判讀罕見事件管制圖

如何判斷罕見事件之間隔時間是否構成了顯著的改善

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 (圖1):
    1. 週期性的罕見事件:會有山峰和山谷,零表示山谷。
    2. 長時間沒有事件: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?

相關流程的遵從性常用來間接評估臨床結果。舉例來說:

  • 手術預防性抗生素的給藥時間點被假定與手術部位感染 (SSI) 率有關 (圖2)。
  • WHO手術安全查檢表的遵從性會與手術全期的不良事件 (perioperative adverse advents, PAOE) 相對照。

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:
    • 針扎的間隔天數。
    • 病人跌倒間的住院病人日。

這類資料相對容易收集:你僅需要記錄事件發生的日期。然而,解讀間隔管制圖需要轉變思維。

鑑別過程的變化。

  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. 資料點連續高於或低於基線值(中線、中位數)
    • 3 ~ 5 資料點(趨勢) = 也許改善
    • 5 ~ 6 資料點(趨勢) = 大概改善
    • ≥ 8 資料點(趨勢) = 幾乎確定改善
  3. 簡單規則 {三倍中線規則}:
    • 間隔時間:
      • 繪製事件間的時間或數量。計算平均基準線的間隔時間 ﹝可以是整體的、較保守的或在改變前﹞。
      • 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﹞。
    • 所需連續的零(月)以確認改進
      • 繪製每月事件數。 計算平均基準線。
      • 把3除以月度平均值。連續件數為零的月數是否大於平均值的三倍? 如果是,改善﹝比率降低﹞ 幾乎達到 0.05 的顯著水準。
      • 確認較低率的改善需要較長連續零的期間 (表 1)。 例如,如果一個事件每個月(12 次/年)發生時,則連續 3 個月零是必需的,然而每年僅 1 事件的發生率將需要3年的零來確認。
圖 1:有山峰和山谷,且長時間沒有事件
圖 2:手術預防性抗生素的給藥時間點(假設關聯的 SSI 率)將超過 90%為目標。
圖 3: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。

表 1:所需連續的零(月)以確認改進
事件數 = 每年的事件數
CL = 事件/月
連續零 = 所需連續的零(月)以確認改進

事件數 CL 3/CL 連續零
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

參考文獻:

摘於: Benneyan, James. Measuring rare events and time-between measures.