控制图在医疗监控中的应用综述

梁丽军,董方岐



控制图在医疗监控中的应用综述

梁丽军1,董方岐2

（1.天津中医药大学管理学院，天津 300193；2. 天津大学管理与经济学部，天津 300072）

医疗质量是医院生存的核心，加强医疗质量监控是保证医疗服务质量的关键。为了明晰医疗质量监控的研究动态，探知运用控制图对医疗质量监控的研究方向，通过大量相关文献回顾，系统分析了控制图在医疗监控中的应用，总结了医疗监控的主要特征，介绍了常见医疗监控控制图方法，提出了控制图在医疗监控应用的进一步研究方向。通过研究现状回顾与趋势分析，可以促进医疗监控策略理论的发展，并为医疗机构利用控制图制定医疗质量监控策略提供参考。

医疗监控；控制图；质量管理

一、引言

医疗质量是衡量医疗服务能力及医院总体水平的标准，关系医疗机构的存亡。由于医疗领域工作对象的特殊性，高质量与低风险成为医疗流程、设施、人员、组织等管理工作绩效评价的重要标准，加强医疗监控对于降低医疗风险、保证医疗服务质量、提高患者满意度等至关重要[1,2]。随着质量管理理念在医疗领域中的不断深入[3]，近年来控制图在医疗领域的应用逐渐增多，其对及时发现医院中存在的问题，提高医院的整体管理绩效和服务过程质量具有重要的作用。控制图应用范围广泛，可涵盖手术、器官移植、医疗设施、医院部门、人因风险、组织结构、流程等从医院整体到部门直至病人个体的全部领域[4]89。为了叙述方便，以上内容统称为监控单元，控制图通过对各监控单元的连续监控，能够及时发现各单元可能存在的问题及正在发生的变化，便于提高各监控单元的工作绩效。本文在文献调研的基础上，对已在高水平期刊上发表的利用控制图进行医疗质量监控的研究成果进行总结，分析了医疗领域控制图应用的主要特征以及各控制图的优缺点，并在此基础上指出了未来利用控制图对医疗质量进行监控的方向。

二、文献收集与分类

图1：SCI文献时间分布图

从图1可以看出控制图在医疗监控中的应用在1996年之前较少，在1996年之后，特别是近10年文献研究成果的数量明显增加，其中2016-2017年两年的文献数量已达14篇（由于前面是5年分段，最近2年的数据与5年的数据没有可比性，故未在图1中标出）。从文献数量的统计上可以看出，医疗监控一直是学者研究的重要问题，随着经济的发展及人们对健康的注重，人们越来越重视医疗质量，在降低医疗风险、保证医疗质量、提高患者满意度的压力下，利用控制图进行医疗监控的需求日益迫切。医疗监控主要注重医疗机构整体管理绩效及服务过程质量，主要涉及手术、器官移植、医疗设施、医院部门、人因风险、组织结构、流程等各个方面，研究方向多分布在医疗服务领域，少部分分布在管理科学、数学及计算机等领域，然而发表的期刊并不集中，这也说明控制图在医学的应用非常广泛，从医院整体到各个部门直至患者个体的各个领域均有涉及。

图2：SCI期刊分布图（数量大于等于3）

对上述文献研究内容进行分析发现，根据具体的监控目的和方案，医疗领域控制图的应用大致可以分为两类：其一是通过控制图对各监控单元独自进行实时动态的监控，及时发现各环节可能出现的变化，包括优化或者恶化，进而对控制图进行调整或者对相应的监控对象不良的变化进行预警，为及时采取补救措施或改进赢取时间[6]；其二是通过控制图对医疗领域各监控单元的工作绩效同时进行监控和对比，如各医疗组在同一手术中的表现，通过各监控单元与行业规定的标准或者标杆单元的工作绩效进行对比，鉴定各监控单元的工作绩效是否达到了质量管理的要求，为进一步提高整体的质量管理找到特定的目标[7]。目前这两类监控方案是控制图在医疗领域内最常见的应用模式。

