基于系统动力学的社区高血压管理投入预测

徐莉苹，李婷，黄涛，苏瑾，易春涛

本研究价值：

社区高血压管理开展已有近30年，在区疾病预防与控制中心的质控下，社区卫生服务中心所提供的高血压管理，从接收到上级管理单位下达的管理目标，经过实践，到高血压管理效果的显现，受到多种因素的影响，而管理效果又会进一步影响管理目标量的达成。在现有管理体系下，社区卫生服务中心高血压管理的服务量会呈现何种变化，为完成这些服务量，社区卫生服务中心又需要投入多少人力，这是本研究借助系统动力学模型实现的内容，并在此基础上进一步提出了社区卫生服务中心减轻高血压管理压力的办法，即近期对执行人予以绩效倾斜，在远期则需要在信息化和培养低成本人才方面做出努力。研究过程和结果可供同行借鉴。

我国高血压患病率总体呈明显上升态势，由于高血压而带来的直接医疗费用，以及因为高血压引起的脑卒中等疾病所产生的间接医疗费用也渐趋攀升［1］。为了更好地控制高血压，减少并发症，我国于1969年即启动了社区高血压防治工作，并于2005年实施《全国高血压社区规范化管理》项目，由此进入社区规范化管理时代［1］。

时至今日，社区高血压管理相关工作的开展已有近30年，社区卫生服务中心作为社区高血压管理的主要执行方，在区疾病预防与控制中心（CDC）设定的社区高血压患者管理率、血压控制率目标的引导下［2］，社区卫生服务中心纳入管理的高血压人数日渐增多，高血压随访等相关高血压管理工作量也渐趋增大。在现有的高血压管理的激励机制下，社区卫生服务中心高血压管理需求量的发展趋势如何？社区卫生服务中心现有的人力配置能否满足社区高血压管理需求？现有的激励机制能否驱动社区卫生服务中心持续、高质量地完成高血压管理工作？这些问题在现有的研究中鲜有回答。

系统动力学（system dynamics），作为美国麻省理工学院FORRESTER教授于1956年创立的一门研究系统动态复杂性的科学，是以反馈控制理论为基础，以计算机仿真技术为手段，可以对复杂时变系统进行有效仿真模拟，在医疗卫生资源配置方面已有较多的应用［3-6］。

因此，本研究以上海市徐汇区枫林街道社区卫生服务中心（以下简称“枫林卫生中心”）为例，在明确社区卫生服务中心在社区高血压管理相关工作流程的管理机制的基础上，借助系统动力学方法，结合2007—2016年积累的社区高血压管理历史资料，对未来5年的历年服务量和社区投入进行预测，以期对社区高血压管理工作进行进一步优化，并为同行开展相关工作提供借鉴。

1 资料与方法

1.1 资料来源 于2017年9月—2018年3月，以枫林卫生中心为研究对象，采集其2007—2016年社区高血压管理的历年服务量、社区投入等相关资料，作为社区高血压管理体系系统动力学模型构建和分析的数据基础。

1.2 研究方法

1.2.1 资料收集 枫林卫生中心高血压管理服务流程见图1。基于该流程，并结合研究组关于枫林卫生中心高血压管理的系统思考结果（见图2），本研究组对其2007—2016年高血压管理的历年服务量、社区投入等相关数据进行采集。采集办法有以下2种：（1）方法1，历史资料查询。即由枫林卫生中心医务科、防保科、人事科、财务科等，通过信息系统查询或统计资料查询，获得2007—2016年历年高血压管理相关的服务数量、单位时间人力成本、耗材、信息化投入等资料。（2）方法2，问卷调查。选取枫林卫生中心有意愿参与的全科医生和公共卫生医生进行问卷调查，共5名全科医生〔其中男1名，女4名；年龄33～40岁，平均年龄（36.4±2.4）岁；职称均为中级；学历均为本科；工作年限10～14年，平均工作年限（11.8±1.5）年〕，1名公共卫生医生（女，32岁，中级职称，工作年限6年）参与问卷调查。调查内容为历年提供各项服务所花费的时间、各项工作给其所带来的压力大小。

