Page 16 - 《中国药房》2024年19期

个控制图共同构成了针对各个药品品种的DMDC模型。 品品种的月度用量数据个数原本就少于16个，则该品种
（1） X 控制图： 这 是一种基于单个数据点进行实时 亦不适宜采用DMDC模型进行监测。
监 测 的 控 制 图 ，包 含 上 控 制 界（upper control limit， 1.4.2 模型的分级预警策略
UCL）、中线（center line，CL）和下控制界（lower control 当 X 控制图与 EWMA 控制图合用时，可适当扩大
[7]
limit，LCL）。本研究使用X控制图监测目录内各药品品 前者的控制界，推荐的 δ 取值为 3.25 和 3.50 。因此，可
种的月度用量X ，具体数学模型如下： 通过设置 X 控制图的参数 δ 来调整模型的监测灵敏度，
i
- -----
UCL＝X + δ MR ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （1） 进而实现药品用量监测的分级预警。X 控制图的分级
ˉ
d 预警策略见表 1。表中 X 为实践阶段的品种月度用量，
j
CL＝X ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （2） UCL为使用建模阶段数据计算得到的控制上界，下标指
ˉ
- -----
LCL＝X - δ MR ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （3） 明了使用的δ值。MR控制图和EWMA控制图未设置分
ˉ
d
n
其中，MR＝ ∑ MR /（ n - 1 ），为 MR 的算术平均 级预警功能，其警示策略见表2。当预警品种出现时，可
i = 2 i 通过分析该品种下各药品的用量变化曲线，确定引发预
[12]
值；d＝1.128，为校正因子 ； δ 通常取值为 3，遵循“3σ”
警的1个或多个具体药品。
原则。
表1 X控制图的分级预警策略
（2） MR控制图：这是一种用于监测过程变异的控制
预警等级 统计量所在区间 提示色 意义
图，包含 UCL、CL 和值为 0 的 LCL。本研究使用 MR 控 0 X j＜UCL δ＝3.00 绿 用量正常
制图监测药品品种用量的极差变化。MR控制图的统计 1 UCL δ＝3.00≤X j＜UCL δ＝3.25 黄 需留意用量
2 UCL δ＝3.25≤X j＜UCL δ＝3.50 橙 重点关注品种
量是MR ，其数学模型如下： 3 红 用量可能异常，应分析原因
i
- -----
UCL＝αMR⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （4） X j≥UCL δ＝3.50
- ----- 表2 MR控制图和EWMA控制图的警示策略
CL＝MR⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （5）
控制图类型 统计量所在区间 提示色 意义
LCL＝0 ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （6） MR MR j＜UCL MR 绿 波动正常
[7]
式中，α＝3.267，为常数 。 MR j≥UCL MR 红 相邻2个月用量差异过大
EWMA Z j＜UCL EWMA 绿 用量稳定
（3） EWMA 控制图：这是一种用于监测过程稳定性
Z j≥UCL EWMA 红 用量存在显著持续增长
的控制图。本研究使用EWMA控制图监测药品品种用
2 结果
量是否存在显著的持续偏移。EWMA 控制图的统计量
2.1 重点监控药品品种目录
是药品品种当月用量与过往用量的加权平均值，即：
2.1.1 全院重点监控药品品种目录
Z i ＝λX i + (1 - λ) Z （0＜λ＜1）⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （7） 从 HIS 导出我院 2022－2023 年的全院各药品消耗
i - 1
Z
其中， Z ＝X。统计量 Z 的期望是 E( ) ＝Z ，方差 数据，共计 1 648 条记录。经过数据前处理，得到共计
ˉ
i
0
0
i
i)
2i
[14]
Z
是 D( ) ＝σ λ[1 -(1 - λ) ]/ (2 - λ) 。D( Z 中的 σ 是总 969个药品品种。以品种销售金额降序排序并计算累计
2
2
i
n
体方差，可用样本方差s ＝ ∑ (X - X)/ (n - 1)代替。构 金额占比，结果前 198 个品种的累计金额占比恰好超过
2
ˉ 2
i = 1 i
建EWMA控制图的公式如下： 80%，具体值为 80.13%。此结果反映了药品使用中的
“二八”法则，即大约 20% 的品种贡献了约 80% 的销售
UCL＝X + δ D(Z i )⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （8）
ˉ
额。具体分析这 198 个品种，发现其中少部分品种并不
CL＝X ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （9）
ˉ
需要特别监控，具体包括氯化钠注射液、葡萄糖注射液、
LCL＝X - δ D(Z i )⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （10） 冻干人用狂犬病疫苗以及奈玛特韦片/利托那韦片组合
ˉ
其中， δ和λ为配对的参数。本研究采用广泛认可的 包装。在排除这些品种后，纳入目录的品种共计194个。
参数设置，即δ＝3、 λ＝0.2 。 列入《第一批国家重点监控合理用药药品目录》以
[7]
在模型构建阶段，可能会出现超出控制界的数据 及《第二批国家重点监控合理用药药品目录》的在院品
点。本研究仅将超出X控制图上、下控制界的数据点认 种共计32个（不同规格的复方氨基酸算作不同的品种），
定为离异值。为确保模型的可靠性，这些离异值将会从 全部被纳入目录。经过增补合并后，全院重点监控药品
数据集中剔除。随后，需利用调整后的数据集再次构建 品种目录涵盖的品种数量增至203个。
X 控制图。若仍存在离异值，则应继续执行剔除操作。 2.1.2 门诊药房和住院药房重点监控药品品种目录
以此往复，直至无离异值出现为止。如果剔除离异值后 从已确立的全院重点监控药品品种目录中筛选出
余下的数据个数不少于16个，则视为建模成功，即所建 门诊药房在库品种，形成含 167 个品种的门诊药房重点
模型可用于实践；反之，则判定该药品品种的月度用量 监控药品品种目录。采用同样的方法，得到含 200 个品
不具有稳定性，不适宜使用DMDC模型进行监测。若药 种的住院药房重点监控药品品种目录。
· 2330 · China Pharmacy 2024 Vol. 35 No. 19 中国药房 2024年第35卷第19期