Bagaimana menafsirkan bagan kendali yang berisi mayoritas nilai nol?

9

Saya menggunakan peta kendali untuk mencoba mengerjakan beberapa data infeksi, dan akan meningkatkan peringatan jika infeksi dianggap "di luar kendali".

Masalah muncul ketika saya sampai pada satu set data di mana sebagian besar titik waktu memiliki infeksi nol, dengan hanya beberapa kali infeksi satu atau dua, tetapi ini sudah melebihi batas kendali bagan, dan meningkatkan peringatan.

Bagaimana saya harus bekerja pada bagan kontrol jika set data memiliki jumlah infeksi positif yang sangat sedikit?

Terima kasih!

data-visualization control-chart

— lokheart
sumber

5

Ubah variabelnya. Jalankan peta kendali untuk variabel "time between infeksi". Dengan begitu, alih-alih variabel diskrit dengan rentang nilai yang sangat kecil, Anda memiliki variabel kontinu dengan kisaran nilai yang memadai. Jika interval antara infeksi menjadi terlalu kecil, grafik akan memberikan indikasi "di luar kendali".

Prosedur ini direkomendasikan oleh Donald Wheeler dalam Memahami Variasi: Kunci Mengelola Kekacauan .

— Carlos Accioly
sumber

ini tampaknya menarik, tetapi sayangnya saya tidak dapat menemukan bahkan sebagian dari buku dari google books, akan memeriksanya, terima kasih!

— lokheart

Sebenarnya, Anda tidak perlu buku untuk ini (Anda pasti harus membacanya, tetapi tidak untuk masalah Anda saat ini). Yang harus Anda lakukan adalah merencanakan interval waktu antara infeksi dan membangun bagan kendali Anda berdasarkan variabel ini. Cobalah, Anda akan melihat bahwa itu sangat sederhana.

— Carlos Accioly

Saya telah melihat saran serupa untuk tidak hanya waktu di antara peristiwa, tetapi ruang-waktu di antara peristiwa (yang masuk akal untuk infeksi penyakit). Lihat karya Peter Rogerson untuk beberapa contoh ( Rogerson & Sun, 2001 ).

— Andy W

2

Anda mengajukan pertanyaan yang cukup sulit!

Ini di luar bidang keahlian saya, tetapi saya tahu bahwa Prof Farrington mengerjakan beberapa masalah ini. Jadi saya akan melihat beberapa makalahnya dan mengikuti beberapa rujukannya. Untuk memulai, laporan ini terlihat relevan.

— csgillespie
sumber

1

Apakah masuk akal untuk memplot peta kendali berdasarkan rata-rata infeksi mingguan atau rata-rata mengambang serupa? Apakah ini akan 'mengurangi' lonjakan karena nilai tinggi harian sambil memastikan bahwa perubahan tren diambil secara relatif tepat waktu.

— Ian Turner
sumber

1

Mungkin, Anda dapat membangun kasus tepi dalam rutinitas / perangkat lunak Anda untuk menghadapi situasi tersebut. Jika Anda mendeteksi beberapa nol di dataset maka Anda menetapkan kontrol terpisah untuk situasi tertentu. Ini jelas merupakan peretasan dan bukan solusi berprinsip tetapi dapat melayani kebutuhan Anda saat ini sampai Anda dapat menemukan sesuatu yang lebih baik.

Saya setuju bahwa ini adalah metode paling sederhana dan mungkin akan melakukan pekerjaan itu. Saya pikir saya hanya akan menyarankan level minimum untuk c-line. Jika satu atau dua kasus menaikkan terlalu banyak peringatan positif palsu, cukup ubah ambang batas ke sesuatu yang lebih tinggi.

— Andy W

1

Thomas Ryan ("Metode Statistik untuk Peningkatan Kualitas", Wiley, 1989) menjelaskan beberapa prosedur. Ia cenderung mencoba mengurangi semua peta kendali menjadi kasus Normal, sehingga prosedurnya tidak sekreatif mungkin, tetapi ia mengklaim bahwa semua itu berfungsi dengan cukup baik. Pertama adalah memperlakukan nilai-nilai sebagai data Binomial dan menggunakan transformasi ArcSin, kemudian jalankan bagan CUSUM standar. Lain adalah untuk melihat nilai-nilai sebagai data Poisson dan menggunakan transformasi akar kuadrat, kemudian jalankan bagan CUSUM. Untuk pendekatan ini, yang dimaksudkan untuk pengendalian kualitas proses, Anda harus mengetahui jumlah individu yang berpotensi terpapar selama setiap periode. Jika tidak, Anda mungkin harus menggunakan model Poisson. Mengingat bahwa infeksi jarang terjadi,

Orang bertanya-tanya apakah peta kendali adalah model konseptual yang tepat untuk masalah Anda. Anda tidak benar-benar menjalankan proses kontrol kualitas apa pun di sini: Anda mungkin tahu, berdasarkan alasan ilmiah, ketika tingkat infeksi mengkhawatirkan. Anda mungkin tahu, sebagai contoh hipotetis, bahwa kurang dari sepuluh infeksi selama periode seminggu jarang menjadi pertanda wabah. Mengapa tidak menetapkan batas atas Anda atas dasar seperti ini daripada menggunakan batas statistik yang hampir tidak berguna?

— whuber
sumber

Ditto dengan paragraf kedua Anda. Jika Anda tahu 2 infeksi terlalu rendah untuk direpotkan, Anda mungkin dapat membentuk perkiraan minimum di mana Anda ingin lansiran dinaikkan.

— Andy W