基層醫療機構醫療設備滿意度評價指標體系構建

任維存，王艷清，吳建，陳東明

1. 新鄉醫學院三全學院 健康管理學院，河南 新鄉 453000；2. 鄭州大學 公共衛生學院，河南 鄭州 450001

引言

隨著社會經濟的發展和新醫改的不斷推進，居民不斷增長的醫療、康復等需求對基層醫療機構內醫療設備的配置、使用和管理等提出了更高要求。2016年出臺的《縣醫院醫療服務能力基本標準和推薦標準的通知》[1]明確了縣級醫院需要配置基本醫療器械；國家衛健委印發的《鄉鎮衛生院服務能力評價指南（2019版）》[2]中指出配備合理、適宜的醫療設備是提供公平可及、系統連續的健康服務的保障。但目前基層醫療機構配置的醫療設備尚存在與機構或患者需求不匹配、重復配置、質量較差等問題。吳建等[3]發現便攜式彩超在貧困地區基層醫療機構的配置與利用率較低。李楊鳳等[4]的研究顯示廣西貧困縣醫院中醫療設備的配置低于非貧困縣。

關于醫療設備滿意度的研究已有較多。王宏彥[5]站在醫院職工角度對醫療設備售后服務滿意度進行評價。潘震[6]發現信息化管理系統能提高醫護人員對設備使用的滿意度。現有研究集中針對某一具體設備或服務使用環節開展[7]，對分類醫療設備的使用、功能和臨床價值等多方面綜合滿意度的研究仍較少。本研究以國家政策及相關文獻為指導，構建基層醫療機構醫療設備滿意度評價指標體系并驗證其準確性，探索醫療設備臨床效果、創新功能、市場及售后和服務利用對設備滿意度的影響路徑及程度，以期為基層醫共體內醫療設備的配置、使用、管理及相關設備企業的研發和生產提供參考和依據。

1 資料與方法

1.1 研究對象

使用分層整群抽樣方法，于2019年選取我國中西部河南、山西、陜西和云南4省10個貧困縣內以縣人民醫院為牽頭單位的醫共體內21家縣級醫院和31家鄉鎮衛生院的設備操作和管理人員為研究對象。納入標準：① 醫療機構至少擁有全自動化學發光免疫分析儀、便攜式彩色多普勒超聲、CT和全自動生化分析儀4種診斷類醫療設備中的一種； ② 工作時間≥1年；③ 具備正常聽讀、書寫能力； ④ 自愿參加研究，并簽署知情同意書。排除標準：設備已損壞或報廢。根據結構方程模型（Structural Equation Modeling，SEM）樣本量不少于變量10～15倍的要求，估計研究樣本量為200～300，共調查設備操作和管理人員400例，最終納入樣本量386例。

1.2 研究方法

1.2.1 評價指標框架構建

借鑒徐燕[8]、Casar[9]和王吉鳴等[10]建立的醫療設備評價體系，依據《鄉鎮衛生院服務能力評價指南（2019年版）》[2]和《全面提升縣級醫院綜合能力工作方案（2018—2020年）》[11]等國家層面要求，結合專家咨詢意見，擬基于我國貧困縣醫共體內醫療設備應用實際，從效率、效果、可持續和總體評價四個角度，構建基層醫療機構醫療設備滿意度評價指標框架。

1.2.2 指標篩選

SEM是基于變量的協方差矩陣來分析變量之間關系的一種統計方法，其假定一組潛變量之間存在因果關系，潛變量可以分別用一組測量變量表示[7,12-13]。本研究設一級評價指標為潛變量，一級評價指標下具體的二級評價指標為測量變量。通過假設一級評價指標間可能會相互影響，應用SEM進行一級評價指標間關系的檢驗和五個維度下具體二級評價指標的篩選，從而構建基層醫療機構醫療設備滿意度評價指標體系。

SEM所應用的數據來源于參考現有相關滿意度研究[6,14-15]和觀察指標自制的調查問卷。問卷共包含30 個問題，其中人員基本信息維度包含性別、年齡、學歷、職稱等10個問題。每個問題的答案均采用Likert方法被設置為“非常滿意”“滿意”“一般”“不滿意”“非常不滿意”5個等級，在分析時分別被賦值為1～5。調查前赴其中1個縣開展包含6臺設備的預調查。正式調查中共發放問卷400份，最終回收有效問卷386份，有效率96.5%。問卷在研究中的Cronbach’s α系數和內容效度指數（CVI）分別為0.761和0.798，均大于0.75，信效度良好。

