互聯網醫療服務與質量安全評價的應用研究

徐彥杰 董恒磊 王偉平 肖 笛

天津醫科大學腫瘤醫院/國家腫瘤臨床醫學研究中心/天津市“腫瘤防治”重點實驗室/天津市惡性腫瘤臨床醫學研究中心,天津 300060

在“健康中國2030”國家戰略背景下,“互聯網+醫療健康”快速發展并取得卓有成效的成果,已經成為公立醫院高質量發展的重要組成部分。2018年,國家發布《關于印發互聯網診療管理辦法(試行)等3個文件的通知》,為互聯網醫院依法依規建設發展提供了清晰路徑[1];2022年,國家印發《互聯網診療監管細則(試行)》,為規范互聯網醫療服務和保障互聯網醫療質量與安全提供政策依據[2]。安徽等多地印發互聯網診療監管實施辦法,進一步加強了對互聯網醫療服務與質量安全的監管與評價[3]。然而,互聯網醫療屬于新型服務模式,互聯網醫療服務與質量安全面臨著諸多風險和挑戰,如何開展互聯網醫療服務與質量安全評價成為醫療機構亟待解決的難題。本研究采用基于客觀賦權法CRITIC的綜合評價法TOPSIS和RSR模糊聯合的評價方法,科學客觀地對天津市某三級甲等醫院2022年的互聯網醫療服務與質量安全進行評價,發掘出互聯網服務與醫療質量安全的薄弱環節和關鍵點。這將為醫院管理部門提供科學決策,進而持續提升互聯網醫療服務與質量安全管理水平。

1 資料和方法

1.1 資料來源

2021年1月,某院全面啟動了互聯網醫療服務試運行工作,其主要服務對象包括通過互聯網健康咨詢的人群和該院的復診患者,提供的服務主要包括健康咨詢、線上復診以及藥品郵寄等;2021年12月,臨床科室陸續開通了在線醫保結算功能,自此,該院的互聯網醫療服務進入了常態化運行和管理的階段[4]。研究資料來源于該院2022年1—12月的互聯網醫療服務與質量安全管理報表,并收集服務醫生人數(X1)、掛號人次(X2)、占線下門診比例(X3)、接診人次(X4)、接診比例(X5)、醫生未及時接診導致退號所占比例(X6)、接診未回復比例(X7)、滿意度≤3星比例(X8)、風險病例比例(X9)等9項指標評價互聯網醫院2022年醫療服務與質量安全。

1.2 研究方法

1.2.1 CRITIC法

CRITIC法是通過計算評價指標的信息量來確定其權重的一種客觀賦權法,評價指標的信息量越大,其權重越大,評價指標的信息量由指標相關系數和標準差確定[5-6]。

1)無量綱化處理

采用公式(1)對正向指標進行預處理:

(1)

采用公式(2)對負向指標進行預處理:

(2)

式中,xij為第i月第j項指標的取值,y為變換后的取值。

2)計算指標的信息量

(3)

3)計算指標的權重

(4)

式中,Wj表示第j個指標的客觀權重,其越大表示該指標的重要性就越大。

1.2.2 TOPSIS法

TOPSIS法通過比較有限個數評價對象與理想化目標的接近程度來對其進行排序,可用于對現有對象進行相對優劣的評價,該方法是多目標決策分析中1種常用的有效方法[7]。

1)建立數據結構,并進行歸一化處理

采用倒數法將數據同趨勢化變換后,按照公式(5)進行歸一化處理:

(5)

(6)

式中,Z表示經歸一化后的n個評價對象m個評價指標的數據矩陣。

2)確定理想解向量Z+和負理想解向量Z-

(7)

(8)

3)計算各方案指標值與理想解向量和負理想解向量的距離

(9)

(10)

4)計算各方案與最優值的接近程度Ci

(11)

Ci越大,表明越接近最優水平。

1.2.3 RSR法

秩和比法(RSR)是一個無參數的統計量,能夠綜合多個評價指標的信息,反映評價對象的綜合水平,此方法對資料無特殊要求,使用靈活簡便[7]。秩和比法的主要步驟:

1)編秩

數據表有n行m列,高優指標從小到大排秩,低優指標從大到小排秩。

2)計算秩和比

當各評價指標的權重不同時,計算加權秩和比,根據公式:

(12)

式中,n為評價對象,m為評價指標,Wj為第j個評價指標的權重,Rij為第i行第j列的秩。

1.2.4 CRITIC-TOPSIS和CRITIC-RSR模糊聯合

研究在CRITIC-TOPSIS法和CRITIC-RSR法計算的基礎上,將2種方法模糊聯合,運用fuzzy set理論,CRITIC-TOPSIS法的接近程度Ci與CRITIC-RSR法的RSRi比值分別取1∶0、0.1∶0.9、0.3∶0.7、0.5∶0.5、0.7∶0.3、0.9∶0.1、0∶1,計算數值并排序,依據最大隸屬原則,從其分組中擇多者選定特征集,得出更為客觀的綜合評價結果[8-9]。

