基于BP神经网络和Kendall检验在卫生信息管理专业中的应用

李佳林

四川卫生康复职业学院，四川自贡 643000

随着信息技术与医疗健康持续深度融合[1]，要求卫生信息管理专业建设新的方向，从而适应“互联网+医疗健康”新时代背景下我国卫生事业发展战略[2]。卫生信息管理人才培养质量高低一定程度上决定着“互联网+医疗健康”发展水平[3]。“互联网+医疗健康”新时代背景下，传统的卫生信息管理专业建设中，存在培养定位模糊、专业认可度不高等问题，就业率不容乐观。目前，卫生信息管理人才相对匮乏[4]，大部分从业人员没有系统地学习过本专业知识，以致整个医疗信息化安全体系存在一定风险[5]。所以，如何培养高质量的卫生信息管理专业的人才成为当前健康医疗研究的重点之一。

随着我国医疗体制的不断深入和改革，信息技术处理、远程医疗、电子病历、健康管理档案等新兴医学技术得到广泛应用，尤其是医保DRGs付费不断推进和发展[6-7]，迫切需要卫生信息管理专业人才[8-9]。所以，对于卫生信息管理人才队伍的建设显得尤为重要和迫切，从而缓解医疗机构的工作负荷[10]。

1 资料与方法

1.1 一般资料

据高等职业学校专业设置备案结果统计，截至2021年，全国共有41所院校开设该专业，见图1，其中东部沿海经济地区较多。学校在人才培养定位上，基本上是围绕服务地区医疗信息为主进行培养，所以存在培养人才方向上各具特点，整体定位不清晰等问题。

图1 卫生信息管理专业开设区域分布情况

主要体现在3个方面：①部分院校以信息管理方向培养，将来从事医疗机构的信息部门、行政管理等工作；②一些院校以病案管理方向培养，将来从事病案管理工作；③部分院校以信息系统及软件开发方向培养，强调工科思维，将来从事医疗信息化企业的运维工作。培养目标不明确统一，不利于该专业的建设和发展，更不利于“互联网+健康医疗”时代下的人才培养。

为了卫生信息管理人才培养提供更好思路，该文对西南地区医药卫生职业学校卫生信息管理专业的认知度、满意度以及职业认同感进行了研究。

选取统计对象：采用分层抽样的方式选取2018年9月—2020年9月西南地区医药卫生高职院校卫生信息管理专业的在校学生125名；再利用超星学习通平台发放问卷，问卷包括学生对专业的认知度、认同感以及满意度三个维度，分别对应3项分值1～5分，应答率96%。

为分析该专业就业率情况，该次研究样本采取自2011年6月—2020年6月该地区学校10届毕业生的就业率，进而建模仿真预测。

1.2 方法

①采用SPSS20.0统计学软件对3个维度的相关度和评价的一致性进行非参数检验（Kendall检验）[11]；②为了明确卫生信息管理专业的就业趋势和把握未来发展方向，该文拟用NATLAB（矩阵实验室）中的BP（back propagation）神经网络算法[12]对该专业的就业率进行预测分析，为相关部门提供参考价值。

为了减少BP神经网络权值调整和提高网络收敛速度[13]，将基础数据归一化处理，通过以下公式将输入值限定在[-1,1]之间。

将数据分为两组，2011—2018年作为第1组数据，用于训练BP神经网络模型，2019—2020年作为第2组数据，用于测试BP神经网络模型。在训练组中，每3年为输入值，第4年为输出值，以此类推。

预测模型的实验仿真：根据基础数据量，实验采用3层BP神经网络，拟用LMBP学习算法[14]，BP神经网络隐含层神经元个数依据经验进行设计，如以下公式。

其中，m和n分别是输入层和输出层神经元的个数，a是[1,10]之间的可变常数，前3年最为输入，m取3，第4年作为输出，n取1；经过几次测试对比，a取3时，网络性能达到最佳；由此计算出隐含层神经元个数为5。

1.3 观察指标

分析专业的认知度、职业认同感及满意度的相关度和评价一致性；其次分析BP神经网络模型预测就业率学习的准确性，包括所用的迭代时间、迭代次数、预测误差百分比、预测精度。

1.4 统计方法

采用SPSS 20.0统计学软件和MATLAB2018b矩阵实验软件进行数据分析和处理。对于专业的认知度、职业认同感及满意度的相关度和评价一致性，采用Kendall检验，P＜0.05为差异有统计学意义；对于就业预测采用BP神经网络模拟预测，达到所允许的最大误差百分比，结束仿真。

2 结果

2.1 肯德尔检验专业的认知度、认同感以及满意度的相关性及评价一致性结果

Kendall检验专业的认知度、认同感以及满意度的相关性见表1。置信度Sig（双侧）＜0.001，说明三者相关性是显著的，三者的相关性依次为0.619、0.646、0.556，说明学生对卫生信息管理专业的满意度与认知度和职业认同感具有正相关性，且相关性较强。

表1 相关度系数

Kendall检验评价的一致性见表2，可知显著性P＜0.001，拒绝原假设，Kendall W协同系数为0.788，具有较强的一致性，说明学生们对卫生信息管理专业的评价一致性水平很高，数据可信。总体来说，学生对于卫生信息管理专业的认知度、认同感及满意度评价一般。

