基于自回歸移動平均模型的醫療設備效益預測

姜天,鄭小溪,劉倪

廣州軍區武漢總醫院 醫學工程科,湖北 武漢 430070

基于自回歸移動平均模型的醫療設備效益預測

姜天,鄭小溪,劉倪

廣州軍區武漢總醫院 醫學工程科,湖北 武漢 430070

目的利用自回歸移動平均模型(Autoregressive Integrated Moving Average Model,ARIMA)對選取的5個科室的設備效益進行預測,嘗試將設備效益分析事后算賬轉向事前評估、事后分析.方法收集醫療設備效益數據,進行整理匯總,利用ARIMA進行預測,在其達到最優模型的時候觀察預測值與實際值的擬合度.結果選擇了5個代表性的科室,分別得到了各個科室的最優的ARIMA模型.對心血管內科、泌尿外科、超聲影像科的預測值與實測值的趨勢是非常吻合的,而消化內科和眼科出現了預測不平穩的現象.結論利用ARIMA模型對醫療設備效益進行預測是一個探索性的、具有創新性的方法,具有一定的參考價值.

醫療設備管理;效益預測;ARIMA模型;擬合度檢驗

引言

醫院的醫療設備是醫務人員進行診斷和治療疾病的基本載體和基本工具,醫療設備也是醫院固定資產的重要組成部分,又代表了醫院的物質基礎和醫院的現代化水平[1].醫療設備管理是現代醫院管理系統中不可分割的部分,是醫院進行經濟管理的一個主要方面.在醫院進行醫療設備引進的時候,怎么正確有效的使用先進的醫療設備,有效發揮這些設備的優良性能,亦成為現代化醫院管理的一個非常重要的課題之一[2].

目前,每個醫院都進行著包括效益分析在內的醫療設備的精細化管理過程,對醫療設備效益進行有目的性的、系統性的分析,是醫院一項重要的科學管理工作[3-5].醫院進行醫療資源的優化配置和良好利用,都需要對醫院現有設備運作情況進行詳細地統計分析,為決策層提供依據[6].量化設備效益,將為醫院的發展產生深遠的影響.

我院醫療設備效益分析是按月收集科室效益月報表,年底計算效益率.這種做法是事后分析.如果能根據以往數據進行趨勢性的分析,對于收益率進行前瞻性的預測,來判斷未來的一年乃至更遠的效益,從而對醫療設備的效益進行有效評價、規劃和管理.

1 研究對象與資料來源

1.1 研究方法

自回歸移動平均模型(Autoregressive Integrated Moving Average Model,ARIMA)的基本思想是:某些時間序列是依賴于時間的一組隨機變量,構成該時序的單個序列值雖然具有不確定性,但整個序列的變化卻有一定的規律性,可以用相應的數學模型近似描述.ARIMA模型的優勢在于利用最優模型對序列的未來取值或走勢進行預測.ARIMA模型的預測經常用于對醫院門診量、發病率進行預測,可以提高針對性,預見性和主動性,以及預警目標的實現[7].

1.2 數據來源

從我院內科、外科、醫技科室共抽取5個科室,分別是心血管內科、泌尿外科、超聲影像科、消化內科和眼科.這5個科室的共同點是設備總值比較高,設備專科性強,單價高,購置新設備所需的經費較多,資金的周轉期長,具有較大的投資回報的風險性[8-10].同時這幾個科室的設備種類少,每種設備的數目少,便于統計分析.

采用投資收益率法[11-12]統計出了這5個科室2008～2014年的設備經濟效益情況.

投資收益率=年凈收入÷該醫療設備投資總額X100%

年凈收入=年收入-年支出

年支出包括耗材試劑支出、維修費用、折舊費,水電費、人員費用未統計[13].

1.3 原始數據

1.3.1 2008～2014年科室設備效益情況

以心血管內科和泌尿外科為例,心血管內科年設備效益率一直是增長狀態,在2012年出現了最高達到了185.41%,最后反而下降,見表1.而泌尿外科的設備效益率在2011年出現了明顯的拐點.

