桂 成 王國(guó)林 陶 源 曹冬梅
常州市第一人民醫(yī)院//蘇州大學(xué)第三附屬醫(yī)院 江蘇常州 213003
為了保障患者手術(shù)安全,提高醫(yī)院手術(shù)水平,我國(guó)在醫(yī)療領(lǐng)域全面推行手術(shù)分級(jí)管理制度,根據(jù)手術(shù)的風(fēng)險(xiǎn)性、難易程度以及資源消耗的不同,將手術(shù)分為四級(jí),再根據(jù)醫(yī)師的資質(zhì)和能力進(jìn)行手術(shù)分級(jí)授權(quán)。四級(jí)手術(shù)因其手術(shù)過(guò)程復(fù)雜、技術(shù)難度大、風(fēng)險(xiǎn)度大,在一定程度上反映出了醫(yī)院醫(yī)療團(tuán)隊(duì)的手術(shù)水平、技術(shù)能力[1]。
在醫(yī)院管理過(guò)程中,四級(jí)手術(shù)人次是重要的統(tǒng)計(jì)指標(biāo)。四級(jí)手術(shù)人次在一定程度上反映了該醫(yī)院的規(guī)模、醫(yī)療水平和管理能力,科學(xué)、準(zhǔn)確地分析醫(yī)院每月四級(jí)手術(shù)人次的動(dòng)態(tài)變化,可以為醫(yī)院醫(yī)療工作做好前瞻性安排,提高醫(yī)生手術(shù)醫(yī)療的預(yù)見(jiàn)性和主動(dòng)性,具有一定的現(xiàn)實(shí)性意義。王毛俊等[2]研究顯示醫(yī)院三四級(jí)手術(shù)人次與出院人次、門診人次高度相關(guān),三者呈現(xiàn)正向循環(huán)作用,因此通過(guò)對(duì)醫(yī)院四級(jí)手術(shù)人次的預(yù)測(cè)結(jié)果,可以側(cè)面反映醫(yī)院未來(lái)近期出院人次、門診人次的變化趨勢(shì),有利于醫(yī)院為患者的出院安排及術(shù)后復(fù)診做出科學(xué)管理。此外,醫(yī)院通過(guò)對(duì)四級(jí)手術(shù)人次的預(yù)測(cè)值和目標(biāo)管理值的比較,能夠及時(shí)發(fā)現(xiàn)醫(yī)院手術(shù)發(fā)展的目標(biāo)差值,有利于醫(yī)院決策者第一時(shí)間做出手術(shù)管理環(huán)節(jié)的控制,及時(shí)糾偏,為醫(yī)院手術(shù)精細(xì)化管理提供較為可靠的數(shù)據(jù)支持。同時(shí),在三級(jí)公立醫(yī)院的績(jī)效考核指標(biāo)中,四級(jí)手術(shù)占比是一個(gè)重要的考核要點(diǎn),它反映了醫(yī)院醫(yī)療技術(shù)水平及解決疑難復(fù)雜疾病的能力,因此利用四級(jí)手術(shù)人次的預(yù)測(cè)數(shù)據(jù),及時(shí)調(diào)整醫(yī)院未來(lái)四級(jí)手術(shù)占比期望值,一方面可以不斷促進(jìn)醫(yī)院手術(shù)技術(shù)水平的提高,另一方面對(duì)三級(jí)公立醫(yī)院績(jī)效考核的目標(biāo)達(dá)成有著積極的指導(dǎo)意義。
當(dāng)前某醫(yī)院利用四級(jí)手術(shù)人次的環(huán)比數(shù)據(jù)和同比數(shù)據(jù)做算術(shù)平均值,其四級(jí)手術(shù)人次預(yù)測(cè)值的準(zhǔn)確性一般波動(dòng)較大。本次研究摘取某三甲醫(yī)院近5年來(lái)四級(jí)手術(shù)人次的時(shí)間序列,分別采用指數(shù)平滑法和ARIMA法對(duì)其擬合,并建立相應(yīng)的模型。利用所建立的指數(shù)平滑模型和ARIMA模型對(duì)2019年每月四級(jí)手術(shù)人次進(jìn)行預(yù)測(cè),并通過(guò)預(yù)測(cè)值與實(shí)際值的相對(duì)誤差,判斷模型的預(yù)測(cè)精度,為醫(yī)院的管理者合理配置人、財(cái)、物等資源提供決策依據(jù)。
