基于PSO-ELM的績效管理評價研究

張一

摘 要：為了實現(xiàn)醫(yī)院績效管理評價，借鑒平衡記分卡法從醫(yī)院財務(wù)指標(biāo)、醫(yī)療服務(wù)效率指標(biāo)、醫(yī)院發(fā)展指標(biāo)以及服務(wù)滿意度構(gòu)建醫(yī)院績效評價指標(biāo)體系，針對ELM模型的性能受初始權(quán)重Wi和隱含層偏置bi的影響，提出了種基于PSO-ELM的醫(yī)院績效管理評價模型。將26個醫(yī)院績效管理評價的二級指標(biāo)和醫(yī)院績效評價綜合得分分別作為PSO-ELM模型的輸入和輸出，建立PSO-ELM的醫(yī)院績效管理評價模型。研究結(jié)果表明，與ELM和SVM相比，PSO-ELM的醫(yī)院績效管理評價精度最高，為醫(yī)院績效管理提供了新的方法。

關(guān)鍵詞：極限學(xué)習(xí)機;粒子群優(yōu)化算法;績效管理;醫(yī)療衛(wèi)生;評價指標(biāo)

中圖分類號：R 197.3

文獻標(biāo)志碼：A

文章編號：1007-757X（2020）11-0036-03

Abstract：In order to realize the evaluation of hospital performance management， a hospital performance evaluation index system is constructed from hospital financial indicators， medical service efficiency indicators， hospital development indicators and service satisfaction by using the balanced scorecard method. A hospital performance management evaluation model based on PSO-ELM is proposed in view of the influence of initial weight Wi and implied layer bias bi on the performance of ELM model. The second-level indicators of 26 hospital performance management evaluation are used as input of PSO-ELM model， and the comprehensive score of hospital performance evaluation is used as output of PSO-ELM. The hospital performance management evaluation model of PSO-ELM is then established. The results show that， compared with ELM and SVM， PSO-ELM has the highest accuracy in evaluating hospital performance management， which provides a new method for hospital performance management.

Key words：extreme learning machine;particle swarm optimization algorithm;performance management;health care;evaluation indexes

0?引言

隨著醫(yī)療衛(wèi)生體制改革的推進，對醫(yī)院效率、資源管理、人才管理以及消費者反應(yīng)性等問題提出了更高要求。醫(yī)院不但面臨體制改革，而且需要適應(yīng)醫(yī)療保障制度的改革和衛(wèi)生服務(wù)體制的改革。醫(yī)院作為衛(wèi)生系統(tǒng)的主體和主要功能的承擔(dān)者，如何客觀評價醫(yī)院工作績效對提高醫(yī)院的工作效率和增強醫(yī)院的綜合競爭力具有重要意義[1-2]。

目前工作績效管理評價的方法主要有平衡記分卡法、關(guān)鍵業(yè)績指標(biāo)法和目標(biāo)管理法[3-5]。這些方法雖然取得了一定效果，但是存在評價指標(biāo)片面、流于形式和激勵效果不明顯的缺點。借鑒平衡記分卡法從醫(yī)院財務(wù)指標(biāo)、醫(yī)療服務(wù)效率指標(biāo)、醫(yī)院發(fā)展指標(biāo)以及服務(wù)滿意度構(gòu)建醫(yī)院績效評價指標(biāo)體系，本文針對極限學(xué)習(xí)機（Extreme Learning Machine，ELM）模型性能受其初始權(quán)值Wi和隱含層偏置bi選擇的影響，運用粒子群算法（Particle Swarm Optimization Algorithm，PSO）優(yōu)化選擇ELM模型的初始權(quán)值Wi和隱含層偏置bi，提出一種基于PSO-ELM的醫(yī)院績效管理評價模型。研究結(jié)果表明，與ELM和支持向量機（Support Vector Machine，SVM）相比，PSO-ELM的醫(yī)院績效管理評價精度最高，為醫(yī)院績效管理提供了新的方法和途徑。

