基于真实世界数据的成年人社区卫生服务机构就诊频次特征及其影响因素研究

黄艳丽，曹裴娅

以人为中心的主动式健康管理服务（people-centered active care，PCAC）强调家庭医生团队与患者建立签约关系后，要按照健康干预计划主动预约患者来社区卫生服务机构，由家庭医生团队成员分工为签约患者提供包括医疗、预防、医事、健康教育等在内的健康管理服务。这一方式改变了以前医生等待患者上门的偶然、碎片式的服务模式，是实现家庭医生团队对患者实施长期、稳定的健康管理服务的重要手段。《中华人民共和国基本医疗卫生与健康促进法》第三十一条提出“国家推进基层医疗卫生机构实行家庭医生签约服务，建立家庭医生服务团队，与居民签订协议，根据居民健康状况和医疗需求提供基本医疗卫生服务”。在非面对面服务尚未形成主流的情况下，患者或居民主要还是通过到签约所在医疗机构现场就诊来完成一次健康管理（诊疗、健康教育、实验室检查、随访等）过程，该服务一般被记录到门诊病历记录中。故门诊病历记录的“就诊频次”很大程度上反映了患者对基层医疗资源的利用情况，在签约患者人群中，更是在真实行为上体现了其对签约家庭医生的信任［1］和互动情况。但目前国内关注“就诊频次”的研究较少，多集中在诊断记录所提示的疾病结构分析领域，未涉及患者与医生、机构之间的服务关系。检索到的文献中，数据量最大的为2019年10月发布的关于广东省基层卫生19.64万条门诊诊断可用数据的分析报告［2］，但其数据可用率仅为59.65%（196 402/329 240），该报告中被排除的大量数据中可能存在影响研究结论的信息。成都市武侯区自2017年逐步建成居民健康信息中心，可通过患者身份证、医保卡等唯一身份证件识别，同步绑定患者在区内13家社区卫生服务中心及其下属18个服务站（简称13家机构）就诊或接受门诊健康管理服务的所有就诊信息。本研究拟通过采集2020年武侯区13家机构在PCAC服务模式下的成年居民/患者的真实世界门诊就诊数据，尽可能完整地分析城市基层门诊服务的患者签约状态和就诊频次特征，以及影响签约患者就诊频次的因素，从而识别患者对基层医疗资源利用的倾向性和影响因素，帮助家庭医生团队更好地投入资源，与患者建立更为稳定的服务关系。

1 资料与方法

1.1 资料来源 于2021年1月，通过居民健康信息中心，提取武侯区13家机构2020-01-01至2020-12-31的18岁及以上成年门诊患者就诊数据，并强制脱敏患者身份、联系方式和具体疾病诊断信息。本次脱敏提取有唯一身份识别信息的成年人门诊记录共316 730条，即316 730人，提取对应身份信息的就诊记录共1 263 300条，即1 263 300人次。删除其中诊断信息有差漏（表现为空白项）的记录，共删除16 096条记录（签约/非签约人数=2 492/13 604），本次分析样本量最终为300 634人，共提取1 243 436条就诊记录。

1.2 指标设计及聚类说明 AJZEN等［3］提出的计划行为理论认为非个人意志完全控制的行为不仅受行为意向的影响，还受执行行为的个人能力、机会及资源等实际控制条件的制约。本研究拟获取在患者就诊行为中，属于非个人意志的客观指标，包括：（1）患者个人特征信息，即脱敏ID、年龄、触发诊断种类数；（2）机会及资源，即就诊机构名称、是否签约、是否属于特殊门诊就诊慢性病患者、中医诊断种类数；（3）利用基层医疗资源的实际行为，即年内挂号次数。采用主动预约到诊率（签约家庭医生团队主动发起的预约计划中该患者到诊次数/其年内总挂号次数）、固定签约医生就诊率（患者到签约医生处就诊的次数/其年内总挂号次数）来体现患者对签约家庭医生制定的服务计划的依从性和两者服务关系的稳定度。

为便于聚类比较，本研究在病情复杂程度判断上，将年内触发的诊断记录分为0～1种（简单）、2～4种（普通）、5～7种（复杂）及≥8种（非常复杂）4个层级；将就诊频次理解为对基层门诊医疗资源的年需求频次，分为偶发（1～3次，大部分为急性疾病）、持续管理（4～26次，大部分为慢性病患者或老年人，按基本公共卫生服务或门诊特殊疾病报销政策要求实施）、频繁就诊（27～52次，每2周或每周就诊）、异常频繁就诊（>52次，过度占用门诊资源）4个层级；年龄按照19～44岁、45～59岁、60～79岁、80～89岁及≥90岁分为5个层级；主动预约到诊率和固定签约医生就诊率分为“是/否”两种层级；就诊机构指患者就诊记录所在的社区卫生服务机构（13个），以哑变量形式纳入。医生签约患者规模指2020年该医生门诊服务的签约患者数。

1.3 统计学方法 采用R 3.5.1软件进行统计分析。计数资料以频数和百分比表示，组间比较采用χ2检验；等级资料组间比较采用Wilcoxon秩和检验；计量资料如符合正态分布以（±s）表示，组间比较采用t检验，不符合正态分布以中位数（四分位数间距）〔M（QR）〕表示，组间比较采用Wilcoxon秩和检验；采用有序多分类Logistic回归模型进行多因素分析。以P<0.05为差异有统计学意义。