資料數(shù)據(jù)摘取于某三甲醫(yī)院2014年1月—2018年12月統(tǒng)計(jì)報(bào)表,數(shù)據(jù)真實(shí)、可靠。其中2014年1月—2018年12月的60個(gè)數(shù)據(jù)用于時(shí)間序列的建模擬合。2019年1月—12月的12個(gè)四級(jí)手術(shù)人次用于模型的預(yù)測(cè)驗(yàn)證。
1.2.1 指數(shù)平滑模型[3-5]指數(shù)平滑預(yù)測(cè)方法由C.C.Holt于1958年提出,是一種特殊的加權(quán)移動(dòng)平均法,其基本原理是利用時(shí)間序列中的既往值,對(duì)時(shí)間序列進(jìn)行加權(quán)平均,用以預(yù)測(cè)時(shí)間序列的未來(lái)發(fā)展趨勢(shì)。指數(shù)平滑法對(duì)時(shí)間序列中觀察值的權(quán)重,從近期到遠(yuǎn)期按等比級(jí)數(shù)減少,因此隨著時(shí)間的發(fā)展,模型遠(yuǎn)期觀察值的權(quán)重會(huì)逐漸收斂于零,對(duì)模型的預(yù)測(cè)影響力也會(huì)趨向于零,由于指數(shù)平滑法不舍棄任何既往數(shù)據(jù),同時(shí)又給予遠(yuǎn)期數(shù)據(jù)逐漸減弱的影響程度,因此其預(yù)測(cè)值更能反映時(shí)間序列的變化趨勢(shì),在實(shí)際應(yīng)用中更適合作短期預(yù)測(cè)。
季節(jié)性指數(shù)平滑模型是Winters于20世紀(jì)60年代初研究的高級(jí)形式的指數(shù)平滑法,其方法是對(duì)具有長(zhǎng)期趨勢(shì)和季節(jié)波動(dòng)的時(shí)間序列,分別進(jìn)行指數(shù)平滑,然后將趨勢(shì)因素和季節(jié)因素的平滑結(jié)果結(jié)合,用以對(duì)原時(shí)間序列進(jìn)行預(yù)測(cè)驗(yàn)證,這種平滑方法擴(kuò)大了指數(shù)平滑法的應(yīng)用范圍,提高了具有季節(jié)波動(dòng)性數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確性。按各因素平滑結(jié)果的結(jié)合方式,季節(jié)性的指數(shù)平滑模型分3種:簡(jiǎn)單季節(jié)性指數(shù)平滑法、Winters加法指數(shù)平滑法、Winters乘法指數(shù)平滑法。
通過(guò)SPSS中Analyze-Forecasting-Create Models-Time Series Modeler的Method選擇Expert Modeler,設(shè)定Model type為指數(shù)平滑法。Expert Modeler自動(dòng)查找最優(yōu)擬合模型為Winters加法指數(shù)平滑模型。
