评估病人满意度的制药服务通过变量选择使用因子分析

文摘

目的:药剂师的专业角色包括提供信息和医药保健服务获得关注协作pharmacist-patient专业关系。我们分析了相关的各种社会因素与药房的药师为病人教育工作者的贡献。药剂师服务讨论的需要,与患者有效沟通质量的科学证据来支持他们的疗效,降低毒性。药师与病人服用适当交互错误的药物可以在很大程度上解决。统计方法的使用在许多领域的应用医疗研究近年来有了显著的增长。方法:本文应用多元分析和潜在变量的估计病人满意度评价医药服务的使用相关的社会因素。同时,本文对因子分析(FA)的方法,应用主成分分析(PCA)共同计算变量的系数和降维。结果:结果显示四个组件是重要的和与我们的结果一致。结论:探索性因素分析是用来检查数据的协方差结构由大约500名成员。需要进一步的研究来开发和测试仪器基于理论框架,测试满意去药店和选择一个模型数据确定满意度。

关键字

医药服务、因子分析、主成分分析

介绍

药剂师作为直接与卫生保健团队已经接触人雷竞技网页版1]。现在普遍认为pharmacist-patient交流是基本的质量有效卫生保健(2,3]。这种发展的一个关键部分已经扩展的角色的概念,强调贡献,药剂师可以在四个关键领域:处方药品的管理;慢性病的管理;常见疾病的管理;和健康生活方式的推广和支持4,5]。药剂师的角色已经进化历史上从注重药物调剂和复合提供患者信息、教育和保健服务6- - - - - -8]。由此产生的问题是是否正确的人际沟通药剂师和病人之间真的存在吗?药剂师是否有良好的性能从公众的看法呢?可以演示如何正确理解药剂师的角色为主体,以防止药物滥用和药物信息?什么社会因素参与理解药剂师的角色?这项研究的目的是探讨病人选择的观点评价pharmacist-patient专业关系在应对这些问题。研究人员宣布pharmacist-patient沟通适当改善药物的使用不仅重要,而且对实现理想的病人结果(9,10]。在一些研究中,药物评价包括病人访谈由药剂师等因素来评估药物的使用和依从性雷竞技苹果下载11- - - - - -15),病人使用卫生和人类服务,(11),生活质量调查7,12,16与药物[],任何病人报告问题12,17,18]。我们的分析的上下文中声明转变药剂师病人的角色从产品定位以及增强药剂师的角色通过药物利用评估所有患者医疗援助。在未来,培训计划应适当的药剂师的功能性技能培养人际交往能力。通常,医学研究的重要变量的选择是最重要的一个模型选择问题在统计应用程序。为此,已经提出各种各样的变量选择方法(19]。我们提出了多步广义无偏交互检测和估计自适应选择算法。科学家已经证明,对于回归问题,这种方法比一些著名的变量选择算法至少绝对收缩和选择算子(套索)。(20.),研究了变量选择semi-parametric回归模型的纵向数据当一些则反是测量错误。他们提出了一个偏见——纠正变量选择过程的基础上,结合二次推理功能和收缩估计(21]。潜变量的选择,在线性和非线性模型已经使用(22,23]。同时,一组新的方法选择变量提出了相关数据(24]。联合两种方法鲁棒性和效率的最优属性变量选择方法(25]。同时,回顾一些老方法多元广义线性模型的潜变量选择问题可以找到(26]。然而,其中最著名的多元潜变量的测量方法是因子分析已成为近年来更受欢迎,特别是在高维情况下。这种方法的最有前途的方面是,它可以同时做变量的选择和模型拟合,考虑随机变量选择过程中的错误。介绍了不同类型的惩罚在变量选择的背景下(27- - - - - -31日]。另一方面,有时数据属于一些难以察觉的类别或者他们是异类。在这种情况下有限混合模型可以有用。有限的混合回归模型研究了作者喜欢哈利利的和陈32]。最近Eskandari和Ormoz [33]研究了变量选择在一个有限的混合物semi-parametric回归模型和广义semi-parametric有限混合模型。在这些作品中,一维非参数函数被用于模型和乘以一个多元协变量。在本文中,我们将考虑数据简化的多元因子分析。我们使用未被注意的随机变量Pj作为非参数模型的函数。在前面的工作中,已使用局部线性光滑,而在这里,我们将考虑多元因子分析。

方法

因子分析在多元数据科学调查有助于是否特定的协变量解释之间的异质性的治疗效果研究。荟萃分析有时被用来与试验的结果发表在试验平均病人的特征,例如平均年龄或比例的女性,男性。这种分析通常很难解释(34,35]。常见的情况是,很少有试验的荟萃分析,但许多可能的病人可能解释异质性的特点。多个分析使用这些特征可能会做。一些分析可能仅仅因为观察到的模式进行试验,结果表明,一定的协变量可能是重要的。在这种情况下,我们使用因子分析。因子分析是一种统计方法用于描述可变性在观察中,相关变量的潜在的低数量的未被注意的变量因素。