具体采集的各项指标及其采集办法见表1。

1.2.2 系统动力学模型的建立 本研究组在系统仿真专家的指导下，结合枫林卫生中心2007—2016年社区高血压管理历史资料，对社区高血压管理系统模型构建如下。

1.2.2.1 构建假设 枫林卫生中心所开展的社区高血压管理服务，是依据上海市卫计委发布的高血压管理相关工作指导文件［7-8］要求开展，每年基于区CDC下达的新增高血压管理人数要求，对辖区内35岁及以上人群提供首诊测压服务，对血压异常者，建议其进行进一步诊断（高血压诊断标准参考《中国高血压防治指南2010》［9］）；对确诊为高血压的患者，提供建档、建立随访管理卡以及每年不少于4次（每季度至少1次）的随访服务（包括门诊、电话和上门随访等），高血压在管人数的流失和血压控制是否达标，需基于1年随访结束后，根据随访完成次数，以及末次血压测量结果判定。其中，根据枫林卫生中心防保科和医务科反馈，社区卫生服务中心新纳入管理的高血压患者，不参与当年血压规范管理率（规范管理，即按照上海市相关政策要求［8］每季度至少随访1次）的计算，但参与当年血压控制率（即，年末血压控制达标人数/当年末在管人数）的计算。

图1 枫林卫生中心高血压管理服务流程Figure 1 Hypertension management service process in Fenglin Street Community Health Center

图2 枫林卫生中心高血压管理系统因果回路图Figure 2 Causal loop diagram of community hypertension management system in Fenglin Street Community Health Center

表1 枫林卫生中心高血压管理现况数据采集清单Table 1 Data collection list of hypertension management in Fenglin Street Community Health Center

由于系统动力学模型的建立和调试仅能根据已有的历史数据完成（社区仅有对于门诊和电话随访次数的详细记录，上门和其他随访记录均存在较严重的缺失），因此，关于枫林卫生中心对辖区居民所开展的高血压管理，本研究在建立模型前构建以下4个假设：假设1：从目标新增高血压管理人数下达，到获得年度高血压新增人数所需要的时间，即获客（即获得客户）延迟时间为1年，且判断该年新增高血压管理人数目标是否达标的时间，即目标达标延迟为1年，且在高血压患者新纳入社区管理的年度不对其进行随访管理；假设2：当年新增的高血压管理人群，在年末血压控制全部达标；假设3：对于年初高血压在管人群，通过随访对血压控制产生效果的时间，即随访效果延迟时间为1年；假设4：对于社区在管的高血压患者，社区卫生服务中心在1年中平均完成4次随访，其中，门诊随访2次，电话随访2次。

1.2.2.2 建立模型 基于假设1～4，借助系统动力学软件Vensim PLE，并依据系统思考形成的因果回路图，建立枫林卫生中心高血压管理系统模型结果，见图3。模型包含社区高血压数量、质量管理和社区投入，共涉及4个状态变量、6个速率变量，以及23个辅助、常数、外生变量。变量之间的关系如下：（1）高血压管理数量控制因果关系：社区卫生服务中心每年的目标新增高血压管理人数，由区CDC在年初设定，且该人数随着时间的推移每年呈现不规律的波动；目标新增高血压管理人数的设定，会影响到社区卫生服务中心该年度获客投入覆盖人数，即当年有效覆盖人数的大小，而该数值一般是在目标新增高血压管理人数的基础上再增加一定的数量，且增加数量的大小，常受到每例高血压患者的获客人力投入大小的影响；获客投入覆盖人数，一般需要社区卫生服务中心1年的努力，转换为新增高血压管理人数，即该年度实际新增高血压管理人数，且该年度新增高血压管理人数与年初所设立的目标新增高血压管理人数（即年末的期望新增高血压管理人数）之间的差距—目标未完成量，会带来社区卫生服务中心达成新增人数目标的压力的增大（该变量本身也会随着每年时间的推移而增加），当其大于高血压工作饱和度时，会促使其增加对每例高血压患者的获客人力投入（该变量本身会随着每年时间的推移而减少，反映为效率的提升，而新增人数目标的压力对其影响就体现为减缓这种随着时间而减少的速度）；新增高血压管理人数还会进一步带来下一年度年初高血压在管人数（即该年度需要进行随访管理的人数）的增加，而年初高血压在管人数，一方面影响该年度社区卫生服务中心在高血压管理方面的工作饱和度，另一方面经过1个年度后，受到社区卫生服务中心对每例高血压患者管理人力投入的影响，会有部分高血压患者出现随访次数不足问题，产生高血压管理流失人数。（2）高血压管理质量控制因果关系：高血压有效随访覆盖人数（即通过随访可以使其血压控制达标的人数），受到年初高血压在管人数和每例高血压患者管理人力投入的共同影响；随访效果如何（即血压控制达标情况如何），需要经过1年的时间，在年末才能知晓，从而形成随访血压控制达标人数；随访血压控制达标人数与该年度新增人群血压控制达标人数，共同构成了该年度的血压控制达标人数（即上年末血压控制达标人数），该人数与血压控制目标达标率（此处假设为1）之间的差距，形成了该年度血压控制未达标人数（即上年末血压控制未达标人数）；而每年的年初高血压在管人数，会影响到该年度社区卫生服务中心高血压管理的绩效压力，从而进一步影响每例高血压患者管理人力投入，而该变量则会进一步影响该年度的高血压工作饱和度。

