基于人工神經網絡的貴州省少數民族衛生服務利用預測模型研究

杜 薇 劉嬋嬋 李 端 胡嘉琦 樊興穎 周涵妮 常 悅▲

1.貴州醫科大學醫藥衛生管理學院，貴州貴陽 550025；2.貴州醫科大學科技處，貴州貴陽 550025

“健康中國”2017年首次在總理政府工作報告中提出，以農村和基層為重點“提高居民健康素養水平”在《“健康中國2030”規劃綱要》中被納入為建設健康中國的十三個主要指標體系之一[1]，十九大報告中闡述“人民健康是民族昌盛和國家富強的重要標志”。這些都意味著健康是民眾生活的美好期盼，推進國民健康事業是最終實現全面發展的基本保證。提供衛生服務是推進健康事業的手段。個體從嬰兒時期的出生到衰弱老人時期的臨終，無不連續地需要衛生服務[2]。

健康素養指的是個人根據自身的知識儲備，獲取并理解健康領域的知識，并運用這些信息做出正確的健康行為決策，以促進和保持自身健康水平的能力[3]。世界衛生組織得出研究結論：健康素養與人均期望壽命、生命質量高度相關[4-5]。因此，研究健康素養對衛生服務利用的影響，有助于實現衛生資源的合理配置。本研究旨在提供一種新的方法研究貴州省少數民族健康素養對衛生服務的利用影響，構建衛生服務利用預測模型，讓貴州省少數民族的衛生服務利用預測向智能化發展。

1 資料與方法

1.1 一般資料

采用多階段分層抽樣，于2019年6～12月在貴州省6 個市（州）抽取少數民族個體進行調查，共發放問卷1080 份，回收1031 份，有效回收率為95.46%。納入標準：貴州省常住人口；少數民族；自愿參與本次調查。排除標準：精神障礙、認知障礙者。

被調查樣本的基本特征方面，男482 名（46.75%），女549 名（53.25%）；城鎮225 名（21.82%），農村806名（78.18%）；年齡15～69 歲；初中及以下學歷459 名（44.52%），高中或中專學歷168 名（16.29%），大專及以上學歷404 名（39.19%）；平均月收入1000 元及以下543 名（52.67%），1001～3000 元275 名（26.67%），3001～5000 元165 名（16.00%），5001～10000 元38 名（3.69%），10001 元及以上10 名（0.97%）。

1.2 調查方法

研究負責人統一培訓課題組成員，貴州醫科大學醫藥衛生管理學院熟悉少數民族語言本科生擔任調查員，由調查員攜帶問卷分赴貴州省6 個市（州），按照調查方案和調查計劃的要求，對被調查者進行訪談，并按照問卷的格式和要求來記錄被調查者的回答。問卷內容包括以下三個部分。

第一部分基本情況，包括性別、年齡、學歷、職業、平均月收入等。

第二部分參考原衛生部委托中國健康教育中心2015年制定的最新版《全國居民健康素養調查問卷》[4]。根據知信行理論分類，問卷可以分為三個方面，分別為基本健康知識和理念、健康生活方式與行為、基本技能；根據公共衛生問題為導向分類，可以將問卷分為六類，分別為科學健康觀素養、傳染病防治素養、慢性病防治素養、安全與急救素養、基本醫療素養和健康信息素養。

第三部分為衛生服務利用，包括4 周患病率、4周門診服務利用率、年住院率。

選取150 名對象進行預調查，得到問卷的Cron bach′s α 系數為0.730，平均效度為14.2，內部一致性高，內容符合主題。

1.3 統計學方法

1.3.1 單因素分析

采用SPSS 22.0 統計學軟件進行數據分析，符合正態分布的計量資料采用均數±標準差（±s）表示，兩組間比較采用t 檢驗，不符合正態分布者轉換為正態分布后行統計學分析；計數資料用率表示，組間比較采用χ2檢驗，以P＜0.05 為差異有統計學意義。

