王瑩 李衛(wèi)平
1北京中醫(yī)藥大學(xué)管理學(xué)院,北京,100029;2衛(wèi)生部衛(wèi)生發(fā)展研究中心,北京,100081
灰色預(yù)測(cè)模型在湖北省醫(yī)療機(jī)構(gòu)床位資源預(yù)測(cè)中的應(yīng)用
王瑩1李衛(wèi)平2
1北京中醫(yī)藥大學(xué)管理學(xué)院,北京,100029;2衛(wèi)生部衛(wèi)生發(fā)展研究中心,北京,100081
摘要目的:采用灰色預(yù)測(cè)模型對(duì)湖北省2013-2020年醫(yī)療機(jī)構(gòu)床位數(shù)進(jìn)行預(yù)測(cè),探索灰色預(yù)測(cè)模型在資源預(yù)測(cè)中的適用范圍、應(yīng)用條件及局限性。方法:不同條件下灰色預(yù)測(cè)模型的應(yīng)用。結(jié)果:模型1對(duì)湖北省醫(yī)療機(jī)構(gòu)床位數(shù)的預(yù)測(cè)結(jié)果不合理,模型2和模型3的預(yù)測(cè)結(jié)果較合理,且模型3的預(yù)測(cè)誤差最小、擬合程度最好。外推結(jié)果顯示,湖北省2015年、2020年醫(yī)療機(jī)構(gòu)床位數(shù)分別達(dá)到30.2萬張和44.4萬張;2015年、2020年千人口床位數(shù)分別達(dá)到5.28張和7.59張。結(jié)論:灰色預(yù)測(cè)模型的預(yù)測(cè)結(jié)果與原始數(shù)據(jù)的篩選和預(yù)測(cè)量均有關(guān);在采用灰色預(yù)測(cè)模型對(duì)床位數(shù)進(jìn)行預(yù)測(cè)時(shí),為了提高精確度,應(yīng)首先對(duì)原始數(shù)據(jù)進(jìn)行篩選,再根據(jù)預(yù)測(cè)量選取不同年份數(shù)據(jù)進(jìn)行預(yù)測(cè)。
關(guān)鍵詞醫(yī)療機(jī)構(gòu);床位;灰色預(yù)測(cè)模型
一個(gè)國(guó)家或地區(qū)醫(yī)療機(jī)構(gòu)資源配置的核心內(nèi)容是床位資源的配置,由此可以配套配置醫(yī)療機(jī)構(gòu)的科室設(shè)置、人員配備、器械裝備、技術(shù)等級(jí)、設(shè)施建設(shè)和資金投入等[1],對(duì)床位資源進(jìn)行合理預(yù)測(cè)將為相關(guān)部門制定科學(xué)合理的衛(wèi)生資源規(guī)劃提供重要的依據(jù)。區(qū)域醫(yī)療機(jī)構(gòu)總床位數(shù)、每千人口床位數(shù)等床位配置指標(biāo)是一個(gè)全球關(guān)注的問題,由于影響醫(yī)療機(jī)構(gòu)床位需要或需求的因素很多[2],因而用于醫(yī)療資源預(yù)測(cè)的方法也很多,其中灰色預(yù)測(cè)模型以其計(jì)算量小、精度高在近些年的醫(yī)療資源預(yù)測(cè)中得到廣泛的應(yīng)用。本文采用灰色預(yù)測(cè)GM(1.1)模型對(duì)湖北省醫(yī)療機(jī)構(gòu)床位數(shù)進(jìn)行預(yù)測(cè)。
1 資料來源與方法
湖北省醫(yī)療機(jī)構(gòu)床位實(shí)際供給量數(shù)據(jù)來源于1983-2012年《湖北省衛(wèi)生統(tǒng)計(jì)年鑒》,湖北省常住人口、戶籍人口數(shù)據(jù)來源于2002-2012年《中國(guó)統(tǒng)計(jì)年鑒》。
