我国社区医疗服务质量综合评价的因子分析

徐东雨，郑琳琳，娄 岩

(中国医科大学公共基础学院计算机教研室，沈阳 110122)

·卫生管理·

我国社区医疗服务质量综合评价的因子分析

徐东雨，郑琳琳，娄 岩△

(中国医科大学公共基础学院计算机教研室，沈阳 110122)

社区医疗卫生服务是我国基层卫生工作的重要组成部分，是实现人人享有初级卫生保健目标的基础环节[1-2]。对社区医疗服务质量进行科学合理的综合评价至关重要，其结果直接体现了各地区基层医疗服务水平[3-4]。因子分析是一种从分析多个原始指标的相关关系入手，找到支配这种相关关系的有限个不可观测的潜在变量，并用这些潜在变量来解释原始指标之间的相关性的多元统计方法[5]。本研究运用因子分析法对我国各地区的社区医疗服务质量进行分析，旨在科学评价各地区的基层医疗服务水平，为医疗决策提供参考依据。

1 资料与方法

1.1 一般资料 本资料来源于国家卫生和计划生育委员会《2015中国卫生和计划生育统计年鉴》[6]。以我国31个省(自治区、直辖市)为样本，选取反映社区医疗服务质量的9项主要指标，包括社区卫生服务中心个数X1、诊疗人次X2、入院人数X3、社区卫生服务中心床位数X4、病床使用率X5、平均住院日X6、医师日均担负诊疗人次X7、医师日均担负住院床日X8、每万人口全科医生数X9等。

1.2 方法 采用的统计软件为SPSS19.0，方法为因子分析，基本步骤如下：(1)构造原始数据矩阵；(2)求相关矩阵，并进行KMO检验和Bartlett球形检验分析；(3)求相关矩阵的特征值、方差贡献率和累计方差贡献率等；(4)用主成分法根据因子贡献率提取主因子；(5)用最大方差法求旋转后的因子载荷矩阵；(6)对主因子进行解释和命名；(7)用回归法求因子得分系数矩阵，计算主因子得分及综合排名[7]；(8)对主因子得分进行聚类分析。

2 结 果

2.1 KMO检验和Bartlett球形检验分析 对样本数据进行KMO检验和Bartlett球形检验。一般来说，KMO<0.5或者Bartlett检验P>0.01时，不适合进行因子分析[8]。本研究的样本数据KMO统计值为0.597，Bartlett球形检验统计值为225.002，P=0.000，说明样本数据适合做因子分析。

2.2 提取主因子 处理后的各项指标的相关矩阵的特征值、方差贡献率和累计方差贡献率(表1)，其中前3个因子的特征值均大于1，且这3个因子的累积方差贡献率达到84.123%(大于70%[9])，因此选前3个因子足够描述社区医疗服务质量的总体水平。

2.3 变量共同度分析 提取3个公因子后，计算变量的共同度，见表2。9个指标的变量共同度均在70%以上，说明因子分析的变量共同度较高，原始变量的绝大部分信息能够被因子提取，因子分析的解释能力较强。

2.4 主因子解释及命名 采用主成分法建立因子载荷矩阵。由于得到的初始因子载荷矩阵系数不够明显，不足以说明各因子在各变量上的影响程度，因此对初始载荷矩阵进行方差最大化正交旋转[10]。旋转后的因子载荷矩阵，见表3。

表1 相关矩阵的特征值和贡献率

表2 变量共同度

表3 旋转后的因子载荷矩阵

续表3 旋转后的因子载荷矩阵

2.5 主因子得分及综合排名 采用回归法输出旋转后的因子得分系数矩阵，见表4。

以表1中旋转后的方差贡献率构造综合因子得分函数，如下：F=34.144F1+26.296F2+23.683F3把经过标准化的样本数据代入上面的函数，得到各地区的综合因子得分，并排序如表5所示。

2.6 主因子得分的聚类分析 以F1、F2、F3 3个主因子得分为变量，对各地区进行系统聚类分析，其中聚类方法选用最远邻元素法，度量标准选用平方Euclidean距离区间。当聚类数为4时，结果见表6。

表4 因子得分系数矩阵

表5 各地区主因子得分及综合排名

3 讨 论

整体上看，我国东部地区的社区医疗服务质量普遍优于中西部地区。综合排名前3位分别是上海、江苏和广东，后3位分别是吉林、宁夏和西藏。

从诊疗服务因子上看，上海、浙江、北京等地区排名靠前。上海的平均住院日、医师日均担负诊疗人次两项指标高居全国第1位，诊疗人次、每万人口全科医生数两项指标分别位于全国第2位和第3位，远远高于全国平均水平。这可能得益于该地区社区医疗服务的运行、监管和补偿等机制贯彻的比较到位且效果良好[11-12]。浙江、北京两地区诊疗服务因子的各项指标也位于全国前列。重庆、湖南、西藏等地区排名靠后。西藏地区的诊疗服务因子相关的各项指标均排名全国垫底或倒数2位以内，严重落后于其他地区。重庆、湖南两地区诊疗服务因子的各项指标均位于全国中后位置。

