 医院质量管理必备的统计学常识：让数据说话 \* { margin: 0; padding: 0; outline: 0; } body { font-family: "PingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif; line-height: 1.6; } .\_\_page\_content\_\_ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .\_\_meta\_\_ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .\_\_meta\_\_ .nick\_name { color: #576B95; } .\_\_meta\_\_ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid #ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item\_show\_type\_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: #576B95; text-decoration: none; cursor: default; } .text\_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture\_content .picture\_item { margin-bottom: 30px; } .picture\_content .picture\_item .picture\_item\_label { text-align: center; } img { max-width: 100%; } .pay\_subscribe\_notice { margin: 30px 0; padding: 20px; background: #fffbe6; border: 1px solid #ffe58f; border-radius: 8px; } .pay\_subscribe\_badge { display: inline-block; padding: 4px 12px; background: #faad14; color: #fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay\_subscribe\_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay\_subscribe\_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .\_\_bottom-bar\_\_ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .\_\_bottom-bar\_\_ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .\_\_bottom-bar\_\_ .right { display: flex; } .\_\_bottom-bar\_\_ .sns\_opr\_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .\_\_bottom-bar\_\_ .sns\_opr\_btn:not(:last-child) { margin-right: 16px; } .\_\_bottom-bar\_\_ .sns\_opr\_btn > img { margin-right: 4px; }

医院质量管理必备的统计学常识：让数据说话

原创 Hi您好恒健知行 2026-03-09 00:00 安徽

原文地址: https://mp.weixin.qq.com/s/pxtnOgu_dmkLHgBfORys4w

===

引言

数据分析：是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律，帮助管理者进行判断和决策，以便采取适当策略与行动。

┌─────────────────────────────────────────────────────────────────┐ │ 数据分析的价值 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 杂乱数据 ──→ 规律提炼 ──→ 决策支持 │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ • 病例数据 • 找出规律 • 改进方向 │ │ • 质控指标 • 发现问题 • 优化策略 │ │ • 满意度调查 • 预测趋势 • 循证决策 │ │ │ └─────────────────────────────────────────────────────────────────┘

一、统计学在质量管理中的作用

1.1 三种统计类型的核心价值

统计类型

核心问题

示例指标

主要作用

描述性统计

发生了什么？

感染发生率、差错率

客观反映质量现状

分析性统计

为什么会发生？

手术时间与并发症关系

发现质量问题规律

推断性统计

接下来会怎样？

抽样评估病历质量

推断总体特征

1.2 统计学的三大作用图解

┌─────────────────────────────────────────────────────────────────┐ │ 统计学三大作用 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────────────┐ ┌──────────────────┐ │ │ │ 描述性统计 │ │ 分析性统计 │ │ │ │ │ │ │ │ │ │ 📊 发生了什么？ │ │ 🔍 为什么会发生？│ │ │ │ │ │ │ │ │ │ • 发生率 │ │ • 相关性分析 │ │ │ │ • 构成比 │ │ • 差异分析 │ │ │ │ • 平均值 │ │ • 回归分析 │ │ │ └────────┬─────────┘ └────────┬─────────┘ │ │ │ │ │ │ ▼ ▼ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 推断性统计 │ │ │ │ │ │ │ │ 📈 接下来会怎样？ │ │ │ │ │ │ │ │ • 趋势预测 • 总体推断 • 效果评估 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

1.3 分析性统计示例

示例1：手术时间与并发症关系

┌─────────────────────────────────────────────────────────────────┐ │ 散点图：手术时间与并发症发生率 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 并 │ │ │ 发 │ ● ● │ │ 症 │ ● ● ● │ │ 率 │● ● ● ● │ │ │──────────────────────────────────────────→ │ │ 1 2 3 4 5 6 手术时间(小时) │ │ │ │ 📌 解读：手术时间越长，并发症发生率越高（正相关） │ │ │ └─────────────────────────────────────────────────────────────────┘