表1 心血管內科與泌尿外科2008～2014年設備效益情況

1.3.2 2015年1～9月份的設備效益情況

同樣以心血管內科和泌尿外科為例,2015年1～9月設備效益情況,見表2.

表2 心血管內科2015年1～9月份設備效益情況

2 建立ARIMA模型

ARIMA方法依據的一個基本思想是:將預測對象隨時間推移而形成的數據序列視為一個隨機序列,這組隨機變量所具有的依存關系或自相關表征了預測的延續性,而這種自相關性一旦被相應的數學模型描述出來,就可以從時間序列的過去值及現在的值預測未來值[14].

ARIMA模型的預測經常用于對醫院門診量、發病率進行預測,可以提高針對性、預見性和主動性,以及預警目標的實現[15].此次建立的模型是在進行差分后的自相關和偏自相關的判斷加上SPSS軟件里的專家建模推薦,用計算機來模擬出最佳模型[16].

2.1 時間序列分析及建模

經過時間序列分析以及自相關和偏自相關的圖形的判斷,并結合每一次的專家建模推薦得出了各個模型的p、d、q相應的值,見表3.其中心血管科為AIRIMA(0,1,2),消化內科為AIRIMA(1,0,0),眼科為AIRIMA(1,0,0),泌尿外科為AIRIMA(1,1,0),超聲影像科為AIRIMA(0,1,1),也就是本次ARIMA的最佳模型.

表3 不同的類型獲得的最優模型

在各個模型進行擬合的時候,給出了平穩的R2和R2的量,見表4.另外,通過Ljung-BoxQ進行白噪聲檢驗,Pgt;0.05,則表示非白噪聲,即模型預測可以.

表4 模型擬合統計量和Ljung-BoxQ檢驗

2.2 ARIMA模型預測值與實際值的擬合情況

利用ARIMA模型進行2015年前6個月的收益率情況預測(表5),心血管內科每月的收益率都達到了9%左右,一直在9%之間波動,而且出現了增長趨勢,消化科預測的2015年1月12.5%,但是隨后的月份出先了下降,但是仍然波動在12%左右.眼科則是在6%左右波動情況,而且置信區間很小,說明預測的準確度是很高的.泌尿外科的預測值則是在3.5%左右波動,而且上下區間更小,即預測的平穩性要好.超聲影像科前6個月均呈現出了上升走勢,達到了14%,但是這些超聲影像科的置信區間顯得比較寬,預測的精度會降低.ARIMA模型的設備效益預測值與實際統計出來的值的曲線對比圖,見圖1.

表5 ARIMA模型對各個科室2015年前6個月的收益率的預測值(%)

圖1 ARIMA模型預測值與實測值的曲線對比圖

2.3 數據分析及討論

從曲線對比圖可以看出,預測值的曲線與實際值的曲線基本上是一致的.雖然存在一定的滯后性,但是比起沒有預測的進行決策,其科學性又進了一步.

通過數值的對比發現,醫療設備收益率的預測值與實際值有所差別,差別的精確度超過了20%以上,說明預測收到的影響較多,但依然發現其中的某幾個月是精確度在10%以內,這就說明預測的擬合度良好.一般來說,由于2月份是農歷新年,門診病人減少,住院病人大都出院回家,科室效益會出新最低情況.

消化內科和眼科的預測值出現了較大偏差,預測值比實際值要低,可能是受醫院調控的影響.消化內科和眼科近幾年引進的新設備較多,引進了新技術,醫院加大了對外宣傳力度,吸引更多患者來院檢查治療,使設備使用率得到提升,進而設備效益也提高了.

ARIMA模型考慮了季節因素對時間平穩性造成的影響,但是本研究由于在專業上考慮不會受到季節性的影響,認為其模型的擬合仍然是有效的.

3 結論

本次選取了5個科室的設備效益情況進行研究,并利用ARIMA模型進行了預測,選擇的年限比較短.只有5年,收集到的數據范圍有限,僅收集了20萬元以上設備的效益情況.選擇了醫院代表性的較大的科室進行了比較,沒有全部覆蓋到醫院的其他科室.另外,設備率還收到其他因素的影響,都沒有納入進去,這樣就出現了預測的偏差,只有進行更加細致的預測和比較才能靈活的對醫院的設備進行調控.

