案例說明
- 教學資源
- Express
- Why Minitab
醫療保健中心善用數據協助病患
醫療保健應盡可能達到高效率與高效能。然而,醫療領域並未如其他產業嚴格地執行數據導向的品質改善方法。位在麻塞諸塞州Brockton 市Signature 醫療保健中心的外科主任, David Kashmer 醫師,持續的將品質改善方法應用至外傷與急診手術。他也協助同業醫生學習相同的方法。
當這位精實六標準差的黑帶大師,首次將數據分析的概念帶進手術室時,他卻面臨到不少阻饒。「我有在聽。」「這傢伙真是怪人。」 「他到底是在講什麼?」Kashmer 回憶起當時遇到的批評。然而,當初這些質疑他的同事們,在十年後卻都對他的方法深信不疑。Kashmer明白,即使是最簡單的統計分析也能為病患帶來相當大的改善,而且,數據能夠證明成果。Minitab 邀請到Kashmer分享數十年來,從被誤解、在數據中探究深意,直到應用 Minitab 統計軟體獲得成果的這段期間內,他點點滴滴所累積而成的洞見。
Minitab: 是什麼原因驅動您瞭解品質改善與其應用的價值?
Kashmer: 在學習統計製程管制時,我便了解它的不凡之處,並且明白可以將其應用於我們每天執行的手術上。但是,真正使我產生共鳴的是,原來在醫療保健領域中,我們一直尋尋覓覓的工具,其實早就存在,只是我們一無所知。雖是如此,這些跟我們在醫學院的所學不同,因此我們算是在重塑。
Minitab: 您在手術中融入了哪些品質改善工具或技巧?
Kashmer: 我應用多元迴歸分析以及 Minitab 中不同的品質工具,來瞭解如何能直接影響病患照護的品質。規律性的應用這些工具使我能明白品質提升的結果。舉例來說,我會查看與患者留在急診科的時間長短有顯著相關的因素,或患者有無得到傷口感染。我能夠使用我們的數據與母體進行有意義的品質提升,並且已行之有年。使用諸如Anderson-Darling 檢定以驗證資料集的常態性,協助團隊選擇正確的統計分析。我們可以確定這些改變產生實質的改善,而不是依賴直覺告訴我們成功與否。
Minitab: 您認為為什麼在推行品質改善與統計製程工具時會遭遇阻饒呢?
Kashmer: 一般來說,特別是內科醫生,並沒有受過統計的訓練,因此有可能會低估統計工具價值。在醫療保健領域中,由於統計工具太複雜,將其應用於流程改善並不常見─你必須熟知所有方法,瞭解不同情況下所需的工具,甚至是如何正確地建立特定的表格。但是,Minitab 簡化了這些工具,操作更加簡易,不論是建立最終迴歸方程式、找出 R平方,或是在 Gage R&R 中驗證一新的量測工具。
分析小幫手的互動式決策樹,一步步地詢問您關於數據類型與分析目標等問題,最後引導您選擇正確的統計工具。 |
告訴您如何建立、蒐集與輸入您的數據,確保您進行正確的分析。 |
用來檢驗母體,以顯示統計上是否顯著的進階工具非常強大,然而醫療保健與統計使用的語言畢竟是不同的。由於至今尚未應用於解釋醫療保健領域的決策 (決策乃根據單一基礎所呈現的數據),因此期待不高。通常在外科手術中,流程改善乃是依據獨立的個案。有些數據能被使用,然而諸如:如何計算所需的樣本大小,以及某些比例的提升或下降是否具有實質意義,這些重要的概念卻顯少被納入考慮。當外科醫師考慮到這些因素,驅動使用統計的語言─避免型一、型二誤差之驅動力便消失了。我們關注能夠在何種特定情況協助單一病患。然而,當我們開始學習統計能夠如何協助我們執行改變,特別是當錯不在病患或是在明明有問題卻否認問題的存在……這些時刻更加張顯統計技巧的強大與趣味。
Minitab: 應用品質改善方法的效益是否合乎您的期待?
Kashmer: Minitab 所提供的工具以及統計製程管制符合我的期待,亦即十分有價值。舉例而言,理論上我們可以做些改變,再藉由數據驗證是否有顯著的改善,或是證實於特定的指標上並未能獲得顯著的改善。但是,大部分人並不這樣做。通常,在改變後,若是比例有稍微提升,我們相當高興;若是其比我們預計的低,我們便會感到失望。若是在面板上顯示綠燈,我們樂見其成;若是紅燈,我們則痛恨這樣的結果。然而,運用 Minitab 中的統計製程管制工具與其他工具,能協助我們判斷到底何種改善具顯著性,並且能防止我們觸犯型一、型二誤差。如今在醫療保健領域並未有如此的判斷標準,因此,我們依照感覺執行改善,期望能有益於病患,到頭來,卻只是原地踏步。其他時候,我們並未執行足夠的改變,這也使得情況更糟。Minitab 引領著我們,降低我們判斷改善是否成功的不確定性,以及指引我們是否需有更多的作為。
Minitab: 您是如何克服同事們不願意使用統計軟體的處境,以及您如何將統計方法應用於手術上?
Kashmer: 我碰巧有機會能在使用不同系統、獲得良好產出等不同的手術階段中,執行改善計畫。我籌備團隊、建立團隊的共同知識基礎,並專注於可見與初期的改善成果。起先,其他人真的覺得我瘋了,然而,當他們看到應用統計製程管制所得出的結果,而不是一般改善方法,他們便開始瞭解其價值。
Minitab: 那你是如何讓其他人也認同?
