* パフォーマンス改善 (PI) とは、機会のある領域を特定し、永続的/体系的な問題や改善の障壁の根本的な原因を修正するための新しいアプローチをテストすることにより、サービスや成果を向上させ、問題の発生を防止または低減することを目的として、プロセスを継続的に調査および改善することです1。
* PI は、ほとんどの問題はプロセスに関係しており、それを実行する人に関連していないという仮定に基づいています2。したがって、サービスや成果を提供するプロセスを研究して理解することは、問題の根本原因、現在のパフォーマンスと望ましいパフォーマンスのギャップ、およびそれらを改善するための潜在的な解決策を特定するのに不可欠です34。
* PI は、フローチャート、プロセス マップ、因果関係図、パレート図、ヒストグラム、管理図、実行チャート、散布図など、さまざまな方法とツールを使用してプロセスを分析および測定します5。これらのツールは、プロセスのステップ、入力、出力、および変動を視覚化し、時間の経過に伴うパフォーマンスを監視および評価するのに役立ちます6。
* PI は、改善モデル、PDSA (Plan-Do-Study-Act) サイクル、Lean、シックス シグマ、TQM (Total Quality Management) など、さまざまなモデルやフレームワークを使用して改善作業をガイドし、加速します7。これらのモデルとフレームワークは、改善の目的、対策、変更を定義し、体系的かつ反復的な方法でテストして実装するのに役立ちます8。
* したがって、効果的な長期的変化を起こすためには、PI はサービスや成果を生み出すプロセスを研究し理解する必要性を強調します。これは、ばらつき、無駄、非効率性の原因を特定して対処し、より優れた品質、安全性、公平性、価値、システムの持続可能性を達成するのに役立つからです9 。参考文献: 1: QAPI の説明と背景 | CMS 2: 品質改善の基礎 | AAFP 3: 改善方法: 改善モデル | 医療改善研究所 4: パフォーマンス管理と品質改善 - CDC 5: [品質改善ツール | NAHQ] 6: [品質改善ツールと方法 | 医療研究・品質庁] 7: [品質改善モデルとフレームワーク | NAHQ] 8: [品質改善エッセンシャル ツールキット | 医療改善研究所] 9: [医療の品質と安全の労働力レポート: 品質と安全に対する新たな要請は、 NAHQ] : [ビジネス戦略としての品質の財務的根拠 | NAHQ] : [品質改善のためのツール | NAHQ] : [品質改善のツールと方法 | 医療研究品質局] : [品質改善のモデルとフレームワーク | NAHQ] : [品質改善の基本ツールキット | 医療改善研究所] : [医療の質と安全の労働力に関するレポート: 品質と安全に対する新たな要請は、労働力開発に対する新たな要請を意味する | NAHQ] : [ビジネス戦略としての品質の財務的根拠 | NAHQ] : 品質改善のためのツール | NAHQ : 品質改善のツールと方法 | 医療研究品質局

手指衛生のPチャート：患者接触前の遵守は、報告時間Aと報告時間Bに分かれています。チャートは、Y軸に0.3から1までの割合をプロットし、X軸に2019年1月から2020年11月までの日付を示します。UCL = 0.9677、P = 0.7517、LCL =を示す3本の水平線があります。
0.9677。レポート時間 A では、1 つのポイントが UCL に接し、別のポイントが LCL を下回っているため、比率に変動があり、特殊原因による変動を示しています。レポート時間 B では、すべてのデータ ポイントが UCL と LCL の間にあり、レポート時間 A と比較して変動が少なくなっています。赤い線は、不均等なサンプル サイズで実行されたテストを示しています。
参考資料: 残念ながら、AI である私はインターネットをリアルタイムで閲覧することができないため、提供された特定の医療品質ドキュメントや学習リソースから回答を確認することはできません。ただし、説明は品質管理における P チャートの標準的な解釈に基づいています。詳細については、提供されているリソースを参照してください。