图3 枫林卫生中心高血压管理系统模型Figure 3 Hypertension management system model in Fenglin Street Community Health Center

其中，需要说明的是，与图2的因果回路图相比，图3的系统模型缺少了对高血压管理级别越级、单病种消耗医保费用、惩罚力度等内容，是因为对于社区卫生服务中心来讲，高血压管理工作仅是其众多工作内容中的一部分，目前尚未对该病种的管理级别越级、单病种消耗医保费用等有明确的惩罚措施，社区卫生服务中心医务人员仅能感受到工作压力每年在逐渐增加，因此，对这些变量做了删除处理。

具体各变量计算公式设置见表2。

1.2.2.3 模型参数确定 模型系统地域边界为上海市徐汇区枫林街道，时间边界为2006—2021年，共16年。其中，历史数据主要涉及2007—2016年；上年末血压控制达标人数、上年末血压控制未达标人数仅有2012—2017年数据；2006年，除了目标新增高血压管理人数为历史数据外，其他均为假设数据；2017年仅有上年末血压控制达标人数、上年末血压控制未达标人数为历史数据。

1.2.2.4 模型检验 选取2007—2016年的数据进行检验。从历史检验结果看，系统模型预测的枫林社区高血压服务人数与实际发生服务人数相比，新增新增高血压管理人数、年初高血压在管人数等两个主要变量的相对误差绝对值在0～0.05之间，说明系统模型基本能真实反映枫林社区高血压管理体系的运作过程，可用于枫林社区高血压管理服务人数和社区投入的预测。

2 结果

2.1 社区高血压管理服务数量预测 基于该系统动力学模型，枫林卫生中心社区高血压管理服务量预测结果如图4所示。具体数据见表3。

2.2 社区高血压管理服务社区投入预测 枫林卫生中心对社区高血压管理服务体系的投入的核算公式为：每年社区投入=每例高血压患者的健教耗材投入×新增高血压管理人数+单位时间人力成本×每例高血压患者的获客人力投入×新增高血压管理人数+单位时间人力成本×每例高血压患者的管理人力投入×（年初高血压在管人数-高血压管理流失人数）+其他人力投入×单位时间人力成本+信息化投入。具体每年社区投入和社区累积投入见图5，具体数值见表3。

图4 枫林卫生中心社区高血压管理服务量预测Figure 4 Forecast of hypertension management service in Fenglin community

图5 枫林社区高血压管理社区投入预测Figure 5 Input forecast of hypertension management in Fenglin community

表3 枫林卫生中心社区高血压管理服务数量和投入预测Table 3 The number and input forecast of hypertension management services in Fenglin Street Community Health Center

3 讨论

3.1 基于系统动力学模型的社区高血压管理服务量和社区投入预测具有科学性 系统动力学方法是研究复杂系统的重要工具之一，兼具定性分析和定量研究，有助于管理决策科学化［10］。本研究引入系统动力学方法，在前期定性分析基础上，进一步采集历史数据对枫林卫生中心社区高血压管理体系进行定量研究，在揭示了社区高血压管理体系的动态复杂性的同时，也对服务量和社区投入进行了定量预测，在模型构建过程和预测结果方面，均具有一定的科学性。

首先，模型构建过程的科学性，体现在模型假设和变量计算公式的设置方面。模型构建时所设立的4个假设，均基于社区高血压管理实际情况，以及系统动力学建模要求梳理，如年度新增高血压管理人数，目前社区卫生服务中心是在每年3月份左右确立当年的新增目标，在9月份之前完成对社区新增高血压患者的纳入，虽然从目标下达到完成的时间不足1年，但由于系统动力学模型延迟函数对延迟时间不足1个步长的按1个步长（本模型的1个步长等于1年）来计算，且社区对新增高血压患者的随访管理，不纳入当年度的规范管理率