1.3.2 多因素分析

多因素分析采用人工神經網絡模型。人工神經網絡的工作原理是模仿人腦結構，根據所提供的數據，通過學習和訓練，建立由自變量到因變量的模型[6]。輸入和輸出之間的關系不是線性的。根據輸入的信息建立神經元，通過學習規則或自組織等過程建立相應的模型，并不斷修正，使輸出結果與實際值之間的差距不斷縮小[7]。人工神經網絡的具有高速運算的能力，模擬人腦進行自學習、自組織。其由輸入層、隱含中間層、輸出層組成，結構如圖1所示。結構簡單、意義明確、步驟分明。

圖1 人工神經網絡模型

本研究采用Matlab 神經工具箱構建網絡結構，步驟如下。

①將所有數據導入Matlab。

②打開Netural Net Fitting 工具箱，建立神經網絡，導入網絡，確立輸入層、輸出層；確定所有數據中訓練集、驗證集、測試集的比例分配。

③設置中間層的節點數，確立傳輸函數。

④開始進行訓練，可以加入修正數據進行權值修正。

⑤訓練結束，驗證并測試結果。

2 結果

2.1 衛生服務利用現狀

被調查的1031 名少數民族樣本中，4 周內因患病利用門診服務的人數為73 名，門診服務利用率為7.08%；1年內因患病利用住院服務的人數為87 名，住院服務利用率為8.44%。

2.2 影響門診服務利用的單因素分析

貴州省少數民族門診利用組的一般資料、健康素養總分及各類別不同得分與門診未利用組比較，差異無統計學意義（P＞0.05）（表1）。

表1 被調查少數民族4 周內門診服務利用的單因素分析（n=1031，分，±s）

表1 被調查少數民族4 周內門診服務利用的單因素分析（n=1031，分，±s）

基本特征門診利用組（n=73）門診未利用組（n=958）χ2/t 值 P 值城鎮[n（%）]男性[n（%）]年齡[歲，n（%）]15～25＞25～35＞35～45＞35～55＞55～65＞65～69文化程度[n（%）]小學及以下初中高中或中專大專大學本科及以上職業狀況[n（%）]在校學生務農就業失業或無業退休平均月收入[元，n（%）]1000 及以下1001～3000 3001～5000 5001～10000 10001 及以上健康素養總分按知信行分類基本健康知識和理念健康生活方式與行為基本技能按公共衛生問題導向分類科學健康觀素養傳染病防治素養慢性病防治素養健康信息素養安全與急救素養基本醫療素養19（26.0）41（56.2）206（21.5）441（46.0）0.902 1.673 0.428 0.376 0.095 0.669 39（53.4）13（17.8）8（11.0）8（11.0）3（4.1）2（2.7）530（55.3）169（17.6）123（12.8）80（8.4）18（1.9）38（4.0）1.5880.113 15（20.5）23（31.5）13（17.8）4（5.5）18（24.7）147（15.3）274（28.6）155（16.2）93（9.7）289（30.2）0.0190.985 32（43.8）14（19.2）19（26.0）8（11.0）0（0.0）421（43.9）161（16.8）306（31.9）58（6.1）12（1.3）0.4920.623 41（56.2）18（24.6）10（13.7）4（5.5）0（0.0）32.16±10.79 13.93±4.91 10.01±3.82 8.22±3.41 4.73±2.20 4.11±1.51 5.12±2.59 3.53±1.95 8.23±3.35 6.44±2.46 502（52.4）257（26.8）155（16.2）34（3.6）10（1.0）33.77±10.73 14.87±4.72 10.66±3.98 8.24±3.37 4.98±2.14 4.06±1.59 5.76±2.59 3.54±1.94 8.74±3.17 6.70±2.52 1.229 1.628 1.345 0.041 0.969 0.265 1.149 0.898 1.307 0.840 0.219 0.104 0.179 0.967 0.333 0.791 0.253 0.371 0.191 0.401

2.3 影響住院服務利用的單因素分析

貴州省少數民族住院利用組和住院未利用組的職業狀況比較，差異有統計學意義（P＜0.05）；住院未利用組的健康素養總分、健康信息素養、安全與急救素養得分高于住院利用組，差異有統計學意義（P＜0.05）。住院利用組的其他基本特征、健康素養其他類別得分與住院未利用組比較，差異無統計學意義（P＞0.05）（表2）。

