條文本
PDF
文摘
客觀的測試是否相對不可預測性的勞動力開始可以用泊鬆分布描述。
設計一個描述性的回顧性研究。
設置從丹麥出生注冊表,我們確定了從所有七個產科診所出生在丹麥的首都地區(n = 211 290)在2000年至2009年底。在每個日期、出生的數量在每個部門注冊。出生檢索基於是否選修剖腹產或感應勞動力已經完成,而在剩下的non-elective出生,急性剖腹產要求注冊。
方法選擇性剖腹產的排斥和出生後感應的勞動後,隻有“non-elective”出生(n = 171 009)包括了主要的統計分析。簡單的描述性的情節和單向方差分析是用來分析的分布“non-elective”出生一周的每一天。
主要結果測量每日“non-elective”出生的數量。
結果“non-elective”出生的數量隨一周內的變化非常大,每個產科診所的年不管診所大小。然而,每個星期固定,變化在今年被泊鬆分布,允許簡單的預測變化。出生在每天固定的星期,泊鬆分布和正態分布。
結論“non-elective”出生的數量每一天的星期是所描述的泊鬆分布。因此,泊鬆模型適用於估計數量的變化在日常的non-elective出生和可用於規劃人員在產科診所。該模型可用於更小以及更大的診所。
- 產科
這是一個開放的分布式條依照創作共用署名非商業性(3.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和其派生作品在不同的條款進行許可,提供了最初的工作是正確地引用和非商業使用。看到的:http://creativecommons.org/licenses/by-nc/3.0/
來自Altmetric.com的統計
文章總結
文章重點
泊鬆分布的精確對應實際數量的隨機變化的non-elective出生為每個星期固定的一天嗎?
關鍵信息
每一天的星期,“non-elective”出生在一年的變化是所描述的泊鬆分布。
泊鬆分布很容易估計每日的出生人數的變化,可用於規劃人員在產科診所。標準正態分布表可以作為例證。
模型是足夠用於更小以及更大的診所和可用於產科診所的管理人員。
本研究的優點和局限性
大數據集的主要力量是未被選中的。出生登記的主要限製是隻有日期,而不是出生時。
介紹
有一個結構性重組的醫院在丹麥暗示大但更少的醫院。這也適用於婦產科部門較小的部門被合並,從而減少較大的部門。1 - 3這些變化的主要動機是,大部門將增強患者治療和另外的容量和質量降低成本工作人員的轉變。在丹麥,整體同比變化出生的數量在每個部門是中央決定每個婦產科的行政級別是為了擁有一個給定數量的出生率從一個特定的地理區域,因此在每個部門所需人員在每一個產科診所從這個圖確定。最大的一部分人員由日常的助產士白天8小時輪班工作,晚上,以及不同數量的助產士在24小時值班待命。實際工作時間相差很大。的醫生數量轉變為每個產科診所是固定的,取決於大小的產科診所的醫生一樣來自家裏的電話。
婦產科是一個有趣的組織特性固有的隨機變化出現自發的勞動力很難精確地計劃必要的產科診所的工作人員的數量。規劃部門的人員,我們的知識,而不是基於發表的方法。統計每天的生育數量為每個部門每年從統計網上丹麥。4這些數字表明大量的日常變化和周而複始的變化。每周的觀察周期是按照報告來自其他國家如英國,威爾士,澳大利亞,美國,以色列和挪威,5-13有趣的是,它也表明,變化取決於安息日發生在星期五,14一個星期六5還是星期天。6-13然而,這些研究包括所有分娩前不管有選修產科幹預,這引發了一個問題,是否本周天之間的差異消失當分娩造成選修產科幹預作為選擇性剖腹產或感應的勞動被排除在數據集。有悠久傳統的描述每日病床需求的變化的泊鬆分布,15 - 17日有時基於排隊論和不同工作經驗驗證。在她著名的教科書,柯克伍德18使用一個明顯的例子人力資源規劃在麵對合並兩個產科部門說明了泊鬆分布。