计算，也就缺乏了对该类人群随访管理的考核要求，社区医务人员对其执行的动力也就相对缺乏，而该年度最后1季度对该人群的1次随访是否执行以及随访覆盖率就难以保障，因此对此类人群的随访管理，提出了假设1。而模型中所涉及变量的计算公式，均是通过枫林卫生中心社区高血压管理执行人代表（主要为全科医生和公共卫生医生）多次商讨从定性层面确认变量间因果关系的基础上，结合历史数据模拟确认变量间定量关系，从而获得变量间的计算公式，而对于确认两变量间存在因果关系，但历史数据对变量间关系难以用多项式函数、线性函数、逻辑函数（如条件函数）等表达时，则采用表函数［11］对两变量间的关系进行描绘（如每例高血压患者的管理人力投入与高血压管理流失人数）。模型假设体现了社区高血压管理体系的运行现况，变量的计算公式也反映了变量间的定性和定量关系。

表2 模型中各变量计算公式设置Table 2 Formula setting for each variable in the model

其次，模型预测结果显示，模型的两个主要反映服务量的数据—新增高血压管理人数、年初高血压在管人数，预测结果与历史数据采集结果间的相对误差绝对值不超过0.05，由此可见模拟推算结果与实际情况的吻合度比较高，模型预测结果也具有科学性。

3.2 社区高血压管理服务量和社区投入预测反映社区高血压管理压力 基于系统动力学模型实证分析结果，枫林卫生中心每年新增高血压管理人数预期从2018年起与高血压管理流失人数近乎持平，从而使高血压在管人数基本稳定在17 000人左右，而每年社区投入预计会在100万元左右。其中，对于纳入社区管理的高血压患者，每年至少随访4次，且此次调查显示每人次随访需消耗医务人员6 min左右的时间，因此，对于17 000人的随访管理，每年预期需要社区投入的人力时为40.8万min；假设社区卫生服务中心1名医务人员1年工作12个月，每个月平均工作22 d，每天有效工作时间为6.5 h，相当于需要社区安排4名医务人员全年只做高血压随访工作，且还不能发生1次上门随访（据反馈上门随访所需时间几乎是门诊或电话随访的4倍）的工作。而根据上海市卫生和计划生育委员会2015年发布《关于完善本市社区卫生服务中心绩效工资制度的实施意见（试行）》，每人/年的高血压患者管理是按8个标化工作值计算财政补贴［12］；同时，根据上海市浦东新区某社区卫生服务中心按照区域基本公共卫生服务补贴总额除以区域基本公共卫生服务总需求量之后，测算的1个标化工作值预计财政补贴额度为0.34元［13］；根据上述内容，完成17 000人的高血压随访工作，4名高血压管理的全职医务人员，每人每年可为机构获得1.445万元的收入。这个数额与社区医务人员收入水平（2012年上海市社区卫生服务中心在岗职工最低收入为8.75万元）［14］相比，明显偏低。而在对执行人补偿不足的情况下，极易带来社区高血压管理工作的消极执行，最终带来高血压管理质量不佳等问题的产生。

要缓解社区高血压管理压力，借助信息化手段节约医务人员花费在每例高血压患者身上的管理时间，或者将社区高血压管理工作移交给单位时间人力价值低、且具备相关技术要求的人员执行，可以成为未来的发展趋势；而在当下，信息化手段在节约人力耗时方面的作用发挥不充分，而社区又缺少单位时间人力价值低、且具备相关技术要求的人员的情况下，则需要社区卫生服务中心及其上级管理单位在绩效管理方面给相关工作的执行人予以一定的倾斜，以保障社区高血压管理工作质量。3.3 本研究的价值和下一步研究方向 本研究借助系统动力学方法，对社区高血压管理体系进行剖析，并结合社区高血压管理历史数据，对社区高血压管理服务量和社区投入进行预测，揭示了社区高血压管理体系所面临的压力，并由此提出社区高血压管理体系需要在近期对执行人予以绩效倾斜，在远期则需要在信息化和培养低成本人才方面做出努力。

此次系统动力学模型中，涉及部分变量间的关系，难以用明确的线性函数、逻辑函数等表示，因而引入表函数，对模型的结构分析造成了一定的障碍；且目标新增高血压管理人数，在此次模型中作为外生变量处理，未体现社区人群数量和高血压患病率的变化对社区高血压管理体系的影响。这有待通过扩大模型边界和数据的持续积累，对模型进行进一步的调整和优化。