《複雜醫療保健數據的統計推斷和過程控制》是依託四川師範大學，由劉瀏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：複雜醫療保健數據的統計推斷和過程控制
- 項目類別：青年科學基金項目
- 項目負責人：劉瀏
- 依託單位：四川師範大學
項目摘要,結題摘要,
項目摘要
醫療保健數據的質量監控問題在統計過程控制（SPC）領域日益受到重視。傳統SPC技術一般是基於簡單低維數據及工業背景假設來進行設計。本項目研究的目標是針對一些高維、複雜、過度散布的醫療保健數據，發展相應的SPC新方法及軟體包。研究內容將集中在如下三個方面：（1）高維醫療保健數據的SPC監控及診斷方案：針對這類數據，提出某些具有稀疏性質的充分降維方法，並與傳統的多元SPC方法及現代參數、非參數統計方法相結合，進一步提出一些能夠自動識別超高維數據飄移方向並快速有效實施的序貫檢驗診斷方法，提高傳統多元SPC方法的檢驗和診斷效率；（2）複雜醫療保健數據的風險調整建模及其監控和診斷方法：基於目標的Parsonnet score，提出某些帶有風險調整因子的混合效應模型，並利用拉普拉斯逼近及Score檢驗構造統計量，對此模型進行有效的監控和診斷；（3）偏大離差醫療保健數據的建模及其SPC監控和診斷方案。
結題摘要
在本項目的資助下，我們對複雜醫療保健數據的統計推斷與質量控制進行了一系列的研究。研究內容和結果包括：（1）在廣義線性混合模型的框架下，提出了一個新的同時監控均值和方差的控制圖。使用了一個帶權重的權重Score檢驗統計量構造EWMA控制圖。這個方法可以用來監控手術質量。模擬結果顯示這個方法比現有的包括RA-CUSUM在內的方法對手術數據的監控更有效。最後針對香港醫管局所屬的香港13家公立醫院的手術數據，進行了一系列的實例分析；（2）提出了一個帶VSI的非參數CUSUM控制圖監控位置參數的區間漂移。這個控制圖具有動態自適應、自啟動、次序秩非參等性質，可以同時監控各種大小的漂移；（3）提出了一個有效的監控風險調整數據的方法用來監控手術質量。通過套用這個方法到SOMIP，我們發現這個方法不僅給醫生，麻醉師，重病監護室提供了有用信息，而且可以幫助HA評估手術效果和進一步改進手術質量；（4）提供了一個帶馬爾可夫均值估計量的非參數自適應CUSUM控制圖用於檢測位置參數的秩序漂移；（5）提供了一個帶VSI的自適應二階段非參數EWMA控制圖用於監控位置參數的區間漂移。此控制圖是自適應的並且帶有VSI技術，可以提高效率；（6）發展了一個基於多元Smirnov檢驗的穩健的自啟動多元程式，它整合了基於多元邊緣分布函式的多元兩樣本擬合優度檢驗和變點模型。和期望一樣，模擬結果顯示此控制圖對非常態分配數據很穩健，並且對過程漂移，尤其是大漂移很有效；（7）提供了一個基於次序秩的雙非參數CUSUM控制圖用於監控任意大小的位置參數漂移；（8）提供了一個基於次序秩的自適應非參數CUSUM控制圖監控位置參數的區間漂移。
