每個醫師組的醫院 LOS 模型你好
我們醫院有大約 20 個醫師組（醫師集群）。 我們想關注我們應該針對哪些醫生群體，以減少患者的 LOS（住院時間）。 首先我們需要確定哪些醫生群體有更高的貢獻（還有延伸到什麼程度）平均 LOS 喜歡找出來無論患者的保險、嚴重程度和處置（最終目的地（如家庭或康復中心或轉移到另一家醫院）），哪些醫生群體更有可能擁有更高的 LOS。我們需要將這些信息的某種統計數據呈現給高管。
還想了解是否只有當患者的保險是 Medicare 時，某些醫生群體才會有更高的 LOS。這些特定的醫師組需要更長的時間。
我對統計有一定的了解..想請教專家意見。
請指教
謝謝
最好的，
小號
回复：每個醫師組的醫院 LOS 模型我要提出兩個建議，一個給你@sweetycha另一個是您所傳達信息的消費者。
對於您自己，我建議您看一下 JMP 的工業問題解決統計思維在線免費課程。 成功完成課程後，您將充分掌握統計思維的原則，其中@statman已觸及與課程學習目標一致的基本分析方法。 All up all in 是兩倍； 1. 啟用統計思維和2的實踐。 “如何在 JMP 中使用。”。 假設這些例子不在臨床環境中，但是，在醫院環境中做了一些無償工作，所有統計思維概念和實踐都可以擴展到醫院環境。
對於您的消費者；首先問問自己，在整個團隊中，“他們對統計思維的了解程度如何”？ 如果答案是文盲（或充其量是弱者），則給每個人一份 Don Wheeler 的“理解變異，管理混亂的關鍵”，並要求每個人在與他們會面之前從頭到尾閱讀。 然後將您的信息轉儲給他們完全圖形化，僅使用易於閱讀和解釋的圖表和圖形。 P 值、參數估計、模型和表格輸出只會使信息變得混亂。 我對你的圖形的建議是“如果它不加，它就減”。 保持它們簡單和整潔。 每個圖表一條消息。 測試你的聽眾對每一個的理解。
回复：每個醫師組的醫院 LOS 模型我必須承認，大多數人不會考慮可變性或導致可變性的原因（或者他們可能會考慮可變性，但不去理解它）。 我無法告訴你我分析了多少實驗（超過 10000 個），其中響應變量是均值，實驗的目的是了解變異是什麼因素影響變異。
一種開始的方法是不是根據“任意”規範使您的響應二進制（機會指數）。 使用實際的天數（或者可能更具判別性的小時數）來執行每個“操作”（這將是一個效率指標）。 考慮“精益”，您是否對整個過程進行了價值流映射？ 或者做了流程圖？ 進行手術、準備手術、等待手術室、鎮靜、接受化驗、填寫文書工作、等待保險批准等需要多長時間？ 過程中每個活動的時間的均值和標準差是多少。 您還必須考慮功效指標，流程中的每個步驟是否正確完成？
關於你的例子“他們在下午晚些時候寫一份出院令"。 他們為什麼要等到下午？ 是因為他們太忙於做他們工作的其他方面（比如照顧他們的病人，顧客）你有一個任意上午 9:00 之前完成的規範。 你是如何得出這個規範的？ 您是否使用數據來確保“當前”流程能夠滿足此規範？ 這更像是一個激勵員工的目標嗎？ 當然，如果您設置規格。你預測瞭如果規範你會做什麼。沒有實現。 您將如何改進流程以滿足規範？
我知道你的研究是迭代的......我認為最好從態度開始，過程中的人不是故意做一些對過程性能產生負面影響的事情。
存在與系統相關的常見原因（以及潛在的特殊原因）。 將系統的失敗歸咎於個人是不公平、錯誤和適得其反的。 當然，我們不喜歡錯誤、客戶的抱怨、事故——但如果我們在不理解的情況下權衡它們，那麼我們會讓事情變得更糟。W. 愛德華茲·戴明
流程（系統）由管理層“擁有”，為了滿足公司的目標和要求以滿足客戶，他們必須不斷改進流程。
回复：每個醫師組的醫院 LOS 模型感謝您的反饋意見。 我知道這是一種非常敏感的方法，可以根據一些預測因素找到我們應該針對哪個群體。 它們必須是與具有更高 LOS 相關的許多潛在因素。
我喜歡研究變體的想法。 除了針對組繪製因變量箱線圖之外，我之前沒有做過。
這裡我們的目標是 1，這意味著患者的 LOS/GMLOS 在我之前的髖關節手術示例中，如果全國是 3 天，我們是 3 天，那麼機會指數是 1(3/3)。 如果我們想將因變量轉換為二進制，任何大於 1 的值都是我們的標誌