1.3 統計學方法

研究利用Excel進行數據處理,基于客觀賦權法CRITIC進行賦權,應用綜合評價法TOPSIS和RSR模糊聯合對2022年度12個月的互聯網醫療服務與質量安全進行評價。

2 結果

2.1 基本情況

服務醫生人數(X1)、掛號人次(X2)、占線下門診比例(X3)、接診人次(X4)、接診比例(X5)為高優指標,主要反映該院互聯網醫院提供的醫療服務能力;醫生未及時接診導致退號所占比例(X6)、接診未回復比例(X7)、滿意度≤3星比例(X8)、風險病例比例(X9)為低優指標,主要反映該院互聯網醫院提供的醫療服務質量與安全的情況。

2.2 CRITIC賦權

進行無量綱處理后,得到新的評價矩陣Y。見表1。

通過公式(3)～(4)計算得到各指標的信息量及權重。見表2。

2.3 CRITIC-TOPSIS評價

根據決策矩陣得到理想解向量Z+和負理想解向量Z-:

Z+=(0.320,0.404,0.492,0.411,0.304,0.609,0.569,0.496,0.699)

Z-=(0.200,0.152,0.168,0.132,0.255,0.053,0.083,0.060,0.031)

CRITIC-TOPSIS法評價顯示,2022年12月各指標值與理想解的相對接近度Ci值達到最大,為0.996,表明該方案最優;1月各指標值與理想解的相對接近度Ci值最小,為0.059,提示該方案最差。見表3。

表3 CRITIC-TOPSIS法評價互聯網醫療服務與質量安全結果及排序

2.4 CRITIC-RSR評價

CRITIC-RSR法評價顯示:2022年12月RSR值達到最高,為0.969,表明該方案最優;2月的RSR值最低,為0.176,表明該方案最差,見表4。與CRITIC-TOPSIS法相比,2種評價方法結果有一定差異,1月和2月的評價排序出現波動,位次互換。

表4 CRITIC-RSR法評價互聯網醫院醫療服務與質量安全評價排序

2.5 CRITIC-TOPSIS和CRITIC-RSR法模糊聯合評價

應用CRITIC-TOPSIS和CRITIC-RSR模糊聯合對互聯網醫療服務與質量安全進行評價,結果顯示整體上互聯網醫療服務與質量安全呈現逐月提高的趨勢,2022年的評價排名中,12月、11月和10月位列前3位,2月、1月和3月則位列后3位。見表5。

表5 TOPSIS法和RSR法模糊聯合的醫院互聯網醫療服務與質量安全評價結果及排序

3 討論

3.1 互聯網醫療服務與質量安全評價指標賦權

2022年,該院的互聯網醫療服務得到了快速發展,與此同時,互聯網醫療質量安全管理也在持續加強。本文基于互聯網醫療管理實踐探索,選取服務醫生人數等指標評價2022年12個月的醫療服務與質量安全的變化趨勢。客觀賦權CRITIC法顯示,9項評價指標權重在7%～15%之間,說明評價指標均具有較好的代表性,但也存在差異;其中風險病例比例權重最高,為14.25%,接診人次和掛號人次權重較低,分別為7.48%和8.17%;分析認為互聯網醫療服務是基于互聯網的非接觸式醫療服務,醫生無法對患者進行面對面的評估,存在一定的醫療風險,因此風險病例比例這項指標權重較高;接診人次和掛號人次這2項指標權重偏低,主要原因是接診人次和掛號人次均反映醫療服務數量,具有較高的相關性,但兩者反映不同維度,掛號人次從患者角度反應醫療需求,接診人次反應醫生在規定時間內接診情況,互聯網醫療服務多為非實時接診,醫生接診情況是一項重要管理指標,因此兩者均納入評價。多項指標評價時,CRITIC法的優勢得到充分體現,既反映指標的離散程度,又反映指標間的沖突性,能夠更加客觀有效地進行賦權。

3.2 互聯網醫療服務與質量安全穩步提升

應用CRITIC-TOPSIS法和CRITIC-RSR法模糊聯合對互聯網醫療服務與質量安全進行了評價,整體上互聯網醫院醫療服務與質量安全呈現逐月提高的趨勢,這主要歸因于醫院全面加強了互聯網醫院管理,構建互聯網醫療服務與質量安全管理體系,包括定期開展培訓考核、監測質控指標、印發質量安全報告、排查風險病例、定期進行反饋等措施;其中2022年2月出現波動,主要原因是春節期間,互聯網醫療服務供需不平衡、物流配送不及時等情況,對醫療服務和質量安全有不同程度的影響。

3.3 客觀賦權的多目標綜合評價方法的優勢

與傳統主觀的評價方法相比,CRITIC法的優勢在于其是一種客觀賦權的方法,能夠很好地處理問題的復雜性;在多目標綜合決策分析中,TOPSIS法和RSR法是被廣泛使用的2種評價方法,TOPSIS法易受離散程度極大值的影響,常不能全面、客觀地反映指標的作用;RSR法在非參數轉化中,易造成信息損失的現象。將CRITIC-TOPSIS法和CRITIC-RSR與模糊聯合法結合應用,能夠彌補單獨使用的不足[10-12]。