基于TOPSIS法和RSR法的江蘇省病床使用效率研究

王璐瑤 ，曾智

(南京中醫藥大學衛生經濟管理學院，南京市 210023)

病床作為醫院最重要的醫療資源之一，病床的配置是否合理直接影響著醫療活動能否順利進行，影響著患者的健康保障程度。近年來，國內外很多醫院都出現了病床供應不足的壓力[1]，尤其是在三級醫院經常出現“一床難求”的現象，“看病難”的問題日趨嚴重[2]。因此，合理配置和有效利用病床資源是醫院亟需解決的重點問題，這不僅能夠提高醫院的工作效率和管理水平，一定程度上也有效緩解了“看病難”的民生問題。本研究利用優劣解距離法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)和秩和比法(Rank-sum ratio,RSR)綜合評價2020年江蘇省13個市的醫院病床使用情況，旨在發現存在的問題，掌握各地區之間的差距，為優化病床資源配置，提高利用效率提供參考依據。

1 材料與方法

1.1 資料來源

數據資料來源于江蘇省衛生健康委員會發布的《江蘇衛生健康年鑒》(2021卷)。選取病床周轉次數(X1)、病床工作日(X2)、病床使用率(X3)和出院者平均住院日(X4)4個指標進行綜合評價[3]。其中，X1、X2、X3均為高優指標，即該指標對病床使用效率的影響是正向的，指標值越大，越有利于病床效率的提升；而X4為低優指標，即該指標對病床使用效率的影響是負向的，出院者平均住院日越長，病床使用效率越低。

1.2 方法

本研究首先利用Excel錄入所有指標數據，通過Excel實現TOPSIS的綜合評價過程，然后再運用SPSS 22.0軟件確定RSR的分布并求出回歸方程和相關系數，最后再利用Excel對綜合結果進行排序分檔處理。

1.2.1 TOPSIS法。TOPSIS法是一種比較常用的綜合評價方法，其基本思想是：對原始數據進行標準化處理后,找出有限方案中的最優和最劣方案,再分別計算各評價對象與最優方案和最劣方案之間的距離,并得出各評價對象與最優方案的相對接近程度,以此作為方案排序的決策準則[4]。目前，TOPSIS法在醫療衛生服務質量評價中被廣泛運用[5-6]。本研究根據 TOPSIS 法進行如下處理。

(1)評價指標正向化：本研究四個指標中出院者平均住院日為低優指標，需進行高優化處理，即進行倒數法變換后再擴大100倍[3]。

(3)計算權重值Wj：即為各項指標標準化后的合計數占總和數的比重。

1.2.2 RSR法。RSR法的基本思想是：在一個n×m的數據矩陣中，通過對各指標進行編秩，從而獲得無量綱的統計量RSR，根據RSR值的大小對評價對象進行排序[6]。本研究將TOPSIS法和RSR法相結合進行如下處理：

(2)求出回歸方程RSR=a+b×probit。

(3)參照《常用分檔數及對應概率單位表》要求，對13個地市進行分檔排序，從而做出綜合評價[8]。

2 結果

2.1 TOPSIS法的評價結果

2020年江蘇省13市的病床使用情況如表1所示，病床周轉次數(X1)最高為31.4，是揚州市，最低為22.8，是無錫市，除4個市偏低以外，其余市都在28.0之上；病床工作日(X2)最高為300.5，是揚州市，最低為256.3，是連云港市；病床使用率(X3)最高為82.1%，是揚州市，除揚州市和淮安市外，其余均低于80.0%；出院者平均住院日(X4)最高為10.9，是蘇州市，最低為8.5，是鹽城市。

表1 2020年江蘇省13市的病床使用基本情況

表2 2020年江蘇省13市病床使用綜合評價及排序

2.2 RSR法的綜合評價結果

表3 Ci值的頻數分布及概率單位值

2.2.2 回歸方程及分檔排序。將概率單位Probit值作為自變量，Ci值作為因變量，進行相關和回歸分析。結果表明，概率單位Probit與Ci值之間存在線性相關關系(r=0.918，P<0.05)，回歸方程為：Ci=0.226Probit-0.657。并對回歸方程進行方差分析，認為其具有統計學意義(F=59.321，P<0.001)。

根據《常用分檔數及對應概率單位表》[8]，將RSR法分3檔的概率單位界值帶入回歸方程，算出理論Ci值的分檔界值，將結果分為優、一般、差三個檔次。由分檔結果可知，優、差兩檔的地級市較少，優檔為徐州和揚州，差檔為無錫和鎮江，其余地級市都分布在一般檔。根據分檔結果計算三檔綜合評價理論Ci值均值分別為差檔0.084 5、一般檔0.543 9、優檔0.783 0，各檔均值差異較大，其中優檔是差檔的9.3倍[10]。說明江蘇省13個市的病床使用效率存在較大差異(見表4)。

表4 江蘇省13個市病床使用效率RSR法評價分檔情況

3 討論

2020年江蘇省13市的病床使用效率同時存在使用過度和使用不足的現象，并且各地區之間的差異較為明顯。由表4的分檔情況可見，揚州、徐州等地的病床使用效率較高，處于領先地位；無錫、鎮江等地的病床使用效率較低，處于落后地位，其他市的病床使用效率均處于中檔水平。