1.2.2 ARIMA模型[6-9]ARIMA自回歸綜合移動(dòng)平均模型是廣泛應(yīng)用于時(shí)間序列分析的常見(jiàn)模型。ARIMA模型就是著名的Box-Jenkins模型。它可以延伸到對(duì)包含季節(jié)趨勢(shì)的時(shí)間序列進(jìn)行分析。根據(jù)對(duì)時(shí)間序列特征的預(yù)先研究,可以指定3個(gè)參數(shù)用來(lái)分析時(shí)間序列,即自回歸階數(shù)(p)、差分人次(d)和移動(dòng)平均階數(shù)(q)。ARIMA是多個(gè)模型的混合,即自回歸AR,求和I,和移動(dòng)平均MA。ARIMA模型分為非季節(jié)性ARIMA模型和季節(jié)性ARIMA模型,即ARIMA(p,d,q)模型和ARIMA(p,d,q)(P,D,Q)s模型,其中p、d、q 以及P、D、Q 分別表示非季節(jié)模型和季節(jié)模型中的自回歸的階數(shù)、差分(季節(jié)差分)人次、移動(dòng)平均階數(shù),s為季節(jié)周期。
繪制該三甲醫(yī)院2014—2018年四級(jí)手術(shù)人次的時(shí)間序列圖(圖1),可見(jiàn)四級(jí)手術(shù)人次呈現(xiàn)明顯上升趨勢(shì)且有明顯的季節(jié)變動(dòng)規(guī)律,說(shuō)明原始序列不平穩(wěn),ARIMA模型建立的前提條件為時(shí)間序列是一零均值的平穩(wěn)隨機(jī)序列,因此對(duì)原始時(shí)間序列進(jìn)行一階差分和一階季節(jié)差分以消除整體趨勢(shì)和季節(jié)性的影響并做時(shí)間序列圖(圖2)。觀察圖2可見(jiàn)數(shù)據(jù)以0為中心上下波動(dòng),近似等幅波動(dòng),說(shuō)明數(shù)據(jù)參差符合白噪聲,數(shù)據(jù)在做一階差分和一階季節(jié)性差分后平穩(wěn),可以進(jìn)行ARIMA數(shù)據(jù)分析,初步確定模型為復(fù)合季節(jié)模型ARIMA(p,1,q)(P,1,Q)12。根據(jù)一階差分及一階季節(jié)性差分處理后序列的自相關(guān)函數(shù)圖(ACF)和偏自相關(guān)函數(shù)圖(PACF)(圖3~6)可知p取0,q取1,P取1,Q取0,即模型為ARIMA(0,1,1)(1,1,0)12。
圖1 2014年1月—2018年12月四級(jí)手術(shù)人次的時(shí)間序列圖
圖2 經(jīng)一階差分和一階季節(jié)性差分后的時(shí)間序列圖
圖3 一階差分后的ACF圖
圖4 一階差分后的PACF圖
圖5 一階季節(jié)性差分后的ACF圖
圖6 一階季節(jié)性差分后的PACF圖
采用Excel 2017建立數(shù)據(jù)庫(kù)、使用SPSS 22軟件對(duì)歷年統(tǒng)計(jì)數(shù)據(jù)分別建立指數(shù)平滑法及ARIMA模型,并進(jìn)行擬合及預(yù)測(cè),將平穩(wěn)R2、R2、均方根誤差(RMSE)、平均絕對(duì)誤差百分比(MAPE)、平均絕對(duì)誤差(MAE)及標(biāo)準(zhǔn)化貝葉斯信息準(zhǔn)則(BIC)作為評(píng)價(jià)指標(biāo),篩選最優(yōu)模型并對(duì)模型進(jìn)行參數(shù)估計(jì)與檢驗(yàn)[10]。
輸出結(jié)果顯示,Expert Modeler選取的最優(yōu)模型為季節(jié)性指數(shù)平滑模型中的Winters加性指數(shù)平滑模型。該模型平穩(wěn)R2為0.723,R2為0.966,大于0.75,認(rèn)為模型擬合效果良好[4]。標(biāo)準(zhǔn)BIC為7.941,Ljung-Box Q檢驗(yàn)無(wú)統(tǒng)計(jì)學(xué)意義(Q18=18.762,P=0.225),可認(rèn)為該殘差序列為白噪聲序列,因此用Winters加性指數(shù)平滑模型對(duì)四級(jí)手術(shù)人次進(jìn)行擬合與預(yù)測(cè)是合理的[11]。模型參數(shù)估計(jì)中平滑參數(shù)Alpha(Level)估計(jì)值為0.277,且參數(shù)檢驗(yàn)結(jié)果顯示有統(tǒng)計(jì)學(xué)意義(T=2.747,P=0.008)。
