神经外科日入院例数和留置导尿管护理工作量的时间序列分析

李香雪，董文坦，苏 玲

（1.郑州大学第一附属医院，河南450000；2.河南省人民医院）

时间序列分析(time series analysis)是一种动态数据处理的统计方法，主要是分析变量随着时间变化的规律以及发展趋势，被广泛地应用到股票、金融学、人口发展学等诸多领域[1]，然而在护理管理研究领域应用尚少。日入院例数及每日留置导尿管护理量的时间序列之间具有一定的关联和季节周期，较多研究者关注护理工作量的评价[2]，很少有研究者对于连续工作量的数据进行深入挖掘，找出其内在统计学联系，从中提取有价值的信息，对未来工作量进行预测，分析及其在配置护理人力资源中的作用。本研究利用2016 年3月1 日—2017 年2 月28 日郑州大学第一附属医院综合信息管理系统中神经外科4 个病区的日入院例数及留置导尿管护理工作量的每日统计数据，建立时间序列进行分析，以期指导临床实施前瞻性的护理管理及建立护理工作量的预测机制。

1 资料与方法

1.1 数据收集 提取2016 年3 月1 日—2017 年2 月28 日郑州大学第一附属医院医惠护理管理软件系统中神经外科4 个病区每日入院例数以及计数法[3]记录的每日留置导尿管数。医惠护理管理软件是医院根据护理工作的特色，利用医院现有医院信息管理系统（HIS）、电子病历(EMR)中丰富的信息资源，进行数据采集和再利用，实现网络环境下护理管理工作数据实时查询、网络直报的系统。

1.2 时间序列分析方法

1.2.1 数据的前期处理 本研究中每日入院例数和留置导尿管数据完整，不存在缺失值。前期处理阶段主要是以日为单位定义时间变量和序列平稳化的过程。本研究中使用常用的差分方法对数据进行平稳化处理，数据进行一阶差分后基本平稳。对每日入院例数和留置导尿管护理工作量时间序列值进行纯随机性检验，确定每日入院例数和留置导尿管护理工作量时间序列是否属于白噪声序列。

1.2.2 模型的选择 分析工作量时间序列值的特征后，采用SPSS 软件时间序列分析中的专家建模器拟合时间序列模型，模型拟合最优度量选择平稳R2值，平稳R2值越大说明拟合越好。模型的检验使用Ljung‐Box检验，P>0.05 时可以确定选择了正确的模型[4]。

1.3 统计学方法 应用SPSS 20.0 分析数据，采用均数、标准差对每日入院例数和留置导尿管护理工作量进行描述性分析。采用时间序列分析对每日入院例数和留置导尿管护理工作量进行时间序列分析，构建时间序列模型。检验水准α=0.05。

2 结果

2.1 神经外科4 个病区的日入院例数及留置导尿管护理工作量变化趋势 2016 年4 个季节日入院例数呈先下降后上升的趋势，日入院例数最高为冬季，然后依次为秋季、春季，夏季日入院例数最低。留置导尿管护理工作量变化前3 个季节较平稳，后有上升的趋势，日留置导尿管数最高为冬季，然后为春季，夏秋季较低。每个季节日入院例数及护理工作量具体见表1。管数的护理工作量Holt‐Winters指数平滑模型的平稳性R2分别为0.63，0.56，说明模型拟合度较好。Ljung‐Box检验显示，P=0.627（>0.05），可以肯定正确地选择了模型。根据Holt‐Winters 指数平滑模型，本研究对2017 年3 月1 日—7 日的日入院例数及护理工作量进行预测。预测值及预测值的上限值、下限值见表2。

表1 神经外科不同季节日入院病人及护理工作量（±s）

时间春季夏季秋季冬季日入院例数（例）21.0±8.3 14.0±7.6 23.0±7.8 30.0±9.0日留置导尿管数（个）6.0±2.5 5.0±2.1 5.0±2.4 8.0±3.0

表2 2017 年3 月份日入院例数和护理工作量预测值

2.2 神经外科4 个病区的日入院例数及护理工作量预测 根据SPSS 软件时间序列分析中的专家建模器拟合时间序列模型分析，最终每日入院例数和留置导尿管数的护理工作量时间序列最佳拟合模型均为Holt‐Winters 指数平滑模型。日入院例数和留置导尿

2.3 神经外科4 个病区的日入院例数及护理工作量时间序列图 利用2016 年3 月1 日—2017 年2 月28 日的数据，本研究对4 个病区的日入院例数及留置导尿管护理工作量进行了1 个月的预测，具体见图1、图2。

