取樣管制圖的子群組樣本數

以統計預測取樣所需的子群組樣本數

有效的比率 (屬性)管制圖需要:

  1. 為了監測改善,圖形的管制下現必須大於零 (圖1)。罕見的事件可以使用對數軸,使觀察者更容易理解到指數增長,並確保LCL大於零以上是更加明顯 (圖 2)。
  2. 大多數的次群組必須有非預期的事件發生(低於25%的次群組等於零) (圖3)。
圖 1:不良反應事件的通報具有下降;由趨勢線低於LCL所示。
圖 2:罕見的事件可以使用對數軸,使觀察者更容易理解到指數增長,並確保LCL大於零以上是更加明顯。
圖 3:VAP 受少報的影響,但連續顯示零為成功證明(但到底是顯著的改善、僅隨機變化、或非完整的驗證?)

符合此兩種狀況的次群組規模是很重要的。資料的收集必須考量這些條件,以避免過多的零出現:

  1. 如果使用抽樣的方式,建議增加樣本大小,以便收集到感興趣的事件。
  2. 如果已經使用所有可得的資料(而不是利用抽樣的方法),則應該調整此群組資料收集的期間
    1. 如果事件不是每個小時發生,則累計為以日為單位的次群組
    2. 如果事件不是每天發生,則使用週別或月別的次群組
    3. 如果事件不是每月發生,則使用季別或年度別作為次群組等
  3. 或與上述相反的是:如果發生頻率較高(如門診事件、病歷管理、票據準備等),則縮短資料收集的區間。月別的次群組能縮短為週別、日別或小時別為單位的收集間隔,因為其最小樣本數的規模已經足以形成一個次群組。

最小次群組的大小依據管制圖的中線(平均值 CL)。使用以下的計算來判斷有效的比率管制圖所需的最小次群組大小:

  1. 最小次群組大小( n )至少需要 1.4 ÷ CL,才能避免有 25% 的資料點為零。
  2. 最小次群組大小( n )至少需要 9 ÷ CL,才能使管制下限大於零。
  3. 一般建議最小次群組大小(n)至少需要 5 ÷ CL。

[如果 CL >0.5,則在上述計算使用 (1-CL) 代替 CL]

計算範例

p 型管製圖:對於手術部位感染率為 9%(每 100 次手術發生 9 次傷口感染),最小分組大小 n 應如下
• [<25%零準則] n ≥ (1.4 ÷ 0.09) = 15.6
• [LCL>零準則] n ≥ (9 ÷ 0.09) + α = 91 則 α : 0~4
• [一般準則] n ≥ (5 ÷ 0.09) = 55.5

u 型管製圖:對於使用導尿管每 100 天數發生 1.25 次相關感染,最小分組大小 n 應如下
• [<25%零準則] n ≥ [1.4 ÷ (1.25/100)] = 112 導管天
• [LCL>零準則] n ≥ [9 ÷ (1.25/100)] = 720 導管天
• [一般準則] n ≥ [5 ÷ (1.25/100)] = 400 導管天

自己嘗試一下

發生的相關事件(分子):

分組大小(分母):








參考文獻: Provost LP, Murray SK. The health care data guide. Learning from data for improvement. (2011) John Wiley & Sons Inc, San Francisco.