三、医疗监控的主要特征

医疗领域由于本身研究对象的特殊性，控制图需要针对医疗单元具体的监控内容做相应的调整。与工业领域相比，医疗领域控制图的主要特征有以下四点：

（一）患者具有异质性

患者的异质性是医疗领域控制图研究的最主要的特征。以对手术的成功率进行监控为例，由于病人在生理上、病情上的不同，其面临的手术风险具有很大差异，针对病人的术前风险对控制图进行风险调整才能更加合理的对手术本身的绩效进行评价。常见的病人异质性评价方法包括Personnet score、EuroSCORE等[8-9]，还有一些常见的风险调整的方法，主要包括逻辑回归法、COX比例风险模型等[10-14]。

（二）监控数据类型复杂

医疗领域内的控制图监控数据根据监控对象的不同，可以分为连续型和离散型（如排队时间和等待人数），其中以离散型数据为主[15]。医疗领域常见的离散型数据包括二进制数据（生或死、成功或失败）、计数型数据、指数数据等[16-17]，控制图需要根据监控数据的类别进行调整。另外过度散布（overdispersion）是医疗监控数据与工业领域监控数据又一不同，造成医疗领域监控数据过度散布的原因可能包括病人的异质性、服务过程的多中心性、多阶段问题等，监控数据过于分散、方差较大，如何针对过度分布对监控图进行处理是医疗领域控制图的又一特征[18]。

（三）各参数和阈值动态变化

在工业领域中，控制图的应用包括两个阶段，阶段一是通过对历史数据的分析与建模计算控制图所需的各参数大小和监控标准及阈值，阶段二是根据所得的控制图对监控单元进行实时的监控。而在医疗领域中控制图的应用没有严格的区分，控制图的各参数和阈值根据监控阶段动态变化，无形中增加了对监控单元异常变动识别的难度[4]90，参数和阈值的计算与优化是医疗领域控制图研究的重点之一。此外与工业领域内惯常采用样本抽样的方法进行监控不同，医疗领域内监控对象多为全部单元[19]。

（四）模型评价标准不同

在工业领域中，ARL是控制图最常用的评价标准之一，然而在医疗领域内控制图ARL的大小很少被关注，同时受风险调整的影响医疗领域控制图ARL的大小难以精确的确定。在医疗领域内人们更为关心的是控制图对出现问题的响应时间、误报警率及报警能力等指标[20,21]，由于医疗领域内控制图的监控数据更多的为离散型，实际监控中的误报警率及报警能力等指标与理论值会有很大的出入。

四、常见的医疗监控控制图方法介绍

目前医疗领域内控制图应用的种类有很多，常见的有累计和控制图（CUSUM）及各种变型、VLAD（Variable Life-Adjusted Display）控制图、漏斗图（Funnel plot）、指数加权移动平均图（EWMA）、CRAM、RSPRT、SPC等。根据监控对象和监控目的的不同，各类控制图都具有相应的优势与不足，下面简单的介绍几种控制图的特点及适用的条件。

（一）CUSUM控制图

CUSUM及各种变型是目前医疗领域内应用最为广泛的控制图，在手术监控、医疗设施、部门管理、器官移植、人员等各个方面都有应用。CUSUM具有很强的适用性、能够根据病人的异质性、监控的连续性或离散性、监控数据的类型等进行调整，该方法对于发现监控单元持续的微小的变化具有明显的优势，能够较快的发现监控单元的异常变动。其不足在于容易受基准发生率大小的影响、实际误报警率与理论误报警率容易产生较大差距、在预警阈值和参数的设定方面还有进一步提高的需求[22-29]。

（二）VLAD控制图

VLAD控制图是在不同的监控阶段呈现监控单元的理论值与实际值之差，通过该图形可以直观的观察监控单元的变化情况，常应用与对手术绩效、术后感染等情况进行监控，具有直观性和简明性等优点。其缺点是该方法监控阈值难以设定，对持续型较小的变化难以挖掘[30-33]。