1?ELM模型

ELM模型為一種全新的前饋神經(jīng)網(wǎng)絡(luò)，由于其為單隱含層網(wǎng)絡(luò)，因此具有訓(xùn)練速度快和復(fù)雜度較低的優(yōu)點[6-7]，ELM模型結(jié)構(gòu)圖，如圖1所示。

2?醫(yī)院績效管理評價指標(biāo)

為了客觀全面地評價醫(yī)院績效管理水平，綜合文獻[9-10]的基礎(chǔ)上，借鑒平衡記分卡法從醫(yī)院財務(wù)指標(biāo)、醫(yī)療服務(wù)效率指標(biāo)、醫(yī)院發(fā)展指標(biāo)以及服務(wù)滿意度指標(biāo)構(gòu)建醫(yī)院績效評價指標(biāo)體系，醫(yī)院績效評價指標(biāo)體系，如圖2所示。

3?基于PSO-ELM的醫(yī)院績效管理評價

3.1?粒子群算法

PSO[11]是根據(jù)粒子群群體之間的競爭與協(xié)作進行尋優(yōu)搜索的，其速度和位置更新公式，如式（6）。

3.2?適應(yīng)度函數(shù)

3.3?算法流程

基于PSO-ELM的醫(yī)院績效管理評價可詳細描述如下。

Step1：讀取醫(yī)院績效管理評價指標(biāo)數(shù)據(jù)和績效綜合得分?jǐn)?shù)據(jù)，劃分?jǐn)?shù)據(jù)集為訓(xùn)練集和測試集并歸一化處理;

Step2：初始化PSO參數(shù)和變量優(yōu)化范圍：種群

Step3：將粒子位置Xi和訓(xùn)練集代入公式（7）計算適應(yīng)度函數(shù)值，找到個體最優(yōu)解和全局最優(yōu)解;

Step4：更新PSO算法的粒子速度和位置;

Step5：計算PSO算法粒子速度和位置更新后的適應(yīng)度值，并更新個體最優(yōu)解和全局最優(yōu)解;

Step6：若當(dāng)前迭代次數(shù)t>T，則輸出粒子最優(yōu)位置，最優(yōu)位置就是ELM模型的最優(yōu)初始權(quán)值和閾值，帶入ELM模型運用測試集進行醫(yī)院績效管理評價。反之，返回Step3。

基于PSO-ELM醫(yī)院績效管理評價流程圖，如圖3所示。

4?實證分析

4.1?數(shù)據(jù)來源

為了驗證醫(yī)院績效管理進行PSO-ELM評價的效果，選擇陜西省11家公立醫(yī)院績效管理數(shù)據(jù)為研究對象[11]，運用專家評價法獲取各評價指標(biāo)的得分和醫(yī)院績效管理評價綜合得分。醫(yī)院績效管理各個評價指標(biāo)得分分為4個等級，分別為優(yōu)、好、中、較差和差，對應(yīng)得分分別為1、0.7、0.5、0.3和0.1。醫(yī)院績效管理綜合得分與評價標(biāo)準(zhǔn)，如表1所示。

4.2?評價指標(biāo)

選擇均方根誤差（Root Mean Square Error，RMSE）和平均絕對誤差（Mean Absolute Error，MAE）當(dāng)作醫(yī)院績效管理效果的評價指標(biāo)[12-13]如式（8）、式（9）。

式中，n為樣本集的數(shù)量;xk、k分別為第k個樣本的實際值和預(yù)測值。

RMSE和MAE數(shù)值越小，說明模型評價效果越好。反之，評價效果越差。

4.3?結(jié)果分析

本研究選擇Matlab2015a為軟件平臺，電腦操作系統(tǒng)為Windows7，PC機配置為CPU的主頻為2.60 GHz、內(nèi)存8 GB、中央處理器為Intel（R）Core（TM）i5-2400 4-core。通過專家打分法獲得11家醫(yī)院績效管理評價數(shù)據(jù)，前7組作為訓(xùn)練集和后4組為測試集。PSO算法參數(shù)設(shè)定如下：學(xué)習(xí)因子c1=c2=2，種群規(guī)模N=10，最大迭代次數(shù)T=100，慣性權(quán)重w=0.2，測試集醫(yī)院績效評價結(jié)果，如圖4和表2所示。

