社区卫生服务满意度综合评价方法探讨

李丽清，卢祖洵

·中国全科医疗 /社区卫生服务工作研究·

社区卫生服务满意度综合评价方法探讨

李丽清，卢祖洵

目的 探讨社区卫生服务满意度多项指标的综合评价方法，为社区卫生服务绩效评价提供科学、实用的方法。方法 以中部六省社区卫生服务体系建设重点联系城市阳泉、合肥、南昌、焦作、武汉、湘潭为研究对象，以全国社区卫生服务体系建设重点联系城市2011年常规监测报告数据为基础。满意度综合评价指标包括满意率和反应性两个方面共11个指标，分别为方便性 （x1）、等候时间 （x2）、就医环境 （x3）、服务态度 （x4）、尊重程度 （x5）、设备设施 （x6）、解释与交流 （x7）、服务价格 （x8）、药品价格 （x9）、隐私保护 （x10）、过度检查 （x11）。借助粗糙集中的知识分类思想和指标约简原理从众多的指标中提取重要指标，并对提取出来的关键指标进行重要度计算、确定指标权重，综合评价社区卫生服务满意度，并结合多元统计方法中的聚类分析进行评价结果的可靠性检验。结果阳泉、合肥、南昌、焦作、武汉、湘潭的社区卫生服务满意度得分分别为0.15、0.18、0.13、0.20、0.20、0.15。聚类分析结果将6个城市分成3类，第1类为焦作、武汉；第2类为合肥、阳泉、湘潭；第3类为南昌。结论 社区卫生服务满意度综合评价结果从高到低排序为：武汉、焦作、合肥、湘潭、阳泉、南昌。不同的指标在评价指标体系中的重要程度是不一样的，删除不重要的冗余指标对于精简和优化指标体系至关重要，通过属性重要度的计算客观地确定指标权重是综合评价工作的关键。

社区卫生服务；满意度；质量保证，卫生保健

李丽清，卢祖洵 .社区卫生服务满意度综合评价方法探讨 ［J］.中国全科医学，2015，18（1）：13-16. ［www.chinagp.net］

Li LQ，Lu ZX.Comprehensive evaluation method of community health service satisfaction degree［J］.Chinese General Practice，2015，18（1）：13-16.

满意度评价是卫生服务质量与绩效评价的重要方面。根据社区卫生服务的特点，社区卫生服务满意度评价指标包括满意率和反应性两个层面，这两大类评价指标的实质都是社区居民对社区卫生服务条件和质量的期望、体验及总体评价，是社区卫生服务绩效评价的重要内容［1］。但是，较多同类指标的评价得分有高有低，由于缺乏科学的综合评价方法，难以对不同地区、不同机构的满意度进行综合评价。本研究探讨了社区卫生服务满意度多项指标综合评价的方法，以期为社区卫生服务绩效评价提供科学、实用的方法。

1 对象与方法

1.1 研究对象 本研究以我国中部六省的社区卫生服务体系建设重点联系城市阳泉、合肥、南昌、焦作、武汉、湘潭为研究对象。

1.2 社区卫生服务满意度评价方法 满意度综合评价指标包括满意率和反应性两个方面共11个指标，分别为：方便性 （x1）、等候时间 （x2）、就医环境 （x3）、服务态度 （x4）、尊重程度 （x5）、设备设施 （x6）、解释与交流 （x7）、服务价格 （x8）、药品价格 （x9）、隐私保护 （x10）、过度检查 （x11）。

粗糙集理论的数据推理方法是波兰科学家 Z.Pawlak 于1982年提出的，从大量的、不确定的、模糊的甚至是不完整的信息中获得有用的信息，并对这些信息进行分析与处理，从中发现隐含的知识，揭示潜在的规律。属性约简是粗糙集理论的核心问题，在粗糙集的信息系统中，所有的信息并不是同等重要的，其约简思想是指在保证信息系统分类能力不变的条件下，删除冗余的或者是不重要的信息，获得简捷的决策规则，并在控制理论、知识发现、决策支持与分析、故障诊断及系统评价等方面已得到广泛应用［2-4］。本研究基于粗糙集的社区卫生服务满意度综合评价主要步骤是对构建的评价指标体系进行简化，得出评价的关键指标，并对关键指标进行重要度及指标权重的计算。

