Hastabakıcılık yönetiminde, hemşirelerin farklı risk düzeylerindeki hastaların taşıdıkları riski değerleme becerileri önem arz etmektedir. Toledo Hastanesi Jobst Damar Enstitüsü’nde yürütülen bir araştırma, farklı risk kategorileri için hemşirelerin ve uzmanların risk değerleme puanlarını eş zamanlı olarak karşılaştırabilmek üzere derin ven trombozunun önlenmesi ile ilgili risk değerleme verilerinin analizini gerektirmiştir. Geleneksel istatistik teknikler verilerden herhangi bir sonuç çıkarmada başarısız olurken, yapılandırdığımız yeni aşamalı güven yöntemi alfa hatasını güçlü bir biçimde kontrol altında tutmakta ve hemşireler ile uzmanların puanları arasındaki farkı başarı ile saptamaktadır. Mevcut istatistik teknikler ile kıyaslandığında, bu yeni iki değişkenli yöntemin, söz konusu veri seti için Bonferroni ve Holm’un basamaklı işleme algoritmasından daha güçlü olduğunu belirtebiliriz. Aynı zamanda Hochberg'in artış yaklaşımından (ki bu yaklaşım aşamalı hata oranını sıkı kontrol altında tutma amacıyla test istatistikleri arasında sınanamaz bir pozitif bağımlılık varsayımına dayanmaktadır.) da daha sağlamdır. Derin ven trombozu olan hastaların verilerinin analizinde, geleneksel istatistik teknikler nihai bir yorum sağlayamazken, bu yeni teknik hemşire ve uzman risk değerleme puanları arasındaki farkı başarıyla tayin etmektedir. Önerilen yeni teknik, eş zamanlı olarak farklı koşullar altında iki farklı grubun yönetim performanslarını kıyaslamaya yönelik yönetim araştırmalarının diğer alanlarına da uyarlanabilir niteliktedir.

In nursing care administration, it is critical to evaluate the risk assessment ability of the nurses for patients at different risk status. For an investigation carried out in the Jobst Vascular Institute at The Toledo Hospital, the nurse risk evaluation necessitates the analysis of risk assessment data for prophylaxis of deep venous thrombosis when comparing nurse risk assessment scores with master scores simultaneously at different risk categories. While conventional statistical methods fail to make any conclusion from the data, we construct a new stepwise confidence procedure that strongly controls the family-wise error rate and successfully detects the difference between the nurse score and the Master score. Compared with existing statistical methods, the new bivariate method is more powerful than the Bonferroni procedure and the Holm's step-down algorithm for this data set. It is also more robust than the Hochberg's step-up approach(which relies on an un-checkable assumption of positive dependence among test statistics to strongly control the family-wise error rate). In the data analysis of patients with deep vein thrombosis, the new method successfully detects the difference between the master risk assessment score and the nurse score, while the conventional statistical methods are unable to make any conclusive statement. The new statistical method is applicable to other fields of administration research simultaneously comparing management performances of two different groups under different scenarios.