基層醫(yī)療機構(gòu)住院量和住院費的季節(jié)性與變化趨勢研究

李長風， 柯思思， 劉新會， 嚴亞瓊， 李芳， 王亮

基層醫(yī)療機構(gòu)住院量和住院費的季節(jié)性與變化趨勢研究

李長風， 柯思思， 劉新會， 嚴亞瓊， 李芳， 王亮

目的探討基層醫(yī)療機構(gòu)住院量與人均住院費用的季節(jié)性與年度變化規(guī)律，并利用ARIMA季節(jié)模型預(yù)測未來趨勢。方法用SAS軟件基于2011—2014年基層醫(yī)療機構(gòu)住院量與住院費用建立時間序列模型，分析季節(jié)變化與年度變化趨勢，并利用模型預(yù)測2014年10—12月的住院量和住院費用。結(jié)果機構(gòu)月住院量逐年增長，并有冬、春兩季波峰，春節(jié)出現(xiàn)谷底的季節(jié)性變化。人均住院費用有緩慢上漲趨勢，4年內(nèi)從1 280元增至1 884元，年均增幅為11.8%。月住院量模型為ARIMA(0，1，1)×(0，1，1)12，AIC=564.463 5，SBC=568.667 1，人均住院費用模型為ARIMA(2，1，2)×(0，1，0)12，AIC=382.107 5，SBC=387.576 7。3個月的住院量預(yù)測值的平均相對誤差為9.03%，人均住院費預(yù)測值的平均相對誤差為0.31%。結(jié)論ARIMA季節(jié)模型能較好預(yù)測短期趨勢，基層醫(yī)療機構(gòu)住院量逐年增長并存在季節(jié)性變化，住院費用較為平穩(wěn)但仍有緩慢上漲趨勢，建議合理調(diào)配區(qū)域衛(wèi)生資源，提高基層主要住院病種診療防治技術(shù)。

住院量； 住院費用； 季節(jié)性； 趨勢

住院量和住院費用是醫(yī)院重要的統(tǒng)計指標和研究熱點[1-2]。《2013年中國衛(wèi)生統(tǒng)計年鑒》顯示，2012年醫(yī)療衛(wèi)生機構(gòu)入院人數(shù)為17 867萬人，其中基層醫(yī)療機構(gòu)入院人數(shù)為4 254萬人，占23.81%[3]。目前國內(nèi)住院量及費用研究多集中在二級以上公立醫(yī)院，針對基層醫(yī)療機構(gòu)住院量與住院費用的研究較少見。實際上，作為新醫(yī)改的重要組成部分之一，基層醫(yī)療機構(gòu)住院量及費用反映了新醫(yī)改的實際進展與居民醫(yī)療費用的實際情況，統(tǒng)計分析及預(yù)測基層醫(yī)療機構(gòu)住院量和住院費用的規(guī)律，將為基本公共衛(wèi)生服務(wù)區(qū)域化資源配置決策提供科學(xué)依據(jù)。本研究采用時間序列分析中的求和自回歸移動平均模型(autoregressive integrated moving average，ARIMA)，對武漢地區(qū)2011—2014年基層醫(yī)療機構(gòu)住院量和住院費用進行分析，并利用模型對后續(xù)數(shù)月的住院量和住院費用進行預(yù)測。

1 資料與方法

1.1 資料來源

資料源于2011—2014年武漢市基本公共衛(wèi)生服務(wù)直報系統(tǒng)中196家基層醫(yī)療機構(gòu)的數(shù)據(jù)，其中社區(qū)衛(wèi)生服務(wù)中心124家，鄉(xiāng)鎮(zhèn)衛(wèi)生院72家。選擇2011年3月—2014年9月共43個自然月的住院人數(shù)與住院費用建立模型，2014年10月—2014年12月3個自然月的數(shù)據(jù)用于模型預(yù)測檢驗。