示例2：抽样调查推断总体质量

┌─────────────────────────────────────────────────────────────────┐ │ 推断性统计：抽样调查推断总体质量 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────────────────────────────────────────┐ │ │ │ │ │ │ │ 抽样 200 份 │ │ │ │ ─────────────→ 推断 10000 份 │ │ │ │ 病历样本病历总体质量 │ │ │ │ │ │ │ │ ┌─────────────────────────────────┐ │ │ │ │ │ 95% 置信度 │ │ │ │ │ │ 误差范围 ±3% │ │ │ │ │ │ │ │ │ │ │ │ 样本合格率 = 92% │ │ │ │ │ │ → 总体合格率 89%-95% │ │ │ │ │ └─────────────────────────────────┘ │ │ │ │ │ │ │ └──────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

二、常用的质量管理统计工具

工具一览图

┌─────────────────────────────────────────────────────────────────┐ │ 四大质量管理统计工具 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 控制图 │ │ 柏拉图 │ │ 散点图 │ │ │ │ Process │ │ Pareto │ │ Scatter │ │ │ │ │ │ │ │ │ │ │ │ 监测过程 │ │ 识别主要 │ │ 分析相关 │ │ │ │ 稳定性 │ │ 问题 │ │ 性 │ │ │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ 及时发现异常确定改进优先了解因素关联 │ │ │ │ ┌─────────────────────────────────────────────────────┐ │ │ │ 因果图（鱼骨图） │ │ │ │ Cause & Effect │ │ │ │ │ │ │ │ 系统分析原因 │ │ │ └─────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

2.1 控制图——监测过程稳定性

什么是控制图？

┌─────────────────────────────────────────────────────────────────┐ │ 控制图图解 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 百 │─────────────────── UCL (控制上限) │ │ 分 │ ● ● │ │ 比 │ ● ────── CL (中心线) │ │ │ ● │ │ │ │─────────────────── LCL (控制下限) │ │ 1月 2月 3月 4月 5月 6月 │ │ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 控制图解读 │ │ │ ├─────────────────────────────────────────────────────────┤ │ │ │ │ │ │ │ ✅ 正常情况： │ │ │ │ • 数据点在控制限内随机分布 │ │ │ │ • 没有连续7点在均值一侧 │ │ │ │ • 没有连续7点上升或下降 │ │ │ │ │ │ │ │ ❌ 异常信号： │ │ │ │ • 点超出控制上限或下限 │ │ │ │ • 连续7点偏向一侧 │ │ │ │ • 连续7点上升或下降 │ │ │ │ • 点呈现周期性波动 │ │ │ │ │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

控制图类型选择

图类型

适用场景

举例

X̄-R控制图

计量数据

血压、体温、住院天数

X̄-S控制图

样本量较大的计量数据

检验指标

p控制图

不合格品率

病历合格率

c控制图

缺陷数

手术并发症数

u控制图

单位缺陷数

每床位感染数

实际应用示例

┌─────────────────────────────────────────────────────────────────┐ │ 某科室月度感染率控制图 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ % │────────── UCL(4%) ────────── │ │ │ ● ● │ │ 3% │────●───── CL(2%) ────── │ │ │ ● │ │ │ 2% │────────── LCL(0%) ────────── │ │ │ 1月 2月 3月 4月 5月 6月 │ │ │ │ 📌 分析： │ │ • 3月感染率超出上限，需及时分析原因 │ │ • 4月采取措施后，感染率回落至正常范围 │ │ │ └─────────────────────────────────────────────────────────────────┘

2.2 柏拉图——识别主要问题

什么是柏拉图？

┌─────────────────────────────────────────────────────────────────┐ │ 柏拉图图解 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 100%│ ●━━━ 累计百分比 │ │ │ ● │ │ 80%│ ● │ │ │ │ ● ● │ │ │ 60%│ ● ● │ │ │ │ ● ●───│ │ │ 40%│ ●──── │ │ │ │ ● │ │ │ 20%│ ● │ │ │ │────────────────│──────────────────────────────────── │ │ 0% 拿错药剂量错误用错患者用药途径其他 │ │ 差错类型 │ │ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 二八法则（80/20法则） │ │ │ ├─────────────────────────────────────────────────────────┤ │ │ │ │ │ │ │ 80%的问题往往来自20%的原因 │ │ │ │ │ │ │ │ 本例中： │ │ │ │ • 拿错药(45%) + 剂量错误(30%) + 用错患者(15%) │ │ │ │ • = 90% │ │ │ │ • → 重点改进这3类问题可解决90%的差错 │ │ │ │ │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

