1. 引言
统计学源于应用数学，其主要借助概率论建立数学模型，通过收集所观察的数据，进而进行量化分析、推断和预测，以便透过同质事物的变异性和差异性来揭示事物的内在规律和实质 [1]，以为相关决策提供参考依据。它已被广泛应用在在各学科之上，特别在医药学科学试验研究中的应用尤为突出，但在指导社会实践尤其在医院药事管理 [2] 中的应用尚处于起步阶段。本文旨在尝试应用各类统计学方法汇总医院中药房在日常的中药饮片调剂管理中与剂量误差相关的数据，并经过统计分析后，识别出其中存在的问题 [3] 及其原因，以便更科学的管理中药调剂质量，从而提高患者服用疗效 [4] 和安全性 [5]。
2. 资料与方法
2.1. 一般资料
随机选取3名中药调剂员(以下分别简称A、B、C)，随机抽取分剂量包装中药或代煎药，用电子秤称重校对。文中所谓“误差”，指假定每次称量中药100.00 g，再与所计算“相对误差”乘积后所得同义转换 [6] 值。代煎药仅称取总重量，非代煎药除称取总重外，还对分剂量包装逐个称量。详见表1。
Table 1. Basic information of samples
表1. 样本基本情况
2.2. 方法
以下统一采用SPSS23.0进行数据统计。
2.2.1. 分剂量合格率的卡方检验
1) 成组设计行×列表资料的卡方检验
对A、B、C进行分剂量合格率卡方检验。依据《处方管理办法》，实际分帖重量与处方理论帖重的误差在±5%内为合格，否则视为不合格。
2) 成组设计四格表资料的卡方检验
依据《处方管理办法》，处方开具一般不得超7日剂量。剂数过多应不利于分剂量均匀度，故将样本分为8剂及以上和7剂及以下两类。分别对A、B、C以及三者合计的两类样本进行分剂量合格率的卡方检验，以检验剂量过大能否导致分剂量均匀度下降。
2.2.2. 完全随机设计资料的方差分析
对A、B、C所调剂的分剂量误差绝对值样本进行完全随机设计资料的方差分析，以检验其分剂量误差程度情况。
2.2.3. 两独立样本均数的t检验
1) 8剂及以上和7剂及以下样本的t检验
同上，分别对A、B、C及三者合计的两类样本分剂量误差绝对值进行两独立样本均数的t检验。
2) 代煎药与门诊药总剂量误差的t检验
分别对A、B、C及三者合计的代煎药与门诊药总剂量误差进行两独立样本均数的t检验。此处与以上方差分析和t检验的异同点，在于这里是“误差”而非其“绝对值”，以验证门诊药与代煎药总剂量误差均值是否有差异，而非误差程度差异。
2.2.4. Logistic回归分析
采用二分类 Logistic回归模型，将因变量设为“分剂量误差绝对值是否大于5”，自变量设为“处方剂数是否大于等于8剂、性别及工龄”。对性别设哑变量：男性为1、女性为0。
3. 结果
3.1. 分剂量合格率的卡方检验
3.1.1. 成组设计行 × 列表资料的卡方检验
结果见表2，因P < 0.05，可认为A、B、C分剂量合格率不全相同。A、B分剂量合格率接近，但均明显大于C。
Table 2. Results of chi square test of qualified rate of divided dose of A, B and C
表2. A、B、C分剂量合格率卡方检验结果
a0个单元格(0.0%)的期望计数小于5。最小期望计数为98.15。
3.1.2. 成组设计四格表资料的卡方检验
结果见表3，A、B的两类样本分剂量合格率均为前者低于后者，但B差异不甚显著。C和三者合计的两类样本分剂量合格率均为前者高于后者，但三者合计样本差异不显著。
Table 3. Results of chi square test of qualified rate of divided dose of 8 doses and above and 7 doses and below of A. B, C and the total
表3. A、B、C及三者合计的8剂及以上和7剂及以下的分剂量合格率卡方检验结果
a0个单元格(0.0%)的期望计数小于5。最小期望计数分别为51.63、42.61、25.82及128.98。
3.2. 完全随机设计资料的方差分析
结果见表4~6。方差齐性结果为P < 0.05，方差不齐。因韦尔奇方差分析无需原数据满足方差齐性，且本文数据量较大，故采用可信性强的韦尔奇检验。其P < 0.05，差异显著，可认为A、B、C分剂量误差程度不全相等。此时，再进行假定方差不等的事后比较。数据显示，A和B差异不显著；A、B同与C差异显著，其均值分别为4.88 g、5.68 g、9.77 g，可认为A、B的分剂量误差绝对值的均值与C有明显差异，前者明显低于后者。
3.3. 两独立样本均数的t检验
3.3.1. 8剂及以上和7剂及以下样本的t检验
通过表7发现，各样本显著性均小于0.05。但鉴于本次试验样本量相对较大，满足中心极限定理所谓“在样本量足够大情况下，即使总体分布符合正态性分布显著性较低，样本均值的样本分布仍可认为近似符合正态分布”，故可认为其样本数据近似符合正态分布。K-S检验之所以失败，在于其对数据过于敏感和其中存在偏离均值较多的异常值。
进一步检验结果如表8，A、B、C的t检验结果应见第一行，A、B对应P值均大于0.05，C的P值小于0.05。可认为A、B分别对应两类样本总体均值无差异，而C反之。三者合计的t检验结果应见第二行，其P < 0.05，可认为其所对应两类样本总体均值有差异。
Table 4. Results of homogeneity test of variance and Welch test
表4. 方差齐性检验与韦尔奇检验结果
a渐近F分布。
Table 5. Results of post comparison under the assumption of unequal variance
表5. 假定方差不等的事后比较结果
