某三甲綜合醫院2004-2013年門診量變化趨勢預測分析

張文濤 許冰心 孫 鵬 王 進 申銅倩△

某三甲綜合醫院2004-2013年門診量變化趨勢預測分析

張文濤1許冰心2孫 鵬3王 進1申銅倩1△

目的 探討某醫院門診量季節分布變化規律，制定合理工作計劃，優化資源配置。方法 2004年至2013年某醫院月門診量擬合ARIMA（1，1，0）×（0，1，0）12模型，分析門診量年度、月度變化規律，并作出短期預測。結果 門診量呈逐年上升趨勢，且門診量變化有明顯的季節波動性和周期性。結論 采用ARIMA模型預測醫院門診量操作簡單，模型擬合和預測效果較好，是值得推廣的醫院門診量的短期預測工具。

門診量 ARIMA模型 季節分布 預測 醫院管理

門診日常醫療服務工作具有點多線長面廣，涉及科室多的特點，門診量在很大程度上反映醫院的規模、醫療技術水平、門診管理水平以及患者對醫院的信任程度［1］。門診量分析是門診醫療服務流程管理的起點，研究某綜合性醫院月門診量的變化規律，預測其變化趨勢，充分利用醫療資源，為患者提供及時有效的診療，提高社會效益，為醫院管理決策提供依據。本文通過對某綜合性醫院2004年1月-2013年12的門診量的深入分析，了解其變化規律，據此制定合理的工作計劃，優化資源配置。

資料與方法

1.資料來源

某醫院2004年1月-2013年12月門診量數據來源于醫院信息科。由于公費醫療門診量比較穩定，所以本次分析中門診量是不包含公費醫療就診量。

2.建模過程

以某醫院2003年1月到2013年12月每月門診量統計數據建立數據庫，應用SAS9.2軟件建立ARIMA（p，d，q）（P，D，Q）S模型，進行時間序列分析。

（1）序列特征及平穩性：應用時間序列圖及自相關函數圖、偏自相關函數圖初步識別序列特征（趨勢性、季節性）［2］，采用 ADF檢驗序列平穩性。若序列平穩則進行平穩時間序列分析。

（2）序列平穩化：對于非平穩序列，結合序列特征，采用合適的數據預處理方法，包括數據轉化、普通差分、季節差分等。

（3）模型的識別與定階：采用自相關系數、偏自相關系數進行模型的識別與定階，自相關函數拖尾，偏自相關函數p階截尾，則為AR（p）模型；自相關函數q階截尾，偏自相關函數拖尾，則為MA（q）模型；自相關函數拖尾，偏自相關函數拖尾，則為ARMA（p，q）［3-4］。根據序列特征建立所有可能模型比較分析，以AIC準則、BIC準則或者SBC準則為依據，選擇相對最優模型。SAS軟件identify命令中的minic選項可以根據BIC準則進行最優模型的自動篩選［5］。

（4）擬合優度檢驗：創建ARIMA模型后，若殘差序列呈白噪聲，則認為所建模型具有統計學意義。

（5）SAS軟件操作。identify語句讀入時間序列，可以對序列進行差分，然后計算出自相關系數、偏自相關系數；使用estimate語句來指定ARIMA模型區擬合在前面identify語句中指定的變量并且估計該模型的參數，estimate語句也會產生診斷統計量從而幫助判斷模型的適用性；使用forecast語句預測時間序列的未來值，并對來自前面estimate語句生成的ARIMA模型的預測值產生置信區間［6］。

結 果

1.對總門診量采用時間序列分析

利用某醫院2004年1月-2013年12月度門診量數據建立數據庫，擬合ARIMA模型，并做短期預測，評價預測精度。

（1）時序圖

某醫院門診量繪制如圖1，發現門診量呈現季節性，每年5-6月和10-12月出現高峰期，1-2月為低谷期。門診量總體呈現上升的趨勢，尤其2008年和2010年。近兩年來門診量維持在較為穩定的水平。