我有興趣了解變化，我該如何開始？
為了回答你的問題，一旦我們確定了頂級醫師組，我們的計劃是什麼，我們只是通過一些潛在因素進一步調查，比如他們是否在下午晚些時候寫出院令，應該在上午 9 點之前在第一輪寫好，這樣病人就可以出院了到中午。 因此降低 LOS？這只是一個例子。
回复：每個醫師組的醫院 LOS 模型我知道這很困難/複雜。 由於您將向高管們展示數據和您的解釋，我只能想像您希望高管們採取某種行動。 在思考（預測）他們將如何反應時要非常小心。 我不會只關注平均值。 基於我不知道的某些“目標”LOS 的增量類似於試圖了解如何使用標準成本來改進過程（例如，製造）成本或使用 TACT（例如，精益應用程序）來提高效率。 DRG 的 3.5 天是如何建立的？ 預期的變化是什麼？ 如果您不了解變異，則僅報告均值不是很有用！！！ 標準偏差為 0.1 的 3.5 與標準偏差為 1.0 的 3.5 有很大不同。
我會對 LOS 的變化及其原因感興趣。 我想知道 LOS 是否一致。
再一次，通過將問題分配給 Physician Group 來思考在我看來似乎是在責備，至少你應該關心高管們將如何反應這些信息. 他們是否願意對 LOS 較高的醫生群體採取行動？ 那會是什麼行動（例如，解僱他們、重新培訓他們、向他們發出警告）？ 意識到會有與醫生團體相關的變化。 是常見原因變異嗎？ 如果是這樣，它是系統的一個功能（參見戴明），並且對特定醫師組採取特殊原因行動（上面列出的示例）將是不適當的反應，最終會導致可變性增加，從而降低可預測性。
回复：每個醫師組的醫院 LOS 模型感謝您的詳細解釋。
首先，我們有一個非常普遍的目標，就是找出哪些醫生群體的 LOS 更高，這樣我們就可以調查更多的細節。 當然，除了出院處置和保險之外，我們還有很多因素，如患者年齡、合併症等。但此時此刻，我們只想找出無論患者的保險和處置如何，哪個醫生組更有可能有更高的 LOS（機會天數）
LOS 已根據機會天數進行了調整。 如果患者因髖關節手術 (DRG) 而入院，並且該 DRG 的國家基準是 3.5 天。 如果在我們醫院，相同的 DRG 需要 5 天，那麼我們的機會天數是 1.5，因為該患者的停留時間比國家基準長 1.5 天。還有很多需要調查的原因……我們只是想從某個點開始，找出某些群體和目標為什麼這些群體需要更長的時間（更高機會的天數），而不管患者出院處置和保險如何。 我們通過平均機會日來傳達這些信息，我們從這些群體中得到的休息是我們為不同的患者提供服務，比如我們的患者大多出院到技能護理機構，所以我們必須等待技能護理機構接受我們的患者，因此 LOS 更長。
這就是為什麼我們正在調整或耐心處理和保險哪個組有更高的機會天數。
請指教
感謝您的指導和支持
回复：每個醫師組的醫院 LOS 模型我提前道歉，但我情不自禁。 作為戴明及其教義的堅定信徒，在我看來，您正試圖將住院時間歸咎於醫生團體。 首先我們要了解什麼是LOS的分佈。 變異是常見原因還是有特殊（可指定）原因變異？ 為什麼一個（或多個）醫師組會對 LOS 產生影響？ 是缺乏經驗、培訓嗎？ 管理層對指標和目標設定的使用不當嗎？ 在我看來，醫師小組及其運作方式是系統的一項功能。 你想改變他們的行為，改變系統。在試圖了解影響 LOS 的因素時，您應該提出假設。
潛在假設的例子：
1. 疾病的嚴重程度會增加 LOS，因為越嚴重的恢復時間越長，
2. 誤診會增加 LOS，因為治療無效，因此必須嘗試替代治療，
3. 患者的免疫系統受損會增加 LOS，因為治療效果較差，
4. 保單減少了 LOS，因為他們的保單減少了比政策允許的停留時間更長的資金，
5. 保險類型影響 LOS 的變化，因為每種保險的保單不同。
一旦有了一組假設，問題就變成瞭如何獲取數據以提供對這些假設的洞察力。 定向抽樣（您根據理性假設選擇樣本和样本子組）或實驗（您實際上以有效的方式操縱變量）。
正如其他答復中所說，向高管介紹是具有挑戰性的。 特別是當他們有不同的背景時。 我更喜歡數據的圖形表示（而不是統計表），這樣關鍵點就可以一目了然。 大多數高管不了解統計意義。 他們也不明白統計顯著性是有條件的。 這取決於數據（數據的獲取方式）和進行的比較（例如，模型中有哪些項）。
