首页 > 文献资料
-
在检验服务中引入六西格玛管理的探讨
化验作为临床常规的检查方法之一,每天都被医生广泛应用于患者.一般来说,综合性三甲医院检验科工作任务均相当繁重,若加上人力不足等因素,会造成检验质量、服务质量和满意度的下降.六西格玛管理是用来衡量一个服务或流程达到其质量目标程度的一种统计量,并且提供了一个基于流程、不断改善的方法,通过减少差异和缺陷来改进流程.在检验服务中引入和应用六西格玛管理方法,可以提高检验的工作效率和检验质量,缩短病人化验等候时间.
-
病例组合指数与医院间的费用比较及预测
据1998年统计,我国县及县以上综合医院有4 052所,每所医院平均业务支出 2 304.2万元,补助经费155.5万元,约占6.75%[1].按补助经费占每所医院总支出的6.75%推算,4 052所医院的补助经费约63亿元,占当年国家卫生事业费282 .8亿元的22.3%.对医院这么多的投入,怎样评价医院的"产出"?由于医院的类型不同, 服务对象不同,以医院为单位计算收治人数、平均住院天数、人均费用、治愈率和病死率等统计指标,显然没有可比性.若按单病种分类比较,约有20%的病种因收治人数过少,达不到统计指标计算的少例数(如不足3例).病例组合虽然能覆盖全部病例,但也只有数百个类别,不便于进行多个医院间的比较.这时,可选择病例组合的综合统计量--病例组合指数(case mix index,
-
"临床研究"类稿件撰写过程中易被忽视的内容
1 摘要对结果进行描述时,不能仅给出P不等式,一定要有具体统计量和P值,统计量和P值均保留小数点后3位. 2研究内容 2.1前瞻性研究:在研究对象的收集方面,需明确病例的纳入及排除标准;对患者的人口学特征和基线资料比较时,应特别注意收集影响干预结果的干扰因素的相关数据.人口学特征和基线资料比较可采用表格与文字相结合的方式,表中统计量和P值均需保留小数点后3位.
-
重复原则在骨科实验设计中的应用
实验设计是科学研究的一个重要环节,良好的实验设计是顺利进行科学研究和数据分析的先决条件,也是获得预期结果的重要保证[1].科学研究的目的,是为了揭示事物的客观规律.研究的价值首先决定于研究的目的,而研究的结果是通过一定方法步骤而获得的.一个周,密的实验研究全过程,通常要联系质的特性,研究量的表现,所以从统计方面讲,主要应考虑随机、对照、重复、均衡等问题,这是实验研究的一般原则.实验要求一定重复数(样本例数),其目的是使均数逼真,并稳定标准差,只有这样来自样本的统计量才能代表总体的参数,统计推断才具有可靠的前提[2].
-
集中度在分析蚤类季节性中的应用
集中度是反映某种群体现象在1年或1天内的集中程度,是水文、气象学常用的统计量,近年来逐渐应用于流行病学,分析疾病的昼时性和季节性.本文应用集中度对鄂尔多斯高原8种常见蚤类的季节性进行初步的探讨,试图为鼠疫动物病的防制提供依据.
-
Meta分析系列之五:贝叶斯Meta分析与WinBUGS软件
贝叶斯Meta分析(Bayesian Meta-Analysis)是近年来基于贝叶斯统计发展起来的一种新型的Meta分析方法,主要采用"马尔科夫链-蒙特卡罗"(Markov chain MonteCarlo,MCMC)方法、使用WinBUGS软件[1]进行.经典统计学派的统计量,往往不易找到其精确的有限样本分布,因此多数情况下是基于大样本渐近分布做出统计推断,而贝叶斯学派则可直接计算精确的有限样本分布,并不依赖于渐近理论,且充分考虑了模型的不确定性,故认为Meta分析贝叶斯估计更可靠、更合理,特别在有序数据及网状Meta分析[2]中有传统Meta分析无法企及的优点.当前,贝叶斯Meta分析已得到愈发广泛的应用,本文将简要介绍贝叶斯Meta分析与WinBUGS软件.