因子分析理论

假设我们有一组P可观测的随机变量

假设对于一些未知常数未被注意的随机变量P_j,在那里在这里,ε_我独立分布误差与零均值和方差有限,这可能不是相同的吗所以,我们有E(ε)= 0。在矩阵计算,我们有ε。如果我们有n观察,然后我们会有尺寸。每一列的x和P表示一个特定的值观察,和矩阵L不不同的观察。我们也将对P以下假设。P andε是独立的。E (P) = 0, x (P) =我(确保因素不相关的)。任何解决方案上面的方程组后P被定义为因素的约束,和L的载荷矩阵。

假设,然后从强加的条件只是注意P,我们有

注意,对于任何正交矩阵,如果我们设置的标准因素和因子载荷仍持有。因此只一组因素和因子载荷是相同的正交变换。

换句话说,它是可能的,三个或四个观测变量的变化主要反映了更少的未被注意的变量的变化。因子分析搜索这种联合应对未被注意的潜在变量的变化。观察到的变量建模为线性组合的潜在因素,加上“错误”。观察变量之间的相互依赖关系中得到的信息可以使用后减少变量的集合在一个数据集。计算这种技术相当于矩阵的低秩近似观察到的变量。因子分析起源于心理测验学,用于行为科学、社会科学、市场营销、产品管理、运筹学等应用科学,处理大量的数据。多个或事后分析等导致的假阳性高概率的结论。有必要限制共提出的数量再次进行调查,防止假阳性的结论(35]。在我们的研究有几个优点,包括最小系统误差,可测量的因素之间的相关性和辅助因素对响应解释变量的影响。这些都是通过一个回归物流模型和使用Meta回归将调查。在这个理论是最好的模型具有最大功率试验表明,研究结果可以使用依赖它评价研究提出假设。的发展日益升值的好处使用统计方法在医疗研究,特别是在有关评价方法统计学家和医疗研究人员无疑将增加在未来年36]。医学统计学家将在未来会有更详细的知识因素分析推理的基本原则,同时应用医疗研究人员会经常使用其他方法,分析自己的数据镜像现状至于古典统计数据。根据多项式的研究案例中,我们应用因子分析方法的潜在的低数量的未被注意的变量。

假设执行类似的研究在m不同中心每个涉及比较在年龄、性别、婚姻状况和受教育程度这四个标签问卷结果。问卷分布在五个区域和五个药店和在每一个地区,几百名志愿者参与。所以,响应变量是一个多项式的四个因素年龄、性别、婚姻状况和教育。

一个真实的例子:活动人口的伊朗伊斯兰共和国在2012年- 2014年之间

我们提出了一个分析伊朗伊斯兰共和国的活动的人口。包括信息数据集用于500患者被称为药房在2012年至2014年的城市。评价形式收集信息在5个不同的区域分布在患者随机的药剂师。在这项研究中,简单随机抽样(SRS)和统计分析使用因子分析模型,估计的参数不同的人们之间的社会因素通过累积百分比的方式显示。我们统计的人口是由所有的社会成员从他们之间的500名患者。测量工具的评估形式是由四个问题关于个人信息和14性格测试的500人被称为药房。之前完成评估形式向任何人对整个客观描述的研究。同时,同意了从每个参与的研究项目。在这个评估中,254名女性和246名男性进行了研究。社会因素如年龄、性别、婚姻状况和受教育程度是编码。 The social factors divided to four groups: age (=) gender (=), marital status (=) and level of education (=). Thus, we encountered to multinomial population. Part of the questions were relevant to amount of the understanding of the role of the pharmacist that to deals the knowledge and satisfaction rate of the public of the pharmacists in the form of how use of prescription drugs. These questions included q1, q4, q9, q13. Some other questions was related to satisfaction rate of the public of informing medical and pharmacy services in the form of O.T.C. drugs in different pharmacy. These questions included q2, q3, q6, q7. And finally, another part of the questions deals to rate selfmedication by people. These questions included q5, q8, q11, q12 and q14. In each of the three main questions, social factors are also investigated. A total of 14 questions to assess public awareness and appreciation of pharmacists and pharmaceutical delivery system were determined. The questionnaire the data as a random sample of 500 cases of patients aged 16 years and greater than was collected by 5 pharmacists. The data set from 5 different areas that we have considered them as the centers of study.

