复杂医疗保健数据的统计推断和过程控制

Statistical process control (SPC) for effective detection of the medical and health-care data has increasingly attracted SPC researchers' attention. Most conventional SPC technologies are designed based on simple, low-dimension data and the industrial background. The central idea of the proposed research is to develop some new methodologies and software packages for high-dimension, complex and overdispersed data in medical and health-care area. This proposed research includes the following three research contents: (1) SPC monitoring and diagnostic methods for high-dimension medical and health-care data. Some sparse sufficient dimensional reduction (SSDR) method would be proposed for these data. Then, some automatic and efficient sequential diagnostic methods would be proposed for the data shifts via the combination of modern parametric or nonparametric statistical methods, traditional multivariate SPC methods and the above SSDR method. This would develop the monitoring and diagnostic efficiency of the conventional multivariate SPC methods; (2) Modeling, monitoring and diagnosing for risk-adjusted complex data. Some risk-adjusted mixed models would be proposed based on Parsonnet sore and some statistics would be constructed by score test and Laplace approximation to efficiently monitor and diagnore this model; (3) Modeling, monitoring and diagnosing for overdispersed data.

医疗保健数据的质量监控问题在统计过程控制（SPC）领域日益受到重视。传统SPC技术一般是基于简单低维数据及工业背景假设来进行设计。本项目研究的目标是针对一些高维、复杂、过度散布的医疗保健数据，发展相应的SPC新方法及软件包。研究内容将集中在如下三个方面：（1）高维医疗保健数据的SPC监控及诊断方案：针对这类数据，提出某些具有稀疏性质的充分降维方法，并与传统的多元SPC方法及现代参数、非参数统计方法相结合，进一步提出一些能够自动识别超高维数据飘移方向并快速有效实施的序贯检验诊断方法，提高传统多元SPC方法的检验和诊断效率；（2）复杂医疗保健数据的风险调整建模及其监控和诊断方法：基于目标的Parsonnet score，提出某些带有风险调整因子的混合效应模型，并利用拉普拉斯逼近及Score检验构造统计量，对此模型进行有效的监控和诊断；（3）偏大离差医疗保健数据的建模及其SPC监控和诊断方案。

在本项目的资助下，我们对复杂医疗保健数据的统计推断与质量控制进行了一系列的研究。研究内容和结果包括：（1）在广义线性混合模型的框架下，提出了一个新的同时监控均值和方差的控制图。使用了一个带权重的权重Score检验统计量构造EWMA控制图。这个方法可以用来监控手术质量。模拟结果显示这个方法比现有的包括RA-CUSUM在内的方法对手术数据的监控更有效。最后针对香港医管局所属的香港13家公立医院的手术数据，进行了一系列的实例分析；（2）提出了一个带VSI的非参数CUSUM控制图监控位置参数的区间漂移。这个控制图具有动态自适应、自启动、次序秩非参等性质，可以同时监控各种大小的漂移；（3）提出了一个有效的监控风险调整数据的方法用来监控手术质量。通过应用这个方法到SOMIP，我们发现这个方法不仅给医生，麻醉师，重病监护室提供了有用信息，而且可以帮助HA评估手术效果和进一步改进手术质量；（4）提供了一个带马尔可夫均值估计量的非参数自适应CUSUM控制图用于检测位置参数的秩序漂移；（5）提供了一个带VSI的自适应二阶段非参数EWMA控制图用于监控位置参数的区间漂移。此控制图是自适应的并且带有VSI技术，可以提高效率；（6）发展了一个基于多元Smirnov检验的稳健的自启动多元程序，它整合了基于多元边缘分布函数的多元两样本拟合优度检验和变点模型。和期望一样，模拟结果显示此控制图对非正态分布数据很稳健，并且对过程漂移，尤其是大漂移很有效；（7）提供了一个基于次序秩的双非参数CUSUM控制图用于监控任意大小的位置参数漂移；（8）提供了一个基于次序秩的自适应非参数CUSUM控制图监控位置参数的区间漂移。