利用ARIMA模型對醫療設備效益進行預測是一個探索性的、具有創新性的方法,具有一定的參考價值,但還應結合其他因素一起綜合考慮來最終判斷設備的收益情況.

[1] 李世俊,張楠,解迎剛.關于大型醫療設備經濟效益分析系統的研究[J].醫療衛生設備,2009,30(2):17-19.

[2] 王忠明,張兵,觸立潔,等.加強醫療設備全程管理著力提高設備經濟效益療[J].醫療衛生裝備,2009,30(12):78-80.

[3] 李平.洪學智.戴力輝.公立醫院大型醫療設備績效審計實證研究[J].中國衛生經濟,2015,34(1):91-92.

[4] 謝文.大型醫療設備效益管理與評價[J].中國醫療前沿,2010,5(15):86.

[5] 李樹豐.三甲等級評審中醫療設備的效益分析[J].中國醫療設備,2012,27(12):24-26.

[6] 戴文娟,丁旭輝,湯建鳳.醫院成本核算下大型醫療設備投資效益分析[J].衛生經濟研究,2011,(4):49-51.

[7] 孫振球,徐勇勇.醫學統計學[M].3版.北京:人民衛生出版社,2010:390-400.

[8] 胡艷輝,朱廣喜.醫療設備效益分析及管理系統的開發與應用[J].中國醫學裝備,2011,8(11):38-40.

[9] 尹軍,陳維平.醫院設備使用期數據管理系統的風險效益評估[J].中國藥物警戒,2011,8(6):346-347.

[10] 穆云慶,趙存現,陳燕凌.大型醫療設備成本效益分析及重要性研究[J].中國現代醫生,2009,47(31):95-96.

[11] 丘奐陽.醫療設備績效統計分析探討[J].中國醫學裝備,2006,11(3):51-52.

[12] 金玲,全龍江,鄭焜.大型醫用設備使用效益分析與評價方法的探討[J].中國醫院管理學,2010,30(3):57-58.

[13] 李曉賢.注重效益分析提升醫院管理水平[J].中國醫院管理,2006,26(9):57.

[14] 周水森,黃芳,沈毓祖.ARIMA模型在瘧疾發病預測中的應用[J].中國病原生物學雜志,2007,2(4):284-286.

[15] 萬燕麗,楊永利,施念,等.ARIMA模型在河南省AIDS疫情預測中的應用[J].鄭州大學學報(醫學版),2015,50(2):160-163.

[16] 杜強,賈麗艷.SPSS統計分析從入門到精通[M].北京:人民郵電出版社,2011:342-363.

本文編輯 王婷

Profits Prediction of Medical Equipment Based on Autoregressive Integrated Moving Average Model

JIANG Tian, ZHENG Xiaoxi, LIU Ni
Department of Medical Engineering, Wuhan General Hospital of Guangzhou Military, Wuhan Hubei 430070, China

ObjectiveThis paper predicted the benefit of medical equipment of five clinical departments by using autoregressive integrated moving average (ARIMA) model, and tried to turn the post hoc analysis of using benefit to ex ante assessment.Methods

We collated and summarized medical equipment benefit data to forecast by ARIMA model and observed fitting degree between the predicted value and the actual value at the time it reaches the optimal model.ResultsFive representative departments were selected to obtained optimal ARIMA model. In cardiovascular medicine, urology and ultrasound imaging departments, the predicted value and the actual value were very close, but the predicted value was not smooth in gastroenterology and ophthalmology departments.

ConclusionARIMA model is an exploratory, innovative method to predict the benefit of medical equipment, which has a certain reference value.

medical equipment management; benefit prediction; ARIMA model; test of goodness of fit

R197.3

C

10.3969/j.issn.1674-1633.2017.10.041

1674-1633(2017)10-0149-04

2016-08-16

2016-09-13

作者郵箱:453429655@qq.com