武漢市某三甲醫(yī)院超聲科患者就診情況分析與排隊(duì)時(shí)間預(yù)測(cè)

劉 翠 王 巍 代 偉 張治國(guó)，3 鄭 芳 沈麗寧，3

1華中科技大學(xué)同濟(jì)醫(yī)學(xué)院醫(yī)藥衛(wèi)生管理學(xué)院，武漢，430030；2華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬中西醫(yī)結(jié)合醫(yī)院/武漢市第一醫(yī)院，武漢，430030；3湖北省衛(wèi)生技術(shù)評(píng)估研究中心，武漢，430030

隨著人民群眾的健康需求日益增加，醫(yī)院就診的患者數(shù)量也隨之上升，導(dǎo)致門診環(huán)境擁擠，患者院內(nèi)滯留時(shí)間延長(zhǎng)，降低了醫(yī)療服務(wù)質(zhì)量和患者就醫(yī)體驗(yàn)，同時(shí)也為醫(yī)院管理者提出了嚴(yán)峻的考驗(yàn)。盡管目前已采取了一系列措施加以緩解，但都集中于患者掛號(hào)和繳費(fèi)、醫(yī)生問診和開處方等環(huán)節(jié)[1-5]，而對(duì)于如何縮短檢查排隊(duì)時(shí)間，尤其是在超聲科的排隊(duì)候診時(shí)間方面，相關(guān)研究較少。

超聲影像檢查是臨床上最常使用的診斷手段之一，而患者在超聲科的耗時(shí)相較于檢驗(yàn)和診療時(shí)間更長(zhǎng)，尤其是那些檢查部位多、情況復(fù)雜的患者[6-7]。因此掌握患者在超聲科排隊(duì)時(shí)間的變化規(guī)律，對(duì)于縮短候診時(shí)間、提升患者就醫(yī)體驗(yàn)顯得尤為重要。

本研究擬以武漢市某三甲醫(yī)院為例，通過對(duì)超聲科患者排隊(duì)就診情況進(jìn)行統(tǒng)計(jì)分析，并利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建排隊(duì)時(shí)間預(yù)測(cè)模型，全方位了解科室擁擠情況，助力醫(yī)院合理分配醫(yī)療資源，優(yōu)化就診流程。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與預(yù)處理

在影像歸檔和通信系統(tǒng)(Picture Archiving and Communication Systems，PACS)中共獲取超聲科2018年418500條原始數(shù)據(jù)，這些數(shù)據(jù)按時(shí)間順序分別記錄了每位患者的科室報(bào)到時(shí)間、每個(gè)部位的檢查開始時(shí)間和報(bào)告打印時(shí)間。由于部分患者單次就診需要完成多個(gè)部位的超聲檢查，操作更為復(fù)雜且耗時(shí)更長(zhǎng)，簡(jiǎn)單的計(jì)算每個(gè)患者平均耗時(shí)誤差較大，而完成單個(gè)特定部位的檢查時(shí)間則相對(duì)穩(wěn)定且可計(jì)算，因此本研究以檢查部位為單位進(jìn)行排隊(duì)時(shí)間估算。

對(duì)于數(shù)據(jù)中的缺失值，利用隨機(jī)森林算法進(jìn)行預(yù)測(cè)和插補(bǔ)，保證數(shù)據(jù)完整性、合理性和連續(xù)性。這主要是考慮到該算法靈活實(shí)用，具有良好的預(yù)測(cè)準(zhǔn)確率和抗噪能力，不易出現(xiàn)過擬合。

在R語言中進(jìn)行預(yù)處理的主要步驟如下：①篩選出該科室早上8點(diǎn)至下午6點(diǎn)共300015條數(shù)據(jù)；②利用隨機(jī)森林算法進(jìn)行缺失值的預(yù)測(cè)和插補(bǔ)；③計(jì)算單個(gè)部位的平均檢查時(shí)間；④以15分鐘為間隔[8-9]，計(jì)算一年中相同時(shí)段內(nèi)的待檢查部位數(shù)量，最終生成14600(4×10h×365d)條時(shí)間序列數(shù)據(jù)，作為人工神經(jīng)網(wǎng)絡(luò)的輸入值。

1.2 超聲科患者就診情況分析

先將300015條原始數(shù)據(jù)導(dǎo)入R語言中進(jìn)行數(shù)據(jù)處理，統(tǒng)計(jì)分析2018年日均檢查部位數(shù)及執(zhí)行次數(shù)最多的檢查項(xiàng)目數(shù)，以便于醫(yī)院整體上了解科室工作量及患者就診情況，并針對(duì)個(gè)別專項(xiàng)檢查制定相應(yīng)的改進(jìn)措施，提高醫(yī)療服務(wù)能力和運(yùn)行效率。