1.2.1 方法選取。對(duì)醫(yī)療機(jī)構(gòu)床位配置量的測(cè)算是制定區(qū)域衛(wèi)生規(guī)劃的基礎(chǔ),以往對(duì)床位數(shù)預(yù)測(cè)較為常用的方法有服務(wù)目標(biāo)法、衛(wèi)生服務(wù)需要需求法和時(shí)間序列預(yù)測(cè)法,但均有其局限性。服務(wù)目標(biāo)法在測(cè)算過程中對(duì)人口自然增長(zhǎng)率和潛在需求增長(zhǎng)率參數(shù)做出準(zhǔn)確預(yù)測(cè),但這些參數(shù)的獲得比較困難,尤其是要把居民對(duì)醫(yī)療機(jī)構(gòu)床位數(shù)的潛在需求量化,需要考慮各種影響潛在需求,進(jìn)一步加大了量化的難度。衛(wèi)生服務(wù)需要法按需要配置床位,而沒有考慮患者實(shí)際需求,有可能導(dǎo)致床位閑置;其假設(shè)前提是當(dāng)前衛(wèi)生服務(wù)需求滿足需要,而未考慮應(yīng)住院而未住院患者的比例,即并未考慮床位資源的潛在需要,若以此為依據(jù)配置床位,有可能導(dǎo)致床位短缺。時(shí)間序列法更適合于短期預(yù)測(cè),對(duì)長(zhǎng)期預(yù)測(cè)的效果誤差較大?;疑P皖A(yù)測(cè)法以其對(duì)數(shù)據(jù)的規(guī)律性要求低、預(yù)測(cè)精度好,近年來廣泛運(yùn)用于各種資源預(yù)測(cè)。因此,面對(duì)老齡化、城鎮(zhèn)化、疾病譜變化帶來的醫(yī)療需求增長(zhǎng)以及各種不確定性[3],本文采用灰色預(yù)測(cè)模型法進(jìn)行預(yù)測(cè)。
1.2.2 模型建立。①模型1:采用湖北省醫(yī)療機(jī)構(gòu)1983-2012年床位數(shù)的配置情況對(duì)其2013-2020年床位數(shù)進(jìn)行預(yù)測(cè),建立灰色預(yù)測(cè)模型。②模型2:采用該省2002-2012年床位數(shù)的配置情況對(duì)其2013-2020年床位數(shù)進(jìn)行預(yù)測(cè),建立灰色預(yù)測(cè)模型。③模型3:首先采用該省2002-2012年床位數(shù)的配置情況對(duì)其2013-2015年床位數(shù)進(jìn)行預(yù)測(cè),再利用預(yù)測(cè)所得2013-2015年的數(shù)據(jù)結(jié)合2002-2012年的原始數(shù)據(jù)對(duì)其2016-2020年的床位數(shù)進(jìn)行預(yù)測(cè),建立灰色預(yù)測(cè)模型。
2 結(jié)果與分析
利用Matlab 7.0工具,按照上述模型進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果為:模型1 y=-15387725.272+15527322.272e^(0.0090226*(t-1));模型2 y=-1318418.6329+1450307.6329e^(0.078655*(t-1));模型3 y=-1351831.7411+1483720.7411e^(0.077337*(t-1))。
2.2.1 模型1精度檢驗(yàn)。采用平均模擬相對(duì)誤差分別對(duì)上述模型進(jìn)行精度檢驗(yàn),結(jié)果顯示,模型1預(yù)測(cè)所得湖北省2020年床位數(shù)的預(yù)測(cè)值為19.48萬張(表1),明顯少于2010年的現(xiàn)有床位配置水平;在1983-1994年、2009-2012兩個(gè)時(shí)間段內(nèi),采用模型1預(yù)測(cè)的該省醫(yī)療機(jī)構(gòu)床位數(shù)的預(yù)測(cè)值明顯低于床位的實(shí)際供給量(圖1),這與該省近些年醫(yī)療資源供給的實(shí)際變化趨勢(shì)不符;整個(gè)模型的預(yù)測(cè)值與實(shí)際值的平均模擬相對(duì)誤差為0.1076。因此,模型1擬合效果不理想,不適用于該省醫(yī)療機(jī)構(gòu)床位數(shù)的預(yù)測(cè)。
表1 2013-2030年湖北省床位數(shù)預(yù)測(cè)值(萬張)
圖1 湖北省1983-2012年醫(yī)療機(jī)構(gòu)床位數(shù)實(shí)際值與預(yù)測(cè)值