Table 6. Results of descriptive statistics
表6. 描述性统计结果
Table 7. Results of sample normality tests of 8 doses and above and 7 doses and below of A. B, C and the total
表7. A、B、C及三者合计的8剂及以上和7剂及以下样本正态性检验结果
a里利氏显著性修正。
Table 8. Results of independent sample test of 8 doses and above and 7 doses and below of A. B, C and the total
表8. A、B、C及三者合计的8剂及以上和7剂及以下独立样本检验结果
3.3.2. 代煎药与门诊药总剂量误差的t检验
正态检验结果见表9，前者符合正态性分布，后者虽显著性较低，但仍依据中心极限定理，可认为其满足正态性。进一步检验的结果见表10，应以第二行的t检验结果为准，其p = 0.002 < 0.05，差异显著，可认为代煎药与门诊药的总剂量误差有差别，前者远低于后者。
Table 9. Results of sample normality tests of Samples of traditional Chinese medicine decocted in pharmacy and Outpatient
表9. 代煎药与门诊药样本正态性检验结果
a里利氏显著性修正。
Table 10. Results of independent sample test of samples of traditional Chinese medicine decocted in pharmacy and Outpatient
表10. 代煎药与门诊药独立样本检验结果
3.4. Logistic回归
结果见表11，当自变量为“药剂数是否大于等于8剂”和“性别”时，回归系数β均为正值，exp(β)均大于1。说明二者均是危险因素，但前者统计学意义不显著，后者反之。当自变量为“工龄”时，回归系数β为负值，exp(β) = 0.860 < 1，说明其是保护因素，且P < 0.05，统计学意义显著。
Table 11. Results of logistic regression output
表11. Logistic回归输出结果
a在步骤1输入的变量：是否大于等于8剂，性别，工龄。
4. 讨论
4.1. 分剂量误差存在问题及影响因素分析
4.1.1. 分剂量合格率整体偏低
依据调剂质量管理相关规定，分帖准确率不得低于99%，但A、B、C的分剂量合格率均远低于该标准。究其原因，一是现实调剂工作强度过大，日均调剂量远超负荷；二是患者的催促；三是医院为节约运营成本，调剂员配比低；四是制度不健全，岗前培训不规范；五是变“逐剂复戥”为“手工分剂量”。
4.1.2. 工龄、性别对分剂量误差的影响
对于A、B、C的分剂量误差，不论是从卡方检验的定性角度还是从方差分析的定量角度，结论一致，均是A、B的分剂量误差程度无显著差异，且明显低于C，即A、B的分剂量合格率明显高于C或A、B的分剂量误差绝对值的均值明显低于C。据表1数据显示，A、B工龄相对较长，均在3年及以上，调剂技术相对熟练，调剂质量更趋稳定，而C工龄刚满一年。这暗示工作经验可能是影响分剂量准确度的显著因素。另外，A是男性，B是女性，A的工龄远高于B，但A与B的分剂量误差程度却无显著差异，这预示男性可能是危险因素。
4.1.3. 处方剂数过多对分剂量误差的影响
不论是从卡方检验的定性角度还是从t检验的定量角度，对于A、B的8剂及以上和7剂及以下的分剂量误差，均是前者较后者差，即前者的处方分剂量合格率均低于后者，但A差异明显，B差异不显著，或是前者的分剂量误差绝对值均高于后者，但差异均不显著；对于C来说，却是前者优于后者，即前者的处方分剂量合格率高于后者。或是前者的分剂量误差绝对值低于后者。这同时影响了A、B、C数据合并后的检验结果，使得合计样本的前者亦优于后者。究其原因，可能因C的工龄低而致分剂量稳定度差，亦或是受样本量小等的偶然因素影响。考虑A、B的分剂量稳定度较好，则依据A、B的统计结果，或可印证所谓“剂数过多不利于调剂分剂量的均匀度”的实验假设。
4.2. 总剂量误差情况简析
代煎药与门诊药总剂量误差分别为−3.30 g，0.79 g，平均值差值为4.09 g，差异悬殊。究其原因，一是门诊药须患者带回亲自煎煮，其可直接感知由剂量误差引起的满意度 [7]，这自然引起调剂员的重视，而对代煎药，调剂员或心生懈怠与侥幸；二是缺乏有效的调剂行为约束机制。
4.3. Logistic回归分析
通过回归结果，可以发现，处方剂数过多不利于分剂量均匀度，但因受样本量限制，本文中的自变量“药剂数大于等于8剂”是危险因素，对于因变量“分剂量误差绝对值 > 5%”有一定贡献，但不显著，尚待进一步研究。通常因男性细致程度较女性差，且是显著性危险因素，故男性对于因变量“调剂分剂量误差绝对值 > 5%”有显著贡献。然因工龄是保护因素，其对于因变量“调剂分剂量误差绝对值 < 5%”有显著贡献，即伴随工龄提升，调剂员调剂技术愈加熟练，分剂量均匀度相对越高。
4.4. 小结
统计学方法中的卡方检验从定性角度对中药调剂剂量误差情况进行了诠释，而t检验和方差分析又从定量角度进一步分析验证。通过这两类统计学方法的综合运用，可以更全面客观的对中药调剂剂量误差进行分析并识别出其中所存在问题及可能的潜在原因 [8]。最后再通过Logistic回归模型，将可转化为统计学数据的潜在原因设置为自变量，即用数据科学分析出所存在问题与潜在影响因素 [9] 之间的逻辑关系或关联程度，以便为进一步提升配方合格率 [10]、改进调剂质量及提高临床疗效 [11] 奠定基础。
NOTES
*通讯作者。