（三）漏斗图

漏斗图（Funnel plot）是医疗领域中经常使用的一种控制图，与其它控制图多用于对监控单元的变化进行监控不同，漏斗图常用于识别和鉴定不同医疗服务提供者（医疗人员、组织、机构、设施等）所提供的服务质量，通过与行业规定的标准、历史标准、标杆单元的绩效进行对比来判定各监控单元的服务质量是否达到了规定的目标。该方法避免了传统直接绩效排名形式的不足，在医疗领域内经常使用[34,35]。

（四）其它类型控制图

对于监控数据为二进制、事情发生率为中等的事件进行监控（相对于手术死亡率等），CUSUM有诸多不方便的地方，MEWMA是一种不错的选择[36]。有学者对高质量过程监控（如手术过程）的控制图原理进行了总结，提出了使用负二项图标来改进传统控制图较长响应时间的不足[18]。还有学者提出采用风险调整型SPRT及ESPRT对手术绩效进行监控[37-38]。类似的还有SPC、CRAM等方法[4]95，由于应用的范围较少，不再一一详细的介绍。

五、现有研究不足及未来研究方向

目前医疗领域内控制图的应用已经非常广泛，方法和模型也不断的成熟，但是仍然存在着一些不足及新的领域有待进一步的研究和解决，主要包括以下几个方面。

首先，临界阈值的确定方法，合理的设定预警阈值是目前医疗领域控制图的难点，到目前为止各类控制图还均未形成合理且准确的阈值计算方法，主要原因包括受监控对象异质性的影响阈值动态变化、历史标准难以准确衡量、误报警率和报警能力的分配未考虑实际因素的影响等，如何科学合理的确定各监控阶段监控单元的预警阈值需要进一步的研究，若能结合误报警与及时报警相关的成本分析将会更加科学。

其次，风险调整是医疗领域控制图应用的基础，目前常见的医疗风险调整方法主要是基于Personnet score、EuroSCORE等风险评分系统进行逻辑回归或者构建COX比例风险模型进行分析，合理的风险调整方法对于提高控制图的绩效表现具有重要的作用，针对我国医疗服务的具体环境和信息，构建更有针对性的评分系统或者使用更有效的分析模型，能够进一步提高控制图在我国医疗领域中的应用效果。另外，目前的风险调整主要是针对病人自身的生理特征进行分析的，已有学者提出根据医护人员的经验、能力进一步对风险调整进行完善[24]709e.

再次，医疗结果往往是多个中心、流程阶段依次作用的结果[39]，结果的衡量指标有时候不止一个[40]，目前医疗领域内控制图的研究对象主要是对单个阶段的某一个单独的指标，针对多指标及多阶段进行实时监控的研究还非常有限。目前控制图在医疗领域应用最多的是对手术进行监控，对设施设备、人因风险、组织结构、流程管理、团队绩效、药物治疗等其他方面的研究还有待进一步的提高与完善。

最后，目前医疗领域控制图的方法理论体系还不完善，方法模型的进一步引进和改善仍然是一个研究的重点。

[1] 汪文新,江舜杰,田怀谷.医疗服务质量对医患关系的影响研究——基于患者视角[J].卫生经济研究,2018(4):26-30.

[2] 梁丽军,何强,刘子先,等.基于患者偏好的治疗方案风险-利益评估方法[J].西安电子科技大学学报(社会科学版),2014,24(6):53-60.

[3] 陈民栋,陈水易,卢向南.对医疗服务质量的探讨[J].卫生经济研究,2002(1):40-41.

[4] WOODALL W H.The use of control charts in health-care and public-health surveillance[J].Journal of Quality Technology,2006(2):89-104.

[5] 阎惠中.从控制图向控制图系统发展——对医院医疗质量统计控制的探索[J].中国医院管理,1987(12):31-33.

[6] COLLINS G S,JIBAWI A,MCCULLOCH P.Control chart methods for monitoring surgical performance:A case study from gastro-oesophageal surgery[J]. European Journal of Surgical Oncology,2010(6):473-480.