1.2 研究方法

①對序列開展平穩(wěn)檢驗、白噪聲檢驗：利用單位根檢驗(又稱擴充迪基-富勒檢驗，augmented dickey-fuller，ADF)判斷序列的平穩(wěn)性，利用白噪聲(white noise)檢驗判定序列的純隨機性。②對非平穩(wěn)非白噪聲序列進行平穩(wěn)化處理：對原始序列進行差分以使其成為平穩(wěn)序列，并充分提取原序列中的非平穩(wěn)確定信息。③模型識別和定階：觀察平穩(wěn)序列的自相關(guān)系數(shù)(autocorrelation function，ACF)和偏相關(guān)系數(shù)(partial autocorrenlation function，PACF)初步選擇合適的模型參數(shù)進行擬合。根據(jù)赤池準則(akaike information criterion，AIC)和貝葉斯信息準則(Bayesian information criterion，BIC)選擇AIC與BIC均最小的模型。④估計參數(shù)與模型檢驗：采用條件最小二乘估計法得到未知參數(shù)估計值，以及參數(shù)顯著性檢驗，并對模型的殘差序列進行白噪聲檢驗以確認模型充分提取了序列信息。⑤模型預(yù)測：建立最優(yōu)擬合模型，并對2014年10—12月住院量與住院費用進行預(yù)測，根據(jù)預(yù)測值與觀察值的相對誤差與平均相對誤差評價預(yù)測效果。

1.3 統(tǒng)計分析方法

采用SAS 9.4軟件進行數(shù)據(jù)統(tǒng)計描述、時間序列構(gòu)建和預(yù)測，以P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 基層醫(yī)療機構(gòu)月住院量及人均住院費用基本情況

2011年3月—2014年9月武漢地區(qū)基層醫(yī)療機構(gòu)月均住院量逐年增加，并有一定的季節(jié)波動規(guī)律。第一個住院量高峰多為3月份起，4—5月份到達峰值，第二個高峰為11月份起，12月份與1月份到達峰值，2月份住院量全年最低。月均住院量由2011年3月份16 737人次增長至2014年9月份的21 412人次。人均住院費用整體上漲趨勢較緩慢，4年內(nèi)從1 280元增至1 884元，年均增幅為11.8%。2011—2013年人均住院費用有一定波動，2013年后較為平穩(wěn)。見圖1。

圖1 2011年3月—2014年9月武漢地區(qū)基層醫(yī)療機構(gòu)住院量與住院費用

2.2 時間序列的預(yù)處理

利用ARIMA過程的IDENTIFY命令對原始序列進行純隨機性檢驗和平穩(wěn)性檢驗，純隨機性檢驗提示月住院量與人均住院費用的原始序列均不屬于白噪聲序列，其QLB統(tǒng)計量2檢驗結(jié)果顯示P<0.01。經(jīng)過ADF檢驗發(fā)現(xiàn)，月住院量原始序列和人均住院費用原始序列均為非平穩(wěn)序列，對兩原始序列進行平穩(wěn)化處理。嘗試不同的數(shù)據(jù)轉(zhuǎn)換及使用差分法處理數(shù)據(jù)，發(fā)現(xiàn)其原始序列均具有季節(jié)性特征，對月住院量原始序列做1階12步差分后序列平穩(wěn)。對人均住院費用原始序列做2階12步差分后序列平穩(wěn)。見表1。

表1 月住院量與人均住院費用的白噪聲與平穩(wěn)性檢驗

注：類型1為無均值、無趨勢模型，類型2為有均值、無趨勢模型，類型3為有趨勢模型

2.3 模型識別與定階

經(jīng)過平穩(wěn)化處理，初步擬定月住院量模型與人均住院費用模型均為乘積時間序列模型。依其平穩(wěn)化后的殘差A(yù)CF和PACF圖特征，對月住院量和人均住院費用模型進行擬合，結(jié)果需通過白噪聲檢驗且滿足AIC和BIC值相對最小。分析發(fā)現(xiàn)月住院量的最優(yōu)模型為ARIMA(0，1，1)×(0，1，1)12，AIC=564.463 5，SBC=568.667 1，人均住院費用的最優(yōu)模型為ARIMA(2，1，2)×(0，1，0)12，AIC=382.107 5，SBC=387.576 7。