2.2.2 模型2精度檢驗(yàn)。模型2以2002-2012年湖北省醫(yī)療機(jī)構(gòu)床位數(shù)為原始數(shù)據(jù),采用灰色預(yù)測(cè)模型對(duì)2013-2020年醫(yī)療機(jī)構(gòu)床位數(shù)進(jìn)行預(yù)測(cè)。精度檢驗(yàn)結(jié)果顯示,平均模擬相對(duì)誤差為0.044<0.05,結(jié)合湖北省2002-2012年醫(yī)療機(jī)構(gòu)床位數(shù)的預(yù)測(cè)值與實(shí)際供給量的吻合程度可以看出,除2003、2004年外,模型2對(duì)其他年份的預(yù)測(cè)值與實(shí)際值吻合程度均較為理想(圖2)。由此可見,該模型對(duì)于湖北省醫(yī)療機(jī)構(gòu)床位數(shù)的擬合效果較理想。
圖2 2002-2012年湖北省醫(yī)療機(jī)構(gòu)床位數(shù)實(shí)際值與預(yù)測(cè)值比較
2.2.3 模型3精度檢驗(yàn)。模型3首先利用湖北省2002-2012年醫(yī)療機(jī)構(gòu)床位數(shù)對(duì)其2013-2015年床位數(shù)進(jìn)行預(yù)測(cè)并檢驗(yàn)其精度(表2),檢驗(yàn)結(jié)果顯示,其平均模擬相對(duì)誤差為0.0435<0.044,擬合效果較為理想。再將2002-2012年湖北省醫(yī)療機(jī)構(gòu)床位數(shù)的原始數(shù)據(jù)與預(yù)測(cè)所得2013-2015年數(shù)據(jù)結(jié)合對(duì)其2016-2020年床位數(shù)進(jìn)行預(yù)測(cè),并檢驗(yàn)其精度,檢驗(yàn)結(jié)果顯示,模型3的平均模擬相對(duì)誤差為0.0345<0.044(表3),精確度好于模型2。
表2 2002-2012年湖北省醫(yī)療機(jī)構(gòu)床位數(shù)預(yù)測(cè)值及預(yù)測(cè)精度
表3 2002-2015年湖北省醫(yī)療機(jī)構(gòu)床位數(shù)預(yù)測(cè)值及預(yù)測(cè)精度
對(duì)上述3種模型的精度檢驗(yàn)可得:利用湖北省1983-2012年醫(yī)療機(jī)構(gòu)床位數(shù)資料,采用灰色預(yù)測(cè)模型對(duì)其2013-2020年床位數(shù)進(jìn)行預(yù)測(cè)的結(jié)果誤差較大,模型不理想;而利用2002-2012年醫(yī)療機(jī)構(gòu)床位數(shù)據(jù)資料進(jìn)行預(yù)測(cè)的結(jié)果比較理想,擬合精度在90%以上;而模型3中分階段對(duì)其2013-2020年床位數(shù)預(yù)測(cè)的結(jié)果精度最高,預(yù)測(cè)結(jié)果最為理想。
比較上述3類灰色預(yù)測(cè)模型的精度檢驗(yàn)結(jié)果,選擇模型3預(yù)測(cè)湖北省2016-2020年的醫(yī)療機(jī)構(gòu)床位數(shù),結(jié)果見表4。
表4 2016-2020年湖北省醫(yī)療機(jī)構(gòu)床位數(shù)的預(yù)測(cè)值(萬張)
人口數(shù)是影響區(qū)域衛(wèi)生資源規(guī)劃的重要指標(biāo),規(guī)劃湖北省床位資源,必須充分考慮到人口數(shù)的變化情況。據(jù)《湖北省城鎮(zhèn)發(fā)展規(guī)劃》預(yù)測(cè),2015、2020年湖北省戶籍總?cè)丝趯⑦_(dá)到6200萬和6300萬左右,其中常住人口將分別達(dá)到5730萬和5850萬左右。結(jié)合上述對(duì)湖北省醫(yī)療機(jī)構(gòu)床位數(shù)的預(yù)測(cè)可得,湖北省在2015年的每千人口床位數(shù)預(yù)計(jì)為5.28張,2020年每千人口床位數(shù)預(yù)測(cè)達(dá)到7.59張。
3 討論
上述不同模型擬合效果的檢驗(yàn)顯示,預(yù)測(cè)過程中選取的原始數(shù)據(jù)不同,會(huì)造成預(yù)測(cè)結(jié)果有明顯差異。
