✂
何謂
罕見事件?
- 如果比率 >0.10 (事件間的數量 <10),使用基於比率管制圖來呈現。
• 20 個病人有 3 次手術部位感染 = 0.15 - 如果比率 <0.10 (事件間的數量 >10),使用時間間隔管制圖來呈現。
• 200 天有一個併發症 = 0.005
• 100 天有一個針扎 = 0.01 - 如果 0.01 < 比率 < 0.10,則使用兩種或任一種呈現方式
如果一個罕見
事件大略被定義為某些事件發生的頻率小於10%,醫療界有很多例子,包括藥物錯誤、病人跌倒、院內感染、手術併發症及呼吸器相關肺炎。如果用一般(基於比率)管制圖來監測(罕見)不良事件,會出現以下的問題:
- 大多數的點為零
- 單純用看的,並不清楚他的意義(是否他是可接受的)?
- 一般的統計分析不適合
- 以下兩種情況可能會發生:
- 週期性的罕見事件:會有山峰和山谷,零表示山谷。(圖1a)
- 長時間沒有事件(圖1b)
這產生一個問題:
需要多久(繼續不間斷零)才能很有信心的說有顯著的改善?
[請參閱本頁底部的表1]
需要多久(繼續不間斷零)才能很有信心的說有顯著的改善?
[請參閱本頁底部的表1]
實際實施
- 如果到月底沒有「缺陷」(SSI),則繪圖總計迄今的病例數
- 即使在下一個 SSI 之前仍然可以檢測到改進
- 最終出現「故障」時的更新點
相關流程的遵從性常用來間接評估臨床結果。舉例來說:
- 手術預防的抗生素時機,假設與 SSI 發生率有關。
- 與圍手術期不良事件 (POAE) 相比,遵守世界衛生組織手術安全檢查表。
解決方法是測量事件間隔:
- 事件間的個案數 ( g-型管制圖):舉例來說,手術感染間的手術刀數。
- 胸骨感染間的開心手術件數。
- 不良事件間的冠狀動脈繞道手術 (CABG) 件數。
- 事件間的間隔時間 ( t-型管制圖):這是使用於因為實務上並不一定能收集到事件間的個案數。舉例來說:
- 針刺之間的天數。
- 患者跌倒之間的住院天數。
然而,解讀間隔管制圖需要轉變思維。
圖表解讀 — 識別流程變化
#1. 圖上的值越高意謂著實際上事件發生的比率降低,因為間隔時間較長 (圖3)。以不良事件思考則很容易理解。
簡單的說,圖上的值越小代表事件發生率增加。
#2. 高於或低於基線中位數
簡單的說,圖上的值越小代表事件發生率增加。
#2. 高於或低於基線中位數
- 5 ~ 6 點 = 可能有所改善
- 5 ~ 6 點 = 可能有所改善
- 8點或更多=近乎肯定的進步
#3. 簡單規則 {三倍中線[x-bar]規則}:
3 × 20.6 = 61.8 → Possibly (p≅0.05) [水平橙色虛線]
4 × 20.6 = 82.4 → Improvement (p<0.02) [粗紅色水平線]
- 計算基線平均時間間隔(可以是整體的,比較保守),也可以是更改之前的。
- 繪製事件之間的時間或數量。
- 確認是否資料點的數值超過平均的 3 倍?
如果是,改善﹝比率降低﹞ 幾乎達到 0.05 的顯著水準﹝圖 2,在右側最後兩點﹞。
相對的,超過平均的 4 倍,達到 0.02 的顯著水準﹝圖 2,右邊最後一點﹞。
- 連續零病例的月份數。
- 繪製每月的案例數。 計算每月基線平均值。
- 用 3 除以月基線平均值。
是連續零>的月份數平均數的3倍?
如果是這樣,則改善(速率降低)約為 0.05 顯著水準。 - 比率越低(罕見事件),確認改善所需的連續零週期就越長(表 1)。
例如,如果每個月(12/年)發生一個事件,則需要連續 3 個月的零,而每年 1 個事件的比率則需要 3 年的零才能確認。
3 × 20.6 = 61.8 → Possibly (p≅0.05) [水平橙色虛線]
4 × 20.6 = 82.4 → Improvement (p<0.02) [粗紅色水平線]
事件 | CL | 3/CL | 連續零數 |
---|---|---|---|
1 | 0.08 | 36.0 | 36 |
3 | 0.25 | 12.0 | 12 |
6 | 0.50 | 6.0 | 6 |
12 | 3.00 | 3.0 | 3 |
15 | 1.25 | 2.4 | 3 |
18 | 1.50 | 2.0 | 2 |
21 | 7.75 | 1.7 | 2 |
24 | 2.00 | 1.5 | 2 |
關鍵文獻
- Benneyan, James. Measuring rare events and time-between measures www.ihi.org.