數據|外科醫師 David Kashmer 善用數據協助病患

醫療保健應盡可能達到高效率與高效能。然而,醫療領域并未如其他產業嚴格地執行數據導向的質量改善方法。位在麻 塞諸塞 州 Brockton 市 Signature 醫療保健中心的外科主任 David Kashmer 醫師, 持續的將質量改善方法應用至外傷與急診手術。他也協助同業醫生學習相同的方法。
當這位精益六西格瑪的黑帶大師,首次將數據分析的概念帶進手術室時,他卻面臨到不少阻饒?!肝矣性诼?。」「這家伙真是怪人。」 「他到底是在講什么?」Kashmer 回憶起當時遇到的批評。然而,當初這些質疑他的同事們,在十年后卻都對他的方法深信不疑。Kashmer 明白,即使是最簡單的統計分析也能為病患帶來相當大的改善,而且,數據能夠證明成果。Minitab 邀請到 Kashmer分享數十年來,從被誤解、在數據中探究深意 , 直到應用 Minitab 統計軟件獲得成果的這段期間內,他點點滴滴所累積而成的洞見。
Minitab:是什么原因驅動您了解質量改善與其應用的價值?
Kashmer:在學習統計過程控制時,我便了解它的不凡之處,并且明白可以將其應用于我們每天執行的手術上。但是,真正使我產生共鳴的是,原來在醫療保健領域中,我們一 直尋尋覓覓的工具,其實早就存在,只是我們一無所知。雖是如此,這些跟我們在醫學院的所學不同,因此我們算是在重塑。
Minitab:您在手術中融入了哪些質量改善工具或技巧?
Kashmer:我應用多元回歸分析以及 Minitab 中不同的 質量工具,來了解如何能直接影響病患照護的質量。規律性的應用這些工具使我能明白品質提升的結果。舉例來說,我會查看與患者留在急診科的時間長短有顯著相關的因素,或患者有無得到傷口感染。我能夠使用我們的數據與母體進行有意義的質量提升,并且已行之有效。使用諸如 Anderson-Darling 檢驗以驗證數據集的正態性,協助團隊選擇正確的統計分析。我們可以確定這些 改變產生實質的改善,而不是 依賴直覺告訴我們成功與否。
Minitab:您認為為什么在推行質量改善與統計工具時會遭遇阻饒呢?
Kashmer:一般來說,特別是內科醫生,并沒有受過統計的訓練,因此有可能會低估統計工具價值。在醫療保健領域中,由于統計工具太復雜,將其應用于流程改善并不常見─你必須熟知所有方法,了解不同情況下所需的工具,甚至是如何正確地建立特定的表格。但是,Minitab 簡化了這些工具, 操作更加簡易,不論是建立最終回歸方程式、找出 R 平方,或是在 Gage R&R 中驗證一新 的量測工具。
用來檢驗總體,以顯示統計上是否顯著的進階工具非常強大,然而醫療保健與統計使用的語言畢竟是不同的。由于至今尚未應用于解釋醫療保健領域的決策 (決策乃根據單一基礎所呈現的數據),因此期待不高。通常在外科手術中,流程改善乃是依據獨立的個案。有些數據能被使用,然而諸如:如何計算所需的樣本大小,以及某些比例的提升或下降是否具有實質意義,這些重要的概念卻顯少被納入考慮。當外科醫師考慮到這些因素,驅動使用統計的語言─避免類型一、類型二錯誤之驅動力便消失了。我們關注能夠在何種特定情況協助單一病患。然而,當我們開始學習統計能夠如何協助我們執行改變,特別是當錯不在病患或是在明明有問題卻否認問題的存在……這些時刻更加張顯統計技巧的強大與趣味。
Minitab:應用質量改善方法的效益是否合乎您的期待?
Kashmer:Minitab所提供的工具以及統計過程控制符合我的期待,亦即十分有價值。舉例而言,理論上我們可以做些改變,再藉由數據驗證是否有顯著的改善,或是證實于特定的指標上并未能獲得顯著的改善。但是,大部分人并不這樣做。通常,在改變后,若是比例有稍微提升,我們相當高興;若 是其比我們預計的低,我們便會感到失望。若是在面板上顯示綠燈,我們樂見其成;若是紅 燈,我們則痛恨這樣的結果。然 而,運用 Minitab 中的統計過程控制工具與其他工具,能協助我們判斷到底何種改善具顯著性,并且能防止我們犯類型一、類型二錯誤。如今在醫療保健領域并未有如此的判斷標準, 因此,我們依照感覺執行改善, 期望能有益于病患,到頭來,卻只是原地踏步。其他時候,我們 并未執行足夠的改變,這也使得情況更糟。Minitab 引領著我 們,降低我們判斷改善是否成 功的不確定性,以及指引我們是否需有更多的作為。