新冠疫情期間醫院周末門診量變化及趨勢分析

□ 張俏篪 ZHANG Qiao-chi 于紅霞 YU Hong-xia 劉梅 LIU Mei 雷祎 LEI Yi 樸玉粉 PIAO Yu-fen

新冠肺炎疫情對三甲綜合醫院的門診管理工作提出了新要求，根據國家衛生健康委2020年2月17日《關于加強疫情期間醫療服務管理 滿足群眾基本就醫需求的通知》，醫院采取非急診預約掛號，各科室門診均實行三級預檢分診和執行“一人一診一室”等相關措施，引導患者分時段就診，減少交叉感染，在科學防疫基礎上滿足群眾的基本就醫需求。為統籌疫情防控救治工作和門診就診服務需求，醫院結合北京市衛生健康委疫情防控要求，于2020年4月起面向患者提供一周7天門診服務，進一步分流門診就診患者，減少候診人群聚集引發疫情感染的風險。本研究通過對該三甲醫院在新冠肺炎疫情期間的門診量逐周變化情況和時間分布特征進行分析，以了解開放周末全天門診服務前后門診量的變化，以制定更加科學合理的門診服務計劃，為疫情防控常態化的門診管理工作提供依據。

資料與方法

1.研究資料。本研究數據資料來源于2020年2—8月期間北京市某三甲醫院信息系統數據庫中的門診數據。在2020年新冠肺炎疫情防控期間，由于疫情對醫院門診工作提出防疫要求，同時病人的就診需求發生明顯變化，為及時動態調整門診出診安排，該醫院門診部從2020年1月26日起每日收集并上報門診就診相關數據資料。由于1月缺少較多逐日的門診數據，因此未納入本研究分析。

2.研究方法

2.1 Cox-Stuart趨勢檢驗。Cox-Stuart趨勢存在性檢驗可用于檢驗一個時間序列是否存在上升或下降的趨勢，其檢驗原理為對符號的二項檢驗，顯著性水平α=0.05[1]。其檢驗思想為將某一時間序列分為前后兩個時期的數據，若該序列存在上升趨勢，則后期數據的值應高于前期數據值；反之，若序列存在下降趨勢，則后期數據值應小于前期的數據值，利用前后期數據差值的正負符號分布是否為隨機，判斷時間序列是否存在一定的變化趨勢。本研究中，對數列的拆分點采用數列的正中位置，即若序列中有n個數據值，則當n為偶數時，將數列拆分為前后2個包含(n/2)個數值的部分；當n為奇數時，去掉數列的中間值，將數列拆分成2個包含[(n-1)/2]個數值的部分。本研究采用分析軟件R4.0.2進行Cox-Stuart趨勢檢驗。

2.2 門診量時間序列參數。本研究采用周分布指數來表征門診量的時間序列特性，平均周分布指數為各周次分布指數的平均值[2]。周分布指數的計算方法如下：

其中，為某日的周分布指數，為該日的日門診量，為該日所在周的平均日門診量。

將某個月中各周一的周分布指數求平均值得到該月的周一平均分布指數，同理可得該月周二至周日的平均分布指數。由此，本研究計算了2020年2—8月每個月的周平均分布指數時間序列，并對各月的時間序列進行聚類分析。對門診全面開放期間，即4—8月的一周7天周平均分布指數進行聚類分析，以了解一周7天每日的周分布指數是否存在差異。

2.3 聚類分析。本研究采用歐氏距離以度量不同時間序列的相似性。其距離越大，則相似性越小，被分到一個類別的概率就越小；反之，距離越小，則相似性越大，被分為一類的概率就越大。本研究中納入聚類分析的時間序列有兩種，其中一種是各月的周平均分布指數時間序列X={x1,x2,x3…x7}，另一類是周一至周日的2—8月周平均分布指數的時間序列X={x2,x3,x4…x8}。歐氏距離公式為：

其中，度量的兩個序列為目標序列X={x1,x2,x3…xn}和需要進行相似性測量的序列Y={y1,y2,y3…yn}，n為序列長度。兩兩時間序列間可形成n個對象的歐氏距離矩陣如下：

其中d(i,j)為對象i與對象j之間的歐氏距離。

采用層次凝聚聚類方法進行分析。這一方法首先將每個對象形成單獨的簇，該單個簇成為層次結構的根基，依據計算出的距離矩陣找出最接近的簇，將它們合并進一個簇，通過不斷迭代合并形成更大的簇，直到所有的對象都在一個簇中，或者滿足某個終止條件[3]。本研究采用分析軟件SPSS20.0進行聚類分析，分析結果以樹狀圖展示。

結果

1.門診量的逐周變化情況

對2020年2—8月的逐周門診量進行Cox-Stuart趨勢檢驗(n=15，p＜0.05具有統計學意義)發現，這一期間的周門診量存在增長趨勢(p=3.05×10-5)。如表1所示，從2月第一周至8月最后一周，門診量累積增加44668人次，增長率達到306.62%。5月第二周的環比增長速度最快，達到28.61%；6月第一周和4月第二周的環比增長速度次之，分別為26.76%和24.82%。

2.門診量的時間分布特性

2.1 門診量的周分布特性。圖1展示2020年2—8月各月的周平均分布指數序列。圖2展示對各月周分布指數進行相似性計算得到的聚類分析結果。由圖1可見，各月周分布指數變化趨勢雖存在一定差異，但均顯示周末的周分布指數較低。同時，4—8月周六和周日的周分布指數高于2月和3月。如圖2所示，以距離20-25進行分類則可將2—8月的周分布指數時間序列分為兩類，4—8月為一類，2月和3月為另一類。由此可知，門診全開放后門診量的周分布特征與全開放前存在差異。