由圖4、圖5和表2可知，與SVM和ELM相比，PSO-ELM醫(yī)院績效管理評價精度最高，為醫(yī)院績效管理提供了新的方法。

5?總結(jié)

為實現(xiàn)醫(yī)院績效管理評價，針對ELM模型的性能受初始權(quán)重Wi和隱含層偏置bi的影響，提出一種基于PSO-ELM的醫(yī)院績效管理評價模型。將26個醫(yī)院績效管理評價的二級指標(biāo)和醫(yī)院績效評價綜合得分分別作為PSO-ELM模型的輸入和輸出，建立SSA-SVR的醫(yī)院績效管理評價模型。研究結(jié)果表明，與ELM和SVM相比，PSO-ELM的醫(yī)院績效管理評價精度最高，為醫(yī)院績效管理提供了新的方法。

參考文獻

[1] 張彤， 張敏敏， 王玉芳，等. PDCA循環(huán)在公立醫(yī)院績效管理中的應(yīng)用[J]. 現(xiàn)代醫(yī)院， 2017， 17（2）：180-183.

[2]?鄧大松， 劉振宇. 基于RBRVS的縣級公立醫(yī)院績效薪酬管理體系探析——以江西省于都縣人民醫(yī)院為例[J]. 江西財經(jīng)大學(xué)學(xué)報， 2017（6）：66-78.

[3]?謝世堂， 沈慧， 曹桂， 等. 基于融合理念的公立醫(yī)院內(nèi)部績效考核體系探索研究[J]. 中國醫(yī)院管理， 2017，37（10）：22-24.

[4]?萬鋼， 桑雁， 郝一煒，等. 基于疾病診斷相關(guān)組（DRGs）的醫(yī)院績效TOPSIS評價[J]. 中國病案， 2017， 18（2）：45-48.

[5]?薛輝， 楊文勝. 平衡計分卡在醫(yī)院績效管理體系中的應(yīng)用[J]. 統(tǒng)計與決策， 2012（18）：183-185.

[6]?劉步中. 一種基于遺忘機制的在線深度極限學(xué)習(xí)機[J]. 電子技術(shù)應(yīng)用， 2018， 44（7）：141-144.

[7]?袁海滿， 吳廣寧， 高波. 基于DGA的粒子群極限學(xué)習(xí)機電力變壓器故障診斷[J]. 高壓電器， 2016（11）：176-180.

[8]?宋漢強， 李本威， 張赟，等. 基于聚類與粒子群極限學(xué)習(xí)機的航空發(fā)動機推力估計器設(shè)計[J]. 推進技術(shù)， 2017， 38（6）：1379-1385.

[9]?楊凱， 雷笑瑜， 張勇， 等. 平衡計分卡在公立醫(yī)院績效管理中的應(yīng)用[J]. 醫(yī)院管理論壇， 2015（2）：8-11.

[10]?陳英. 運用關(guān)鍵業(yè)績指標(biāo)法（KPI）建立醫(yī)院績效考核指標(biāo)體系的思考[J]. 中國衛(wèi)生資源， 2010， 13（3）：109-111.

[11]?王杰， 畢浩洋. 一種基于粒子群優(yōu)化的極限學(xué)習(xí)機[J]. 鄭州大學(xué)學(xué)報（理學(xué)版）， 2013， 45（1）：100-104.

[12]?楊凱， 趙政. 基于關(guān)鍵績效指標(biāo)的醫(yī)院科研PI制績效考核模型研究[J]. 現(xiàn)代醫(yī)院管理， 2017（6）：65-68.

[13]?沈培， 張吉凱， 張子剛. 基于支持向量機的單病種醫(yī)療費用控制研究[J]. 中國衛(wèi)生經(jīng)濟， 2012， 31（3）：89-91.

（收稿日期：2020.04.07）