-
医学科研中统计学方法简介(四)
当观察指标属定性指标(亦称分类变量)时,将n个对象按指标的不同类别分类,然后清点各类别的观察单位数,得到的资料称为计数资料.统计学中常用率、构成比及相对比等统计量进行描述.因为他们都是由两个数之比构成的百分比,所以在假设检验中用到的方法是相同的.通常用χ\+2(卡方)检验.在临床工作中通常可获得两种类型的表格,第一类表的型式如下:
-
用ROC曲线下面积进行差异性检验的常用方法
应用受试者操作特性曲线(ROC曲线)下面积(Az),可对2种以上影像学研究对象的差异是否具有统计学意义进行检验.然而,国内所见文献报道,多由计算机软件(如Rockit软件)直接给出P值[1-5],未介绍所用统计学方法及统计量的具体值,更未见对计算方法讲座式的介绍,这在一定程度上影响了对ROC解析方法的理解和掌握,不利于对这一国际公认标准进行推广和普及.为此,笔者介绍1种用Az进行差异性检验的常用方法,以期引玉.
-
适用于生物医学论文的批量统计计算和自动化制表系统的研究
目的:验证一种适用于生物医学论文的批量统计计算和自动化制表系统(BSCATS-BP).方法:制表时间为在完成目标表格设计和数据集设置后,从设置制表参数开始,到完成Microsoft Word格式目标表格的时间.制表参数设置分半自动法和自动法.共制作84张表.计算结果由SPSS 16.0验证.结果:BSCATS-BP计算结果与SPSS一致.半自动法和自动法制表时间分别为(94.7±25.6)和(27.4±4.3)秒(P<0.001).结论:BSCATS-BP是一种可靠、高效、易用的生物医学论文制表工具.
-
期刊影响因子(IF)的定义和计算方法
期刊影响因子(impact factor,IF)是国际上通行的对期刊质量的评价指标,1972年由E.加菲尔德提出。指某一期刊的文章在特定年份或时期被引用的频率,是衡量学术期刊影响力的一个重要指标,可公平地评价期刊影响力。由于IF是一个相对统计量,通常影响因子越大,其学术影响力和作用也越大。
-
应用RSR法综合评价医院医疗工作质量
秩和比(Rank-Sum Ratio,RSR)是一个内涵极为丰富的统计量,具有0-1连续变量的特征,表明不同计量单位多个指标的综合水平,也是综合评价医疗质量的一种方法.本文运用RSR法综合评价我院10年来的医疗质量,可避免单项指标评价医疗质量产生偏差的不足.能比较正确地评价医院医疗质量,从中找出存在的问题和改进的方法,供医院管理者参考.
-
《白求恩医学杂志》学术期刊影响因子再度提升
期刊影响因子(impact factor,IF)是国际上通行的期刊质量评价指标,由 E.加菲尔德于1972年提出,特指某一期刊的文章在特定年份或时期被引用的频率。目前多以某期刊前两年发表的论文在这两年中被引用总次数除以该期刊在这两年内发表的论文总数。它不仅是一种测度期刊有用性和显示度的指标,而且也是测度期刊学术水平,乃至论文质量的重要指标。IF是一个相对统计量,可公平地评价各类期刊,通常 IF 越大,其学术影响力和作用也越大,已成为年终科研人员考核和职称晋升的重要指标之一。
-
应用六西格玛改进模式降低脑卒中病人股静脉置管的感染率
六西格玛(6Sigma)早由摩托罗拉(Motorala)公司在20世纪80年代提出,公司通过应用,在1998年和2003年2次赢得马尔科·鲍德里奇全美质量大奖[1].6Sigma是过程或产品业绩的一个统计量,其含义为"标准偏差",即"6倍标准差",在质量上表示100万件产品中只有3.4件是次品(非常接近零缺陷要求)[2].