2.2 月平均分析。圖3展示2020年4—8月醫院門診7天全面開放期間門診量的平均周分布指數，圖4展示這一期間門診量周分布指數的聚類分析結果。由圖3可見，周二的周平均分布指數最高，達到1.16；周一、周三和周四大致相當；周五至周日的周分布指數小于1，分別為0.93，0.78和0.78。從圖4可知，根據距離15可將4—8月平均周分布指數時間序列分為三類，周一至周四為一類，周五為一類，周六和周日為一類。由此可知，周末兩天的門診量占比與一周內其他天數門診量占比存在一定差異。

表1 2020年2—8月門診量及變化情況

3.周末門診量逐周變化情況。圖3展示2020年4—8月每個周末的門診接診人次和每出診單元人次變化情況。從圖5可見，門診7天全開放期間周末的接診人次總體呈上升趨勢，通過Cox-Stuart趨勢檢驗發現這一趨勢有統計學意義(p=5.86×10-3)，對每出診單元就診人次序列進行檢驗也發現其呈現增加趨勢，且具有統計學意義(p=0.02)。

討論

圖1 周門診量月分布指數圖

圖2 月門診量分布指數聚類樹狀圖

圖3 周門診量分布指數圖

本研究通過對北京市某三甲綜合醫院在2020年2—8月的門診量進行統計分析發現，總體上該醫院的門診量在2—8月期間存在上升趨勢；4—8月的周平均分布指數與2—3月的周平均分布指數存在一定差異，其中，2—3月周末兩天的周分布指數低于其他月份。在4—8月門診7天全開放期間，周一至周五的門診量較高，而周六和周日的門診量相對較低，二者存在一定差異。進一步分析周末門診量變化發現，4—8月周末接診人次和每單元平均接診人次均存在上升趨勢。

圖4 周門診量分布指數聚類樹狀圖

在新冠肺炎疫情暴發初期，群眾線下就診意愿較低，部分病人轉為線上咨詢或問診，且在這一期間根據防控要求，慢性病病人開藥期限延長，外地病人進京就醫受限，在多因素綜合作用下這段時期門診量相對較低[4]。隨著防控工作的進展，門診接診量自3月以來迅速回升。大量疫情期間積攢下的未線下就診病人，以及由于疫情原因未能按時完成臨床檢查病人的就醫需求加大了醫院的門診負擔。如何在科學防控基礎上滿足日益增長的就醫需求，成為各大醫院門診管理工作的一大挑戰。

本研究中該醫院8月最后一周門診量約為2月首周門診量的4倍，而基于疫情防控的要求，門診要求“一人一診室”，診室數量緊張，單日排班醫生有限。隨著門診量的不斷上漲，診室外候診人數隨之增加。為減少人群聚集，預防交叉感染，該院在非急診全面預約掛號的基礎上，于2020年4月開放周末全天門診以分流就醫人群。本研究對2—8月的周平均分布指數進行聚類分析發現，4—8月被歸為一類，與2—3月的周分布指數有所區別。進一步從逐月周平均分布指數圖來看，2—3月的周末分布指數值相對其余月份更低。由此可見，開放周末全天門診后，該醫院周末門診接診人數顯著升高，在一周總接診量中所占比例升高，一定程度上分流了以往在周中就診的人群。

圖5 周末門診接診人次和每單元人次變化情況

本研究對4月后開放周末全天門診后，一周7天的周分布指數進行聚類發現周六和周日兩天被分為一類，其周分布指數顯著低于周中5天。由于一周中每單元接診人次較為固定，周末接診量小的原因可能是周末安排的出診單元相對更少。后續對周末接診人次的時間序列分析發現，開放周末全天門診后周末的接診人次呈現上升趨勢，提示就診人群確實存在周末就診的需求，如上班族和學生等希望能在周末看病的群體，和未“搶到”周中號源的患者。然而總體上，愿意周末出診的醫生相對較少。調整周末出診情況要求醫院管理人員更好地運籌、布局，科學調配全院各種醫療資源。醫院管理者應探索并完善周末門診的營利模式，以提高科室增加出診次數的積極性[5]。同時應注意統籌安排各科門診醫生、專家以及藥房、護理部、醫技科的醫務人員，輪班休息、輪班上崗。讓醫務人員仍能得到應有的休息，盡量減少醫務工作者“連班轉”的情況發生。為鼓勵醫生在周末休息日排班出診，提高醫療服務質量，讓患者在周末也能享受到和平常一樣的醫療服務，應考慮對醫務人員采取適當的鼓勵機制，如將周末出診比例納入績效考核和增加適當經濟補貼等。

本研究的結果一定程度上說明目前確實存在患者的周末就診需求，開放周末門診分流了就診人群。然而，本研究還存在一定的局限性。本研究的門診量中未統計醫院官方APP上的線上咨詢和就診人次，本研究中的醫院為北京市某大型三甲醫院，于2018年開通了醫療服務應用軟件，患者可在周中或周末，隨時在線上進行咨詢。該院在某些特色?？祁I域處于該地區領先水平，一些專家開通了線上咨詢服務，在患者群體中十分受歡迎，咨詢次數較多。2020年5月應疫情防控要求，在原先的線上服務基礎上增加了線上復診開藥的服務，部分“老病人”選擇在線上就醫。因此，這部分就診人次未能納入分析，可能對本研究的結果產生一定影響。其次，本研究未統計候診大廳中具體候診人數，只通過周分布指數從側面反映對病人的分流情況。在后續的研究中，可對線上醫療數據和候診人數進一步分析，同時比較周中和周末的號源類型和科室的分布情況，以得到更準確全面的結果，為更好地滿足患者需求和制定更加科學合理的門診工作計劃提供參考依據。