（2）序列的預處理

本文采用1階差分消除趨勢性，步長為12的差分方法消除季節性使序列平穩化，如圖2。對預處理后的序列進行ADF檢驗，p＜0.05，說明序列已經平穩化，可以進行平穩序列的時間序列分析。

（3）模型的識別、定階與參數估計

根據序列自相關，偏自相關函數建立所有可能模型比較分析，以AIC準則、BIC準則或者SBC準則為依據，選擇相對最優模型。本文采用SAS9.2軟件自動篩選建立相對最優模型 ARIMA（1，1，0）×（0，1，0）12。模型中參數 AR（1）估計值為-0.43，標準誤為0.09，t＝-4.88，p＜0.05，模型表示為（1+0．43B）（1-B12）Xt＝εt。

圖1 2004年1月-2013年12月某醫院門診量時序圖

圖2 某醫院門診量差分后序列圖

（4）模型擬合優度檢驗及預測

建立模型后，對殘差進行自相關性檢驗，延遲各階LB統計量所對應p值均大于0.05，所擬合模型合適。本文采用所擬合模型進行短期預測，即預測2014年1-3月門診量，與實際門診量比較，并對其預測精度做出評價，見表1。

表1 2014年1-3月某醫院門診量預測結果

擬合效果如圖3所示，其中“*”表示實際門診量，曲線是其預測值及其95%可信區間。

圖3 模型擬合效果圖

2.重點科室門診量分析

老人、孕產婦和兒童是我們應該重點關注人群，為此選取內科、婦產科、兒科和門診量波動較大的急診科進行分析，初步探討其發展規律和影響因素。

（1）婦產科門診量變化趨勢分析

婦產科門診量逐年增長；每年門診量有相同的變化趨勢，2月就診人數最少，其他月份基本均勻分布；2013年門診量幾乎均明顯高于以往同期月份。

（2）兒科門診量變化趨勢分析

隨著新生兒數量的增加，兒科門診量相應的增加。2008年增長迅速，而后到2013年底基本維持在穩定狀態。兒科門診就診高峰主要出現在冬季。

（3）內科門診就診量分析

內科門診就診量有逐年上升的趨勢，2010年就診人次達到67398。除了2月份就診人數普遍少之外，各月就診量基本相當。

（4）急診科門診量變化趨勢分析

急診科門診量變化情況比較復雜，容易受到多種因素的影響，無明顯的規律可循。總體呈現上升趨勢，至2008年基本維持穩定，2013年劇烈下降。2013年急診門診量明顯低于往年同期月份，4月份出現一個高峰期。

結論與討論

ARIMA模型預測實際就是根據所有已知的歷史數據和信息對序列未來某個時期的發展水平做出評估。它會隨著預測時間的延長，預測誤差會越來越大。但總體來說，與其他方法相比，該方法具有較高的預測準確性，尤其是短期預測。序列的長度對預測精度的影響尤為重要，一般選取序列長度不低于10。在利用ARIMA模型做預測的過程中要不斷地把新信息加入到舊信息中，重新擬合模型，做出預測，以提高精度，即預測的修正［7］。醫院門診人次的變動是社會眾多因素綜合作用的結果，本文在選擇模型和構建模型的過程中，沒有考慮多因素回歸預測方法或多元時間序列分析的應用，這也是需要進一步研究的內容。

隨著生活條件的改善，人們的保健意識增強，及時就醫和定期體檢越來越普遍，由于“新農合”的普及和保險的增加方便了農村人口到大醫院就醫［8］。1、2月份恰逢我國傳統節日元旦、春節，如不是重癥、急診，一般會避免節日期間就診；患者心理感覺，節假日醫院專家及檢查條件不如平常，一些檢查、化驗等項目有可能無法進行，有避諱節假日去門診的心理。5-6月份，10-12月份，氣候冷暖交替，為心腦血管疾病、呼吸系統疾病及傳染病高發期；隨著生活及醫療保障水平的提高，中國人平均壽命普遍增加，加之中國提前進入老齡化社會，老齡人口比例明顯增加［9］，老年人慢性疾病容易在此季節急性發作，本醫院心腦血管疾病為特殊專科，致使高峰期門診、急診量明顯增多，導致留觀難、住院難的現象。