3.1 高效能地區分析

各地區病床使用效率的差異可能是由地區經濟發展水平、人口結構和數量、地理位置、衛生資源分布不平衡等因素導致的。以揚州市為例，揚州市病床使用效率為全省最高，但根據2020年江蘇統計年鑒結果顯示，其平均開放床位數(1.79萬張)和每千人口床位數(5.77)均排名全省11[11]。從人口結構來看，揚州市老年人口比重排名全省第3，而老年人對醫療衛生服務的利用遠高于年輕人，因此對病床資源需求更大。《全國醫療衛生服務體系規劃綱要(2015—2020 年)》中明確規定，到2020年每千常住人口醫療衛生機構床位數(張)要達到 6 張[12]，揚州市為5.77，略低于此標準，資源配置上尚顯不足。徐州市人口數量較多(排名第3)，經濟發展相對落后(人均GDP排名第11)[11]，且地處蘇北，資源配置整體劣于蘇南地區[13]，因此病床使用效率較高。而病床開放數量不足、使用率過高、工作負荷較大，可能會導致病床來不及消毒處理，引起交叉感染，帶來各種醫療安全隱患，容易造成患者就醫感受差、滿意度低等現象，甚至會引起醫患糾紛[14]。

3.2 低效能地區分析

無錫、鎮江等地的病床使用效率較低，這可能與當地的經濟發展、地理位置和床位資源配置有關。以無錫市為例，其經濟基礎好、發展水平較高，人均GDP排名全省第1，資源配置水平較高，每千人口床位數為6.91，排名全省第1[11]。床位配置較多，周轉次數較低，可能存在供大于求的情況，導致病床利用效率偏低。此外，病床使用效率低也有可能是這些地區與其他經濟發達、醫療水平更高的地區鄰近，居民外出就醫的比例較高[15](例如：鎮江距離南京較近),導致本地區的床位使用效率低。病床使用率過低，開放的床位閑置、冗余，造成了衛生資源的浪費。

4 建議

4.1 將需求和需要相結合，優化病床資源的配置

衛生資源配置具有規模效應和馬太效應，大多衛生資源均集中在經濟發展水平較高的蘇南地區，而蘇中、蘇北地區經濟相對落后，加上基礎薄弱、競爭力不足導致獲得衛生資源的機會相對較少[16]。因此，政府部門應在考慮各地區的人口數量和結構、經濟水平、地理位置等多種因素的基礎上，結合各地的衛生服務需要與需求加以綜合考量，合理配置病床資源，減少資源的浪費，提高病床利用效率。

4.2 堅持政府主導，鼓勵引入社會資本

政府應在衛生資源配置中發揮主導作用，對病床資源匱乏的地區加大經費投入和政策支持；對病床資源配置較好的地區，注重優化結構，提高利用效率；對資源過剩的地區加以管理，并促進資源合理流動，使各地區資源分布保持相對均衡，滿足廣大群眾的醫療服務需求又不至于造成資源的浪費。同時，政府可以鼓勵社會資本投資衛生資源薄弱地區，形成多元籌資渠道，既可緩解政府負擔，又可以滿足人們多元化的就醫需求[17]。

4.3 不斷提高醫療水平，完善相關管理制度

除了資源配置外，病床周轉次數、病床使用率處于較低水平還與醫院的醫療水平和內部管理有關[18]。由于診療水平不高、診療不當，會導致患者延長住院時間，從而也就影響了病床周轉次數。同時，診療水平低也會導致患者的滿意度低和就診率低，相應地影響了病床使用率。此外，住院流程不合理、門診與住院之間的工作不協調、出入院安排不夠緊湊、病房管理質量較差、各科室間病床配置不合理等都會降低病床利用效率。因此，醫院要不斷提高醫療水平和服務質量，滿足患者的就醫需求，為患者提供更優質的服務，從而吸引更多患者就醫。另一方面，醫院要不斷完善相關管理制度，優化住院流程，加強病房管理，協調好門診與病房工作，優化各科室間的病床配置，努力提高醫院管理效率和病床利用效率。

5 研究優勢與不足

目前， TOPSIS法和RSR法已被廣泛運用于醫院管理、衛生政策、整體和部門效益評價等多個領域，其主要優點是應用方便靈活、易于操作使用。TOPSIS法很大程度上降低了極端值對結果的影響，且對樣本的數量、數據的分布沒有特定要求，能比較充分地利用原有的數據信息。但它也存在一定的缺點：它可以對每個評價對象進行排序，但不能對排序進行分檔管理，因此它的靈敏度不高[19]。RSR法不受異常值影響,并可對評價方案進行排序和分檔[20]；但在指標值進行秩代換的過程中原始信息損失過大，導致信息不能完全利用，使結果顯得不夠精確。鑒于此，本研究將TOPSIS法和RSR法相結合，綜合評價2020年江蘇省13市的病床使用情況，既彌補了TOPSIS法不能分檔的缺憾，又避免了RSR法原始信息損失的不足，取長補短，使統計結果更加全面、客觀、科學。

本研究僅以江蘇省各地級市作為研究樣本，但對各市不同級別、不同類型的醫療機構以及同一醫療機構的不同科室之間的差異并未涉及。同時，以地區作為研究樣本，在一定程度上反映了不同地區之間病床使用效率的差異，但并未對影響效率的因素進行深入詳細的分析，后期還需進一步研究。