1.2.3 指標體系準確性驗證

BP神經網絡模型是一種基于誤差反向傳播算法的多層感知方法，是目前應用最廣泛的人工神經網絡[16-18]。本研究將通過SEM方法確定的滿意度影響因素間的關系轉換為BP模型的拓撲結構，再利用BP模型的非線性映射能力和自主學習能力擬合多個因素之間的因果關系，既解決了SEM方法的線性和參數難以估計的問題，也使得BP模型拓撲結構的建立變得有據可依。樣本量計算公式如式(1)所示。

式中，π表示方差，取值為50%；Zα/2為可靠性系數，應用置信度為90%，Zα/2=1.645；E為抽樣誤差，取值為10%。可得計算結果為67.65，則BP模型應用樣本量為68，對每個分配比例各進行68次訓練。

在總體數據中隨機抽取68個為樣本，將樣本數據代入BP模型中，并通過設置分配比例確定訓練集和測試集的數據量，BP模型在樣本數據中按分配比例隨機抽取需要數量的數據構成訓練集，其余數據組成測試集。因訓練集和測試集數據選取的隨機性，BP模型需進行多次訓練以保證結果的可信度。BP模型通過訓練集數據擬合多個因素之間的非線性因果關系，并應用測試集數據驗證擬合關系，其準確性結果反映了網絡輸出與期望輸出的符合程度。

1.3 統計學分析

使用Epidata 3.0和Excel 2019軟件進行數據錄入和分析；使用AMOS 21.0構建結構方程模型進行指標體系的矯正分析；應用SPSS 20.0進行BP神經網絡訓練。以P＜0.05為差異有統計學意義。

2 結果

2.1 評價指標框架

基于專家咨詢意見和醫共體內醫療設備應用實際，從效率、效果、可持續和總體評價角度設立了臨床效果、創新功能、市場及售后、服務利用和滿意度5個一級指標，在5個一級評價指標下分別納入了4、5、4、4、3個二級評價指標。共包含5個一級評價指標、20個二級指標的醫療設備滿意度評價指標框架如圖1所示。

圖1 醫療設備滿意度評價指標框架

2.2 滿意度評價指標體系構建

接受調查的386名人員中，設備操作和管理人員分別為284和102人，男性267人，女性119人。被調查人員對功能滿足程度、結果準確性和效果滿意度三個維度的評價均為一般及以上，分別有45.34%、60.88%和63.99%的人員對這三個評價維度感覺非常滿意。

使用SEM方法分析設備滿意度各評價指標之間的關系[5,7]，基于專家咨詢意見，應用實際和醫療設備滿意度評價指標體系構建結構方程模型如圖2所示。

圖2 醫療設備滿意度評價初始模型

將現場調查結果帶入評價指標框架，基于圖2醫療設備滿意度評價初始模型中各指標間關系的CR結果可得：評價指標故障停機時間未通過顯著性檢驗（CR=1.545，P=0.122）；服務利用和臨床效果、創新功能兩個指標之間的關系不顯著（P＞0.05）；創新功能與臨床效果和市場及售后間的關系不顯著（P＞0.05）；滿意度和市場及售后指標之間的關系不顯著（CR=1.401，P=0.161）。刪除未通過顯著性檢驗的指標和指標間關系，校正后的貧困縣域醫共體內醫療設備滿意度評價體系及指標間的關系如表1所示。矯正后的設備滿意度評價體系的擬合指數為1.49，擬合效果較好。

表1 醫療設備滿意度評價指標間的路徑系數

2.3 評價指標體系準確性驗證

依據所構建的滿意度評價模型，將臨床效果、創新功能、市場及售后和服務利用作為輸入層，二分類（0, 1）的用戶使用主觀滿意度作為輸出層，設置隱藏層為2，應用BP神經網絡方法進行訓練。

訓練結果顯示在五種分配比例情況下分別進行68次訓練，訓練集的平均準確性為88.08%～89.49%，測試集的平均準確性為87.50%～89.98%，準確性均高于85%（表2）。應用SEM方法構建的貧困縣域醫共體內醫療設備滿意度評價指標體系準確性良好，可以用于醫共體內基層醫療機構醫療設備滿意度的評價。

