對於不熟悉帕累托圖的人來說，這個網站提供了一個有趣的例子，展示了帕累托圖在醫院環境中應用於用藥錯誤分析的應用。我在教授資料視覺化課程時也使用了這個例子（圖 1）。
Figure 1. Pareto plot of medication errors.圖 1. 用藥錯誤的帕累托圖。
帕累托圖背後的理念是幫助分析人員識別最常見的品質問題來源。為了解決大部分問題（例如 80%），目標是實施針對圖 1 中標記為紅色的錯誤類型的解決方案。換句話說，如果我解決了與漏服、用藥時間錯誤、用藥錯誤和過量用藥相關的用藥錯誤，大約 80% 的用藥錯誤就能得到解決。需要注意的是，這些解決方案也可能適用於發生頻率較低的用藥錯誤，並且可能無法解決與這四種主要用藥錯誤相關的所有問題。但是，至少我現在清楚地知道如何著手改進用藥錯誤問題，從而最大限度地提高工作效率。
在本文的剩餘部分，我將使用 100 名患者的模擬數據，記錄 10 個可能的研究日中每個研究日的結局發生頻率（圖 2）。這些結局可以是任何內容，例如當天發生的不良事件的頻率，或者患者需要使用眼藥水來緩解過敏症狀的次數。稍後我將回到「首次觀察」一欄。
Figure 2. Unsorted simulated data of events.圖 2. 未分類的模擬事件資料。
我們可以產生以患者劃分的事件頻率的帕累托圖（圖 3）。
Figure 3. Pareto plot of events by patient.圖 3. 按患者劃分的事件帕累托圖。
在圖 3 中，X 軸表示以 10 天內事件總數降序排列的患者；Y 軸表示事件總數。黑線表示從左到右依序表示事件總數的累積比例。您可以使用網格線找到感興趣的百分比（例如 80%），並將滑鼠懸停在黑線上，即可找到事件總數約 80% 發生的患者。在上述範例中，約 80% 的事件發生在 6 號患者身上。圖 3 存在一些限制：
- 它沒有描述事件的累積頻率。
- 它沒有說明在 80% 的事件中涉及的患者的累積頻率或百分比。
圖 2 資料表有一個名為「首次觀察」的列，其中包含圖 4 中所示的公式。公式將患者內的第一筆記錄標記為 1，否則標記為 0。
Figure 4. Formula to identify the first record for each patient.圖 4. 確定每位患者第一筆記錄的公式。
此公式使用了「統計」類別中的閔上校函數。 JMP 中我最喜歡的就是用於匯總列資料的統計公式；稍後我會撰寫一篇更詳細的博文，介紹這些函數，其中包含許多實用範例，包括對以下用於在排序資料表中生成列的公式的詳細說明。
我可以利用這個變數在圖 5 的帕累托圖中產生累積患者百分比（紅色部分）。當累積事件發生 80% 時，這種情況發生在 69% 的患者身上。誠然，獲得這個估計值有點繁瑣，因為它需要我從黑線向下移動到紅線，並嘗試匹配所需的資訊。
Figure 5. Pareto plot with cumulative patient percentage.圖 5. 累積患者百分比的帕累托圖。
然而，圖 5 仍存在一些問題：
- 它無法傳達患者或事件的累積頻率。
- 要獲取患者或事件的累積百分比數據，我必須將滑鼠懸停在每一行上，這很不方便。
請注意，我可以透過新增兩個額外的平行 Y 軸來解決累積頻率問題：一個用於表示累積事件頻率，另一個用於表示累積患者頻率。但是，採用這種方法：
- 圖中增加了兩個 Y 軸和兩條線，使圖表看起來更加擁擠。
- 我仍然需要將滑鼠懸停在每一行上才能獲取所需的資料。
我可以解決這些問題，但這需要在資料表中做一些額外的工作。圖 6 展示了上述數據表，其中定義了一些額外的變量，並按患者總數（降序）、患者和日期排序。
Figure 6. Sorted simulated data of events.圖 6. 事件模擬資料的排序。
為什麼要增加這些步驟？
- 「患者總資料」欄位可讓我對資料表進行排序，從而根據圖表所需的 X 軸順序產生四個累積頻率和百分比變數。
- 在資料表中（或在圖形產生器中）計算這些變量，可以讓我根據這些列標記行，這樣無論我將滑鼠懸停在哪裡，我都能獲得累積事件和患者的完整圖像。
參見圖7。
Figure 7. Patient Pareto with cumulative frequencies and percentages.圖 7. 患者帕累托圖，包含累積頻率和百分比。
圖 7 顯示，無論我將滑鼠懸停在累積百分比線或事件頻率條上，都能獲得完整的資料概覽。在這項包含 100 名患者的研究中，患者 6 恰好是累積頻率和百分比的第 69位患者，該患者累計發生了 807 個事件（佔所有患者總共 1012 個事件的 79.74%）。
我在圖 6 資料表中簡要地略過了一點。這些列使用了幾個統計列公式，正如我前面提到的，我將在以後的部落格文章中詳細介紹。然而，需要注意的是，所有這些呼叫都使用了「排除」選項。此選項至關重要，這樣當使用資料篩選器對患者進行子集化時，累積變數才能根據這個較小的群體進行相應的更新。圖 2 資料表不需要此步驟，因為圖表建構器會自動處理這些計算。
圖 8 展示了本研究中 20 名女性患者的帕累托圖，該圖使用資料篩選擇器繪製。在累積事件發生率的約 80% 時，13 名患者發生了 160 起事件（總共 204 起），佔女性患者的 65%。
Figure 8. Patient Pareto for females.圖 8. 女性患者帕累托圖。
您可以從本文右上角的連結下載圖 2 和圖 6 中的資料表，以查看累積頻率和百分比的計算公式。嵌入式患者帕累托腳本可用於產生圖表，您可以透過紅色三角形選單開啟控制面板，進一步查看詳細資訊。在這裡，您可以了解變數是如何分配到特定角色的，以及產生圖表所需的各種選項。