在此基礎(chǔ)上，選取月、日、一刻鐘三個(gè)不同時(shí)間單位下待檢查部位數(shù)量進(jìn)行統(tǒng)計(jì)，了解患者就診分布情況，掌握科室不同時(shí)間粒度下的患者排隊(duì)時(shí)間，利于醫(yī)護(hù)人員根據(jù)高峰期與低谷期進(jìn)行醫(yī)療資源分配，優(yōu)化患者就診流程，節(jié)省門診及住院患者等待時(shí)間，改善就醫(yī)體驗(yàn)。

1.3 超聲科排隊(duì)時(shí)間預(yù)測(cè)方法

本研究利用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)對(duì)超聲科患者排隊(duì)時(shí)間進(jìn)行預(yù)測(cè)，結(jié)合歷史數(shù)據(jù)中待檢查部位數(shù)量構(gòu)建預(yù)測(cè)模型。ANN作為目前應(yīng)用最為廣泛的預(yù)測(cè)方法之一[10]，可以捕獲因變量與自變量之間復(fù)雜的非線性關(guān)系，挖掘變量隨時(shí)間的變化規(guī)律并對(duì)其進(jìn)行預(yù)測(cè)[11]。最后，將未來不同時(shí)段內(nèi)的待檢查部位數(shù)量與平均耗時(shí)相乘，以得到該時(shí)段患者對(duì)應(yīng)的候診時(shí)間。

筆者選取MATLAB 2017作為算法實(shí)現(xiàn)工具。為了選出效果最好、準(zhǔn)確率最高、泛化能力最佳的模型，將原始數(shù)據(jù)劃分為了三個(gè)集合：訓(xùn)練集(70%)、驗(yàn)證集(15%)和測(cè)試集(15%)。其中，訓(xùn)練集用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，而驗(yàn)證集用于選擇效果最佳的模型并確定其參數(shù)。最后，利用測(cè)試集中的數(shù)據(jù)測(cè)量網(wǎng)絡(luò)的泛化能力，評(píng)估訓(xùn)練完成后的網(wǎng)絡(luò)性能，但對(duì)模型訓(xùn)練效果不產(chǎn)生影響。三組數(shù)據(jù)集的劃分能夠有效防止模型出現(xiàn)過擬合現(xiàn)象。

此外，為了檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精確性、穩(wěn)健性和可靠性，采用以下3項(xiàng)主要指標(biāo)[12-14]：

①平均絕對(duì)百分誤差(Mean Relative Percentage Error, MAPE)

②均方根誤差(Root Mean Square Error，RMSE)

該指標(biāo)反映了預(yù)測(cè)值同實(shí)際值之間的偏差，對(duì)異常值敏感，是檢驗(yàn)預(yù)測(cè)模型平穩(wěn)性的指標(biāo)，越小越好。

③平均絕對(duì)誤差(Mean Absolute Error，MAE)

MAE能夠更好地反映預(yù)測(cè)誤差的實(shí)際情況，相較于RMSE更為穩(wěn)定，且對(duì)異常點(diǎn)具有更好的魯棒性，是評(píng)價(jià)預(yù)測(cè)效果的首要參考指標(biāo)，越小越好。

2 結(jié)果

2.1 超聲科檢查部位及檢查項(xiàng)目數(shù)量統(tǒng)計(jì)

該醫(yī)院超聲科2018年平均每天要完成779個(gè)部位的影像檢查診斷。其中，檢查部位數(shù)量集中在800～1000之間共計(jì)78天，占全年總天數(shù)的21.37%。完成1000個(gè)部位以上的檢查共有113天，而檢查數(shù)量小于200有32天，占比8.77%。見表1。

表1 日均檢查部位數(shù)量天數(shù)統(tǒng)計(jì)

另外，該醫(yī)院2018年執(zhí)行次數(shù)前三的項(xiàng)目分別為心臟彩超及左心功能測(cè)定、肝膽脾胰和雙腎輸尿管彩超常規(guī)檢查、經(jīng)陰道婦科彩超。排名前十位的檢查項(xiàng)目執(zhí)行數(shù)量之和占到全年總檢查數(shù)的71.17%，且主要集中于心臟、腹部、頸部和婦科等相關(guān)檢查。見表2。

表2 執(zhí)行次數(shù)前10的檢查項(xiàng)目數(shù)量

2.2 患者就診情況統(tǒng)計(jì)