模型1與模型2相比,模型1擬合效果不理想的主要原因在于湖北省醫(yī)療機(jī)構(gòu)床位數(shù)自身的變化情況。通過分析湖北省近30年來醫(yī)療機(jī)構(gòu)床位數(shù)的變化趨勢(shì),可以將其變化趨勢(shì)劃分為3個(gè)階段。①1983-1996年,該省醫(yī)療機(jī)構(gòu)床位數(shù)變化的主要特點(diǎn)是以逐漸放緩的速度增長(zhǎng),這樣的趨勢(shì)與建國(guó)后長(zhǎng)期計(jì)劃經(jīng)濟(jì)體制下的醫(yī)療資源短缺有關(guān),即衛(wèi)生資源基礎(chǔ)薄弱,發(fā)展能力不足。②1997-2001年,伴隨著基本經(jīng)濟(jì)制度的進(jìn)一步明晰,我國(guó)衛(wèi)生領(lǐng)域也發(fā)生了相應(yīng)的轉(zhuǎn)變,衛(wèi)生機(jī)構(gòu)由單一國(guó)有制向公有制為主、多種所有制并存轉(zhuǎn)化;傳統(tǒng)企業(yè)辦、社會(huì)辦醫(yī)院格局正在向醫(yī)院社會(huì)化服務(wù)轉(zhuǎn)變[4]。1998年大中型國(guó)有企業(yè)改制重組后,加快了企業(yè)醫(yī)院與所屬企業(yè)的剝離,依據(jù)湖北省當(dāng)時(shí)的區(qū)域衛(wèi)生規(guī)劃對(duì)企業(yè)醫(yī)院進(jìn)行了改革,因此床位數(shù)變化波動(dòng)較大。③2002-2012年,隨著我國(guó)經(jīng)濟(jì)社會(huì)迅速發(fā)展、城市化進(jìn)程的加快,衛(wèi)生事業(yè)和人民生活水平都顯著提高,疾病譜的變化和人口老齡化使得醫(yī)療資源需求量增加,這個(gè)階段該省醫(yī)療機(jī)構(gòu)床位數(shù)的主要變化特點(diǎn)是逐年較快增長(zhǎng),以滿足日益增加的居民需要。
本研究主要預(yù)測(cè)2013-2020年醫(yī)療機(jī)構(gòu)床位數(shù),根據(jù)《湖北省城鎮(zhèn)發(fā)展規(guī)劃》,到2020年城鎮(zhèn)化率、GDP、人口數(shù)量以及衛(wèi)生服務(wù)需求等仍將以較快增速增長(zhǎng),相對(duì)于模型1中采取整個(gè)階段數(shù)據(jù),第三階段床位數(shù)的變化特點(diǎn)更貼近其未來幾年的變化趨勢(shì)。因此,模型2、模型3中采用第三階段的床位數(shù)預(yù)測(cè)2013-2020年床位發(fā)展水平較具有一定的合理性。
灰色預(yù)測(cè)模型是利用現(xiàn)有數(shù)據(jù)對(duì)其未來發(fā)展趨勢(shì)的估計(jì),預(yù)測(cè)的數(shù)據(jù)主要用來反映數(shù)據(jù)的規(guī)律性[5]。隨著居民經(jīng)濟(jì)水平的提高、醫(yī)療保障的完善、健康意識(shí)的增強(qiáng),群眾對(duì)醫(yī)療床位資源的需求也會(huì)發(fā)生顯著的變化[6],而灰色預(yù)測(cè)模型不能完整反映出這些外在因素的變化。因此,灰色預(yù)測(cè)模型對(duì)未來預(yù)測(cè)的數(shù)據(jù)只能作為政策制定的參考,而不是依據(jù)[7]。在制定區(qū)域衛(wèi)生規(guī)劃時(shí),須結(jié)合實(shí)際情況,有針對(duì)性地對(duì)未來床位資源的總量和分布進(jìn)行調(diào)整,使資源配置更公平、合理。
參考文獻(xiàn)
[1]官海靜,閻正民,楊練,等.成都市衛(wèi)生人力及床位需要量預(yù)測(cè)方法探討[J].中國(guó)衛(wèi)生事業(yè)管理,2010,27(12):803-804.
[2]陳建華,王涵乙,魯翔.江蘇省區(qū)域衛(wèi)生資源配置狀況與公平性分析[J].醫(yī)學(xué)與社會(huì),2013,26(12):38-41.
[3]李長(zhǎng)平,賈瑞香,劉曉紅,等.天津市“十二五”期間衛(wèi)生資源需求預(yù)測(cè)分析[J].中國(guó)衛(wèi)生統(tǒng)計(jì),2011,28(1):9-11.
