel 16 rekam medik dari 100
rekam medik di kumpul ulang sesuai “
Tabel Sampling Validasi”
Pengumpul data kedua mengumpul
data dari 16 rekam medik yang sudah
dikumpulkan oleh pengumpul data
pertama
Kelompokkan data elemen kedalam
denominator dan numerator berdasar kriteria
dan form pengumpulan data lengkap
—> 18 years: denominator = D
AMI diagnosis: denominator = D
Aspirin received within 24 hours: allowable
answers Yes or No: inclusion in numerator =
E
Documented Reason for no Aspirin:
denominator exclusion criteria = B
Catat data yang dikumpul ulang pada form pengumpulan
data dan input ke spreadsheet elektronik
—Singkirkan kasus-kasus yang tidak sesuai kriteria
denominator
◦ —< 18 tahun,
◦ —tidak diagnosa AMI,
◦ —alasan valid tidak diberi ASA
—Semua kasus yang tertinggal mewakili denominator
—Identifikasi kasus denominator yang termasuk kriteria
numerator
◦ —ASA diberi dalam waktu 24 jam pasien admisi
16sampel dari 100 kasus dikumpulkan
—Semua kasus > 18 tahun (denominator)
Semua kasus memiliki diagnosa AMI (denominator)
Tidak sepakat
MEA : Measurement Element
Egreement
Nilaikesepakatan untuk semua data
elemen
Minimal 80% kesepakatan
STEP 9 : Data Elements Abstraction
Pengumpul data I
Sampel 16 rekam medis dikumpulkan datanya
◦ Semua 16 kasus usia > 18 tahun (denominator)
◦ Semua 16 kasus memiliki diagnosis AMI (denominator)
12 dari 16 kasus diberikan ASA dalam waktu 24 jam
(numerator)
2 dari 16 kasus tidak diberikan ASA dan tidak memiliki
kontraindikasi (tidak sesuai numerator)1 dari 16 kasus
memiliki kontraindikasi pemberian ASA (eksklusi dari
denominator)
Step 9: Validation-Data Elements
Pengumpul data II/Validator
—16 rekam medis dikumpulkan datanya
◦ 16 kasus usia > 18 tahun (denominator)
◦ 16 kasus memiliki diagnosis AMI (denominator)
8 dari 16 kasus diberikan ASA dalam waktu 24 jam
(numerator)
6 dari 16 kasus tidak diberikan ASA dan tidak
memiliki kontraindikasi (tidak sesuai numerator)
2 dari 16 kasus memiliki kontraindikasi pemberian
ASA (eksklusi dari denominator)
RM Elemen Data 1 Data 2
numertor Denominator numertor Denominator
1 Dx AMI Y Y
Umur >18 th Y Y
ASA 1X24 j Y N
ASA Kontraindikasi N Y
2 Dx AMI Y Y
Umur >18 th Y Y
ASA 1X24 j N N
ASA Kontraindikasi T N
3 Dx AMI Y Y
Umur >18 th Y Y
ASA 1X24 j N Y
ASA Kontraindikasi Y N
4 Dst………..
16
Ada 4 elemen data setiap rekam medis
16 rekam medis dilkumpulkan oleh validator
Total elemen data = 4 x 16 = 64
◦ Tidak cocok = 5
◦ —Cocok 59 dari 64 elemen data
—Nilai kesepakatan elemen 59/64 x
100 =92%
—Nilai 92% >80%
◦ VALID
UjiValiditas dengan uji Kappa untuk
menilai tingkat kesepakatan antara
pengumpul data dan validator
Ujivaliditas dan reliabilitas menggunakan
Alpha Cronbach’s untuk indikator mutu
yang pengambilan datanya melalui
kuesioner.
Apa yang Dilakukan jika
Data tidak Reproducible?/
Tidak Valid?
1. Pengumpul data dan validator tidak
mengidentifikasi elemen data yang sama
dengan sumber data
2. Pengumpul data pertama dan validator
salah mengkategorikan elemen data
kedalam numerator dan denominator
Konsekuensi dari dua yang pertama
merupakan ketidaksepakatan dalam hasil
pengukuran yang dikalkulasi
3. Kamus Indikator (data collection plan) tidak jelas
atau menimbulkan salah interpretasi
4. Definisi elemen data tidak jelas
5. Pelatihan untuk pengumpul data dan validator
6. berbeda
7. Parameter pengumpulan data tidak diidentifikasi
8. Definisi operasional berbeda
9. Elemen elemen yang hilang – omission vs. “does not
apply”
10. Input data tidak benar
11. Data bermasalah di rekam medis
12. Menggunakan sumber data yang berbeda
Penyebab Data tidak konsisten /
Cause for Missing or Inconsistent Data
1. Kurang pelatihanyang adekuat/ Lack of
adequate training
2. Kurang waktu/ Lack of sufficient time
3. Definisi operasional tidak jelas/ Unclear
operational definitions
4. Lupa/ Forgetfulness
5. Kurang baik mendesain pengumpulandata /
Poorly design collection tool
57
ANALISIS DATA
57
Mulai
Analisa data
K
02/16/21 58
VALIDASI DAN ANALISIS DARI DATA
PENILAIAN
PMKP
SENTINEL RCA 6, 7, 8
MERAH &
KTD KUNING
RISK
GRADING BIRU &
KNC HIJAU
INVESTIG
ASI
SEDERHA
NA
TK RIKS Deskripsi Dampak