每个医师组的医院 LOS 模型你好
我们医院有大约 20 个医师组（医师集群）。 我们想关注我们应该针对哪些医生群体，以减少患者的 LOS（住院时间）。 首先我们需要确定哪些医生群体有更高的贡献（还有延伸到什么程度）平均 LOS 喜欢找出来无论患者的保险、严重程度和处置（最终目的地（如家庭或康复中心或转移到另一家医院）），哪些医生群体更有可能拥有更高的 LOS。我们需要将这些信息的某种统计数据呈现给高管。
还想了解是否只有当患者的保险是 Medicare 时，某些医生群体才会有更高的 LOS。这些特定的医师组需要更长的时间。
我对统计有一定的了解..想请教专家意见。
请指教
谢谢
最好的，
小号
回复：每个医师组的医院 LOS 模型我要提出两个建议，一个给你@sweetycha另一个是您所传达信息的消费者。
对于您自己，我建议您看一下 JMP 的工业问题解决统计思维在线免费课程。 成功完成课程后，您将充分掌握统计思维的原则，其中@statman触及了与课程学习目标一致的基本分析方法。 All up all in 是两倍； 1. 启用统计思维和2的实践。 “如何在 JMP 中使用。”。 假设这些例子不在临床环境中，但是，在医院环境中做了一些无偿工作，所有统计思维概念和实践都可以扩展到医院环境。
对于您的消费者；首先问问自己，在整个团队中，“他们对统计思维的了解程度如何”？ 如果答案是文盲（或充其量是弱者），则给每个人一份 Don Wheeler 的“理解变异，管理混乱的关键”，并要求每个人在与他们会面之前从头到尾阅读。 然后将您的信息转储给他们完全图形化，仅使用易于阅读和解释的图表和图形。 P 值、参数估计、模型和表格输出只会使信息变得混乱。 我对你的图形的建议是“如果它不加，它就减”。 保持它们简单和整洁。 每个图表一条消息。 测试你的听众对每一个的理解。
回复：每个医师组的医院 LOS 模型我必须承认，大多数人不会考虑可变性或导致可变性的原因（或者他们可能会考虑可变性，但不去理解它）。 我无法告诉你我分析了多少实验（超过 10000 个），其中响应变量是均值，实验的目的是了解变异是什么因素影响变异。
一种开始的方法是不是根据“任意”规范使您的响应二进制（机会指数）。 使用实际的天数（或者可能更具判别性的小时数）来执行每个“操作”（这将是一个效率指标）。 考虑“精益”，您是否对整个过程进行了价值流映射？ 或者做了流程图？ 进行手术、准备手术、等待手术室、镇静、接受化验、填写文书工作、等待保险批准等需要多长时间？ 过程中每个活动的时间的均值和标准差是多少。 您还必须考虑功效指标，流程中的每个步骤是否正确完成？
关于你的例子“他们正在下午晚些时候写出院令”。 他们为什么要等到下午？ 是因为他们太忙于做他们工作的其他方面（比如照顾他们的病人，顾客）你有一个任意上午 9:00 之前完成的规范。 你是如何得出这个规范的？ 您是否使用数据来确保“当前”流程能够满足此规范？ 这更像是一个激励员工的目标吗？ 当然，如果您设置规格。你预测了如果规范你会做什么。没有实现。 您将如何改进流程以满足规范？
我知道你的研究是迭代的......我认为最好从态度开始，过程中的人不是故意做一些对过程性能产生负面影响的事情。
存在与系统相关的常见原因（以及潜在的特殊原因）。 将系统的失败归咎于个人是不公平、错误和适得其反的。 当然，我们不喜欢错误、客户的抱怨、事故——但如果我们在不理解的情况下权衡它们，那么我们会让事情变得更糟。W. 爱德华兹·戴明
流程（系统）由管理层“拥有”，为了满足公司的目标和要求以满足客户，他们必须不断改进流程。
回复：每个医师组的医院 LOS 模型感谢您的反馈意见。 我知道这是一种非常敏感的方法，可以根据一些预测因素找到我们应该针对哪个群体。 它们必须是与具有更高 LOS 相关的许多潜在因素。
我喜欢研究变体的想法。 除了针对组绘制因变量箱线图之外，我之前没有做过。
这里我们的目标是 1，这意味着患者的 LOS/GMLOS 在我之前的髋关节手术示例中，如果全国是 3 天，我们是 3 天，那么机会指数是 1(3/3)。 如果我们想将因变量转换为二进制，任何大于 1 的值都是我们的标志