表2 认知度、认同感及满意度的Kendall W协同系数

2.2 BP神经网络模型对专业就业率的预测结果

采用MATLAB的BP神经网络训练，编写代码，设置参数，并不断调试运行，可以发现3次迭代就达到拟合误差2.7774e-07，见图2，整个BP训练模型及性能参数见图3。建立模型以后，再利用2019—2020届就业率数据，通过MATLAB中仿真函数sim()检验预测网络模型。实际值与预测值的误差曲线见图4，其中，“-o”代表实际数据，“-*”代表预测数据。

图3 训练模型及性能参数

图4 实际值与预测值的误差曲线

2019—2020年的实际值与预测值的最大误差为0.8%，超过均方误差的要求，可以看出该模型具有很好的非线性拟合能力，具有一定的泛化能力和稳定性，见图2。

图2 训练误差

利用该模型预测2021—2023年的就业率分别为91.74%，92.36%，93.05%，就业率呈现上升趋势，究其原因与当下的“互联网+健康医疗”背景和深入的医疗体制改革有着联动关系。

3 讨论

基于以上分析，为此提出了卫生信息管理专业建设措施。

3.1 明确人才培养目标，精确定位

①依据我国卫生信息发展的需要，国家出台了相应的卫生政策支持，明确了我国卫生信息发展路线，包括健康档案、电子病历以及卫生信息人才的培养等，重点培养具有医学和信息学复合的技术技能型人才。所以在国家政策下，应积极挖掘和充分调研我国卫生健康发展的需要，做好卫生信息管理专业建设，明确专业定位及人才培养的方向。

②近年来，国家病案行业发展迅猛，尤其是DRGs（诊断相关分类），目前国家已有了30个DRG付费国家试点城市，未来其他城市将会陆续实行DRG付费，医保DRGs付费改革势在必行。所以，结合当下医疗付费制度的改革，应明确卫生信息管理专业发展目标和培养方向。

③在“互联网+医疗健康”大环境背景下，医疗信息化企业迅速发展，企业开发了完善的医院信息系统（HIS）、电子病历（EMR）、智能临床决策支持系统（CDSS）、急诊信息系统、区域疾病筛查与质控中心平台等，其建设需要大量的卫生信息管理人才，所以应结合目前医疗信息企业进行校企合作，进一步完善人才培养的目标。

3.2 提高专业知名度，增强学生的专业认可度

①卫生信息管理属于医药卫生大类下的公共卫生与卫生管理类专业，据调查该专业社会知晓度低，学生认可度不高。因此，在每年春季和单独招生宣传中，应通过微视频、宣传手册等方式，让更多学生和家长了解该专业的人才培养目标、就业岗位以及社会迫切需要卫生信息人才。

②学校可以让学生参加病案和各类信息化大赛，拍摄获奖视频及经验分享；其次，充分利用“学校-医疗卫生机构-企业”院校企合作办学模式，安排学生参加见习和岗位体验等，由此增加学生对该专业的认同感和职业归属感，同时也缩短医院岗位和学校培养之间的衔接时间。

③该专业目前主要以专科层次为主，而在二级以上的医疗机构和医疗信息化企业基本要求学历本科。所以积极与本科相关专业“专升本”链接工作，通过考取其他学校的信息管理与信息系统专业或者其他学校联办自考本科班，增加学生学历提升，减轻就业压力，从而增加卫生信息管理专业的知名度和认可度。

3.3 提高专业就业率

通过统计分析发现，卫生信息管理近十年的就业率平稳，该文采用BP神经网络对卫生信息管理专业的就业率进行学习和预测，进一步发现卫生信息管理的就业率有一定提高，源于对“互联网+医疗健康”背景和不断深入医疗体制改革（例如DRGs等）。所以，提升卫生信息管理的就业率和质量尤其重要。

①学校应加强卫生信息管理应届生的就业指导工作，帮助学生重新客观评价自己，分析学生的优势和劣势；在大学期间，帮助学生做好职业生涯规划，同时做好专业的学习和时间上的安排[15]，从而对未来的就业有一个清晰的定位和认识。

②加强用人单位的联系，每年通过专业调研了解用人单位的需求，特别是岗位能力的需求，从而调整卫生信息管理的培养方向，能够更好地胜任岗位需求，增加对岗位把控，解决学生的就业难题的；同时加大宣传卫生信息管理专业，增加用人单位对卫生信息管理专业的认识和了解，从而增加就业范围。对于应届生，应多鼓励学生先就业，鼓励学生去基层社区医院和乡镇医院。

③结合专业相关的岗位分析，如各级医疗的信息科、病案科以及计算机中心等部门，紧扣“互联网+医疗健康”背景和医疗体制改革，充分挖掘专业的优势所在，该专业具有很强的专业性，具备计算机和医学背景知识，从来增加学生的就业优势和范围。

综上所述，随着我国医药卫生事业发展和医疗卫生行业的转型升级，在“互联网+医疗健康”背景下，卫生信息管理专业发展必将迎来新的转机。然而该专业存在发展历程较短、定位模糊，面向的医疗卫生服务行业就业面不广等问题。所以，如何培养职业教育特色和专业特色，如何优化课程设置和师资培养，如何结合国家医疗改革改、卫生信息及病案行业（DRGs）的发展，成为下一步研究的重点工作。