[7] MAYER E K,BOTTLE A,RAO C,et al.Funnel Plots and Their Emerging Application in Surgery[J].Annals of Surgery,2009(3): 376-383.

[8] PARSONNET V,DEAN D,BERNSTEIN A D.A Method of Uniform Stratification of Risk for Evaluating the Results of Surgery in Acquired Adult Heart Disease[J].Circulation,1989(6 Suppl):3-12.

[9] 仓正强,魏渝鉴,张杨杨.EuroSCORE临床应用回顾和展望[J].中国胸心血管外科临床杂志,2016,23(10):1012-1018.

[10] COPELAND G P,JONES D,WALTERS M.POSSUM:A scoring system for surgical audit[J].British Journal of Surgery,1991(3):355-360.

[11] GRIGG O,FAREWELL V.An Overview of Risk-Adjusted Charts[J].Journal of the Royal Statistical Society(Statistics in Society),2004(3):523-539.

[12] PAYNABAR K,JIN J J,YEH A B.Phase I Risk-Adjusted Control Charts for Monitoring Surgical Performance by Considering Categorical Covariates[J].Journal of Quality Technology,2012(1):39-53.

[13] CHANG T.Cumulative Sum Schemes for Surgical Performance Monitoring[J].Journal of the Royal Statistical Society(Statistics in Society), 2008(2): 407-432.

[14] OZENNE B,SORENSEN A L,SCHEIKE T,et al.RiskRegression:Predicting the Risk of an Event using Cox Regression Models[J].R Journal,2017,9(2): 440-460.

[15] NOYEZ L.Control charts,Cusum techniques and funnel plots:A review of methods for monitoring performance in healthcare[J]. Interactive CardioVascular and Thoracic Surgery,2009(3):494-499.

[16] NEUBURGER J,WALKER K,SHERLAW J C,et al.Comparison of control charts for monitoring clinical performance using binary data[J].Bmj Quality & Safety,2017,26(11):919-928.

[17] GLEESON H,CALDERON A,SWAMI V,et al.Systematic review of approaches to using patient experience data for quality improvement in healthcare settings[J].Bmj Open,2016(8):1-11.

[18] ALBERS W.The optimal choice of negative binomial charts for monitoring high-quality processes[J].Journal of Statistical Planning and Inference,2010(1):214-225.

[19] ROSSI G,SARTO S D,MARCHI M.A new risk-adjusted Bernoulli cumulative sum chart for monitoring binary health data[J]. Statistical Methods in Medical Research,2014,25(6):2704-2713.

[20] SHERLAW-JOHNSON C,MORTON A,ROBINSON M B,et al.Real-time monitoring of coronary care mortality:A comparison and combination of two monitoring tools[J].International Journal of Cardiology,2005(2):301-307.

[21] MAHESWARAN S K U.Statistical process control analysis for monitoring of dangerous hospital acquired infections[J].Int. J. Pure Appl. Math,2009(4):593-603.

[22] STEINER S H.Monitoring surgical performance using risk-adjusted cumulative sum charts[J]. Biostatistics,2000(4):441-452.

[23] GANDY A.Risk-adjusted monitoring of time to event[J].Biometrika,2010(2):375-388.

[24] MARUTHAPPU M,DUCLOS A,ORGILL D,et al.A Monitoring Tool for Performance Improvement in Plastic Surgery at the Individual Level[J].Plastic and Reconstructive Surgery,2013(5):702e-710e.

[25] BISWAS P,KALBFLEISCH J D.A risk-adjusted CUSUM in continuous time based on the Cox model[J].Statist. Med,Statistics in Medicine,2010,27(17):3452.

[26] ROGERS C A,REEVES B C,CAPUTO M,et al.Control chart methods for monitoring cardiac surgical performance and their interpretation[J].The Journal of Thoracic and Cardiovascular Surgery,2003(6):811-819.