月住院總量序列擬合后其模型顯著性檢驗的P值均>0.05，提示殘差項中不再蘊含任何相關(guān)信息，即殘差序列為白噪聲序列，模型有效[4]。月住院總量序列擬合后，模型參數(shù)經(jīng)檢驗有統(tǒng)計學(xué)意義(P<0.01)，可用于擬合模型。人均住院費用序列經(jīng)擬合后，其模型顯著性檢驗P值均>0.05，其模型參數(shù)經(jīng)檢驗P<0.01，差異均有統(tǒng)計學(xué)意義，可用于擬合模型。見表2。

表2 月住院總量與人均住院費用模型殘差檢驗與模型參數(shù)檢驗結(jié)果

2.4 模型預(yù)測

2.4.1模型表達式月住院總量的擬合模型及人均住院費用的擬合模型表達式如下：

(1-B)(1-B4)(Xt+98.189)=(1-B)(1-0.48861B12)t

t為第t月的月住院總量或人均住院費用，B為延遲算子，t為隨機誤差項。

2.4.2模型預(yù)測與應(yīng)用對2011年3月—2014年9月的月住院總量及人均住院費用進行擬合，其實際值基本處于理論值的95%可信區(qū)間，提示模型擬合較好。運用模型分別對2014年10—12月3個自然月的月住院總量及人均住院費用開展預(yù)測，月住院量及人均住院費用趨勢均較平穩(wěn)。其中月住院總量預(yù)測的最大相對誤差為13.70%，平均相對誤差為9.03%；人均住院費用預(yù)測的最大相對誤差為8.56%，平均相對誤差為0.31%。人均住院費用的預(yù)測的誤差低于月住院總量預(yù)測的誤差。預(yù)測圖形見圖2、圖3，預(yù)測結(jié)果見表3。

圖2 2011年3月—2014年12月武漢地區(qū)基層醫(yī)療機構(gòu)月住院總量預(yù)測

圖3 2011年3月—2014年12月武漢地區(qū)基層醫(yī)療機構(gòu)人均住院費用預(yù)測

表3 2014年10—12月武漢地區(qū)基層醫(yī)療機構(gòu)住院總量與人均住院費用模型預(yù)測值

3 討論

3.1 ARIMA季節(jié)模型能較好預(yù)測短期趨勢

ARIMA模型是Box-Jenkins方法中重要的時間序列分析預(yù)測模型，源于經(jīng)濟學(xué)分析，目前常用于感染性疾病發(fā)病率的預(yù)測、住院量預(yù)測等[5-6]，適用于對時間序列數(shù)據(jù)進行擬合尤其是短期預(yù)測[7-9]。本研究中使用擴充迪基-富勒檢驗[10]來判斷序列的平穩(wěn)性，它是一種構(gòu)造檢驗統(tǒng)計量進行假設(shè)檢驗的方法，比數(shù)據(jù)圖檢驗法更為客觀。本次利用ARIMA季節(jié)模型對2014年10—12月機構(gòu)住院總量與人均住院費用進行預(yù)測，相關(guān)模型與參數(shù)的診斷統(tǒng)計量均擬合較好，其預(yù)測值與實際值的平均相對誤差分別為9.03%和0.31%，誤差范圍均在可接受范圍內(nèi)，說明ARIMA季節(jié)模型有助于開展基層醫(yī)療機構(gòu)住院量與住院費用的預(yù)測。其中人均住院費用的平均相對誤差相對更小，與其原始數(shù)據(jù)經(jīng)過平均化處理有關(guān)，提示適當?shù)臄?shù)據(jù)處理將有助于更準確預(yù)測。

3.2 基層醫(yī)療機構(gòu)住院量逐年增長并存在季節(jié)性變化

本次研究發(fā)現(xiàn)，基層醫(yī)療機構(gòu)住院量4年來呈上升趨勢，并且每年有春、冬兩季高峰，2月春節(jié)前后為谷底，其兩季高峰的出現(xiàn)應(yīng)與基層醫(yī)療機構(gòu)的主要住院病種有關(guān)，國內(nèi)有研究發(fā)現(xiàn)，循環(huán)系統(tǒng)與呼吸系統(tǒng)疾病是基層醫(yī)療機構(gòu)的主要住院病種[11-13]，而循環(huán)系統(tǒng)、呼吸系統(tǒng)疾病日住院率存在冬、春季節(jié)高于夏、秋季節(jié)的特點[14]，這與本研究規(guī)律相符。此外，國內(nèi)其他研究發(fā)現(xiàn)，2月份春節(jié)前后住院量至波谷可能與我國居民有春節(jié)期不愿就醫(yī)住院的習(xí)慣相關(guān)[15-16]。