該醫(yī)院超聲科2018年2月完成的檢查數(shù)為全年最少，僅為583項(xiàng)；3～5月為檢查的高峰期，日均完成的檢查數(shù)均為800以上，分別為當(dāng)年月均數(shù)量的115.15%，121.82%和120.64%。總體來看，自2月至同年12月，超聲科每月檢查部位數(shù)量呈現(xiàn)近似雙峰曲線的變化趨勢(shì)，4月和10月分別為就診高峰期，且上半年的就診數(shù)量高于下半年。見圖1。

圖1 超聲科2018年月均檢查部位數(shù)量

通過對(duì)全年52周的每周各日數(shù)據(jù)進(jìn)行匯總分析，可發(fā)現(xiàn)，周二為該醫(yī)院超聲科日均檢查部位數(shù)量的峰值，平均需完成1096項(xiàng)，占全年檢查總數(shù)的20.07%；自周二至周五日數(shù)量逐漸降低，到周六和周日下降速率最為顯著，為一周內(nèi)完成檢查部位數(shù)量最少的兩天，分別降到了383項(xiàng)和339項(xiàng)。見圖2。

圖2 日均檢查部位數(shù)量走勢(shì)

以“15分鐘”間隔為橫坐標(biāo)繪制相應(yīng)折線圖顯示：該醫(yī)院超聲科在一天中的不同時(shí)間段，待檢查部位的總和，即患者等待時(shí)間呈現(xiàn)出雙峰曲線的變化規(guī)律。自上午8點(diǎn)和下午2點(diǎn)開始，超聲檢查部位數(shù)量逐漸增加，患者候診時(shí)間也相應(yīng)變長(zhǎng)，但是下午增加的速率明顯更快；在上午10點(diǎn)15分和下午2點(diǎn)30分左右達(dá)到峰值，在上午10點(diǎn)至10點(diǎn)15分內(nèi)和下午14點(diǎn)至14點(diǎn)15分內(nèi)分別需要完成大約31個(gè)和24個(gè)部位的檢查，且上午高峰持續(xù)時(shí)間約3小時(shí)，下午約1小時(shí)，而后開始緩慢減少。見圖3。

2.3 排隊(duì)時(shí)間預(yù)測(cè)效果

圖4顯示了實(shí)際和預(yù)測(cè)的待檢查部位數(shù)量以及所有觀測(cè)值之間的線性擬合情況。系數(shù)R是衡量預(yù)測(cè)模型擬合程度的一個(gè)重要指標(biāo)，可以描述實(shí)際輸出(模型預(yù)測(cè)的待檢查部位數(shù)量)與期望輸出(實(shí)際待檢查部位數(shù)量)之間的關(guān)聯(lián)度[8]，R越接近1，說明二者數(shù)值越吻合，即預(yù)測(cè)值與實(shí)際值越接近，模型訓(xùn)練效果越好。由圖4可知，訓(xùn)練集、驗(yàn)證集和測(cè)試集的相關(guān)性均處于0.95左右，模型擬合度高，常數(shù)較小(2左右)，且斜率接近1，表明實(shí)際輸出與期望輸出具有較強(qiáng)的一致性，因此該模型能夠在很大程度上描述超聲科不同時(shí)刻下待檢查部位數(shù)量的變化趨勢(shì)及規(guī)律，具有精確和穩(wěn)定的預(yù)測(cè)能力。基于訓(xùn)練完成的預(yù)測(cè)模型，利用歷史數(shù)據(jù)能夠精確、穩(wěn)定地預(yù)測(cè)未來短期內(nèi)科室待檢查部位數(shù)量，作為醫(yī)療資源分配的有效依據(jù)。最后，根據(jù)實(shí)際輸出與期望輸出的差異計(jì)算該模型的MAPE、RMSE和MAE分別為3.33、5.88和3.95。

