研究方法討論

一、研究對象

本研究將缺血性腦中風病患主診斷碼ICD-9-CM 定義為 433-434、436-437；ICD-10-CM 定義為 I63、I65、I66、I67，其主要參考依據為醫院品質績效 量測指標系統與落實品質改善第二階段計畫內針對中風照護指標的定義[6]。此 外，為降低樣本干擾，選取研究期間首次因缺血性腦中風疾病住院、該次住院 未死亡，且於觀察期間的前一年間未有因缺血性腦中風而住院之患者作為研究 對象，以避免繼續效應(carryover effect)，並排除未成年的缺血性腦中風患者[12, 66]。

研究對象年齡選取方面，國外研究針對缺血性腦中風病人之再住院的研 究，作者Bravata 等人與 Howrey 等人使用 Medicare 資料庫進行研究[13, 69]，

因此研究對象年齡為65 歲以上病患，而作者 Burke 等人 Mittal 等人使用醫院資 料庫進行研究[11, 30]，研究對象年齡為 18 歲以上的成年病患。目前，國內還未 有針對醫院品質績效量測指標系統與落實品質改善計畫裡中風指標之組合分數 對於照護結果影響之研究，本研究以20 歲以上之病患作為研究對象。

二、分析方法

回顧探討缺血性腦中風病人之再住院的相關研究，研究設計多以回溯性縱 貫式的追蹤研究為主，比較病人所使用的臨床服務之差異[30, 64, 69, 70]，以及 探討造成病人再住院的相關原因分析[11, 12, 68]。本研究設計亦採回溯性縱貫式 的追蹤研究，評估缺血性腦中風患者於前次住院時所接受到的照護過程組合分 數 (原始分數加總、70%標準法) 對於患者的非計畫性再住院之影響。

根據過去文獻指出，使用不同種的組合分數計算方法會產生不盡相同的結 果[71, 72]。Reeves 等人整理不同類型將品質指標計算為綜合分數的方法[17]，

68

包含All-or-none (全有全無法)、70% Standard (70%標準法)、Overall Percentage (全體百分比法，亦稱 Raw Sum Score 原始分數加總)、Indicator Average (指標平 均法)以及 Patient Average (病人平均法)。其中 All-or-none 是指唯有當病人達成 所有適用的指標(100%達成)，才算符合，只要一項未達標準即不予計分。而 70%Standard 相較於 All-or-none 則較不嚴謹，是指病人所有適用的指標數中應 達成70%以上才算符合。All-or-none 及 70%Standard 皆為「門檻」式的計算方 法，可表示醫療服務提供者給予每位病人的照護品質是否有達到符合表現。

Overall Percentage 亦即本研究所使用的原始分數加總方式(Raw Sum Score)直接 計算病人指標達成數以及病人指標適用數的比率，此方法也是美國

CMS(Centers for Medicare &Medicaid Services)用於醫院品質誘因試辦計畫的算 法。Indicator Average 則是先求出每一個指標的數值，再計算所有指標的平均 數，此方法呈現出被測量指標集 (indicator set) 的平均表現。Patient average 是 以病人為單位，計算每一位病人的指標達成的平均百分比[17, 18]。

Reeves(2007)更進一步指出不同綜合分數之計算方法會造成不同的結論，不 同的計算方法也其各自的適用條件和優缺點，例如：Overall percentage(亦即本 研究所使用的原始分數加總方式)是根據照護服務提供的每一個機會進行品質評 估，在用於醫院間比較時，適用於病人同質性高的時候，而此計算組合分數不 會受到指標數的影響，也可用於較小的樣本。70% Standard (即本研究所使用的 方式)是較為寬鬆的符合標準，將從每位病人身上所得到的數據做二分法(有符 合/不符合) [17]。

然而本研究未就各種不同計算方式加以深入探討何種為最佳，僅以原始分 數加總(或稱 Overall Percentage ;分母為權重)的方式以及 70%Standard 的方式做 為本研究計算病人層級核心測量指標達成率的方式，因此可能造成在結果上有 非預期的相關性產生，未來研究可就不同種計算方式進一步進行探討。

過去探討缺血性腦中風病人與照護結果之關係的相關實證研究，其研究方 法主要有羅吉斯迴歸模型[11, 30, 70]與 Cox 風險比例模型分析[12, 66, 69]，在追 蹤時間較長的研究中，除了使用羅吉斯迴歸分析外，也常會以Cox 風險比例模 型分析其照護結果發生情形與重要風險因子[12, 66]。而本研究的依變項為 30 天及90 天內的非計畫性再住院，由於本研究追蹤期間屬短期且樣本數較少，因 此選擇使用沒有時間相依性的複羅吉斯迴歸分析作為多變項的統計分析方法。

羅吉斯迴歸可寫出配適的模型，也可仿照一般迴歸模型的解釋說明個解釋變數 與反應變數的關係，且能使用任何種類的輸入，在處理分析的程式上有較廣的 選擇性，其優點包含：抽樣母體不須為常態分配、可以處理非線性模式、所得 結果為一機率易於解釋、可以處理屬質的變數；其缺點為累加機率限制數值須 為logistic 分配(介於 0 與 1 之間)，此外，易受資料結構及本身迴歸方程式的影 響[73, 74]。

70