表2 被調查少數民族1年內住院服務利用的單因素分析（n=1031，分，±s）

表2 被調查少數民族1年內住院服務利用的單因素分析（n=1031，分，±s）

基本特征住院利用組（n=87）住院未利用組（n=944）χ2/t 值 P 值城鎮[n（%）]男性[n（%）]年齡[歲，n（%）]15～25＞25～35＞35～45＞35～55＞55～65＞65～69文化程度[n（%）]小學及以下初中高中或中專大專大學本科及以上職業狀況[n（%）]在校學生務農就業失業或無業退休平均月收入[元，n（%）]1000 及以下1001～3000 3001～5000 5001～10000 10001 以上健康素養總分按知信行分類基本健康知識和理念健康生活方式與行為基本技能按公共衛生問題導向分類科學健康觀素養傳染病防治素養慢性病防治素養健康信息素養安全與急救素養基本醫療素養22（25.3）42（48.3）203（21.5）440（46.6）0.817 0.298 0.888 0.414 0.766 0.375 52（59.8）16（18.4）10（11.5）3（3.4）2（2.3）4（4.6）517（54.8）166（17.6）121（12.8）85（9.0）19（2.0）36（3.8）0.862 0.389 8（9.2）28（32.2）17（19.5）5（5.7）29（33.3）154（16.3）269（28.5）151（16.0）92（9.7）278（29.4）2.243 0.025 41（47.1）9（10.3）25（28.7）11（12.7）1（1.2）412（43.6）166（17.6）300（31.8）55（5.8）11（1.2）0.965 0.335 45（51.7）19（21.9）17（19.5）5（5.8）1（1.1）32.16±10.79 498（52.7）256（27.1）148（15.7）33（3.5）9（1.0）33.77±10.73 2.267 0.024 13.71±4.70 9.76±4.02 7.69±3.47 14.90±4.73 10.70±3.96 8.28±3.36 0.543 0.789 1.575 0.589 0.430 0.115 4.67±2.18 3.85±1.56 5.30±2.57 3.38±1.67 7.41±3.47 6.55±2.43 4.99±2.14 4.08±1.59 5.75±2.59 3.55±1.96 8.82±3.13 6.69±2.52 1.335 1.298 1.561 2.108 3.974 0.485 0.182 0.195 0.119 0.035 0.000 0.628

2.4 基于人工神經網絡的貴州省少數民族衛生服務利用預測模型

2.4.1 神經網絡初始化

由上述單因素分析，門診利用組與門診未利用組的不同基本特征、健康素養總體及各類別得分比較，差異無統計學意義（P＞0.05）。而住院未利用組的職業狀況、健康素養總分、健康信息素養、安全與急救素養得分與住院利用組比較，差異有統計學意義（P＜0.05）。因此，本研究利用人工神經網絡構建住院服務利用預測模型。

2.4.1.1 輸入層與輸出層的確定 職業狀況（P=0.025）、健康信息素養（P=0.035）、安全與急救素養（P=0.000）三個因素均有統計學意義，因此，輸入層設置為職業狀況、健康信息素養、安全與急救素養3 個節點。輸出層確定為住院服務利用1 個節點。

2.4.1.2 數據標準化 由于職業狀況與健康信息素養、安全與急救素養不是同一類變量，數值相差較大，需采用min-max 標準化（min-max normalization）對其進行處理[8]，將其映射到（0，1）之間，采用的公式如下：。

2.4.1.3 中間隱含層節點數量的確定 中間隱含層的神經元節點數對人工神經網絡模型的預測精度有較大的影響，節點數過多會導致過度擬合，且增加訓練時間；節點數過少會出現欠學習狀態，從而削弱了模型的預測能力[9]。根據經驗公式[10]：（Z 為中間層節點數，n、m 分別為輸入層、輸出層節點數，a為1～10 之間的整數常數）。本研究確定的n、m 分別為3、1，根據公式計算，模型中間層節點數為（3，12）。

