บทความก่อนหน้านี้ของฉันได้กล่าวถึง การเริ่มต้นของโครงการพื่อเพิ่มจำนวนผู้ป่วยที่เข้าร่วมโครงการฟื้นฟูสมรรถภาพหัวใจให้มากขึ้นและไม่ออกก่อนจบโครงการ ดังที่อธิบายไว้ในบทความวิชาการของวารสาร Quality Engineering ปี 2011 ซึ่งกราฟ Pareto Chart แสดงสาเหตุที่ผู้ป่วยที่เข้าร่วมโครงการออกก่อนจบโครงการ แต่สาเหตุที่ระบุทางโรงพยาบาลไม่สามารถส่งเสริมให้ผู้ป่วยทำกายภาพบำบัดได้มากขึ้นได้ ดังนั้น ทีมงานจึงมุ่งเน้นไปที่การเพิ่มจำนวนผู้ป่วยที่เข้าร่วมโครงการจาก 32 คนเป็น 36 คนต่อเดือน
ส่วนใหญ่เสนอวิธีแก้ปัญหาหลายวิธี แต่อย่างไรก็ตาม ก่อนที่จะใช้กลยุทธ์การปรับปรุงใดๆ ทีมงานได้ตัดสินใจดูว่า ปัจจัยแต่ละปัจจัยมีอิทธิพลต่อการเข้าร่วมโครงการของผู้ป่วยอย่างไร การทำตามขั้นตอนนี้สามารถช่วยหลีกเลี่ยงการทุ่มเททรัพยากร เพื่อ “แก้ไข” ปัจจัยที่มีผลกระทบเพียงเล็กน้อยต่อผลลัพธ์
ในบทความนี้ เราจะมาดูกันว่า ทีมงานวิเคราะห์ปัจจัยแต่ละปัจจัยเหล่านี้อย่างไร เรามีข้อมูล (จำลอง) จากผู้ป่วย 500 ราย ได้แก่:
- ระยะห่างจากบ้านกับโรงพยาบาล
- เพศและอายุของผู้ป่วย
- ผู้ป่วยมีรถส่วนตัวหรือไม่
- ผู้ป่วยเข้าร่วมโครงการฟื้นฟูสมรรถภาพหรือไม่
ดาวน์โหลดชุดข้อมูล(data set) เพื่อติดตามและลองวิเคราะห์ด้วยตนเอง หากคุณยังไม่มีซอฟต์แวร์ Minitab คุณสามารถดาวน์โหลดและใช้ซอฟต์แวร์สำเร็จรูปทางสถิติของเราได้ฟรี
ทีมงานใช้สถิติและกราฟง่ายๆ เพื่อทำความเข้าใจเบื้องต้นว่า ตัวแปรต่างๆ เหล่านี้ส่งผลกระทบอย่างไรต่อผู้ป่วยที่ตัดสินใจเข้าร่วมโครงการฟื้นฟูสมรรถภาพ
พิจารณาอิทธิพลของระยะห่างจากบ้านกับโรงพยาบาล ต่อการเข้าร่วมโครงการของผู้ป่วย
ทีมงานพิจารณาอิทธิพลของระยะห่างจากบ้านกับโรงพยาบาลที่มีต่อการเข้าร่วมโครงการเป็นอันดับแรก โดยใช้กราฟ boxplot มีชื่อเรียกอีกอย่างว่า box-and-whisker diagram ซึ่งกราฟ Boxplot ช่วยให้คุณทราบถึงรูปร่างทั่วไปของข้อมูล ค่าแนวโน้มจากศูนย์กลาง และความผันแปรได้ ด้วยการดูเพียงครั้งเดียว การแสดงกราฟ Boxplot ทำให้คุณสามารถเปรียบเทียบการแจกแจงของข้อมูลระหว่างกลุ่ม รวมทั้งสามารถเปรียบเทียบค่าแนวโน้มจากศูนย์กลาง และการกระจายตัวของการแจกแจงของแต่ละกลุ่มได้อย่างง่ายดาย และพิจารณาว่าข้อมูลในแต่ละกลุ่มมีรูปแบบสมมาตรหรือไม่
ในการสร้างกราฟนี้ ให้เปิดชุดข้อมูลผู้ป่วยในซอฟต์แวร์ Minitab และไปที่เมนู Graph > Boxplot > One Y With Groups
ใน dialog box เลือกคอลัมน์ “Distance” ในช่อง graph variable และเลือกคอลัมน์ “Participation” ในช่อง categorical variable แล้วคลิก OK
โปรแกรม Minitab สร้างกราฟต่อไปนี้:
กราฟ Boxplot ระบุว่า ผู้ป่วยที่อาศัยอยู่ใกล้โรงพยาบาลมีแนวโน้มที่จะเข้าร่วมโครงการมากกว่า สิ่งนี้มีประโยชน์อย่างมากในการศึกษาต่อเกี่ยวกับความสัมพันธ์ระหว่าง ระยะห่างจากบ้านกับโรงพยาบาลและการเข้าร่วมโครงการ แต่ตัวแปร Participation เป็นตัวแปรแบบ Binary Response (ผู้ป่วยมีการเข้าร่วมหรือไม่) เราจึงไม่สามารถเห็นภาพความสัมพันธ์นั้นโดยตรงเหมือนกราฟที่ต้องใช้ตัวแปรแบบ Continuous Response