柏拉图制作步骤

┌─────────────────────────────────────────────────────────────────┐ │ 柏拉图制作步骤 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 步骤1：收集数据 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 收集一段时间内的问题数据，如药品差错记录 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ ↓ │ │ 步骤2：统计频次 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 按问题类型统计发生次数，计算百分比 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ ↓ │ │ 步骤3：排序绘图 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 按频次从大到小排序，绘制柱状图和累计曲线 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ ↓ │ │ 步骤4：分析重点 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 找出累计占比80%的问题，确定优先改进方向 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

2.3 因果图——分析问题原因

什么是因果图（鱼骨图）？

┌─────────────────────────────────────────────────────────────────┐ │ 因果图（鱼骨图）图解 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ │ │ │ 药品差错 │ │ │ └──────┬──────┘ │ │ │ │ │ ┌──────────┬───────┼───────┬──────────┐ │ │ ▼ ▼ ▼ ▼ ▼ │ │ ┌────────┐ ┌─────┐ ┌─────┐ ┌─────┐ ┌────────┐ │ │ │ 人员 │ │ 机器│ │ 方法│ │ 材料│ │ 环境 │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │•疲劳 │ │•设备│ │•流程│ │•药品│ │•噪音 │ │ │ │•新手 │ │ 老化│ │ 缺陷│ │ 包装│ │•干扰 │ │ │ │•核对 │ │ │ │ 不严│ │ 相似│ │•光线 │ │ │ │ 不严 │ │ │ │ │ │ │ │ 不足 │ │ │ │•责任 │ │ │ │ │ │ │ │ │ │ │ │ 心不强 │ │ │ │ │ │ │ │ │ │ │ └────────┘ └─────┘ └─────┘ └─────┘ └────────┘ │ │ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 原因分析要点： │ │ │ │ 1. 从人、机、料、法、环、测六个方面分析 │ │ │ │ 2. 避免只找个人原因，要关注系统问题 │ │ │ │ 3. 追根溯源，找到根本原因 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

人机料法环测详解

要素

含义

药品差错示例

人

人员因素

疲劳操作、新手、核对不严

机

设备因素

设备老化、系统故障

方法

管理流程

流程缺陷、制度不完善

材料

物资因素

药品包装相似、标签不清

环境

工作环境

噪音干扰、光线不足

测量

监测因素

核对不严、监督不到位

2.4 散点图——分析相关性

散点图图解

┌─────────────────────────────────────────────────────────────────┐ │ 散点图图解 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 【示例一：负相关】 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 满意度│ │ │ │ │ (%) │ ● ● │ │ │ │ 100│ ● ● ● │ │ │ │ 80│ ● ● ● │ │ │ │ 60│ ● ● │ │ │ │ 40│● │ │ │ │ 20│ │ │ │ │ 0└─────────────────────────────────────────────→ │ │ │ │ 0 30 60 90 120 等待时间(分钟) │ │ │ │ │ │ │ │ 结论：等待时间越长，满意度越低（负相关） │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ │ 【示例二：正相关】 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 并发 │ │ │ │ │ 症率 │ ● ● │ │ │ │ (%):│ ● ● ● │ │ │ │ │● ● ● ● │ │ │ │ │──────────────────────────────────────────→ │ │ │ │ │ 手术时间(小时) │ │ │ │ │ │ │ │ 结论：手术时间越长，并发症发生率越高（正相关） │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ │ 【示例三：无相关】 │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 指标B│ ● ● ● │ │ │ │ │ ● ● ● ● ● ● │ │ │ │ │ ● ● ● ● ● │ │ │ │ │──────────────────────────────────────────→ │ │ │ │ │ 指标A │ │ │ │ │ │ │ │ 结论：无明显相关关系 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