结果

数据分析

我们的目标是建立变量代表社会因素之间的因果关系。我们想解释和分析了数据编码的因果关系。我们分析的有效性参数选择系数q1,第四季度、和问题。调查结果表明,响应量的药剂师的角色的理解,交易的知识和公众满意度的药剂师的形式使用处方药是如何相关的。q1,有效性因素包括F1 = 0.14和F2 = 0.71。这些数字代表的数量告知公众的药剂师的角色。在第一和第二因素比较我们描述了公众知道药剂师的角色。第四季度,有效性因素包括F1 = -0.69和F2 = -0.93。这些因素显示,尽管知道角色的药剂师,公众还没有从药剂师想问他的医学问题。九方,有效性因素包括F1 = -0.14和F2 = 0.73。 These factors indicate that public about comment pharmacists about the use of medication, are relatively satisfied. In question q9, effectiveness factors was included F1=0.74 and F2= -0.09. These factors suggest that public about pharmacists recommendation about the use of medication, are relative attention. Part of other parameters effectiveness were related to satisfaction rate of the public of informing medical and pharmacy services in the form of O.T.C. drugs in different pharmacy. These questions were included q2, q3, q6, q7. In question q2, effectiveness factor was included F2=0.90. In question q3, effectiveness factors was included F1= -0.64 and F2= -0.19. These questions show that the public of receiving their drugs especially O.T.C at the pharmacy are satisfied. Questions 6 and 7 to deals of knowing people from O.T.C. drugs or non-prescription drugs. In question q6, effectiveness factors was included F1=0.73 and F2= -0.05. In question q7, effectiveness factors was included F1=0.48 and F2=-0.39. Another part of the questions deals to rate self-medication by people. These questions were included q5, q8, q11, q12 and q14. In question q5, effectiveness factor was included F2=0.54. In question q8, effectiveness factors were included F1=0.11 and F2=0.56. In question q11, effectiveness factor was included F2=0.63. In question q12, effectiveness factor was included F2=0.61. In question q14, effectiveness factor was included F2=0.38. The rate of effectiveness on society concerning use of self-medication was achieved about 60%. For example, in the study population who had at least partial knowledge of the role of the pharmacist in the selection process, there are prescription medications 72.2% respondents are that in addition to the knowledge to asking of the pharmacist and unwillingness of use non-prescription drugs also pharmacists comment are totally believe. Pharmacists’ role in the selection of drugs, more effective and influential in their recovery processes. Another example in the population of study is related to individuals that at least partially of the delivery status of nonprescription drugs in the pharmacy have knowledge and satisfaction. 34.1% of respondents obtained their drugs from pharmacies and as well supply of non-prescription drugs with their satisfaction. Final example in the population of study is related to the respondents’ tendency to use arbitrary drugs. 70% of respondents despite knowledge of important role of pharmacist in medicinal counseling tend to consume have on arbitrary. According to the above findings can be pointed to weaknesses in popular culture. In fact, creating a culture in preparation and proper use of drugs is one of the most important pillars of preventing misuse use of drugs that in this research is studied. The estimate of probabilities in the multinomial distribution of q8, q10 and q11 are presented in表3。

我们也计算概率的估计q5的多项分布,q6和迄今为止。结果提出了表5所示。在主成分方法中,应选择特征值最高。在这项研究中,他们四个组件。第一个组件(P1)游戏的功能,q10和团队。第一个分量方差比率为31.3%。第二部分(P2) q5的函数,q6和迄今为止。此外,第二部分方差比率为26.4%。其他结果所示表1。此外,最大的第一个组件之间的相关性和团队。因此,在表2。我们提出了似然比测试团队的每一个细胞。

讨论

药剂师通常是一种容易的初级保健因为药房的广泛分布的37]。通过访问一个药剂师作为专家顾问病人可以准备一个健康关心医疗用品的使用包括药物,不需要处方。药剂师还专长的职业网络参考病人的医生如果有需要诊断和治疗的药物需要处方或其他治疗。在本文中,使用主成分方法和累积了差异的因素,因子分析是开发模型,它是一种最灵活的方法在多变量分析38]。在这个研究,探索性因素分析是用于检查数据的协方差结构报告2012 - 2014年期间,大约有500名成员。进一步的研究需要调查因子调查分析结果和结构之间的关系,以及评估因子得分和关键风险变量之间的关系。