อย่างไรก็ตาม เพื่อให้เจาะลึกมากยิ่งขึ้น ทีมงานโครงการได้ทำการแบ่งผู้ป่วยออกเป็นกลุ่มตามระยะห่างจากโรงพยาบาลที่พวกเขาอาศัยอยู่ จากนั้นจึงคำนวณเปอร์เซ็นต์การเข้าร่วมของแต่ละกลุ่ม เมื่อต้องการทำเช่นนี้ ให้เลือกไปที่เมนู Data > Recode > To Text… และกรอกข้อมูลลงใน dialog box โดยใช้กลุ่มต่อไปนี้ รูปภาพด้านล่างแสดงเฉพาะห้ากลุ่มแรกจากเจ็ดกลุ่ม ดังนั้นนี่คือรายการทั้งหมด:
Group 1: 0 to 25 km
Group 2: 25 to 35 km
Group 3: 35 to 45 km
Group 4: 45 to 55 km
Group 5: 55 to 65 km
Group 6: 65 to 75 km
Group 7: 75 to 200 km
เมื่อคุณแบ่งกลุ่มข้อมูล โปรแกรม Minitab จะสร้างคอลัมน์ใหม่ของข้อมูลที่ทำการแบ่ง และให้ข้อมูลสรุปใน Session Window:
ซอฟต์แวร์ Minitab จะตั้งชื่อคอลัมน์ใหม่ของข้อมูลโดยอัตโนมัติว่า “Recoded Distance” ซึ่งฉันได้เปลี่ยนชื่อเป็น “Distance Group”
หากต้องการระบุเปอร์เซ็นต์ของการเข้าร่วมในแต่ละกลุ่ม ให้เลือกเมนู Stat > Tables > Descriptive Statistics… ใน dialog box ให้เลือกคอลัมน์ Distance Group เป็นตัวแปรสำหรับแนวแถว (Rows) และเลือกการเข้าร่วมเป็นตัวแปรสำหรับคอลัมน์ (Columns) ดังที่แสดงด้านล่าง จากนั้นคลิกไปที่ปุ่ม Categorical Variables และตรวจสอบให้แน่ใจว่า ทำการเลือก ‘Count’ และ ‘Row percents’ แล้วกด OK ทั้ง 2 ครั้ง
ใน Output Pane ของซอฟต์แวร์ Minitab จะแสดงตารางที่แสดงจำนวนและเปอร์เซ็นต์ของผู้เข้าร่วมโครงการในแต่ละกลุ่มตามระยะห่าง
ถ้าเรากรอกข้อมูลลงใน Worksheet ของซอฟต์แวร์ Minitab มีลักษณะแบบนี้
เราสามารถสร้างกราฟ Scatterplot ที่แสดงเพิ่มเติมเกี่ยวกับความสัมพันธ์ระหว่างกลุ่มตามระยะทางและการเข้าร่วมโครงการ โดยเลือกไปที่เมนู Graph > Scatterplot… และเลือก With connect line
เลือกคอลัมน์ ‘Part %’ เป็นตัวแปร Y และคอลัมน์ ‘Distance Grp’ เป็นตัวแปร X และซอฟต์แวร์ Minitab จะสร้างกราฟต่อไปนี้ ซึ่งแสดงความสัมพันธ์ระหว่างกลุ่มตามระยะทางและการเข้าร่วมโครงการได้ชัดเจนยิ่งขึ้น:
เราสามารถเห็นเปอร์เซ็นต์การเข้าร่วมโครงการที่สูง จะอยู่ในกลุ่มผู้ป่วยที่พักอาศัยอยู่ใกล้กับโรงพยาบาล แต่จะลดลงอย่างต่อเนื่องในกลุ่มผู้ป่วยที่พักอาศัยไกลออกไปเกิน 45 ไมล์
พิจารณาอิทธิพลของอายุที่มีต่อการเข้าร่วมของผู้ป่วย
เราสามารถใช้วิธีการเดียวกันนี้ เพื่อรับข้อมูลเชิงลึกเบื้องต้นว่า อายุส่งผลต่อโอกาสที่ผู้ป่วยจะเข้าร่วมโครงการหรือไม่ ซึ่งกราฟ Boxplot ด้านล่างระบุว่า อายุมีอิทธิพลต่อการเข้าร่วมโครงการเล็กน้อย:
ด้วยการแบ่งข้อมูลผู้ป่วยออกเป็นกลุ่มต่างๆ ตามช่วงอายุ เช่นเดียวกับที่เราแบ่งกลุ่มตามระยะทาง ดังรายละเอียดในตารางด้านล่าง เราสามารถสร้างกราฟ Scatterplot เพื่อเพิ่มความเข้าใจเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรเหล่านี้ได้ ซึ่งเราจะแบ่งข้อมูลตามที่แสดงไว้ด้านล่างนี้ก่อน โดยใช้คำสั่งในเมนู Stat > Tables > Descriptive Statistics… เพื่อกำหนดเปอร์เซนต์เข้าร่วมโครงการ:
