丁 磊 程 紅 牛 珉 李環(huán)廷 蔣光峰

青島大學(xué)附屬醫(yī)院 (266000)

醫(yī)院精細(xì)化管理：門診量預(yù)測模型的建立

丁 磊 程 紅 牛 珉 李環(huán)廷△蔣光峰△

青島大學(xué)附屬醫(yī)院 (266000)

目的探討門診量預(yù)測建模方法，為醫(yī)院運(yùn)營精細(xì)化管理提供參考依據(jù)。方法基于山東省某省級綜合性醫(yī)院2013-2016年各月門診量等數(shù)據(jù)，探討回歸、指數(shù)平滑及ARIMA等三類多個模型，根據(jù)決定系數(shù)(R2)、貝葉斯信息準(zhǔn)則(BIC)及Ljung-BoxQ統(tǒng)計(jì)量確定相應(yīng)類別最優(yōu)模型；通過比較三類最優(yōu)模型的平均相對預(yù)測誤差(MRFE)，選擇誤差最小者為最終最優(yōu)模型。結(jié)果最優(yōu)回歸預(yù)測模型表示為：月門診量=月法定工作日天數(shù)×12643.946+78959.827，R2為0.20，MRFE為10.0%；最優(yōu)指數(shù)平滑模型為Winters加法指數(shù)平滑模型，水平常數(shù)α、趨勢常數(shù)λ及季節(jié)常數(shù)δ分別為0.300 、4.177×10-5及6.397×10-5，R2、BIC及Ljung-BoxQ分別為0.952、18.913及17.096，MRFE為3.0%；最優(yōu)ARIMA模型為ARIMA(1,1,0)(0,1,0)12，R2、BIC及Ljung-BoxQ分別為0.775、19.751及21.028，MRFE為7.4%。結(jié)論綜合探討門診量預(yù)測建模方法并確定最優(yōu)預(yù)測模型是推進(jìn)醫(yī)院精細(xì)化管理的有效措施。

醫(yī)院精細(xì)化管理 回歸 時間序列分析 預(yù)測

醫(yī)院精細(xì)化管理是圍繞以人為核心，將精細(xì)化管理的思想、方法、工具貫穿于整個醫(yī)療體系的管理過程，是現(xiàn)代醫(yī)院發(fā)展的必由之路，包括醫(yī)療、護(hù)理、醫(yī)院運(yùn)營等精細(xì)化管理內(nèi)容[1-4]。門診量是醫(yī)院運(yùn)營管理的重要評價指標(biāo)之一；深入分析并準(zhǔn)確預(yù)測門診量對醫(yī)療精細(xì)化管理及醫(yī)療服務(wù)有指導(dǎo)意義。本研究旨在利用某省級綜合性醫(yī)院2013至2016年月門診量等數(shù)據(jù)，通過探討多種門診量預(yù)測建模方法以確定最優(yōu)模型，從而為醫(yī)院精細(xì)化管理提供參考依據(jù)。

資料與方法

1.資料來源：山東省某省級綜合性醫(yī)院2013-2016年各月門診量數(shù)據(jù)、國家規(guī)定各月法定工作日天數(shù)、醫(yī)院所在市各月平均最低氣溫及平均最高氣溫。各月門診量數(shù)據(jù)來源于該醫(yī)院信息化統(tǒng)計(jì)報表，所在市各月平均最低氣溫及平均最高氣溫來源官方權(quán)威天氣查詢系統(tǒng)。

2.分析方法：采用Pearson相關(guān)分析變量間兩兩相關(guān)性,并探討曲線擬合關(guān)系(一次、二次或三次曲線)；采用回歸分析月門診量影響因素并建立預(yù)測模型；應(yīng)用時間序列分析方法探討多個門診量指數(shù)平滑模型及ARIMA模型，根據(jù)決定系數(shù)(R2)、貝葉斯信息準(zhǔn)則(BIC)及Ljung-BoxQ統(tǒng)計(jì)量確定相應(yīng)類別最優(yōu)模型；分別應(yīng)用最優(yōu)回歸模型、指數(shù)平滑模型及ARIMA模型對月門診量進(jìn)行預(yù)測，以平均相對預(yù)測誤差(mean relative forecast errors,MRFE)最小者為最終最優(yōu)模型。所有分析均在SPSS 16.0軟件中完成，以雙側(cè)檢驗(yàn)P<0.05認(rèn)為差異具有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.門診量相關(guān)因素分析