3.3 住院費用較為平穩(wěn)有緩慢上漲趨勢

本次研究發(fā)現(xiàn)，4年內(nèi)人均住院費用從1 280元增至1 884元，年均增幅為11.8%，這可能與居民經(jīng)濟水平增加、醫(yī)療需求增加、物價上漲等因素有關(guān)[17]。2013年之前費用數(shù)據(jù)有一定波動性，之后數(shù)據(jù)較平穩(wěn)，筆者認為其主要原因有兩點，一是從2013年起，政府舉辦的基層醫(yī)療機構(gòu)已全部執(zhí)行基本藥物制度[18]；二是從2013年起，湖北省其他地區(qū)及武漢市逐步在非政府舉辦的基層醫(yī)療機構(gòu)實施國家基本藥物制度[2，19]，常用基本藥物經(jīng)過多次招標價格已基本穩(wěn)定，使得人均住院費用日趨平穩(wěn)。

總之，ARIMA季節(jié)模型可用于住院量與住院費用的短期趨勢預(yù)測，預(yù)測效果較好。武漢地區(qū)基層醫(yī)療機構(gòu)住院量有逐年增長趨勢并存在季節(jié)性波動，住院費用呈平穩(wěn)并緩慢上漲趨勢。由于基層醫(yī)療機構(gòu)住院量的不斷提升，建議衛(wèi)生決策部門提前做好區(qū)域衛(wèi)生資源的合理配置。同時住院量存在季節(jié)波動，建議基層醫(yī)療機構(gòu)內(nèi)部也需合理調(diào)配技術(shù)人員與床位，并有針對性地開展健康教育與促進工作。本研究也尚有不足之處，如本研究樣本不包含2011年1—2月觀測值，使得擬含模型準確性稍不足；其次，本研究對住院量序列研究未進行疾病分類，因而不可從環(huán)境、生物、社會等因素發(fā)現(xiàn)其序列波動的原因。

[1] 馬春柳，劉海霞，李小升，等.SARIMA模型在醫(yī)院住院人次預(yù)測中的應(yīng)用[J].中國衛(wèi)生統(tǒng)計，2013，30(3)：432-433.

[2] 王安玨，江啟成.某鄉(xiāng)鎮(zhèn)衛(wèi)生院住院患者的住院費用因子分析[J].中國衛(wèi)生統(tǒng)計，2014，31(2)：288-290.

[3] 國家衛(wèi)生和計劃生育委員會統(tǒng)計信息中心.2013年中國衛(wèi)生統(tǒng)計年鑒[M].北京：中國協(xié)和醫(yī)科大學(xué)出版社.2013

[4] 王燕.應(yīng)用時間序列分析[M].北京：中國人民大學(xué)出版社，2005.80.

[5] Wang T，Liu J，Zhou Y，et al.Prevalence of hemorrhagic fever with renal syndrome in Yiyuan County，China，2005-2014[J].BMC Infect Dis，2016(16)：69.

[6] Abraham G，Byrnes GB，Bain CA.Short-term forecasting of emergency inpatient flow[J].IEEE Trans Inf Technol Biomed，2009，13(3)：380-388.

[7] Song X，Xiao J，Deng J，et al.Time series analysis of influenza incidence in Chinese provinces from 2004 to 2011[J].Medicine(Baltimore)，2016，95(26)：e3929.

[8] 孫振球，徐勇勇.醫(yī)學(xué)統(tǒng)計學(xué)[M].北京：人民衛(wèi)生出版社，2014.385.

[9] 肖枝洪，郭明月.時間序列分析與SAS應(yīng)用[M].武漢：武漢大學(xué)出版社，2009.