สร้างกราฟ Scatterplot ของเปอร์เซ็นต์ของการเข้าร่วมโครงการของผู้ป่วยในแต่ละช่วงอายุอีกครั้ง ซึ่งให้ข้อมูลเชิงลึกมากขึ้นเกี่ยวกับความสัมพันธ์ระหว่างปัจจัยนี้และโอกาสของการเข้าร่วม ในกรณีนี้ ผู้ป่วยในกลุ่มที่มีอายุน้อยกว่าจะเข้าร่วมในเปอร์เซ็นต์ที่สูงกว่ามาก
พิจารณาอิทธิพลของความคล่องตัวในการเดินทาง และเพศของผู้ป่วยที่มีต่อการเข้าร่วมโครงการ
เนื่องจากทั้งตัวแปร “Mobility” และตัวแปร “Participation” เป็นตัวแปรแบบ Binary เราจึงสามารถเลือกเมนู Stat > Tables > Descriptive Statistics… เพื่อให้เราเห็นมุมมองข้อมูลแบบตาราง เลือกคอลัมน์ “Mobility” เป็นแถว และคอลัมน์ Participation เป็นคอลัมน์ จากนั้นซอฟต์แวร์ Minitab จะให้ผลลัพธ์ต่อไปนี้ ซึ่งแสดงเปอร์เซ็นต์การเข้าร่วมของผู้ป่วยที่มีและไม่มีรถยนต์ส่วนตัว
เราสามารถใส่ข้อมูลเหล่านี้ลงในกราฟ Bar Chart เพื่อประเมินด้วยภาพอย่างรวดเร็ว ซึ่งซอฟต์แวร์ Minitab มีหลายวิธีในการบรรลุผลนี้อย่างง่ายดาย ฉันเลือกที่จะวางข้อมูลจากตารางที่ได้ สำหรับแต่ละตัวแปรลงใน Worksheet ดังที่แสดงไว้ด้านล่างนี้:
ตอนนี้ ให้เลือกเมนู Graph > Bar Chart ในช่อง Bars represent ให้เลือก values from a table แล้วเลือก simple chart
เราสามารถสร้างกราฟ Bar Chart ตามด้านล่างนี้ ซึ่งแสดงเปอร์เซนต์ของผู้ป่วยที่มีและไม่มีรถยนต์ส่วนตัวที่เข้าร่วมโครงการ และเปอร์เซนต์ของเพศชายและหญิงที่เข้าร่วมโครงการดังต่อไปนี้
ดูเหมือนว่าเพศอาจมีอิทธิพลเล็กน้อยต่อการเข้าร่วม แต่ผลกระทบของการมีรถยนต์ในการเข้าร่วมเป็นปัจจัยที่สำคัญอย่างชัดเจน
การดูปัจจัยเหล่านี้เบื้องต้นบ่งชี้ว่า การเดินทางไปยังโรงพยาบาลมีความสำคัญมากในการเพิ่มจำนวนผู้ป่วยให้เข้าร่วมโครงการ ซึ่งการให้บริการรถโดยสารหรือรถรับส่งสำหรับผู้ที่ไม่มีรถยนต์ส่วนตัวอาจเป็นวิธีที่ดีในการเพิ่มการเข้าร่วม แต่ถ้าบริการดังกล่าวมีต้นทุนไม่มากกว่ารายได้ที่เพิ่มขึ้นจากการเข้าร่วมที่เพิ่มขึ้น
ในตอนถัดไปของบทความชุดนี้ เราจะใช้เครื่องมือ Binary logistic regression (ซึ่งไม่น่ากลัวอย่างที่คิด) เพื่อสร้างโมเดลที่จะช่วยให้เราคาดการณ์ค่าความน่าจะเป็นที่ผู้ป่วยจะเข้าร่วมโครงการ โดยพิจารณาจากปัจจัยต่างๆ ที่มีอิทธิพลที่เราได้ศึกษาแล้ว ซึ่งวิธีการประมาณค่าความน่าจะเป็นที่ดี จะช่วยให้เราสามารถคำนวณจุดคุ้มทุนสำหรับบริการดังกล่าวได้
บทความต้นฉบับ : A Six Sigma Healthcare Project, part 2: Visualizing the Impact of Individual Factors
ต้นฉบับนำมาจาก Minitab blog , แปลและเรียบเรียงโดยรัฐพงษ์ ยอดสีมา
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร, บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