圖3 超聲科不同時(shí)刻的待檢查部位數(shù)量

圖4 超聲科待檢查部位數(shù)量預(yù)測(cè)值與實(shí)際值線性擬合

3 討論

3.1 超聲科日工作量較大，檢查項(xiàng)目主要集中于心臟、腹部、頸部和婦科相關(guān)檢查

該醫(yī)院超聲科2018年日均完成779個(gè)部位的檢查，根據(jù)該院每天開放4個(gè)診室計(jì)算，平均每個(gè)診室2.5分鐘左右便需完成一個(gè)部位的檢查，由此可見超聲科工作量較大，對(duì)醫(yī)務(wù)人員提出了巨大的挑戰(zhàn)。因此建議醫(yī)院強(qiáng)化相關(guān)業(yè)務(wù)人員的專業(yè)能力和素養(yǎng)培訓(xùn)、加強(qiáng)超聲科與臨床科室的交流[15]、開放更多診室以緩解現(xiàn)狀；除此之外，執(zhí)行次數(shù)排名前十的檢查項(xiàng)目數(shù)量總和超過全年所有檢查數(shù)量的70%，且主要為少數(shù)幾個(gè)檢查。因此，醫(yī)院應(yīng)重點(diǎn)加強(qiáng)這些檢查項(xiàng)目的醫(yī)技人員隊(duì)伍建設(shè)和科室環(huán)境條件建設(shè)，同時(shí)可通過設(shè)置獨(dú)立的專項(xiàng)檢查室、在特定時(shí)間段集中進(jìn)行此類檢查等措施，以營(yíng)造更好的就診環(huán)境，改善患者就醫(yī)體驗(yàn)[16]。

3.2 在不同時(shí)間粒度下，患者排隊(duì)時(shí)間存在明顯的高峰期和變化趨勢(shì)

通過分析發(fā)現(xiàn)，該科室在2018年3至5月完成的檢查部位數(shù)量最多，2月受節(jié)假日影響較為明顯，檢查部位數(shù)量遠(yuǎn)遠(yuǎn)低于其他月份；而每周日為檢查的低峰期，每日10點(diǎn)至11點(diǎn)和下午2點(diǎn)至2點(diǎn)半為超聲科的兩個(gè)就診高峰時(shí)段，醫(yī)院可以通過科室工作人員彈性排班、調(diào)整不同時(shí)段門診掛號(hào)數(shù)和醫(yī)療儀器等資源進(jìn)行合理規(guī)劃。其次，超聲科同時(shí)接收門診和住院患者檢查請(qǐng)求，而門診患者占了一大半[17]。因此，建議醫(yī)院提前對(duì)門診和住院患者進(jìn)行有效引導(dǎo)和錯(cuò)峰分流，減少在同一高峰時(shí)段申請(qǐng)檢查的患者數(shù)量。此外，對(duì)于當(dāng)天同時(shí)需要完成檢查和檢驗(yàn)項(xiàng)目的門診患者，由于檢驗(yàn)項(xiàng)目執(zhí)行時(shí)間較短，可以引導(dǎo)其優(yōu)先完成檢驗(yàn)項(xiàng)目，以避開超聲科高峰期，緩解科室擁堵情況和候診秩序。

3.3人工神經(jīng)網(wǎng)絡(luò)算法能夠更精確地預(yù)測(cè)患者排隊(duì)時(shí)間，有利于優(yōu)化就診流程，提高患者滿意度

將其他場(chǎng)景類似、方法不同的預(yù)測(cè)模型評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比驗(yàn)證[18-21]，發(fā)現(xiàn)本研究的預(yù)測(cè)模型性能較之其他同類時(shí)間序列模型在MAPE、RMSE和MAE等方面具有一定優(yōu)勢(shì)。通過歷史工作量預(yù)測(cè)未來幾天的檢查情況并計(jì)算患者等待時(shí)間，借助APP、微信公眾號(hào)或短信等方式提前告知患者在超聲科的預(yù)計(jì)候診時(shí)間，提醒患者按時(shí)報(bào)道并完成檢查，同時(shí)與已有措施結(jié)合形成患者就診的閉環(huán)優(yōu)化流程，多方面、深層次地為其提供全面高效且人性化的醫(yī)療服務(wù)，提升醫(yī)院門診服務(wù)水平和運(yùn)營(yíng)水平，提高患者滿意度。

4 結(jié)語

優(yōu)化就醫(yī)流程、提高患者滿意度和醫(yī)療服務(wù)質(zhì)量一直都是醫(yī)院管理與建設(shè)的重點(diǎn)，超聲影像診斷在醫(yī)療服務(wù)過程中發(fā)揮著不可或缺的作用。本研究基于大數(shù)據(jù)對(duì)超聲科候診時(shí)間進(jìn)行深層次的分析探討。研究結(jié)果表明，超聲科患者排隊(duì)時(shí)間具有明顯的變化規(guī)律，患者候診時(shí)間預(yù)測(cè)模型得到了較高的準(zhǔn)確率和穩(wěn)健性。本研究建立的模型能夠在一定程度上利于醫(yī)院合理分配醫(yī)療資源，提前采取應(yīng)對(duì)措施，從而縮短患者在院內(nèi)滯留時(shí)間，提升就診體驗(yàn)。未來可以將該模型應(yīng)用到醫(yī)院各個(gè)需要排隊(duì)的門診科室和部門，并根據(jù)實(shí)際擁堵情況和就診環(huán)境設(shè)計(jì)更細(xì)致、更專業(yè)的資源分配方案和管理措施。