医院要尽量减少的一个关键指标是手术并发症比例，即表示手术后出现不良后果的百分比，微创手术的这一比例较低，而高风险手术则较高。
这个数字不仅因手术类型而异，而且由于技能的专业性质，各外科医生之间也有所不同。许多其他因素也会影响该数字，因此医院在分析个人绩效之前，必须尽可能排除环境或外部因素。
手术室布置是否会造成并发症？
手术后，外科医生经常被问及手术布置是否完全符合他或她的预期。问这个问题的目的有两个：首先，外科医生的时间宝贵且有限，因此正确布置手术室可以节省他们的时间，其次，没有在外科医生需要的地方准备好手术所需的工具可能会导致延误，从而可能导致对患者产生不良后果。
例如手术灯。在手术室提供适当的照明至关重要，这样外科医生才能清楚地看到他们在做什么。如果灯的位置不正确，或者灯的强度或焦点有问题，可能会严重损害外科医生安全准确做手术的能力。理论上，这可能会导致手术期间或手术后出现并发症。
在我们的场景中，我们决定收集三个不同外科医生两个月的手术数据。我们记录了外科医生是否明确表示所有布置均正确。然后，我们看在术后 30 天内，每名患者是否至少记录了一种并发症。
最终，我们想看原假设是否正确；我们假设手术室布置和患者并发症之间存在相关性，并且我们想证明两个结果之间存在统计意义上的显著差异，而此差异不能通过偶然的方式进行解释。显然，由于我们收集的数据有限，我们无法证明因果关系，但证明相关性可能是实现持续改进的有力起点。
我们在 Minitab Statistical Software 中输入了 105 例手术的数据，并且执行了相关性的卡方检验。我们之所以选择使用卡方而不是方差分析，是因为结果是二元结果：“是，有并发症”或“否，没有并发症”，数据并不连续。下面是 Minitab 产生的结果：
如果 p 值小于 0.001，则可以肯定地得出结论，并发症比例与手术室布置之间确实存在相关性。看百分比分布图，您会看到平均有 64% 的手术不会导致任何类型的并发症。如果我们的原假设不正确，我们将看到“正确”和“不正确”条形图遵循相同的模式，但它们显然没有。相应地，对于手术室布置正确的手术，出现并发症的比例要低得多。
此外，在观测到的计数和预期计数之间的百分比差异中，可以在图表的不正确布置部分看到一条长长的红色条。这表明，当手术室布置不正确时，并发症的发生次数超出预期。
此外，Minitab 还为此分析生成了诊断报告和报告卡：
报告卡确认此分析确实有效，可以自信地将其用于证明相关性，因为所有样本都足够大，可以获得足够的预期计数——这对统计人员和非统计人员来说都很容易理解。我们可以自信地得出结论：我们的 p 值正确。
数据驱动的相关性可以带来改进机会
现在，我们有了开始进行数据驱动型改进所需的数据。可以肯定地说，在这一场景中，改进手术室的布置可能会降低出现并发症的比例，从而改善患者结果。同样，虽然此检验未显示因果关系，但与我们数据的关联非常强。
借助这些数据，医院便可以使用 Minitab Engage 构思、跟踪、管理和实施改进项目。领导者可以衡量某些手术技术团队的有效性，并集思广益，想出新的方法来改进手术室的布置，这不仅可以保护带宽和时间，还可以为患者带来更好的结果并提高患者满意度。
此外，如果您想进一步分析，可以利用 Minitab 预测分析模块中的 Minitab 自动化机器学习来衡量多个不同变量对并发症比例的影响。这可以确定应重点关注改进工作的其他领域。
最终，进行这些改进会导致网络中患者的并发症比例降低，从而产生有益于所有参与者的积极结果。