Page 17 - 《中国药房》2024年19期
P. 17

2.2 DMDC模型的构建和实践结果                                 保持在一个稳定的状态,无显著的波动或持续性的
              针对全院、门诊药房和住院药房的重点监控药品品                         偏移。
          种建立 DMDC 模型,建模的总体情况见表 3。由表 3 可                        8×10 5                                  UCL δ=3.50
                                                                                                        UCL δ=3.25
          知,部分药品品种不能建立模型,其原因是这些药品品                            月度用量/mg  6×10 5 5                         UCL δ=3.00
                                                                4×10
                                                                                                        CL
          种在统计时间段内,具有“非零销量的月份数量未达到                              2×10 5
                                                                  0                                     LCL
          至少16个”的阈值要求。剔除这部分药品后,全院、门诊
          药房和住院药房的建模成功品种数占比分别为90.40%、                                2022年1月  2022年4月  2022年7月  2022年10月  2023年1月  2023年4月  2023年7月  2023年10月  2024年1月  2024年4月
          88.55%和88.66%。                                                          A. X控制图
           表3 重点监控药品品种DMDC模型的构建情况(个)                            5×10 5                                  UCL
          监测范围   重点监控药品品种总数  不能建模的品种数  a  建模失败的品种数 建模成功的品种数   月度用量/mg  4×10 5 5
                                                                3×10
          全院         203           5      19        179         2×10 5 5                                CL
                                                                1×10
          门诊药房       167         36       15        116           0
          住院药房       200           6      22        172
             a:不能建模的品种是指非零销量的月度个数小于16的品种。                            2022年1月  2022年4月  2022年7月  2022年10月  2023年1月  2023年4月  2023年7月  2023年10月  2024年1月  2024年4月
              为了评估所建模型的实践效果,应用建立的 467 个
                                                                                  B. MR控制图
          模型监测 2024 年 1-4 月的重点监测药品品种月度用                        5.0×10 5                                 UCL
          量,统计结果见表4。比较3个控制图的警示次数,可发                           月度用量/mg  4.5×10 5 5                       CL
                                                               4.0×10
          现 EWMA 控制图提示次数最多,其次是 X 控制图, MR                       3.5×10 5 5                               LCL
                                                               3.0×10
                                                               2.5×10 5
          控制图最少。这表明所建 DMDC 模型对药品品种月度
          用量的偏移趋势最为敏感,而对用量波动较为迟钝。由                                   2022年1月  2022年4月  2022年7月  2022年10月  2023年1月  2023年4月  2023年7月  2023年10月  2024年1月  2024年4月
          于 DMDC 模型是从 3 个维度监测药品品种月度用量稳                                           C. EWMA控制图
          定性,因而上述4个月内累计的警示品种数较多。                                注:虚线左侧为建模阶段的结果,虚线右侧为实践阶段结果。
           表4 DMDC模型在2024年1-4月的实践结果统计                           图1 全院瑞舒伐他汀用量的DMDC模型控制图
                                         警示次数                2.3.2 门诊药房和住院药房美托洛尔的用量监测
          监测范围      警示品种数/个
                               X控制图     MR控制图    EWMA控制图
          全院           54       36       21        53            美托洛尔是一种选择性β1受体阻断剂,常用于高血
          门诊药房         32       21       14        28        压等心血管相关疾病的治疗。本研究以门诊药房和住
          住院药房         62       41       31        51
                                                             院药房美托洛尔的用量监测为例,阐明门诊和住院患者
          2.3 DMDC模型的应用案例                                    的美托洛尔用药差异性,从而需要对其分别监测。针对
          2.3.1 全院瑞舒伐他汀的用量监测                                 门诊药房美托洛尔用量的建模共涉及4个品规和5个产
              瑞舒伐他汀是一种常用的他汀类降脂药物,本研究                         品,合并为品种时的计量单位设置为mg。图2的虚线左
          以全院瑞舒伐他汀的用量监测为例,介绍DMDC模型对                          侧为建立的门诊药房美托洛尔 DMDC 模型。由图 2 可
          月度用量稳定药品品种的监测实践效果(图1)。本次建                          以看到, X 控制图虚线左侧所有数据点均介于 UCL 和
          模涉及瑞舒伐他汀的 2 个品规和 3 个产品,将其合并为                       LCL之间,并在CL上下波动,表明门诊药房美托洛尔的
          单个品种时,计量单位设置为mg。图1的虚线左侧展示                          月度用量呈随机状态。MR 控制图提示,门诊药房美托
          了建立的瑞舒伐他汀DMDC模型。从X控制图来看,所                          洛尔在 2023 年 2 月的用量波动较大。但根据“1.4.1”项
          有的数据点均位于 UCL 和 LCL 之间,并且紧密围绕着                      下建立的离异值剔除规则,仅MR控制图在建模阶段提
          CL 上下波动,表明瑞舒伐他汀的月度用量具有良好的                          示的离异值应保留在模型中,因此2023年2月的月度用
          随机性。进一步观察MR控制图,可以看到各数据点均                           量不予剔除。EWMA控制图显示,门诊药房美托洛尔的
          处于UCL以下,表明在2022-2023年,瑞舒伐他汀的月                      用量处于稳定状态。图2的虚线右侧展现了门诊药房美
          度消耗量波动幅度并不显著,表现出相对稳定的消耗趋                           托洛尔的 DMDC 模型实践结果,各数据点均在控制界
          势。最后,对于EWMA控制图的数据点,同样可以观察                          内,说明该段时间内门诊药房的美托洛尔用量与过往用
          到其分布在 UCL 和 LCL 之间,且紧密地围绕着 CL 波                    量无明显差异。但EWMA控制图显示,2024年4月的数
          动,这说明瑞舒伐他汀的用量处于稳定状态,并未出现                           据点已靠近UCL,这提示下个月(2024年5月)门诊药房
          明显的持续性偏移。图1虚线右侧呈现了全院瑞舒伐他                           的美托洛尔用量可能会存在显著持续偏移。
          汀的DMDC模型实践结果。可以看到,3张控制图的数                              图 3 为住院药房美托洛尔的 DMDC 初步模型。从
          据点均处于控制界限之内,表明全院瑞舒伐他汀的用量                           X控制图可以看到,2022年住院药房美托洛尔的各月度


          中国药房  2024年第35卷第19期                                              China Pharmacy  2024 Vol. 35  No. 19    · 2331 ·
   12   13   14   15   16   17   18   19   20   21   22