我有兴趣了解变化，我该如何开始？
为了回答你的问题，一旦我们确定了顶级医师组，我们的计划是什么，我们只是通过一些潜在因素进一步调查，比如他们是否在下午晚些时候写出院令，应该在上午 9 点之前在第一轮写好，这样病人就可以出院了到中午。 因此降低 LOS？这只是一个例子。
回复：每个医师组的医院 LOS 模型我知道这很困难/复杂。 由于您将向高管们展示数据和您的解释，我只能想象您希望高管们采取某种行动。 在思考（预测）他们将如何反应时要非常小心。 我不会只关注平均值。 基于我不知道的某些“目标”LOS 的增量类似于试图了解如何使用标准成本来改进过程（例如，制造）成本或使用 TACT（例如，精益应用程序）来提高效率。 DRG 的 3.5 天是如何建立的？ 预期的变化是什么？ 如果您不了解变异，则仅报告均值不是很有用！！！ 标准偏差为 0.1 的 3.5 与标准偏差为 1.0 的 3.5 有很大不同。
我会对 LOS 的变化及其原因感兴趣。 我想知道 LOS 是否一致。
再一次，通过将问题分配给 Physician Group 来思考在我看来似乎是在责备，至少你应该关心高管们将如何反应这些信息. 他们是否愿意对 LOS 较高的医生群体采取行动？ 那会是什么行动（例如，解雇他们、重新培训他们、向他们发出警告）？ 意识到会有与医生团体相关的变化。 是常见原因变异吗？ 如果是这样，它是系统的一个功能（参见戴明），并且对特定医师组采取特殊原因行动（上面列出的示例）将是不适当的反应，最终会导致可变性增加，从而降低可预测性。
回复：每个医师组的医院 LOS 模型感谢您的详细解释。
首先，我们有一个非常普遍的目标，就是找出哪些医生群体的 LOS 更高，这样我们就可以调查更多的细节。 当然，除了出院处置和保险之外，我们还有很多因素，如患者年龄、合并症等。但此时此刻，我们只想找出无论患者的保险和处置如何，哪个医生组更有可能有更高的 LOS（机会天数）
LOS 已根据机会天数进行了调整。 如果患者因髋关节手术 (DRG) 而入院，并且该 DRG 的国家基准是 3.5 天。 如果在我们医院，相同的 DRG 需要 5 天，那么我们的机会天数是 1.5，因为该患者的停留时间比国家基准长 1.5 天。还有很多需要调查的原因……我们只是想从某个点开始，找出某些群体和目标为什么这些群体需要更长的时间（更高机会的天数），而不管患者出院处置和保险如何。 我们已经通过平均机会日来传达这些信息，我们从这些群体中得到的休息是我们为不同的患者提供服务，比如我们的患者大多出院到技能护理机构，所以我们必须等待技能护理机构接受我们的患者，因此 LOS 更长。
这就是为什么我们正在调整或耐心处理和保险哪个组有更高的机会天数。
请指教
感谢您的指导和支持
回复：每个医师组的医院 LOS 模型我提前道歉，但我情不自禁。 作为戴明及其教义的坚定信徒，在我看来，您正试图将住院时间归咎于医生团体。 首先我们要了解什么是LOS的分布。 变异是常见原因还是有特殊（可指定）原因变异？ 为什么一个（或多个）医师组会对 LOS 产生影响？ 是缺乏经验、培训吗？ 管理层对指标和目标设定的使用不当吗？ 在我看来，医师小组及其运作方式是系统的一项功能。 你想改变他们的行为，改变系统。在试图了解影响 LOS 的因素时，您应该提出假设。
潜在假设的例子：
1. 疾病的严重程度会增加 LOS，因为越严重的恢复时间越长，
2. 误诊会增加 LOS，因为治疗无效，因此必须尝试替代治疗，
3. 患者的免疫系统受损会增加 LOS，因为治疗效果较差，
4. 保单减少了 LOS，因为他们的保单减少了比政策允许的停留时间更长的资金，
5. 保险类型影响 LOS 的变化，因为每种保险的保单不同。
一旦有了一组假设，问题就变成了如何获取数据以提供对这些假设的洞察力。 定向抽样（您根据理性假设选择样本和样本子组）或实验（您实际上以有效的方式操纵变量）。
正如其他答复中所说，向高管介绍是具有挑战性的。 特别是当他们有不同的背景时。 我更喜欢数据的图形表示（而不是统计表），这样关键点就可以一目了然。 大多数高管不了解统计意义。 他们也不明白统计显着性是有条件的。 这取决于数据（数据的获取方式）和进行的比较（例如，模型中有哪些项）。