擬合效果最優(yōu)的模型為ARIMA(0,1,1)(1,1,0)12。該模型平穩(wěn)R2為0.553,R2為0.929,表明擬合程度較好。標(biāo)準(zhǔn)BIC為8.781,Ljung-Box Q檢驗(yàn)無(wú)統(tǒng)計(jì)學(xué)意義(Q18=9.864,P=0.874),可認(rèn)為該殘差序列為白噪聲序列,因此用ARIMA(0,1,1)(1,1,0)12模型對(duì)四級(jí)手術(shù)人次進(jìn)行擬合與預(yù)測(cè)是合理的[12]。
在模型選擇過(guò)程中,根據(jù)平穩(wěn)R2和R2數(shù)值越大模型越優(yōu),RMSE、MAPE、MAE、標(biāo)準(zhǔn)BIC數(shù)值越小模型越優(yōu)的原則綜合確立最優(yōu)預(yù)測(cè)模型。平穩(wěn)R2統(tǒng)計(jì)量用于比較模型中的固定成分和簡(jiǎn)單均值模型的差異,范圍是負(fù)無(wú)窮大到1;R2表示模型所能解釋的數(shù)據(jù)變異占總變異的比例,范圍是負(fù)無(wú)窮大到1;標(biāo)準(zhǔn)BIC表示模型對(duì)數(shù)據(jù)的釋度,該統(tǒng)計(jì)量基于均方誤差統(tǒng)計(jì)量,并考慮了模型的參數(shù)個(gè)數(shù)和序列數(shù)據(jù)個(gè)數(shù)[13-14]。
結(jié)果顯示,Winters加法指數(shù)平滑模型的RMSE、MAPE、MAE、標(biāo)準(zhǔn)BIC分別為47.846、5.092、37.236、7.941,ARIMA模型的RMSE、MAPE、MAE、標(biāo)準(zhǔn)BIC值分別為65.756、6.564、51.124、8.781。Winters加性指數(shù)平滑模型的RMSE、MAPE、MAE和標(biāo)準(zhǔn)BIC的值均比ARIMA模型的結(jié)果小,而平穩(wěn)R2和R2的值均比ARIMA模型的結(jié)果大,同時(shí)通過(guò)對(duì)Winters加法指數(shù)平滑模型與ARIMA模型的四級(jí)手術(shù)人次預(yù)測(cè)值與實(shí)際值的比較,可見(jiàn)Winters加法指數(shù)平滑模型預(yù)測(cè)的相對(duì)誤差較小(表1),因此確定Winters加法指數(shù)平滑模型為某三甲醫(yī)院四級(jí)手術(shù)人次的最終預(yù)測(cè)模型[15-16]。
表1 2019年四級(jí)手術(shù)人次的預(yù)測(cè)值與實(shí)際值
四級(jí)手術(shù)人次作為醫(yī)院管理中一項(xiàng)重要的綜合性指標(biāo),在一定程度上反映了醫(yī)院的醫(yī)護(hù)能力、硬件設(shè)備、技術(shù)水平,體現(xiàn)了醫(yī)院規(guī)模、醫(yī)療水平和管理能力,在醫(yī)院管理中對(duì)醫(yī)院四級(jí)手術(shù)人次進(jìn)行擬合、預(yù)測(cè)有著一定的現(xiàn)實(shí)意義,一方面,可以為醫(yī)院管理者對(duì)院四級(jí)手術(shù)人次變化趨勢(shì)提供理論預(yù)測(cè),為管理者在手術(shù)管理與調(diào)整方面提供決策依據(jù);另一方面,通過(guò)對(duì)四級(jí)手術(shù)人次的短期預(yù)測(cè),可以幫助臨床醫(yī)生做好手術(shù)的前瞻性安排,合理安排手術(shù)時(shí)間,提高工作的預(yù)見(jiàn)性。