1.3 可靠性检验方法 采用统计软件 SPSS 19.0，从统计学的角度对中部六省重点联系城市的社区卫生服务满意度进行层次聚类分析，以检验综合评价结果的可靠性。聚类分析是建立分类的多元统计分析方法，它能够将一批样本或变量数据根据其特征，按照在性质上的亲疏程度且没有先验知识的情况下自动分类，并产生多个分 类结 果［5］。

2 结果

2.1 调查结果分析 以中部六省的社区卫生服务体系建设重点联系城市阳泉、焦作、湘潭、武汉、合肥及南昌为研究对象，将调查数据进行整理，并计算出各城市每个指标的满意度得分 （见表1）。从评价指标来看，社区居民对社区卫生服务的方便性、等候时间、就医环境、服务态度、尊重程度、解释与交流、隐私保护方面的满意度较高，对设备设施、服务价格、药品价格、过度检查方面的满意度较低。从评价对象来看，不同城市社区居民对各同类指标的满意度得分有高有低。

2.2 综合评价实证分析

2.2.1 指标离散化 在决策问题中，决策信息系统中的属性值通常是连续的或者是真实的数据，而以不可分辨关系为核心的粗糙集方法处理的是离散型数据［7］。连续型数据的离散化是指在特定的连续属性的值域范围内设定若干个离散化划分点，将属性的值域范围划分为一些离散化区间。离散化方法很多，最常见的有等宽度离散化方法和等频度离散化方法。表1中的数据均为定距型数据，本研究采用等宽度离散化方法后得到离散化信息表 （见表2）。表中的城市用Si（i=1，2，3，4，5，6）表示，其中 S1为阳泉，S2为合肥，S3为南昌，S4为焦作，S5为武汉，S6为湘潭；xj（j=1，2，3，4，5，6，7，8，9，10，11）表示评价指标。

表1 中部六省社区卫生服务体系建设重点联系城市的满意度指标及得分 （分）Table 1 The satisfaction indexes and scores of CHS key contact cities in central of China

表2 离散化的信息表Table 2 The discrete information table

2.2.2 指标约简 基于不可分辨关系的代数方法和基于粗糙集逻辑运算的方法是指标约简的两个常用方法，前者是根据约简和核的定义运算，后者是根据分辨矩阵和分辨函数进行逻辑运算。基于以上约简方法，得到本研究中消除冗余后且不改变原有分辨能力的约简结果且根据问题研究的实际需要选择其中1个约简 ｛x3，x9，x11｝（见表3）。

表3 消除冗余后且不改变原有分辨能力的信息表Table 3 The decision table after reduction

2.2.3 约简指标的重要度及权重的计算 假设A= （U，R）为信息系统，等价关系 P⊆R有分类 U/ind （P）=｛x1，x2，…，xn｝，因此P的信息量为：为集合中所含元素的个数，属性attr在属性集P的重要度为：sigp-|attr|（attr） =I（P）-I（P-｛attr｝）。attr为某个属性，P⊆R为等价集 R中的一个等价子集。将此信息系统的属性集中的每个属性重要度进行归一化计算后可得到各个属性的权重：

本研究中的各评价指标经过约简后的指标集为P= ｛x3，x9，x11｝，P⊆R，U/ind（P） =U/ind（R）。基于粗糙集中知识信息量对属性重要度计算方法，分别计算各指标的重要度SP（ri）（i=1，2，…，m）。