从住院服务因子上看，江苏、广东、山东等地区排名靠前。江苏的入院人数、社区卫生服务中心床位数两项指标高居全国第1位，社区卫生服务中心个数指标位于全国第2位。广东的社区卫生服务中心个数位指标高居全国第1位。山东的住院服务因子各项指标均位于全国前列。宁夏、青海、海南地区排名靠后，各项指标均落后于全国平均水平。宁夏与住院服务因子相关的各项指标均排名全国倒数第2位。青海、海南两地的各项指标也位于全国倒数5名以内。这可能与这些地区的政府财政投入、对社区医疗的重视程度、社区医疗人才培养、双向转诊机制、社区卫生监督等方面相对落后有密切的关系[13-14]。

从病床利用因子上看，上海、重庆、海南等地区排名靠前。上海、海南、重庆的病床使用率指标位于全国前3位。重庆、海南的医师日均担负住院床日指标位于全国前2位，上海也排名居前。浙江、广东、宁夏等地区排名靠后，各项指标均排名全国中后位置。作为经济发达地区，浙江、广东两地外来人口多，流动性强，社区医疗需求旺盛，然而患者的就医意愿仍然趋向于更高一级的医疗单位，造成病床使用率、医师日均担负住院床日等指标整体落后。

吉林的3个因子得分均位于全国中后位置，综合排名不甚理想，这可能与该地区地方财政补偿能力差、社区卫生人力资源缺乏、医疗设备短缺陈旧等因素有关[15]。

综上所述，本研究采用因子分析方法，将原始数据中的9个影响因素降低为3个，利用主因子来解释原始指标的相关性，实现对不可测因素的分析。本研究在一定程度上反映了我国社区医疗服务质量的状况，客观评价了各地区在诊疗服务、住院服务、病床利用3个方面的服务能力，期待为各地区在社区医疗方向上的规划和决策提供参考依据。

[1]贾杰，周瑛.社区医疗卫生服务中存在的问题及建议[J].中国医药指南，2012，10(18)：678-679.

[2]胥凤，李巍，徐晨，等.社区医学教学实践基地建设的探索与实践[J].重庆医学，2015，44(19)：2704-2705.

[3]彭韵杨，伍林生.重庆市居民对社区卫生服务的认知程度及态度评价分析[J].重庆医学，2015，44(19)：2700-2701.

[4]王琼.社区居民卫生应急认知状况及其影响因素分析——以重庆市渝中区为例[J].重庆医学，2015，44(21)：3006-3008.

[5]虞仁和.SPSS18及其医学应用[M].长沙：中南大学出版社，2012：221-222.

[6]国家卫生和计划生育委员会.2015中国卫生和计划生育统计年鉴[M].北京：中国协和医科大学出版社，2015：60-68.

[7]郑娟，许建强，王健.济南市某医院医疗质量综合评价的因子分析[J].中国卫生统计，2015，32(3)：446-447.

[8]金华旺，魏凤.基于因子分析的我国各地区医疗保障能力综合评价[J].中国卫生统计，2012，29(6)：908-910.

[9]赵宇.乡镇卫生院医疗服务供给水平综合评价——基于因子分析方法对山东省17地市的比较[J].地方财政研究，2014(7)：66-70.

[10]王可，何鹏，张娟，等.因子分析法在医疗工作质量评价中的应用[J].中国卫生统计，2012，29(6)：897-899.

[11]何江江，钟姮，万和平，等.上海市社区卫生服务综合评价结果分析[J].中华医院管理杂志，2015，31(8)：633-637.

[12]李娅玲，顾杰，傅士杰，等.上海市城、郊两社区卫生中心住院患者住院状况调查[J].中华全科医师杂志，2014，13(12)：982-985.

[13]王洪丽，乔慧.宁夏城市社区卫生服务运行现状的调查分析[J].医学动物防制，2012，28(1)：50-54.

[14]张雪晖，吴桂珠，潘文利，等.海南省社区卫生服务现状及发展对策研究[J].中国全科医学，2012，15(16)：1801-1803.

[15]薛建武.吉林省社区卫生改革与发展探索[J].中国社区医师，2014(24)：183-186.

徐东雨(1976-)，讲师，硕士，主要从事医学数据分析及医学图像处理工作。△

，E-mail:louyan@mail.cmu.edu.cn。

10.3969/j.issn.1671-8348.2017.08.043

R195.1

B

1671-8348(2017)08-1134-03

2016-10-27

2016-12-25)