有效的比率 (屬性)管制圖需要:
-
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)。
-
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:
-
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。
-
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
-
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
-
如果事件不是每天發生,則使用週別或月別的次群組
-
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
-
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:
-
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。
-
最小次群組大小( n )至少需要 9 ÷ CL,才能使管制下限大於零。
-
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]