Kashmer: 如同我們在精實六標準差所做的相同,我們依據 Minitab的數據分析結果來推行改變,並且獲得顯著的改善。六標準差團隊協助我的隊員們理解統計數據的意義,闡明統計避免與協助我們什麼─這些為通往成功的組成。當我們獲得更好的產出時,更多人開始相信我們。他們接受結果,並也認同此項方法能夠使團隊團結,而不是一味的追究在特定情況下是誰搞砸的。他們系統性的看待事物,並也關注數據的分配。我非常努力的嘗試不要因不同提供者而將事情區分開來,這也是其中可能有用的部分。
Minitab: 在您將統計工具運用於手術並執行改善時,是否有遭遇任何的困難?
Kashmer: 根據數據來做出決策相當具有挑戰性,畢竟不是每個人都能有所頓悟。在討論系統真正的成效時,能夠使數據更為人性化,並利用數據來說出他人認可的故事,非常關鍵。
Minitab: 有什麼特別的工具或方法能夠協助您說出更好的故事嗎?
Kashmer: Minitab 的分析小幫手能夠將不同工具視覺化,這點相當有用。我理解分析的不同處與它的意義,但是能引導團隊一步步分析,更是錦上添花。分析小幫手解釋Minitab 的作法,並且能夠像團隊展現能邁向下一步分析的原因。分析小幫手具有價值,它等於是軟體在引領你完成分析步驟,像是,gage R&R分析步驟,並使團隊成員能夠真的理解。團隊成員能夠明白為什麼要選擇某項工具,以及你如何產出結果,這些相當有幫助。
量測系統分析方法Gage R&R 使您能驗證量測工具的有效性。分析小幫手告訴您有效分析所需之必要條件、假設與指導方針。 |
Minitab: 若是有人也嘗試宣揚使用數據的益處,你會給他什麼建議?
Kashmer: 盡量使你要傳遞的訊息簡潔與人性化,這表示你必須了解系統中變異的測量與風險。將產出結果濃縮至訊息最簡潔的部分,並使用一般人都能理解的說明。將這些工作交給 Minitab─ Minitab會將重點告訴你,呈現美化的分配圖與圖型產出,以最有效的方式來符合你的需求。
Minitab: 您認為品質改善最大的影響是什麼?
Kashmer: 運用連續型資料。現階段大多數醫院能夠提供給你的是離散型數據,如:百分比,然而 Minitab 能夠呈現連續型變數的分配,諸如,時間,而這些使你能夠敘述一個更全面的故事。舉例而言,我們能夠知道病患在急診室或是創傷外科,超過一般住院天數的比例,然而,對於危急的病患,單看比例並不如分配的數據來得有價值。Minitab 不僅能顯示分配,還能在分析時強調重要關鍵,這使得醫院能夠更輕易的從數據中探究出深意。我樂見更多醫院不要逃避連續型數據,而是實際的應用它。
Minitab: 您有沒有成功的案例可以與我們分享?
Kashmer: 我想分享兩個絕佳的案例。我們對於急診室外傷患者的停留時間有些疑慮,然而外傷患者的時間中位數數據看起來沒有問題,因此團隊無法釐清問題的原因。我們使用 Minitab並查看其分配,發現與鐘型曲線截然不同,這是非常態的分配。我們接著發現中位數有可能誤導我們─它沒辦法告訴我們事情的全貌,這並也告訴我們問題所在:分配揭露出一群在急診室待超過六小時卻情況更糟的病患,因此我們便確立應該要關注這些長尾數據而不是中位數。以不同的方式看數據使我們發現前所未見的觀點。
另一個案例則是,有間醫院一直非常忙碌,因此沒有足夠的病床,這間醫院便打算讓病人「轉院」。然而,我們並不想把病人趕出醫院,所以我們試著想找出問題所在。第一個問題是我們需要六個小時以決定是否要執行轉院。同時,醫院簡直是一團混亂,我們必須要蒐集每個可能造成此結果的原因,其中之一是哪個急診部門在當時值班。我們將所有可能納入迴歸模型,並且發現唯一顯著的因素是缺少員工與加護病房病床。這項分析使得醫院只需專注在這兩項因素上,而不是全部15個因素。當這兩項因素確立完成,轉院便自然消失。
Minitab: 您對品質改善在醫療保健領域的未來趨勢上,有什麼期待嗎?
Kashmer: 第三方的經費供應者,支付醫院與醫生所提供的照護,並且越來越重視品質。然而,醫療保健產業才正開始起步,學習如何提升品質。我們如同在一片黑暗中,追逐早已存在的統計製程管制工具。當然,這需要訓練與專業知識,但是我們醫生並沒有,這也是為什麼這些工具未能頻繁被使用的部分原因。能夠學習精實六標準差與六標準差,以及其相關軟體,例如,Minitab,是件令人振奮的事。一旦你運用它超過十年,你可以簡而易見其成效。你會不自覺的懷疑自己為什麼不能從頭到尾應用它。
Minitab: 您能否為統計製程管制與品質改善在醫療領域的應用上作總結?
Kashmer: 醫療保健的提供者應該要知道品質的要求早已存在─涵蓋於第三方經費供應者的合約當中,而品質對經費提供有重要的影響力。這些健全的工具展現我們對系統改變結果,以及我們要如何改善它。然而,最重要的是,一旦你知道有現成的工具能夠協助更多的人,你便有應用它的義務─瞭解數據能對你的病患造成巨大的影響。