三、统计学应用的实际案例

案例：药品差错管理分析

3.1 数据采集表设计

┌─────────────────────────────────────────────────────────────────┐ │ 【数据采集表】药品调配差错登记表 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 项目 │ 选项 │ │ │ ├──────────────┼──────────────────────────────────────────┤ │ │ │ 差错日期 │ 2024年X月X日 │ │ │ │ 差错类型 │ ①拿错药 ②剂量错误 ③用错患者 ④其他 │ │ │ │ 差错原因 │ ①疲劳操作 ②核对不严 ③新手经验 ④其他 │ │ │ │ 当事人 │ ①药剂人员 ②实习生 ③其他 │ │ │ │ 患者影响 │ ①无影响 ②轻微影响 ③严重后果 │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

3.2 数据分析结果

一、差错类型分布（柏拉图）

┌─────────────────────────────────────────────────────────────────┐ │ 柏拉图：差错类型分布 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 100%│ ●━━━ │ │ 80%│ ● │ │ │ 60%│ ● ● │ │ │ 40%│ ● ● ● │ │ │ 20%│ ● ● ● ● │ │ │ 0%│──────────────────────────│───────────────────────── │ │ 拿错药剂量错误用药途径其他 │ │ │ │ 📊 数据解读： │ │ • 拿错药占45%，剂量错误占30%，合计占75% │ │ • → 重点改进这2类问题可解决75%的差错 │ │ │ ├─────────────────────────────────────────────────────────────────┤ │ 差错原因分布 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 40%│ ████████████████████████ 疲劳操作 │ │ 30%│ ██████████████████ 核对不严 │ │ 20%│ ████████████ 新手经验不足 │ │ 10%│ ████████ 其他 │ │ │ │ 📊 数据解读： │ │ • 疲劳操作和核对不严是主要原因（占70%） │ │ • → 减少疲劳、严格执行核对是改进重点 │ │ │ ├─────────────────────────────────────────────────────────────────┤ │ 按人员类别统计 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 70%│ ████████████████████████████████ 药剂人员 │ │ 25%│ ██████████████████ 实习生 │ │ 5%│ ████ 其他 │ │ │ │ 📊 数据解读： │ │ • 药剂人员是主要发生人群（占70%） │ │ • → 加强药剂人员培训、实习生带教是关键 │ │ │ └─────────────────────────────────────────────────────────────────┘

3.3 改进措施制定

┌─────────────────────────────────────────────────────────────────┐ │ 改进措施计划表 │ ├──────────────────────┬──────────────────┬──────────────────────┤ │ 问题 │ 改进措施 │ 责任人 │ 完成时间│ ├──────────────────────┼──────────────────┼──────────────────────┤ │ 拿错药多 │ 药品分类摆放 │ 药剂科主任│ 3月底 │ │ (45%) │ 相似药品分开 │ │ │ ├──────────────────────┼──────────────────┼──────────────────────┤ │ 疲劳操作 │ 合理排班 │ 护士长 │ 2月底 │ │ (40%) │ 增加复核环节 │ │ │ ├──────────────────────┼──────────────────┼──────────────────────┤ │ 核对不严 │ 实行双人核对制度 │全体药剂人员│ 即日起 │ │ (30%) │ │ │ │ ├──────────────────────┼──────────────────┼──────────────────────┤ │ 新手不足 │ 加强岗前培训 │ 教学组长 │ 1月底 │ │ (25%) │ │ │ │ └──────────────────────┴──────────────────┴──────────────────────┘