在這項研究中,我們檢查了從廣泛的丹麥經驗的泊鬆分布對應於實際數量的隨機變化的non-elective每個星期固定的一天出生。由於“non-elective”出生的變化是最明顯的是隨機的,我們排除在主要分析“選修”出生(感應產生的勞動和選擇性剖腹產)。然而,靈敏度分析,我們報告結果的變化都出生和急性剖腹產。
材料和方法
數據
出生的數量為每個日期在2000年1月1日到2009年12月31日在所有七個產科診所在丹麥的首都地區從丹麥出生登記。產科診所Rigshospitalet,外柯林斯,斯特魯普根措夫特,Herlev, Hvidovre Hillerød,覆蓋超過99%的新生兒,越來越少的出生在丹麥發生在家裏。出生的數據包含的信息類型:選擇性剖腹產,出生後選擇性感應的勞動、急性剖腹產和出生後自發生產的開始。出生的標簽類型已經由使用信息從國家出生注冊表操作代碼選擇性剖腹產(KMCA10B和D)和產科編碼感應的勞動(KMAC00人工破膜在出生之前,KMAC96A機械導管感應,BKHD2不具體的醫療感應,BKHD20感應與前列腺素和BKHD21感應與催產素)。出生的編碼信息是基於信息從助產士和通常被認為是非常有效的。
統計方法
這些分析的主要概念是建立在經驗事實,即使對於non-elective的出生有一個不可忽略的變化在一周的7天;然而,對於每個星期固定的一天,變化在52周(53)在某一年可能會是隨機的。我們利用眾所周知的事實,泊鬆分布近似的正態分布的均值和方差,清晰可辨的泊鬆分布屬性均值等於方差。這樣,關鍵的問題?),不管泊鬆分布是一個適當的描述被單向方差分析比較每一周的7天的10年,每七個診所。結果說明了描述性的圖表和工作人員規劃可能使用的例子。再進行敏感性分析包括所有出生和急性剖腹產。
倫理批準的細節
使用的數據可以在網上匿名形式。
結果
有211 290人口分布在七個部門在丹麥的首都地區從2000年1月1日到2009年12月31日。為了排除潛在的選擇性生育,生育是分為誘導或自發的勞動力和選擇性剖腹產和急性(表1)。分娩的方式交付是一個選擇性剖腹產(n = 16 325(7.73%))和出生勞動力由感應(n = 23 956(11.34%))被排除在主要分析的數據集,從而造成171 009(80.94%)自發的出生和急性剖腹產,人們用“non-elective”。
在介紹中提到的,主要問題在產科管理是在一周內的變化。這種變化很大程度上是由於決策由產科醫生如何分發選擇性剖腹產和可選地誘導勞動力超過一周的日子。6,12初步描述性分析的數據清楚地表明,這種政策變化大大超過10年的每個部門和模式相當不同的部門之間;然而,總的來說,周中在生育高峰仍即使“選修”出生被排除在外(請參閱在線補充文件,數字III-IX)。所需的人員這些“選修”出生是管理決策的結果,我們的重點是如何捕獲的主要隨機變化non-elective出生。由於非均質性強的日常模式幾個相關部門在10年的研究中,我們進行了一組70單向方差分析比較“non-elective”出生在一周的每一天每一固定部(n = 7)和一年(n = 10)。這些70年的剩餘方差分析相比,出生的年平均數量為每個部門。額外的敏感性分析包括所有出生和急性剖腹產。見圖1,剩餘方差非常接近,表明變化的泊鬆分布的數量的non-elective出生一周的每一天都在每年這一天的平均水平。我們也看到親密的剩餘方差均值提高當我們隻看non-elective出生,而對於急性剖腹產隻能有一個明顯的趨勢,方差比平均值大,所謂的overdispersion,違反了泊鬆分布的假設。鑒於這些發現,我們專注於non-elective出生在下麵。
剩餘方差與均值的出生人數每天(A) non-elective出生,(B)所有急性剖腹產出生和(C)。