[10] 古扎拉蒂.計量經(jīng)濟學(xué)[M].北京：中國人民大學(xué)出版社，2000.

[11] 楊瑞.社區(qū)衛(wèi)生服務(wù)機構(gòu)就診人群與就診疾病構(gòu)成分析[D].武漢：華中科技大學(xué)，2011.

[12] 施萍，楊瑾.沈陽太原社區(qū)衛(wèi)生服務(wù)中心2006-2008年住院病種分析[J].中國全科醫(yī)學(xué)，2010，13(6)：628-629.

[13] 許秋巖，吳學(xué)敏，李向君，等.綜合干預(yù)措施對社區(qū)原發(fā)性高血壓患者血壓季節(jié)性變化的影響[J].中國老年學(xué)雜志，2014，34(17)：4745-4746.

[14] 鮑玉星.烏魯木齊大氣污染物濃度與呼吸、循環(huán)系統(tǒng)疾病日住院人數(shù)的時間序列分析[D].烏魯木齊：新疆醫(yī)科大學(xué).2013.

[15] 陳育德.季節(jié)因素對醫(yī)療衛(wèi)生服務(wù)需求和利用的影響[J].中國衛(wèi)生統(tǒng)計，1993，10(4)：4.

[16] 苗靜.2010-2014年某院住院人次季節(jié)變化分析[J].中國衛(wèi)生統(tǒng)計，2016，33(3)：503-504.

[17] 仲亞琴，高月霞，王健.中國農(nóng)村老年人住院服務(wù)利用及費用影響因素[J].中國公共衛(wèi)生，2013，29(11)：1650-1653.

[18] 中央人民政府.我國政府辦基層醫(yī)療機構(gòu)已全部配備使用基本藥物[EB/OL].[2017-04-17].http：//www.gov.cn/wszb/zhibo536/content_2226258.htm.

[19] 湖北省衛(wèi)生廳.關(guān)于做好《國家基本藥物目錄》實施工作的通知(鄂衛(wèi)通[2013]184號)[EB/OL].[2013-04-26].http：//www.chinaemed.com/Bid/Docs/Dynamic/Province/11932.

SeasonalTrendsofInpatientNumberandHospitalExpensesinPrimaryHealthCareFacilities

LI Changfeng，KE Sisi，WANG Liang，et al.
WuhanCentersforDiseasePreventionandControl，Wuhan，430015，China

ObjectivesTo analyze the seasonal trends of the monthly inpatient number and hospital expenses in primary health care facilities，and predict the future trends with seasonal ARIMA model.MethodsWe establish the time series models by the SAS system，based on the inpatient number and hospital costs among primary health care facilities from 2011 to 2014，and analyze seasonal and annual changes，forecast the next three months' inpatient number and hospital expenses respectively.ResultsThe monthly inpatient number increased year by year with two peak in winter and spring，one valley in the Spring Festival.Per capita hospital expenses had slow rise trend from 1 280 in March 2011 to Nov 2014，with 11.8%，annual growth rate.The monthly inpatient number model was ARIMA(0，1，1)×(0，1，1)12，AIC=564.463 5，SBC=568.667 1，Per capita expenses model was ARIMA(2，1，2)×(0，1，0)12，AIC=382.107 5，SBC=387.576 7.The observation values of monthly inpatient number and hospital costs were all in the 95% confidence internals，the Mean Relative Error of monthly inpatient number was 9.03%，of which the hospital costs model was 0.31%.ConclusionsARIMA seasonal models can be well used to predict the monthly inpatient number and hospital costs in short periods.The monthly inpatient number increases year by year with season's fluctuations.Per capital hospitalization expense has a slow rise and stable trend.It is necessary to enhance allocation of regional health resource and improve common diseases diagnosis and treatment technology in primary health care facilities.

Inpatient number； Hospital expenses； Seasonal； Trend

武漢市衛(wèi)生計生委醫(yī)療衛(wèi)生科研項目(WG14C07)

武漢市疾病預(yù)防控制中心，湖北 武漢，430015

王亮

R197.32

A

10.3969/j.issn.1673-5625.2017.06.025

2017-03-26)(本文編輯 楊婷婷)