2.4.2 神經網絡訓練

Matlab 的神經工具箱中，網絡設置為具有S 形的隱藏神經元和線性輸出的神經元（fitnet）的雙層前饋網絡，如圖2所示。輸入層和隱含層的傳遞函數為tansig 函數，輸出層的傳遞函數為purelin 函數，使用traincg 算法。學習率設置為0.05，迭代次數為1000次。在Matlab 中，訓練函數Levevberg-Marquardt 法（L-M算法）收斂速度快且均方誤根差最小，表現效果最優[11]。

圖2 Matlab 神經工具箱的網絡設置

神經網絡建立好以后，導入經過標準化處理后的1031 組樣本。將數據集按照70∶15∶15 的比例分為訓練集、驗證集和測試集。訓練集用于訓練模型，驗證集用于衡量訓練集構建網絡，驗證完成后再用測試集樣本數據進行測試，確定所建立人工神經網絡模型的有效性。

2.4.3 網絡模型建立結果

根據上述初始化設置建立網絡，調整中間層神經元個數，直到均方誤差（MSE）最小，MSE 指的是輸出和目標之間的均方差，值越低越好。調整中間層節點數從3～12，訓練網絡，確定隱含層為10 個時，為最優神經網絡結構。如表3所示。

表3 各中間隱含層節點數的人工神經網絡模型MSE

迭代次數與MSE 的關系如圖3（封三）所示，藍線為訓練數據，綠線為驗證數據，紅線為測試數據。模型中，訓練集、測試集、驗證集數據的表現類似。最優表現為當訓練次數為4 次時，MSE 達最小值，為0.069 076。

圖3 迭代次數與MSE 關系圖（見內文第7 頁）

2.4.4 模型驗證

為檢驗所建立的人工神經網絡模型的有效性，訓練前，將數據中的15%，共155 組數據設定為測試集，用于進行模型驗證，結果見圖4，所有測試集樣本數據誤差的絕對值均不超過1，且誤差在0 附近的頻數最大。由此可見，預測住院服務利用的人工神經網絡模型預測準確，本模型有效。

圖4 測試樣本數據誤差分布圖

3 討論

本研究構建的人工神經網絡模型顯示，職業狀況、健康信息素養、安全與急救素養顯著影響貴州省少數民族的住院服務利用。健康信息素養是指個體意識到自身對健康信息的需求，熟悉掌握檢索健康信息的方法，評價檢索到健康信息的質量，并根據自身具體情況，選擇適合的信息分析和運用來做出健康決策[12]。安全與急救素養是個體應對突發地震、洪澇、爆炸、火災、食品安全、交通事故等公共安全問題的能力，體現了個體的安全和急救方面的認知和能力[13]。健康素養是影響衛生服務利用的重要影響因素[14]。低健康素養水平導致低自我健康管理行為水平，傷害、發病的增加，治療依從性差，疾病自我管理能力低，從而影響人的生命和生活質量，并增加對衛生服務的利用。

掌握正確的衛生服務利用影響因素，有利于在衛生資源有限的前提下，找準針對性的健康教育實施路徑，深化醫藥衛生體制改革，為制定促進衛生服務合理利用的政策提供科學依據。

本研究旨在提供一種簡便、高效的方法，對衛生服務的利用進行科學預測。人工神經網絡和Logistics回歸模型不同，其是一組程序控件構成的“黑箱”，輸入和輸出之間的關系在“黑箱”中，且為高度非線性的關系，需要借助R 語言、Matlab、Python 等實現和應用[11]。因此，構建人工神經模型，將擬合效果較好的模型儲存到模型庫中，讓貴州省少數民族衛生服務利用的預測向智能化發展。

同時，本研究的主體是貴州省少數民族。少數民族群體作為中華民族的重要組成部分，促進其健康水平，關系到國家的長久治安，對實現民族地區的和諧穩定，維護國家發展具有積極的政治意義[15]。

綜上所述，職業狀況、健康信息素養、安全與急救素養顯著影響貴州省少數民族住院服務利用。人工神經網絡模型準確率較高，能應用于進一步的衛生服務利用預測。