四、质量管理人员的统计学素养

┌─────────────────────────────────────────────────────────────────┐ │ 质量管理人员的统计学素养 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 数据采集 │ → │ 数据分析 │ → │ 决策支持 │ │ │ │ │ │ │ │ │ │ │ │ 真实性 │ │ 统计工具 │ │ 科学性 │ │ │ │ 完整性 │ │ 图表可视化 │ │ 有效性 │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ │ ════════════════════════════════════════════════════════ │ │ │ │ 核心能力： │ │ ════════════════════════════════════════════════════════ │ │ │ │ ✅ 会采集数据 ✅ 会分析数据 ✅ 会用数据说话 │ │ │ │ 工具掌握： │ │ ════════════════════════════════════════════════════════ │ │ │ │ 📊 控制图 → 监测过程稳定性 │ │ 📈 柏拉图 → 识别主要问题 │ │ 🔍 因果图 → 分析问题原因 │ │ 📉 散点图 → 分析相关性 │ │ │ └─────────────────────────────────────────────────────────────────┘

结语

统计学是质量管理的重要工具。掌握基本的统计学常识，学会用数据说话，能够帮助我们更科学地分析问题、更客观地评价效果、更有效地持续改进。

┌─────────────────────────────────────────────────────────────────┐ │ 核心要点总结 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 以数据 │ │ 以工具 │ │ 以改进 │ │ │ │ 为基础 │ + │ 为支撑 │ + │ 为目标 │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ │ ↓ │ │ 质量管理的科学化 │ │ │ └─────────────────────────────────────────────────────────────────┘