將月門診量分別與月法定工作日天數(shù)、月平均最低氣溫及月平均最高氣溫進(jìn)行兩兩相關(guān)分析，結(jié)果顯示變量兩兩間均存在顯著相關(guān)性，相關(guān)系數(shù)r分別為0.447、0.358及0.359 (P均<0.05)。月門診量與月法定工作日一次、二次及三次曲線擬合的R2分別為0.20、0.20及0.23；與月平均最低氣溫一次、二次及三次曲線擬合的R2分別為0.13、0.13及0.17；與月平均最高氣溫一次、二次及三次曲線擬合的R2分別為0.13、0.13及0.16。鑒于三次曲線較一次及二次曲線復(fù)雜度按數(shù)量級計(jì)，而R2僅比一次及二次曲線高0.03左右，因此綜合考慮選擇一次曲線進(jìn)行關(guān)系擬合。

2.月門診量回歸分析及預(yù)測

以月門診量為因變量，月法定工作日天數(shù)、月平均最低氣溫及月平均最高氣溫為自變量同時納入逐步線性回歸分析，結(jié)果顯示僅月法定工作日天數(shù)為月門診量的顯著影響因素(P<0.01)，擬合回歸方程為：月門診量=月法定工作日天數(shù)×12643.946+78959.827，R2為0.20(見圖1)。將11月法定工作日天數(shù)22代入方程進(jìn)行預(yù)測，得到11月門診量預(yù)測值為357127，其95%置信區(qū)間(confidence interval,CI)為[340371,373882]。與11月實(shí)際門診量396825相比，可得MRFE為10.0%。

3.月門診量指數(shù)平滑模型及預(yù)測

應(yīng)用時間序列分析分別探討月門診量非季節(jié)性及季節(jié)性等多種指數(shù)平滑模型，以R2值最大、BIC值及Ljung-BoxQ值最小為標(biāo)準(zhǔn)判斷最優(yōu)模型，最終Winters加法指數(shù)平滑模型入選最優(yōu)，其R2、BIC及Ljung-BoxQ分別為0.952、18.913及17.096(參數(shù)見表1)。應(yīng)用該模型預(yù)測，11月門診量預(yù)測值及95%CI為384846[362073,407618]。與11月實(shí)際門診量相比，可得MRFE為3.0%(見圖2)。

圖1 月門診量與法定工作日天數(shù)關(guān)系圖

項(xiàng)目參數(shù)估計(jì)值參數(shù)估計(jì)值標(biāo)準(zhǔn)差tPα(水平常數(shù))0.3000.1092.7550.009λ(趨勢常數(shù))4.177×10-50.0630.0010.999δ(季節(jié)常數(shù))6.397×10-50.1380.0001.000

圖2 Winters加法指數(shù)平滑模型對月門診量的預(yù)測

4.月門診量ARIMA模型及預(yù)測

應(yīng)用時間序列分析探討多個月門診量ARIMA模型，以R2值最大、BIC值及Ljung-BoxQ值最小為標(biāo)準(zhǔn)判斷最優(yōu)模型，最終認(rèn)為ARIMA(1,1,0)(0,1,0)12為最優(yōu)模型，其R2、BIC及Ljung-BoxQ分別為0.775、19.751及21.028。應(yīng)用該模型預(yù)測，11月門診量預(yù)測值及95%CI為367638[330782,404495]。與11月實(shí)際值相比，可得MRFE為7.4%。

討 論

本研究探討得到三類模型中各自相對最優(yōu)模型，并應(yīng)用其對月門診量分別進(jìn)行預(yù)測，其中以Winters加法指數(shù)平滑模型MRFE最低(3%)、BIC及Ljung-BoxQ值最小，R2達(dá)0.952，提示其可作為最優(yōu)模型對月門診量準(zhǔn)確預(yù)測。該模型充分利用各月數(shù)據(jù)間的時點(diǎn)關(guān)聯(lián)性、趨勢性及季節(jié)性，并估算出相應(yīng)參數(shù)值以預(yù)測，由圖2見，模型門診量擬合值與實(shí)際值基本吻合，擬合效果良好。吳學(xué)智[5]等采用指數(shù)平滑及ARIMA兩種建模來預(yù)測門診量，發(fā)現(xiàn)季節(jié)性指數(shù)平滑模型預(yù)測總體相對誤差為1.72%，明顯低于ARIMA的7.27%，與本研究結(jié)論相符。耿娟[6]等，向前[7]等應(yīng)用ARIMA模型預(yù)測門診量，得到MRFE分別為5.28%、6.11%，與本研究ARIMA的預(yù)測誤差(7.40%)相近，亦高于本研究Winters加法指數(shù)平滑模型的3.00%。張文濤[8]等對某醫(yī)院2004-2013年月門診量進(jìn)行分析，最終建立ARIMA(1,1,0)(0,1,0)12模型，與本研究ARIMA模型一致。值得注意，不同醫(yī)院門診量變化規(guī)律未必一致,因此醫(yī)務(wù)管理人員要根據(jù)各醫(yī)院實(shí)際，綜合探討多種建模方法以得到各自醫(yī)院的最優(yōu)預(yù)測模型。