2013年醫院總體門診量偏低及急診科門診量下降與醫院2013年進行門診裝修有很大關系。4月份的高峰期主要是由于周邊醫院評審，急診容納量有限所致。急診量是最容易受到各方面影響的科室，其波動性很大。自2008年開始婦產科門診量增長迅速，除了與醫院診療技術提高之外還與國家政策有關，特別是“單獨”放開生育二胎后，婦產科就診量明顯增多。相應地，兒科就診量增多，特別是冬季，因山東天氣干旱少雨，寒冷多變，小兒容易感冒發燒。2010年內科門診就診量居高不下主要是與沙塵暴天氣有關，呼吸系統疾病就診量增多。氣候變化是影響病人健康的重要因素之一，收集更多的氣候因素，如氣溫、降雨量、濕度、日照時間、空氣污染程度，納入分析將會得到更全面的結果，這是我們進一步研究的方向。

對此，醫院應合理配置醫療資源，使它和門診量的波動相協調。在門診高峰期各科室盡可能多安排門診人員，尤其要增加名醫專家的坐診人數，發揮專科專家優勢，增加高水平醫師在門診工作中的配置，提高門診診療質量。在門診低谷期可以安排醫務人員休假，業務學習，進修、培訓等活動。

提供方便的就醫環境，門診人次總量逐年增加，尤其是單獨二胎政策的放開，婦產科門診量增加較大；隨著老齡人口的增加，急診科門診量也有明顯增加，高峰季節特別明顯。此時，看病擁擠和排隊的時間延長問題突顯出來。醫院一方面應增加門診窗口，加強門診咨詢導診和多種便民服務工作；另一方面優化門診看病流程，進行流程再造，利用智慧醫療，通過預約掛號，自助系統等信息化手段，減少患者及醫師的不必要重復工作，將更多的時間還給患者，減少患者的就醫繁瑣流程［10］，改善就醫感受。

［1］孫聰，牟海娟，張詩琴，等.煙臺市傳染病醫院.2006-2011年門診量集結變動分析，中國醫院統計，2012，19（4）：252-254.

［2］周曉曉，孫琳，周哲穎.使用Eviews軟件對精神衛生門診人次進行ARIMA模型預測.中國衛生統計，2011，28（6）：687-688.

［3］彭志行，陶紅，賈成梅，等.時間序列分析在麻疹疫情預測中的應用研究.中國衛生統計，2010，27（5）：459-463.

［4］申銅倩，劉文東，胡建利，等.X-11-ARIMA過程在痢疾疫情預測中的應用研究.中國衛生統計，2014，31（3）：395-398.

［5］王燕.應用時間序列分析.第2版.北京 ：中國人民大學出版社，2009.

［6］SAS Institute Inc..SAS／ETS（R）9.2 User′s Guide.USA，2007.

［7］王玖，韓春蕾，欒奕昭。組合預測在醫院門診量預測中的應用，中國衛生統計，2012，29（6）：881-883.

［8］于曉娟，張發民，張秀云，等.門診診療人次季節變化及總體趨勢動態分析.中國衛生統計，2013，30（2）：283-284.

［9］衛生部慢性非傳染性疾病綜合防治社區示范點專家指導組.我國慢性非傳染性疾病綜合防治社區示范點工作總結報告（一）—工作思路、工作目標和實施發展.中國慢性病預防與控制.2002，10（1）：29-31.

［10］程華玲.2008-2012年醫院門診量季節變化的分析.中國醫藥指南，2014，12（4）：257-258.

1.濟南市第四人民醫院醫務科（250031）

2.濟南市第四人民醫院信息科（250031）

3.濟南市中醫醫院辦公室（250012）

△通信作者：申銅倩，E-mail：shen_tq2010＠sina.cn

劉 壯）