恒健知行

![](data:image/svg+xml,%3Csvg xmlns=‘http://www.w3.org/2000/svg' width=‘24’ height=‘24’ viewBox=‘0 0 24 24’%3E%3C!– Icon from Lucide by Lucide Contributors - https://github.com/lucide-icons/lucide/blob/main/LICENSE –%3E%3Cg fill=‘none’ stroke=’%23888888’ stroke-linecap=‘round’ stroke-linejoin=‘round’ stroke-width=‘2’%3E%3Cpath d=‘M2.062 12.348a1 1 0 0 1 0-.696a10.75 10.75 0 0 1 19.876 0a1 1 0 0 1 0 .696a10.75 10.75 0 0 1-19.876 0’/%3E%3Ccircle cx=‘12’ cy=‘12’ r=‘3’/%3E%3C/g%3E%3C/svg%3E) 阅读![](data:image/svg+xml,%3Csvg width=‘25’ height=‘24’ viewBox=‘0 0 25 24’ fill=‘none’ xmlns=‘http://www.w3.org/2000/svg'%3E%3Cpath fill-rule=‘evenodd’ clip-rule=‘evenodd’ d=‘M16.154 6.797l-.177 2.758h4.009c1.346 0 2.359 1.385 2.155 2.763l-.026.148-1.429 6.743c-.212.993-1.02 1.713-1.977 1.783l-.152.006-13.707-.006c-.553 0-1-.448-1-1v-8.58a1 1 0 0 1 1-1h2.44l1.263-.03.417-.018.168-.015.028-.005c1.355-.315 2.39-2.406 2.58-4.276l.01-.16.022-.572.022-.276c.074-.707.3-1.54 1.08-1.883 2.054-.9 3.387 1.835 3.274 3.62zm-2.791-2.52c-.16.07-.282.294-.345.713l-.022.167-.019.224-.023.604-.014.204c-.253 2.486-1.615 4.885-3.502 5.324l-.097.018-.204.023-.181.012-.256.01v8.218l9.813.004.11-.003c.381-.028.72-.304.855-.709l.034-.125 1.422-6.708.02-.11c.099-.668-.354-1.308-.87-1.381l-.098-.007h-5.289l.26-4.033c.09-1.449-.864-2.766-1.594-2.446zM7.5 11.606l-.21.005-2.241-.001v8.181l2.45.001v-8.186z’ fill=’%23000’/%3E%3C/svg%3E) 赞 ![](data:image/svg+xml;charset=utf8,%3Csvg xmlns=‘http://www.w3.org/2000/svg' width=‘24’ height=‘24’ viewBox=‘0 0 24 24’%3E %3Cg fill=‘none’ fill-rule=‘evenodd’%3E %3Cpath d=‘M0 0h24v24H0z’/%3E %3Cpath fill=’%23576B95’ d=‘M13.707 3.288l7.171 7.103a1 1 0 0 1 .09 1.32l-.09.1-7.17 7.104a1 1 0 0 1-1.705-.71v-3.283c-2.338.188-5.752 1.57-7.527 5.9-.295.72-1.02.713-1.177-.22-1.246-7.38 2.952-12.387 8.704-13.294v-3.31a1 1 0 0 1 1.704-.71zm-.504 5.046l-1.013.16c-4.825.76-7.976 4.52-7.907 9.759l.007.287c1.594-2.613 4.268-4.45 7.332-4.787l1.581-.132v4.103l6.688-6.623-6.688-6.623v3.856z’/%3E %3C/g%3E%3C/svg%3E) 分享 ![](data:image/svg+xml;charset=utf8,%3Csvg xmlns=‘http://www.w3.org/2000/svg' xmlns:xlink=‘http://www.w3.org/1999/xlink' width=‘24’ height=‘24’ viewBox=‘0 0 24 24’%3E %3Cdefs%3E %3Cpath id=‘a62bde5b-af55-42c8-87f2-e10e8a48baa0-a’ d=‘M0 0h24v24H0z’/%3E %3C/defs%3E %3Cg fill=‘none’ fill-rule=‘evenodd’%3E %3Cmask id=‘a62bde5b-af55-42c8-87f2-e10e8a48baa0-b’ fill=’%23fff’%3E %3Cuse xlink:href=’%23a62bde5b-af55-42c8-87f2-e10e8a48baa0-a’/%3E %3C/mask%3E %3Cg mask=‘url(%23a62bde5b-af55-42c8-87f2-e10e8a48baa0-b)’%3E %3Cg transform=‘translate(0 -2.349)’%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=’%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ![](data:image/svg+xml,%3Csvg width=‘25’ height=‘24’ viewBox=‘0 0 25 24’ fill=‘none’ xmlns=‘http://www.w3.org/2000/svg'%3E%3Cpath d=‘M22.242 7a2.5 2.5 0 0 0-2.5-2.5h-14a2.5 2.5 0 0 0-2.5 2.5v8.5a2.5 2.5 0 0 0 2.5 2.5h2.5v1.59a1 1 0 0 0 1.707.7l1-1a.569.569 0 0 0 .034-.03l1.273-1.273a.6.6 0 0 0-.8-.892v-.006L9.441 19.1l.001-2.3h-3.7l-.133-.007A1.3 1.3 0 0 1 4.442 15.5V7l.007-.133A1.3 1.3 0 0 1 5.742 5.7h14l.133.007A1.3 1.3 0 0 1 21.042 7v4.887a.6.6 0 1 0 1.2 0V7z’ fill=’%23000’ fill-opacity=’.9’/%3E%3Crect x=‘14.625’ y=‘16.686’ width=‘7’ height=‘1.2’ rx=’.6’ fill=’%23000’ fill-opacity=’.9’/%3E%3Crect x=‘18.725’ y=‘13.786’ width=‘7’ height=‘1.2’ rx=’.6’ transform=‘rotate(90 18.725 13.786)’ fill=’%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言

医院质量管理必备的统计学常识：让数据说话#

引言#

一、统计学在质量管理中的作用#

1.1 三种统计类型的核心价值#

1.2 统计学的三大作用图解#

1.3 分析性统计示例#

示例1：手术时间与并发症关系#

示例2：抽样调查推断总体质量#

二、常用的质量管理统计工具#

工具一览图#

2.1 控制图——监测过程稳定性#

什么是控制图？#

控制图类型选择#

实际应用示例#

2.2 柏拉图——识别主要问题#

什么是柏拉图？#

柏拉图制作步骤#

2.3 因果图——分析问题原因#

什么是因果图（鱼骨图）？#

人机料法环测详解#

2.4 散点图——分析相关性#

散点图图解#

三、统计学应用的实际案例#

案例：药品差错管理分析#

3.1 数据采集表设计#

3.2 数据分析结果#

3.3 改进措施制定#

四、质量管理人员的统计学素养#

结语#