指數(shù)平滑法和ARIMA乘積季節(jié)模型是目前研究常見(jiàn)的兩種預(yù)測(cè)模型,并廣泛運(yùn)用于多個(gè)領(lǐng)域。這兩種模型都是通過(guò)分析既往觀測(cè)數(shù)據(jù)隨時(shí)間變化的規(guī)律并借此預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)的時(shí)間序列模型[10]。ARIMA模型建模過(guò)程較復(fù)雜,對(duì)建模樣本量有要求,至少需要50個(gè)時(shí)間點(diǎn)或7~8個(gè)周期的數(shù)據(jù),這也可能是導(dǎo)致本次研究該模型擬合效果不如指數(shù)平滑法的原因[13]。
本研究通過(guò)對(duì)某三甲醫(yī)院2014年—2018年每月四級(jí)手術(shù)人次數(shù)據(jù)的擬合,進(jìn)而預(yù)測(cè)2019年每月的四級(jí)手術(shù)人次,最終確定Winters加法指數(shù)平滑模型為最優(yōu)模型,該模型可以更準(zhǔn)確地預(yù)測(cè)四級(jí)手術(shù)人次的變化趨勢(shì),但研究發(fā)現(xiàn)Winters加法指數(shù)平滑模型也存在局限性,預(yù)測(cè)值與實(shí)際值仍然存在一定差異,2月份相對(duì)誤差較大,這可能是受2月份天數(shù)較少、春節(jié)假期因素的影響。從分析結(jié)果來(lái)看,某三甲醫(yī)院的四級(jí)手術(shù)人次呈現(xiàn)不斷上升且有季節(jié)變化的規(guī)律,醫(yī)院管理部門應(yīng)根據(jù)這一特點(diǎn),合理配置各種醫(yī)療資源,逐步加大人力、物力的投入,以適應(yīng)四級(jí)手術(shù)人次的逐漸增長(zhǎng),更好地為患者提供優(yōu)質(zhì)服務(wù)。
研究發(fā)現(xiàn)某三甲醫(yī)院的四級(jí)手術(shù)人次呈現(xiàn)明顯上升趨勢(shì)。分析原因在于,現(xiàn)階段醫(yī)院管理決策者對(duì)公立醫(yī)院發(fā)展戰(zhàn)略目標(biāo),已經(jīng)從過(guò)去醫(yī)院粗放式管理,盲目追求規(guī)模擴(kuò)張,逐漸轉(zhuǎn)化為對(duì)醫(yī)院精細(xì)化管理,提升醫(yī)療質(zhì)量效益。四級(jí)手術(shù)是當(dāng)前手術(shù)分類中級(jí)別最高的手術(shù),是評(píng)價(jià)醫(yī)院醫(yī)療技術(shù)水平及解決復(fù)雜疑難疾病能力的最具代表性的指標(biāo),因此,四級(jí)手術(shù)人次是醫(yī)院提升和把控醫(yī)療質(zhì)量和效益的關(guān)鍵點(diǎn)。通過(guò)對(duì)四級(jí)手術(shù)人次目標(biāo)期望值的設(shè)定,醫(yī)院將在院患者四級(jí)手術(shù)占比逐漸提高,這就導(dǎo)致近年來(lái)某三甲醫(yī)院四級(jí)手術(shù)人次呈現(xiàn)上升趨勢(shì),同時(shí)受國(guó)家三級(jí)公立醫(yī)院績(jī)效考核四級(jí)手術(shù)占比的指導(dǎo),醫(yī)院不斷引進(jìn)相關(guān)設(shè)備,開(kāi)展四級(jí)手術(shù)醫(yī)師的人才培訓(xùn)、進(jìn)修,從而在人員、組織和設(shè)備上保障了四級(jí)手術(shù)人次上升趨勢(shì)的長(zhǎng)期性和穩(wěn)定性。