[4]李立明.社會(huì)經(jīng)濟(jì)發(fā)展與公共衛(wèi)生事業(yè)發(fā)展的互動(dòng)作用[J].中國(guó)公共衛(wèi)生,2002,18(1):5-8.
[5]吳愛平,陳錦華,黃琳.灰色模型預(yù)測(cè)福建省2015年衛(wèi)生床位數(shù)分析[J].西南國(guó)防醫(yī)藥,2010,20(5):551-552.
[6]任文杰. 醫(yī)療資源優(yōu)化配置的路徑選擇問題分析[J].醫(yī)學(xué)與社會(huì),2014,27(6):23-25.
[7]陳飛燕,張連云,楊文秀.天津市醫(yī)生、床位資源供需狀況分析及預(yù)測(cè)研究[J].中國(guó)衛(wèi)生統(tǒng)計(jì),2012,29(3):404-405.
Research on the Application of the Gray Prediction Model in Hospital Beds Forecasting in Hubei Province
Wang Ying et al
SchoolofManagement,BeijingUniversityofChineseMedicine,Beijing, 100029
AbstractObjective: This research employed Grey Prediction Model to predict the number of hospital beds of Hubei province with an aim to explore its application scope, application conditions and limitations in corresponding resource prediction. Methods: To apply Gray Prediction Model under different conditions. Results: Model failed to produce a reasonable prediction regarding the number of hospital beds in Hubei province. Model 2 and Model 3 were more applicable in doing the prediction, with Model 3 experiencing the smallest error. The extrapolating results show that the number of hospital beds of Hubei province will be 302,000 in 2015 and 444,000 in 2020; the beds per thousand people will be 5.28 in 2015 and 7.59 in 2020. Conclusion: The outcomes of the prediction are influenced by original data screening and predicted quantity. The implications go that to improve the accuracy of the Grey Prediction Model, the primary phase should be raw data screening then followed by the selection of hospital bed quantity in different years on the basis of the quantity to be predicted.
Key WordsHospital; Bed; Gray Prediction Model
(收稿日期2014-12-05;編輯邱心鏡)
通訊作者:李衛(wèi)平,lwp@nhei.cn。
中圖分類號(hào)R197.322
文獻(xiàn)標(biāo)識(shí)碼A
DOI:10.13723/j.yxysh.2015.06.019