表2 BP神經網絡模型訓練結果（±s）

表2 BP神經網絡模型訓練結果（±s）

分配比例測試集準確性/%5:5 34:34 88.08±2.82 89.76±3.22 6:4 41:27 89.38±2.19 88.17±3.38 7:3 48:20 88.69±2.19 89.53±4.62 8:2 54:14 89.49±2.07 87.50±9.24 9:1 61:8 88.53±8.68 89.98±12.71數據量(訓練集:測試集)訓練集準確性/%

3 討論

3.1 醫療設備滿意度評價指標體系構建分析

本研究應用SEM方法構建醫療設備滿意度評價指標體系，結果顯示設備臨床效果、創新功能和服務利用對設備滿意度有直接正向效應（β=0.86、0.28、0.24；P＜0.05），市場及售后通過服務利用間接影響設備滿意度。BP神經網絡分析結果顯示應用指標體系開展滿意度評價具有較高的穩定性和準確性（＞85%）。

3.2 設備臨床效果對滿意度的影響

安全性和有效性是醫療設備應用于臨床的前提和基礎，其主要影響因素包括設備的性能、故障和可靠性等[19]。研究結果顯示，醫療設備的臨床應用效果直接作用于設備滿意度，且主要受維護便利性的影響（β=0.88，P＜0.05），與陽性檢出率的關聯性相對最低（β=0.22，P＜0.05）。這與陸陽等[20]維修次數是醫療設備臨床應用的主要自身風險因素的研究結果相一致。上述作用機制提示醫療設備的維修和維護需要得到更加廣泛的關注，醫院和設備生產企業應通過優化管理流程、增設更多技術人員等方式提升設備維護和維修效果，減少維修次數。

3.3 設備創新功能對滿意度的影響

目前，以數字化醫療設備為主的設備類型逐漸取代傳統常規設備，成為臨床設備的主流。研究發現設備創新功能直接作用于設備滿意度，其中網絡傳輸功能和能否實現數據遠程調取與評價結果的關聯度相對最高（β=0.94、0.91；P＜0.05）。王天月[21]發現自動化采集、傳輸以及處理等功能，不僅使得醫學診斷和治療變得更加迅速、便捷，同時還能減輕醫技人員的工作量。上述研究明確了現階段設備操作和管理人員對于醫療設備數據集成的關注，醫院和企業等應推進設備接口、協議等軟、硬件設備標準的統一，為醫共體等的建設提供更好的支撐。

3.4 設備市場及售后和服務利用對滿意度的影響

市場推廣和售后服務是醫療產品非常重要的一部分，其影響著醫療設備運行和醫療服務的開展[8]。研究結果顯示，售后服務響應速度較品牌知名度、市場推廣力度和售后服務質量與評價結果的關聯度更高（β=0.88）。此外，在設備的服務利用方面，設備操作和管理人員更關注于年檢查人次（β=0.55），而非設備的總工作時間和工作效率，這可能與貧困地區縣域醫共體機構內患者人數有限有關。貧困地區縣域醫共體內由于缺乏專業臨床工程技術人員，而且缺乏維護資金，醫療設備無法得到有效的維護、校準及質量管理[2]，政府、醫院和設備企業可以嘗試建立聯合體，整合區域設備售后服務資源，形成自上而下的售后服務網絡，縮減售后服務等待時間。

3.5 醫療設備滿意度評價指標體系的應用探索

該指標體系可應用于使用問卷調查數據開展基層醫療機構醫療設備滿意度評價，指標賦權和評價結果能夠為醫療設備的配置、管理、研發和生產等提供參考。在政府決策方面，評價指標體系可用于開展區域內基層醫療機構設備使用狀況評價，以整體了解設備使用中的優勢和不足，提高設備數量、質量等資源配置的有效性和公平性；對于設備研發、生產企業，指標體系可用于調查發現基層醫療機構內人員在實際使用中對設備的效果、功能和售后服務等的需要，以及重點關注的領域，指導企業的研發、生產或開展更加精準滿足醫療機構和人員需要的產品和服務。

同時，本文尚存在一定局限性，研究所涉及的研究對象為4種診斷類醫療設備，但還可以具體細分為檢查類和檢驗類設備，設備具體分類對評價指標體系構建的影響有待進一步研究。

4 結論

綜上所述，本文應用SEM和BP神經網絡方法相結合構建了醫療設備滿意度評價指標體系，不僅能夠解釋各因素間的因果關系，而且能準確定量地表達影響設備滿意度的程度，并具有較高準確性。基于該指標體系評價結果能夠為基層醫療機構內醫療設備的配置、使用、管理及相關設備企業的研發和生產提供參考和依據。