為了說明我們的發現,三個部門的特定組合,一個小型,中型和大型診所,是選擇。每一天的星期,直方圖顯示的觀察到分布52(53)每天出生的那一年的數量符合正態分布(紅色)和合身的泊鬆分布是綠色的;圖2)。看到,有一個很好的符合泊鬆分布的,而且他們非常接近相同的方差的正態分布。這意味著計算可能的變化“non-elective”出生的數量可以基於正態分布和方差的平均每日non-elective的生育數量。
範例的小(根措夫特),中等(Herlev)和大(HH) Hvidovre醫院產科診所出生的數量在x軸和y軸的密度曲線表明泊鬆分布(紅色)和正態分布(綠色)。
例如,如果在一個特定的部門在一個特定的一年“non-elective”生育的平均數量是9,剩餘方差估計是9的平方根和SD 9,也就是說,3。假設“non-elective”生育的平均數量在周二的部門那一年是10.5。在星期二的95%,“non-elective”出生的實際數量,部門將在間隔10.5 + 3×3×1.96 = 4.6和10.5 1.96 = 17.4,而在80%的星期二會有10.5 3×1.28 = 6.7和10.5 + 3×1.28 = 14.3 non-elective出生。這個模型適用於估計的日常的出生人數和計劃人員在產科診所,和模型是足夠的用於更小以及更大的診所。
討論
在產科診所的管理人員是一個艱巨的任務,由於勞動力的相對不可預知的自然發病。如今,許多新生兒“選修”出生的選擇性剖腹產或醫藥引起勞動力或多或少地支配的時間一周出生發生的地方。認為日常變化在新生兒的數量符合泊鬆分布,13,18但是合適的活產數據,包括交付的模式,從一個更大的人口沒有研究之前,從而限製日常學習變化的手段。7,13此外,選擇性產科幹預分布的影響並沒有被認為是在任何的先前的研究解決生變化。為5 - 14,19
有趣的是,我們發現即使排除產科出生的幹預,如選擇性剖腹產或感應的勞動,剩餘的數據仍然顯示顯著的每周周中峰值變化。因此,這種變化可能會認為不僅可衡量的產科幹預,也無形的實踐;例如,女人的導納的早期階段的勞動力可能取決於員工的數量,這一周有所不同。同時,傳統的非醫療方法的勞動力(洗熱水澡、性交等)可能是不太可能是由母親在周末。7
然而,無論任何產科實踐或母親的實踐中,我們發現,其餘的分布non-elective”出生一周的每一天,每一年,每個部門仍遠泊鬆分布近似,均值等於方差。相關參數值,泊鬆分布和正態分布,我們可以估計的方差的意思。這意味著計算可能的變化“non-elective”出生的數量可以基於正態分布和方差的平均每日non-elective的生育數量。
這為我們提供了一個有用的工具,規劃所必需的人員處理所有出生在一個給定的工作日產科診所。選擇性剖腹產通常計劃上執行特定的工作日與員工致力於這項任務。誘導後出生的勞動力也將在大多數情況下被計劃。結合已知的選擇性生育數量的95%或80%置信區間的計算“non-elective”出生在一個工作日給一個好的可能性,避免人浮於事或人員配備不足,利用人力資源提供給他們最好的。大診所的平均數non-elective的出生對於一個給定的工作日可能超過1 - 2出生不同,員工的搬遷“峰值”平時最提供,但即使是小診所,也可以受益於更具體的計算,例如周末員工應該如何。
這一事實“non-elective”出生的分布和正態分布提供了一個簡單的,但優雅,規劃人員在產科診所的工具,使用得當,可能是一個積極的調整工作效率、成本和環境。
結論
我們估計的方差可能意味著,這些參數的泊鬆分布和正態分布。這個模型適用於估計數量的變化在日常non-elective的出生和可用於規劃人員在產科診所。
補充材料
-
補充數據
僅這個web文件已經由英國醫學雜誌出版集團從一個電子文件提供的作者(年代)和沒有對內容進行編輯。
在這個數據補充文件:
- 數據補充1——在線補充