基于证据理论的县级眼科医院医疗服务能力评价

■ 詹磊磊 张 洁 安 磊 冯晶晶 徐 笑

在医院医疗服务评价数据采集与分析的实际工作中，不同来源的数据难免存在一定程度的不完整、不精确甚至相互矛盾的情况，使医疗服务评价面临一定的不确定性。医院管理者不得不根据这些不确定信息进行推理分析，以得到综合性的医疗服务质量评价结果。证据理论方法作为一种有效的不确定性推理方法，已广泛应用于模式识别、决策分析等领域，在处理决策级不确定信息的表征与融合方面优势明显[1]，有助于提升评价结果的全面性和可靠性。本研究基于2015年全国眼科医院能力和资源调查数据，应用证据理论方法开展县级眼科医院医疗服务能力评价，通过实例分析验证方法的有效性。

1 对象与方法

1.1 研究对象

本研究以县级眼科公立医院为研究对象，在2015年全国眼科医院能力和资源调查数据集中抽取8所非营利县级眼科医院，分别标记为Y1～Y8；采集的数据共涉及8项评价指标，即实际占用床日数、开放床日数、门诊人次、急诊人次、住院人次、门诊手术量、住院手术量和出院人数，分别标记为X1～X8（表1）。

1.2 证据理论方法简介

证据理论不确定性推理流程包括证据建模、证据组合推理、证据决策和证据评价等主要环节[2]。证据理论方法中，假设所有可能评价结果的集合用Θ表示，称Θ为识别框架，所关心的任一命题都是Θ的一个子集。设2Θ为识别框架Θ的幂集，如果集函数m：2Θ→[0，1]满足，称m为识别框架Θ上的基本概率分配函数（BPA函数）[2]。则有m(Φ)=0设m1、m2…mn是同一识别框架Θ下的多个BPA函数，定义合成公式：

2 结果

2.1 眼科医院医疗服务能力综合评价指标体系构建

对表1中所涉及评价指标进行归纳，总结出床位使用率、门急诊及住院量、手术量3项一级指标（分别用X9、X10、X11表示），构建县级眼科医院医疗服务能力评价指标体系（表2）。床位使用率为实际占用床日数与开放床日数的比值，Y1～Y8的床位使用率经计算分别为0.87、0.97、0.68、1.03、1.05、0.60、0.87、0.97。

表1 县级眼科医院医疗服务能力评价采集数据

表2 县级眼科医院医疗服务评价能力指标体系

2.2 确定各证据BPA函数

以医院为单位建立识别框架{Y1，Y2，Y3，Y4，Y5，Y6，Y7，Y8}，各项评价指标均属于高优指标。以各指标为分组，将数据横向归一化，结果如表3所示。

向量X9、X3、X4、X5、X6、X7、X8分别反映了各医院对应于识别框架{Y1，Y2，Y3，Y4，Y5，Y6，Y7，Y8}的床位使用率、门诊人次、急诊人次、住院人次、门诊手术量、住院手术量和出院人数的高低分布情况。

表3 各评价指标归一化矩阵值

2.3 指标合成结果

将X3、X4、X5作为参与合成的证据BPA函数，采用证据理论进行合成，得到识别框架下门急诊及住院量（X10）对应证据的BPA函数，从门急诊及住院量角度反映各眼科医院医疗质量高低分布情况。同理，可得到手术量（X11）所对应的BPA函数（表4）。

采用证据理论对表4中3个一级指标对应的BPA函数进行合成，得到对应于识别框架{Y1，Y2，Y3，Y4，Y5，Y6，Y7，Y8}的最终综合评价结果。

表4 各评价指标合成结果

3 讨论

本研究引入证据理论方法对全国范围内8所县级眼科公立医院医疗服务情况进行了综合评价分析。由表4综合评价结果可见，县级眼科医院医疗服务能力评价最高的是医院Y5，综合评价值为0.493 3，其次为医院Y1，综合评价值为0.267 5，往后排序依次为医院Y6、Y4、Y7、Y2、Y3、Y8。该分析结果与各医院实际业务发展情况相吻合，说明采用证据理论方法能够正确处理县级眼科医院医疗服务评价问题，能够得到正确的最终评价结果。

在县级眼科医院医疗服务评价工作中，除了综合性的评价结果外，还需要进一步了解各评价子指标的对比情况。相较于TOPSIS法[3]，证据理论方法一方面可以提供更多的过程分析信息，如床位使用率、门急诊及住院量和手术量等一级指标的评价结果，从不同角度深入反映医院医疗服务情况；另一方面，可避免TOPSIS法存在的“距离理想解近的方案也可能距离负理想解近”等问题。

运用证据理论方法开展县级眼科医院医疗服务能力评价，对样本量指标规模及采样数据的分布情况均无特殊要求和限制，应用灵活、结果合理，可作为县级眼科医院医疗服务能力评价的有效手段。