从表1中可以得出等价关系 P对论域 U的划分：U/ind（P）=｛｛s1｝，｛s2｝，｛s3｝，｛s4｝，｛s5｝，｛s6｝｝，去除x3后，等价关系U/ind（P-｛x3｝）对论域的划分：｛｛s1，s6｝，｛s2｝，｛s3｝，｛s4｝，｛s5｝｝，计算P的信息量因此，属性 x3的重要度SP（x3）=I（P）-I（P-｛x3｝） =0.83-0.78=0.05。

按同样的计算方法可得 x9的重要度SP（x9）= I（P）-I（P- ｛x9｝）=0.83-0.72=0.11，x11的重要度SP（x11）=I（P）-I（P- ｛x11｝）=0.83-0.78=0.05。

将属性x3、x9、x11的重要度进行归一化计算，可得到属性权重 （见表4）。

表4 约简指标的重要度及权重Table 4 The importance degree and the weight of indicators

2.2.4 综合评价 根据指标权重可计算出中部六省社区卫生服务满意度各项指标的得分，将评价出来的约简指标权重乘以这3个约简指标归一化后组成的3行 6列矩阵后可得到评价值 Ai（i=1，2，…，6），计算过程为：Ai=（0.24，0.24，0.52）×0.18 0.13 0.20 0.20 0.15）。

从以上结果可以看出中部六省社区卫生服务体系建设重点联系城市的社区卫生服务满意度得分，即阳泉0.15，合肥 0.18，南昌0.13，焦作0.20，武汉 0.20，湘潭0.15。

2.3 评价结果检验 为了验证评价结果的准确性与可靠性，借助多元统计分析中的聚类分析方法进行检验。将表1中的数据输入到SPSS 19.0统计软件中，由于各参与聚类分析的变量没有数量级上的差异，无需将各指标进行标准化处理，本研究分别采取最短距离法和最长距离法进行系统聚类，通过软件运行可得出一致的聚类分析结果 （见图1）。从树形图中可知，若将这样6个样本分成3类，第1类为焦作、武汉；第2类为合肥、阳泉、湘潭；第3类为南昌。

图1 聚类分析树形图Figure 1 The tree diagram of cluster analysis

3 讨论

社区卫生服务满意度评价是衡量社区卫生服务工作绩效的一个重要方面。本研究以全国社区卫生服务体系建设重点联系城市2011年常规监测报告为基础。6个重点联系城市和对应的11个评价指标的数据便构成了一个完备的信息系统，基于粗糙集约简理论在保持知识分类及决策能力不变的条件下，仅从中提取出了 3个关键指标，计算这3个关键指标的重要度并确定其权重，综合评价6个城市的社区卫生服务满意度，其综合评价结果的分值从高到低排序为：武汉、焦作、合肥、湘潭、阳泉、南昌。本研究以多元统计方法中的聚类分析对评价结果进行了检验，得出了一致的评价结果。

评价工作在卫生领域中很常见且涉及多因素多指标。在众多的指标体系中每个指标的重要程度是不一样的，有些评价指标是多余的，冗余指标的存在不仅影响评价效率，还会降低评价结果的精确性。因此，采用科学的评价方法，是评价工作中值得重视的问题。本研究借助粗糙集属性约简思想精简与优化评价指标体系且根据属性重要度思想确定评价指标权重，克服主观评价方法依赖研究领域先验知识支持的缺陷，既可优化评价指标体系又增加了评价过程的客观性，为卫生领域的绩效评价提供了一个新的评价方法，并可在不同地区、不同机构、甚至同一机构不同人员的绩效评价中广泛应用。但是当评价对象与评价指标过多时，约简过程繁杂，进一步开发约简方法尤其是通过计算编程快速准确地提取关键指标是值得进一步深入研究的问题。

社区卫生服务满意度评价指标众多且不同评价对象各指标得分有差异，探索科学的综合评价方法至关重要。本研究借助粗糙集理论综合评价中部六省社区卫生服务体系建设重点联系城市的社区卫生服务满意度情况，评价结果与聚类分析结果一致，客观地反映了中部六省社区卫生服务的整体发展水平。

［1］Yan J，Li P，Yang YH，et al.Estabilshment of satisfaction evaluation index system for community health services［J］.Chinese General Practice，2012，15（5）：1435.（in Chinese）闫娟，李鹏，杨云华，等.社区卫生服务利用者满意度评价指标体系的构建研究 ［J］.中国全科医学，2012，15（5）：1435.