[27] BOTTLE A,AYLIN P.Intelligent Information:A National System for Monitoring Clinical Performance[J].Health Services Research,2007,43:10-31.

[28] SIBANDA T,SIBANDA N,SIASSAKOS D,et al.Prospective evaluation of a continuous monitoring and quality-improvement system for reducing adverse neonatal outcomes[J].American Journal of Obstetrics and Gynecology,2009(5):480-481.

[29] VASILAKIS C,WILSON A P R,HADDAD F S.Automating the monitoring of surgical site infections using variable life-adjusted display charts[J].Journal of Hospital Infection,2011(2):119-124.

[30] TSANG V T,BROWN K L,SYNNERGREN M J,et al. Monitoring Risk-Adjusted Outcomes in Congenital Heart Surgery:Does the Appropriateness of a Risk Model Change With Time?[J].The Annals of Thoracic Surgery,2009(2):584-587.

[31] SHERLAW-JOHNSON C,WILSON A P R,KEOGH B,et al.Monitoring the occurrence of wound infections after cardiac surgery[J].Journal of Hospital Infection,2006(4):307-313.

[32] LOVEGROVE J,VALENCIA O,TREASURE T,et al.Monitoring the results of cardiac surgery by variable life-adjusted display[J].The Lancet,1997,9085:1128-1130.

[33] MANKTELOW B N,SEATON S E,EVANS T A.Funnel plot control limits to identify poorly performing healthcare providers when there is uncertainty in the value of the benchmark[J].Statistical Methods in Medical Research,2014,25(6):2670-2684.

[34] KUNADIAN B,DUNNING J,ROBERTS A P,et al.Funnel plots for comparing performance of PCI performing hospitals and cardiologists:Demonstration of utility using the New York hospital mortality data[J].Catheterization and Cardiovascular Interventions,2009(5):589-594.

[35] 张驰.基于马尔可夫链模型的MEWMA控制图性能分析与优化[J].西安电子科技大学学报(社会科学版),2013,23(3):37-40.

[36] MATHENY M E,OHNO-MACHADO L,RESNIC F S.Risk-adjusted sequential probability ratio test control chart methods for monitoring operator and institutional mortality rates in interventional cardiology[J].American Heart Journal,2008(1):114-120.

[37] SPIEGELHALTER D.Risk-adjusted sequential probability ratio tests:applications to Bristol,Shipman and adult cardiac surgery[J].International Journal for Quality in Health Care,2003(1):7-13.

[38] SIBANDA N.Graphical model-based O/E control chart for monitoring multiple outcomes from a multi-stage healthcare procedure[J].Statistical Methods in Medical Research,2016,25(5):2274-2293.

[39] STEINER S H,COOK R J,FAREWELL V T.Monitoring paired binary surgical outcomes using cumulative sum charts[J].Statist. Med,1999,18(1):69-86.

An overview of Control Charts for Medical Monitoring

LIANG LIJUN1, DONG FANGQI2

Quality of medical care is a survival base of hospital, and how to tighten quality control over medical care is the guarantee of medical care. To clear the research status and research direction of Medical Monitoring, numerous existing literatures on application of control charts in medical monitoring were surveyed. Through literature review and analysis, this article introduced the main characteristics and common control charts for medical monitoring, and some directions for future research were put forward.The research prospects could contribute to the development of medical monitoring strategy and provide valuable suggestions to healthcare providers.

medical monitoring; control chart; quality management

本文推荐专家：

张阳，天津商业大学，副教授，研究方向：质量管理。

崔庆安，郑州大学,教授，研究方向: 质量管理与质量工程、人工智能与统计建模。

2018-05-15

天津市哲学社会科学规划研究项目（TJGL16-013Q）。

梁丽军（1983-），女，河南台前人，博士研究生，讲师，研究方向：医院管理、药物经济、成本管理；

董方岐（1988-），男，河北新河人，博士研究生，研究方向：产品保证运营与管理。

R197.323

A

1008-472X(2018)03-0047-06