图1 每日入院例数的时间序列及预测图

图2 每日留置导尿管数的时间序列及预测图

3 讨论

3.1 不同季节日入院例数及留置导尿管护理工作量差异的分析 根据神经外科日常工作情况总结，发现每年冬季和春节后，4 个病区护士工作强度普遍增加。本研究提出假设：不同季节、不同上班时间的护理工作量可能存在差异。本研究对神经外科2016 年3 月—2017 年2 月的4 个季节日入院例数和留置导尿管工作量进行分析，发现日入院例数冬季最高，夏季最低。春季和秋季日入院例数相近。留置导尿管工作量由表1可见，最高为冬季，然后为春季，夏秋季较低。分析原因：由于冬季温差变化较大，冷暖不定。此时，长期高血压、动脉粥样硬化病人和脑梗死病人遇到冷空气刺激时，因生理反应，血管骤然收缩，由于血管的内壁较厚，管腔狭窄，加之有大量的脂类沉积与硬化斑块，导致血液流通受阻，从而极易诱发脑血管疾病的发作和复发[5]。春节小长假过后积累的病人呈爆发性增长，从而使春季刚开始一段时间入院病人和护理工作量都有大幅度上升，随后逐渐下降。宋晓莉等[6]对医院急诊近1 年护理的工作量情况进行回顾性分析，发现秋季、冬季急诊病人就诊数量高于春季、夏季，并就各科室根据不同季节的护理工作量合理配置人力资源提出了建议。这与本研究在神经外科所得出的结论相似，可能由于急诊科的一些病例和外科疾病具有一些相同的特征，均是发病急、病情重。由此可见，不同季节每日入院例数和留置导尿管工作量不同，可以为临床合理安排护理人员提供指导，在夏季工作量相对比较低的月份，可以安排护士轮流休假，而在比较繁忙的冬春季节集中人力，以保障护理安全。

3.2 时间序列分析对合理配置护理人力资源的意义 预测预警是各个研究领域的热点，无论在经济活动中还是在日常空气质量预测中都具有普遍的应用。护理工作量的研究，尤其关于护理管理类课题，往往需提取医院的时间序列数据，所以进一步应用时间序列分析，对将来的工作量进行预测在临床护理实践中具有很现实的意义和实用价值，但由于护理研究者对于复杂的统计方法的应用尚缺乏一定的研究[7]，因此时间序列分析还没有被广泛地应用于临床护理实践，需要护理工作者与统计学专业的人才协作，深层次挖掘护理数据背后的价值。信息化、前瞻性管理是护理管理的关键，预测作为时间序列的重要功能之一，其应用有望基于历史数据提供合理的工作量预测，提高护理管理的效率。在研究中发现，护理工作量时间序列具有一定的季节周期性和相关性，整体有一定的规律。从中提取有价值的信息，根据日入院例数及护理工作量的发展规律和内在统计学特性决定护理人力的需求有重要的现实意义。该方法较之前的德尔菲法、经验预测法更科学、准确[8]。而且，时间序列是基于过去的大量数据分析，也可以回顾性评价过去人力配置的合理性，并进一步改进。但需要注意的是：时间序列模型对于预测的数据一般不能太超前，而且需要基于预测值与实际值之间的关系不断调整，以进一步增加其临床预测的准确性[9]。本研究根据Holt‐Winters 指数平滑模型的特点，建议做7 d 及以内的日入院例数及护理工作量预测。护士长在日常排班的时候，可以将其作为日常排班的辅助工具，有一定的临床实践意义。

4 小结

目前，我国医院的护理人力配置尚存在人员不足与利用效率低下的问题，如何科学、合理安排护士上班时间，使有限的护理人力资源发挥最大的效益，满足日益增多的卫生服务需求已成为当前护理管理部门亟待解决的难题。根据时间序列模型的每日入院例数及护理工作量的近期预测值，护理管理者可提前增减人力，高效利用现有的有限人力资源，保证护理质量，在保证病人安全的同时增加护理工作者的满意度。由于本研究只采用计数法评估护理工作量，虽然能预测出一些病人和护理量的增加，但不够全面。未来需要结合合理的护理工作量评价，如工时测量法、工作负荷权重法等综合、精细化地评价护理工作量，结合时间序列分析，预测出的工作量更具有指导意义。在进一步研究中，还可分析护理工作量的影响因素，利用基于时间序列的广义相加模型定量评价影响因素对于护理工作量的影响，以不同变量预测护理工作量。