引用

1. 徐怀钰即临床药师在药学服务中的作用。日本J制药医疗科学。2005;31:113 - 120。
2. Dickson d .沟通障碍:互动社区护理实践,贝辛斯托克,麦克米伦。1998年。
3. Hargie O和明日n如何与患者有效沟通:NPA 97年制药企业和实践中,伦敦,1997年在链接。
4. 比尔J和奥斯汀z合法性和专业精神的追求:药房在安大略省(加拿大)的进化。制药历史学家。2006;1:222 - 227。
5. 马拉k在急诊医学沟通和解决冲突。紧急情况北美。1999;17:451 - 459。
6. 立顿HL、et al。药剂师作为变革的动力,合理的药物治疗。Int J抛光工艺评估医疗。1995;11:485 - 508。
7. Cipolle RJ, et al .药学服务实践:临床医师的指导(2 ndedn),纽约,纽约:麦格劳-希尔公司,Inc .) 2004年。
8. Hanlon JT, et al。可以有积极的临床药学服务对毒品问题和影响社区老年人健康状况?是J Geriat Pharmacother。2004; 1:3-13。
9. 德年轻m . pharmacist-patient通信的影响研究机构和门诊的网站。是J卫生系统制药。1996;53:1277 - 1291。
10. Bupendra Sh和贝蒂Ch。概念化和测量药剂师病人交流:回顾已发表的研究。Res Soc管理制药。2006;2:153 - 185。
11. Krska J, et al . Pharmacist-led药物检查的病人超过65:一项随机、对照试验在初级保健。年龄老化。2001;30:205 - 211。
12. 詹姆逊JP VanNoord GR。药物治疗咨询复方用药的病人在门诊。安药物治疗。2001;35:835 - 840。
13. 库珀新泽西,et al。在经济评价综合决策分析建模:贝叶斯方法。健康的经济。2004;13:203 - 226。
14. 克里斯腾森D, et al。药房管理优化为疗养院病人药物治疗的干预。J老年药物治疗。2004;4:248 - 256。
15. 多赛特WR, et al .综合药物治疗管理:识别和解决毒品问题在社区药房。其他。2005;27:1104 - 1111。
16. Hanlon JT, et al。一项随机、对照试验的临床药师干预与复方用药改善老年门诊病人的不合适的处方。是J地中海1996;100:428 - 437。
17. 法雷尔VM, et al .临床识别和解决复方用药。是J卫生系统制药。2003;60:1830 - 1835。
18. Furniss L, et al。药剂师的药物评估的影响在疗养院。Br J精神病学。2000;176:563 - 567。
19. Chang y变量选择通过回归树的不相关的变量。Commun Stat-Simul c . 2012; 42:1702 - 1726。
20. 田R和雪。变量选择与纵向数据半参数回归模型变量侵蚀。Sci杂志2013;3:52-59。
21. 雷欧M和Zwanzig s SimSel:一个新的变量选择的模拟方法。J集权的第一版装病者。2012;82:515 - 527。
22. 吴LC,等。在关节的位置和比例模型变量选择skew-normal分布。J统计第一版Sim。2012; 83:1266 - 1278。
23. 曾庆红L和谢j .集团与依赖变量选择数据结构。J统计第一版Sim。2012; 82:95 - 106。
24. Bradic J, et al .处罚复合quasi-likelihood超高维变量的选择。J R集权的Soc B 2011; 73:225 - 349。
25. 李R和梁h .变量选择semipararmetric回归建模。安集权。2008;36:261 - 286。
26. 乔治EI。变量选择问题。J Amer集权Assoc。2000; 95:1204 - 1208。
27. 通过套索Tibshirani r .回归收缩和选择。皇家集权的Soc J系列b . 1996; 58:267 - 288。
28. 风扇J和李r .变量选择通过nonconcave惩罚可能性及其甲骨文属性。J Amer集权Assoc。2001; 96:1348 - 1360。
29. 风扇J和李r·考克斯变量选择比例风险模型和脆弱地模型。安集权。2002;30:74 - 99。
30. 风扇J和李r .新的半参数估计和模型选择过程建模在纵向数据分析中。J Amer集权Assoc。2004; 99:710 - 723。
31. 风扇J和彭h . Nonconcave惩罚可能性与不同数量的参数。阿米尔-集权。2014;22:928 - 961。
32. 哈利利的和陈j .变量选择在有限的混合回归模型。J Amer集权Assoc。2007; 102:1025 - 1028。
33. Eskandari F和Ormoz大肠变量选择在semi-parametric有限混合回归模型。Commun Stat-Theory和方法。2016;45:695 - 711。
34. 格林伍德CMT, et al。随机试验metaregression统计问题分析:影响膳食钠摄入量与血压的关系。生物识别技术1999;55:630 - 636。
35. 丹尼尔斯乔丹和休斯。荟萃分析评估潜在的替代标记。统计医学。1997;16:1965 - 1982。
36. 斯皮格尔霍尔特DJ, et al .贝叶斯方法和医疗临床试验评价(2 ndedn),奇切斯特,约翰•威利父子有限公司,英国。2004年。
37. 范Grootheest K, et al。药剂师在报告药品不良反应的作用在国际视角。Pharmacoepidemiol药物Saf。2004; 13: 457 - 464。
38. ‘n生物统计学和贝叶斯。统计科学。1990;5:269 - 284。