與既往研究相比[5-11]，本研究探討的模型種類及數(shù)量較多，討論重點(diǎn)不在于研究醫(yī)院門診量的變動規(guī)律及可能解釋原因，而在于門診量預(yù)測模型在醫(yī)院精細(xì)化管理中的應(yīng)用。應(yīng)用門診量預(yù)測模型可及早合理配置醫(yī)療資源，如經(jīng)預(yù)測醫(yī)院某月或季度門診量將明顯高于既往月或季度，則醫(yī)院管理人員就應(yīng)未雨綢繆，根據(jù)門診量預(yù)增幅度，有針對性地量化加強(qiáng)候診室就醫(yī)秩序管控、引導(dǎo)員數(shù)量、門診醫(yī)護(hù)力量及醫(yī)務(wù)人員心理預(yù)期等措施，使門診工作平穩(wěn)有序開展。應(yīng)用門診量預(yù)測模型可輔助醫(yī)務(wù)管理人員及時發(fā)現(xiàn)醫(yī)院運(yùn)行管理過程中產(chǎn)生的問題，如預(yù)測模型可提供門診量預(yù)測值及其95%CI，若實(shí)際門診量位于預(yù)測95%CI內(nèi)，則提示醫(yī)院醫(yī)療運(yùn)行工作較為平穩(wěn)；若低于CI下限，則提示醫(yī)院內(nèi)部運(yùn)營管理或外部環(huán)境等產(chǎn)生不利因素，此時醫(yī)務(wù)管理人員應(yīng)及時調(diào)查落實(shí)“癥結(jié)”所在，及早采取措施解決問題；若高于CI上限，則提示醫(yī)院運(yùn)行勢頭良好，醫(yī)務(wù)人員應(yīng)積極總結(jié)經(jīng)驗(yàn)并繼續(xù)推進(jìn)醫(yī)院良好運(yùn)行。應(yīng)用門診量預(yù)測模型可協(xié)助評估醫(yī)院政策措施的利弊，如在醫(yī)院采取某項(xiàng)門診管理措施或政策后，管理人員可利用既往門診量數(shù)據(jù)預(yù)測其實(shí)施后一段時間的門診量，若實(shí)際門診量超過預(yù)測CI上限，則提示措施或政策有利有效，若低于CI下限，則提示該政策或措施不利于門診醫(yī)療工作運(yùn)行，若位于CI內(nèi)，則提示效果欠佳或尚需更長時間考察成效。此外，醫(yī)務(wù)管理人員可借鑒本研究建模方法對其他醫(yī)院管理指標(biāo)進(jìn)行探討預(yù)測，從而更綜合更精細(xì)地評估醫(yī)療工作質(zhì)量和效率。

[1] 易利華主編.醫(yī)院精細(xì)化管理概論.北京：人民衛(wèi)生出版社，2010.

[2] 毛羽,張巖,邢紅娟,等.公立醫(yī)院實(shí)施精細(xì)化管理的可行性.中華醫(yī)院管理雜志,2008,24(5):345-347.

[3] 李萍，劉鵬.加強(qiáng)醫(yī)院精細(xì)化管理的思考.現(xiàn)代醫(yī)院管理,2011,9(5):28-30.

[4] 王志剛.醫(yī)院精細(xì)化管理是現(xiàn)代醫(yī)院發(fā)展的必由之路.中醫(yī)藥管理雜志,2016,24(15):74-75.

[5] 吳學(xué)智,何為虎,王安政.用兩種時間序列分析方法預(yù)測門診量及效果評價.中國病案,2016,17(8):30-32.

[6] 耿娟.ARIMA模型在醫(yī)院門診量預(yù)測中的應(yīng)用.中國衛(wèi)生統(tǒng)計(jì),2014,31(4):643-645.

[7] 向前,陳平雁.預(yù)測醫(yī)院門診量的ARIMA模型構(gòu)建及應(yīng)用.南方醫(yī)科大學(xué)學(xué)報,2009,29(5):1076-1078.

[8] 張文濤,許冰心,孫鵬,等.某三甲綜合醫(yī)院2004-2013年門診量變化趨勢預(yù)測分析.中國衛(wèi)生統(tǒng)計(jì),2016,33(1):115-117.

[9] 薛允蓮.廣州某院門診量的ARIMA模型預(yù)測.中國衛(wèi)生統(tǒng)計(jì),2015,32(2):317-318.

[10]毛以成,黃利娟,查君敬,等.移動平均季節(jié)指數(shù)法分析及預(yù)測醫(yī)院門診量和出院人數(shù).中國病案,2015(11):46-49.

[11]周琴.利用ARIMA乘積季節(jié)模型預(yù)測某綜合醫(yī)院門診量.中國醫(yī)院統(tǒng)計(jì),2016,23(2):141-142.

△通信作者：李環(huán)廷，E-mail:lihuanting26@163.com; 蔣光峰， E-mail：qdsleep@126.com

張 悅)