［2］Pawlak Z.Rough.Sets［J］.International Journal of Computer and Information Sciences，1982，11（3）：341-356.

［3］胡寿松，何亚群.粗糙决策理论与应用 ［M］.北京：北京航空航天大学出版社，2004.

［4］刘清.Rough集及 Rough推理 ［M］.北京：科学出版社，2001.

［5］薛薇.基于 SPSS的数据分析 ［M］.北京：中国人民大学出版社，2006.

［6］卫生部妇幼保健与社区卫生司，华中科技大学同济医学院公共卫生学院.全国社区卫生服务体系建设重点联系城市 2011年常规监测报告 ［Z］.2011.

［7］Li LQ，Zhou XJ，Li ZJ.Performance evaluation of urban community health services with a rough set-based approach［J］.Chinese General Practice，2014，17（1）：11-15.（in Chinese）李丽清，周小军，李钟捷.基于粗糙集的城市社区卫生服务功能评价研究——以南昌市为例 ［J］.中国全科医学，2014，17 （1）：11-15.

Comprehensive Evaluation Method of Community Health Service Satisfaction Degree

LI Li-qing，LU Zu-xun.Economics and Management School，Jiangxi Science&Technology Normal University，Nanchang 330031，China

Objective To explore a new comprehensive method to evaluate the satisfaction degree and provide a scientific and practical method for community health service performance evaluation.Methods Based on the community health service routine surveillance report of 2011 from the key contact cities（Yangquan，Hefei，Nanchang，Jiaozuo，Wuhan，Xiangtan）in the national community health service system.The evaluation system included two aspects of satisfaction degree and responsiveness.There were 11 indicators in all：convenience（x1），waiting time（x2），hospital environment（x3），service attitude（x4），respect degree（x5），facilities（x6），explanation and communication（x7），service price（x8），medicine price（x9），privacy protection（x10）and excess check（x11）.With the help of the knowledge classifaction idea and index reduction in the rough set theory，the key indicators were sorted out from the many indexes and were determined its weight，the satisfaction degree of which was evaluated comprehensively and was subjected to reliable test by clustering analysis method，one in the multivariate statistical methods.Results The satisfication degree scores of community health service in Yangquan，Hefei，Nanchang，Jiaozuo，Wuhan，Xiangtan were 0.15，0.18，0.13，0.20，0.20 and 0.15 respectively.Clustering analysis indicated that the six cities were classified into three categories with Jiaozuo and Wuhan as the first，Hefei，Xiangtan and Yangquan as the second，Nanzhang as the third.Conclusion The sequence of comprehension evaluation result from high to low is Wuhan，Jiaozuo，Hefei，Xiangtan，Yangquan and Nanchang.The importance of indexes is different in the evaluation system，so it is of vital significance to dispose of the redundant and minor indexes for the simplification and perfection.The key lies in the objective determination of the weight of each index by computing the attribute importance.

Community health services；Satisfaction；Quality assurance，health care

R 197

A

10.3969/j.issn.1007-9572.2015.01.005

2014-08-10；

2014-11-28）（本文编辑：闫行敏）

2011国家自然科学基金资助项目 （71163016）：城市社区卫生服务发展的对策生成与实施效果仿真研究——以中部地区江西省为例；2013国家自然科学基金资助项目 （71373090）：社区首诊制研究

330031江西省南昌市，江西科技师范大学经济管理学院 （李丽清）；华中科技大学同济医学院公共卫生学院 （李丽清，卢祖洵）

卢祖洵，430030湖北省武汉市，华中科技大学同济医学院公共卫生学院；E-mail：luac6@163.com