回复：每个医师组的医院 LOS 模型我有一些额外的想法/建议，也许其他人也想参与。鉴于您的目标是了解不同的群体/支付方式如何影响 LOS 以及将此传达给高管的愿望，我建议从使用表格和图表的纯描述性方法开始。沟通会更容易，也更有效。统计模型的使用取决于将数据视为随机样本——我的猜测是它不是随机的，而是一个方便的样本（可能是在特定时间段内获得的）。更准确的做法是仅描述您拥有的特定数据样本的数据模式。
使用统计模型的愿望源于两个目的。首先，将噪声与信号区分开来——换句话说，我们期望随机抽样有多少可变性，有多少似乎代表了真正的系统效应。就样本不是随机的而言，这些推论并不可靠。他们也更难与非统计受众沟通。第二个原因是，当您检查大量因素及其对 LOS 的影响时，使用表格/图表来解释您发现的模式很容易变得笨拙（但您仍然应该尝试 - 复杂的表格可能非常有效，即使许多变数）。统计模型成为一个简洁的地方，可以放置大量因素并讨论它们对 LOS 的单独影响，以及统计显着性/变异性的度量（但取决于将样本视为合理随机的准确性）。
回复：每个医师组的医院 LOS 模型太感谢了... 我会按照你的建议去做。
我肯定会有更多后续问题，但截至目前你已经回答了我最初的问题。
再一次感谢你回复：每个医师组的医院 LOS 模型0.24 的系数表示该组与所有组的平均值相比有 0.24 个额外的 LOS（并且具有统计显着性）。每个组都有一个系数，表明其 LOS 与所有其他组的平均值相比 - 一个组从报告中剔除（您需要单击“扩展估计”以查看所有组）。对于交互项，您可以将两个变量作为因子放入模型中，然后在因子框中突出显示其中一个，在潜在因子中突出显示另一个（按住控制键）并单击“交叉”框。
回复：每个医师组的医院 LOS 模型太感谢了。阐明我的分析。 还有很长的路要走，但我很积极地开始做某事。 非常感谢您的指导和支持。
在 Jmp 中，我不确定在哪里添加交互项。 你提出了一个很好的观点，因为我们正在测试我们需要开始调查哪个保险集团。 当我们没有相互作用时，我们选择具有较高 beta 估计加上 p 值 < 0.005 的组。
当保险是 ABC 或其他东西时，了解是否有特定群体具有更高的 LOS 是很重要的。
你能帮我解释我上一篇文章中突出显示组的 B 估计值吗？
回复：每个医师组的医院 LOS 模型你走在正确的轨道上。 我不确定您是否需要使用 GLM - 我会从一个简单的回归开始。 此外，我不知道您有多少个不同的金融和医生群体——如果有很多，而其中一些的观察结果很少，您可能会考虑将它们重新分组到较少的类别中。 我认为调查金融类别和群体之间的潜在相互作用可能也很重要——按照你建模的方式，金融类别将对所有群体产生相同的影响。 但是，总的来说，查看估计值及其置信区间是您关注的主要焦点。 这就是您想要交流的内容 - 但交流内容和交流方式的问题过于复杂，无法在此概述。 这取决于受众、结果以及它将被投入的用途。 简化沟通是好的 - 过度简化是危险的。回复：每个医师组的医院 LOS 模型感谢您的及时答复
我从像这样的简单 GLM 模型开始：
我的因变量是机会天数（我们有称为 GMLOS 的国家基准 LOS 和我们的医院 los，所以它基本上是 LOS - GMLOS = 机会天数）
在这里我只想得到以下答案：
1. 如果患者的财务等级（保险）和处置不变，则哪个组的机会天数更高。
我认为这个模型的个人贝塔估计会给出这个答案。米
我的结果：
我在正确的轨道上吗？ 请指教... 还有我如何向高管解释结果……他们基本上希望我们告诉他们他们需要关注哪个群体，以减少平均 LOS。
回复：每个医师组的医院 LOS 模型您将必须提供更多细节才能获得更详细的答案，并且您还应该查看一些关于一般建模的文档。我可以提供一些初步指导。您的响应变量似乎是 LOS。您希望在您的模型中包含付款人（医疗保险、其他……）、医生组和其他您有数据的适当变量（诊断类型似乎很重要）的因素。我建议从 Fit Model 平台开始，只做线性多元回归，看看是否有任何或所有变量似乎与 LOS 相关。有更复杂的方法，但我会从简单的开始，然后逐步提高。