回复：每個醫師組的醫院 LOS 模型我有一些額外的想法/建議，也許其他人也想參與。鑑於您的目標是了解不同的群體/支付方式如何影響 LOS 以及將此傳達給高管的願望，我建議從使用表格和圖表的純描述性方法開始。溝通會更容易，也更有效。統計模型的使用取決於將數據視為隨機樣本——我的猜測是它不是隨機的，而是一個方便的樣本（可能是在特定時間段內獲得的）。更準確的做法是僅描述您擁有的特定數據樣本的數據模式。
使用統計模型的願望源於兩個目的。首先，將噪聲與信號區分開來——換句話說，我們期望隨機抽樣有多少可變性，有多少似乎代表了真正的系統效應。就樣本不是隨機的而言，這些推論並不可靠。他們也更難與非統計受眾溝通。第二個原因是，當您檢查大量因素及其對 LOS 的影響時，使用表格/圖表來解釋您發現的模式很容易變得笨拙（但您仍然應該嘗試 - 複雜的表格可能非常有效，即使許多變數）。統計模型成為一個簡潔的地方，可以放置大量因素並討論它們對 LOS 的單獨影響，以及統計顯著性/變異性的度量（但取決於將樣本視為合理隨機的準確性）。
回复：每個醫師組的醫院 LOS 模型太感謝了... 我會按照你的建議去做。
我肯定會有更多後續問題，但截至目前你已經回答了我最初的問題。
再一次感謝你回复：每個醫師組的醫院 LOS 模型0.24 的係數表示該組與所有組的平均值相比有 0.24 個額外的 LOS（並且具有統計顯著性）。每個組都有一個係數，表明其 LOS 與所有其他組的平均值相比 - 一個組從報告中剔除（您需要單擊“擴展估計”以查看所有組）。對於交互項，您可以將兩個變量作為因子放入模型中，然後在因子框中突出顯示其中一個，在潛在因子中突出顯示另一個（按住控制鍵）並單擊“交叉”框。
回复：每個醫師組的醫院 LOS 模型太感謝了。闡明我的分析。 還有很長的路要走，但我很積極地開始做某事。 非常感謝您的指導和支持。
在 Jmp 中，我不確定在哪裡添加交互項。 你提出了一個很好的觀點，因為我們正在測試我們需要開始調查哪個保險集團。 當我們沒有相互作用時，我們選擇具有較高 beta 估計加上 p 值 < 0.005 的組。
當保險是 ABC 或其他東西時，了解是否有特定群體具有更高的 LOS 是很重要的。
你能幫我解釋我上一篇文章中突出顯示組的 B 估計值嗎？
回复：每個醫師組的醫院 LOS 模型你走在正確的軌道上。 我不確定您是否需要使用 GLM - 我會從一個簡單的回歸開始。 此外，我不知道您有多少個不同的金融和醫生群體——如果有很多，而其中一些的觀察結果很少，您可能會考慮將它們重新分組到較少的類別中。 我認為調查金融類別和群體之間的潛在相互作用可能也很重要——按照你建模的方式，金融類別將對所有群體產生相同的影響。 但是，總的來說，查看估計值及其置信區間是您關注的主要焦點。 這就是您想要交流的內容 - 但交流內容和交流方式的問題過於復雜，無法在此概述。 這取決於受眾、結果以及它將被投入的用途。 簡化溝通是好的 - 過度簡化是危險的。回复：每個醫師組的醫院 LOS 模型感謝您的及時答复
我從像這樣的簡單 GLM 模型開始：
我的因變量是機會天數（我們有稱為 GMLOS 的國家基準 LOS 和我們的醫院 los，所以它基本上是 LOS - GMLOS = 機會天數）
在這裡我只想得到以下答案：
1. 如果患者的財務等級（保險）和處置不變，則哪個組的機會天數更高。
我認為對這個模型的個人貝塔估計會給出這個答案。米
我的結果：
我在正確的軌道上嗎？ 請指教... 還有我如何向高管解釋結果。他們基本上希望我們告訴他們他們需要關注哪個群體以減少平均 LOS。
回复：每個醫師組的醫院 LOS 模型您將必須提供更多細節才能獲得更詳細的答案，並且您還應該查看一些關於一般建模的文檔。我可以提供一些初步指導。您的響應變量似乎是 LOS。您希望在您的模型中包含付款人（醫療保險、其他……）、醫師組和您有數據的其他適當變量的因素（診斷類型似乎很重要）。我建議從 Fit Model 平台開始，只做線性多元回歸，看看是否有任何或所有變量似乎與 LOS 相關。有更複雜的方法，但我會從簡單的開始，然後逐步提高。