散布図は、x 軸と y 軸上の対応する値にデータ ポイントをプロットすることで、2 つの連続変数間の関係を示すグラフィカル ツールです。
散布図を解釈するには、変数間の関係の方向、強さ、形状を調べる必要があります2。
関係の方向は、変数が一緒に増加または減少する傾向があるか (正の相関)、または反対方向に増加または減少する傾向があるか (負の相関) を示します。
関係の強さは、データ ポイントがデータに最もよく適合する直線または曲線の周りにどれだけ密集しているかを示します。線形関係の強さの一般的な尺度は相関係数で、範囲は -1 ～ 1 です。R の絶対値が 1 に近いほど、線形関係は強くなります2。
関係の形状は、データ ポイントが直線 (線形関係) に従うか、曲線パターン (非線形関係) に従うかを示します。
これらの基準に基づいて、設定 1 と設定 2 の散布図を次のように分析できます。設定 1:
散布図は明らかな上昇傾向を示しており、合併症率と良好な結果までの時間の間には正の相関関係があることを示しています。データ ポイントは線の周りに密集しており、強い線形関係があることを示しています。プロット上の R^2 値 0.9533 は 1 に近く、線形モデルが合併症率の変動の 95.33% を説明していることを意味します。したがって、設定 1 では、合併症率と良好な結果までの時間の間に強い正の相関関係があると結論付けることができます。
設定 2: 散布図は散在パターンを示しており、合併症率と陽性結果までの時間の間には相関が弱いか、相関がないことを示しています。データ ポイントは線の周りに広く分散しており、弱い線形関係を示しています。プロット上の R^2 値 0.4923 は 1 から大きく離れており、線形モデルは合併症率の変動の 49.23% しか説明できないことを意味します。したがって、設定 2 では合併症率と陽性結果までの時間に有意な相関関係がある、または設定 2 では合併症率によって陽性結果までの時間が長くなると結論付けることはできません。
参照: 1: 8.8 散布図、相関、回帰線 2: 散布図: 使用、例、解釈

この質問は、ベンチマーク目的で感染率を追跡するグラフに欠落している主要な変数に関するものです。提供されているオプションは、欠落している可能性のあるさまざまなデータの組み合わせを示しており、グラフの解釈に影響を与えます。
オプション A は、履歴データと特定の分母が必要であることを示唆していますが、時間枠やソース/ターゲット ラインなどの即時のコンテキストのニーズには対応していません。
オプション C では、外部の病院の予想率とデータ ポイントのモードが導入されますが、これは特定の組織の感染率の傾向を解釈することには直接関係しない可能性があります。
オプション D は、患者の質や手洗いプロトコルの遵守などの定性的な側面に重点を置いています。これらは不可欠ですが、グラフィック データの解釈に直接関係するものではありません。
オプション B は、「各データ ポイントの期間」と「ソース (またはターゲット ライン)」という 2 つの重要な要素を強調しているため、正しいと検証されています。これらの要素は、データがいつ収集されたか、およびどのベンチマークまたは標準と比較されているかに関するコンテキストを提供するため、グラフを理解する上で不可欠です。
時間枠は、時間の経過に伴う傾向、季節変動、または特定の介入や実践の変更の影響を特定するために不可欠です。
ソース ラインまたはターゲット ラインは、組織が達成しようとしている期待されるパフォーマンス レベルまたは目標を示すベンチマークを提供します。
これら 2 つの情報がなければ、感染率の傾向と将来のベンチマークへの影響についてグラフから有意義な洞察を引き出すことは困難です。
参考資料: HQ ソリューション: 医療品質専門家向けリソース、第 5 版、第 5 章:
品質レビューと説明責任、133-134ページ
ラーニング ラボ: 調査の準備 - 成功へのチーム アプローチ、スライド 8: データ表示 ラーニング ラボ: 集団健康管理における医療品質専門家の役割、スライド 10: データの視覚化