-
我院门诊急诊非甾体抗炎药的处方用药调查分析
非甾体抗炎药(NSAID)在临床上应用非常广泛.但是,此类药物的治疗作用与不良反应并存,不合理的应用或滥用,会给患者造成严重危害.鉴于此,我院临床药师调查本院2005年3月、5月、7月3个月门诊急诊处方,并进行了统计量的排序分析.结果报告如下:
-
正确理解x2检验的功能
x2是一种与自由度有关的统计量,它等于若干个标准正态分布变量的平方和,但在分类计数资料的统计研究中,英国统计学家K·Pearson于19世纪未提出了一种解决实际频数 分布与理论推测频数分布拟合优度检验的统计方法,其定义为:
-
对两线性回归方程合并条件的进一步探讨
在研究两线性回归方程的合并问题时,一般认为需满足以下3个条件[1,2]:(a)两回归线各自总体回归系数不等于0,即β1≠0,β2≠0.(b)两条回归线总体回归系数相等,即β1=β2.(c)两回归线总体高度相等,即ε1=ε2.在检验两回归线总体高度是否相等时一般采用t-统计量.
-
线性回归模型中自变量相对重要性的衡量
线性回归模型在实际应用中经常用到,通常研究者需要在多个自变量中分析哪个自变量对y的影响大,哪个对y的影响小,即对自变量的相对重要性进行衡量.在实际工作中,标准化的回归系数、t统计量或P值等是常用的指标.偏回归系数、相关系数及其平方、半偏相关系数及其平方、偏回归平方和等指标都与自变量的相对重要性有关.Dalington[1]认为,如果目的是探索影响因素,偏回归系数是衡量影响力较好的选择.如果用于预测,则半偏相关系数的平方或F统计量是较好的选择.Greenland[-3]和Newman[4]对标准化的回归系数是否适合衡量效应量的大小进行辩论,Newman为标准化的回归系数进行辩护,Greenland 认为标准化的回归系数会受到自变量变异的影响,不适合衡量效应量的大小.
-
应用STATA软件包计算Kappa统计量
Kappa统计量常用于评价两次调查应答结果的重现性,研究不同检验(或测定,诊断)方法的结果间,或不同评定者评定结果间的一致性.加权Kappa值和多个评定者评定结果一致性的Kappa值用手工计算时,计算繁杂,多数统计软件无计算该统计量的程序.STATA软件包提供了计算该统计量的功能.但国内编译的说明书中未介绍,本文简要介绍应用STATA软件包计算Kappa统计量.
-
如何控制 SAS 结果的输出
在SAS系统中,默认的输出方式是在OUTPUT窗口中输出字符结果,在GRAPH窗口中输出图形结果.这种输出方式下,OUTPUT窗口中的字符结果无法用编程的方式直接采集为SAS的数据集.在SAS的一些过程中,提供了相应的OUTPUT选项,使用户可以创建输出数据集,指定将结果输出到新建的SAS数据集中,如MEANS过程、UNIVERATE过程等,便于用户直接对结果进行进一步的加工处理.但能存入输出数据集中的结果并不全,只能是系统规定的统计量.而且有相当多的过程并不具备此选项,包括常用的TTEST过程和NAR1WAY过程便不支持此功能.此时如果需要用到有关的结果统计量,普遍采用的解决方法是自己编程进行计算.这样做固然可以解决问题,但实际操作起来却非常麻烦,而且有些计算非常复杂,编程不一定解决问题.
-
logistic回归诊断
由于构建回归模型都是建立在某种假设之上的,因此对于任何回归模型,都须考察其拟合度(goodness of fit),即拟合优度检验,主要是计算一些综合统计量(如Pearsonχ2、Deviance D2、H-L2值)。同时还须考察构成模型的每一个协变量组合(covariance pattern)对模型的效应,包括识别异常点(outlier)、高杠杆点(high leverage case)以及强影响点(influence point),即所谓的回归诊断。本文主要介绍logistic回归诊断中常用的诊断量。