2 结果

2.1 总体情况 2020年，在13家机构就诊的成年人共300 634人，产生了1 243 436次门诊记录，平均就诊年龄（51.5±18.4）岁，平均就诊频次（4.14±5.94）次。71.37%（214 511/300 634）的患者属于偶发就诊。56.03%（168 440/300 634）的就诊人群仅触发0～1种诊断。3.14%（9 448/300 634）患者会产生跨社区卫生服务机构就诊行为，其中签约患者中有17人。

2.2 签约患者和非签约患者就诊情况对比 签约患者占总人数的34.73%（104 399人），总门诊人次的63.91%（794 710次）。签约患者与非签约患者年龄、就诊频次、接受中医服务人数、特殊门诊就诊人数、就诊频次、诊断复杂程度比较，差异有统计学意义（P<0.05），见表1。

表1 2020年13家机构签约患者和非签约患者就诊情况对比Table 1 Comparison of consultations between contracted patients and non-contracted patients of 13 institutions in 2020

非签约患者中86.04%（168 840/196 235）为偶发就诊，69.93%（137 229/196 235）病情相对简单；签约患者中52.30%（55 812/104 399）为持续管理就诊，29.90%（31 211/104 399）为病情相对简单。签约患者就诊频次为1～3、4～26、27～52、>52次者平均诊断数分别为（1.59±0.93）、（4.90±3.09）、（9.53±5.59）、（13.99±9.07）种，非签约患者就诊频次为1～3、4～26、27～52、>52次者平均诊断数分别为（1.27±0.75）、（3.27±2.52）、（7.31±6.48）、（12.91±11.48）种。

2.3 签约患者主动预约到诊率和固定就诊率 以人数计算，签约患者主动预约到诊率为40.29%（42 061/104 399）， 固 定 就 诊 率 为 37.86%（39 522/104 399）；以频次计算，签约患者主动预约到诊率为18.58%（147 685/794 710），固定就诊率为18.12%（144 009/794 710）。

2.4 233例提供签约服务的医生的签约患者规模 233例提供签约服务的医生中，最高门诊服务签约人数为1 874例。其中65例（28.02%）医生签约服务≥800例患者，69例（29.74%）医生签约服务1 00～799例患者，98例（42.24%）医生签约服务10～99 例患者。

2.5 签约患者就诊频次的影响因素分析

2.5.1 不同特征签约患者就诊频次比较 不同病情复杂程度、是否主动预约到诊、是否固定就医、是否利用中医服务、不同年龄、是否特殊门诊就诊、不同就诊机构、接诊医生有不同签约患者规模的成年患者就诊频次比较，差异均有统计学意义（P<0.001），见表2。

表2 不同特征签约患者就诊频次比较〔n（%）〕Table 2 Comparison of frequency of visits for different characteristics of contracted groups

2.5.2 签约患者就诊频次影响因素的有序多分类Logistic回归分析 以患者就诊频次为因变量（赋值：1～3次=1，4～26次=2，27～52次=3，>52次=4），以单因素分析中差异有统计学意义的因素为自变量进行有序多分类Logistic回归。结果显示病情复杂程度、是否主动预约到诊、是否固定就医、是否利用中医服务、年龄、是否为特殊门诊就诊、签约所在机构和医生签约人群规模是患者就诊频次的影响因素（P<0.05），见表3。

表3 签约患者就诊频次影响因素的有序多分类Logistic回归分析Table 3 Orderly multi-class logistic regression analysis of factors influencing the frequency of visits of contracted patients

3 讨论

3.1 基层门诊的签约/非签约患者具有共同特征 整体来说，武侯区患者很少产生跨机构的就诊行为，提示目前社区卫生服务机构点位设置与居民获取基层医疗服务的地理可及性需求契合程度较高，服务稳定性较好。同时说明患者在常见疾病问题的处理上，基本不存在因不同的疾病处理难度跨社区卫生服务机构就医的行为倾向，提示该区门诊诊疗服务全科化、常见诊疗能力同质化程度较高。诊断复杂性是签约患者就诊频次增加的重要影响因素。对签约患者开展的门诊服务占了门诊资源的较大比例，提示城市社区卫生服务机构的布局和家庭医生签约服务已经能稳定地发挥解决常见医疗保健问题的功能。

3.2 基层门诊的签约/非签约患者的差异性特征 与非签约患者相比，签约患者具有更复杂的病情和更强烈的就诊需求。虽然非签约患者以偶发就诊行为和简单的疾病诊断为主，但其中也有部分年龄大、病情复杂程度高、频繁及异常频繁就诊、中医服务利用度高、特殊门诊就诊这几个符合连续管理需求的特征人群，是下一步扩展签约患者范围的首要目标人群。同时签约患者中诊断复杂程度更高，提示可能建立签约关系对医生有意识完整、综合地识别患者病情有一定帮助。进一步强化全科医生对所有门诊患者进行综合的病情和健康需求评估要求，可能会对识别非签约患者的综合健康需求，建立签约行为有一定促进作用。

3.3 门诊签约患者就诊频次的影响因素分析 签约患者的就诊频次，特别是与签约医生有关的互动行为，一定程度上真实反映了患者对家庭医生的信任度。本研究结果显示，年龄、诊断复杂程度、是否为特殊门诊慢性病患者、是否利用中医服务在签约患者中仍然是就诊频次的影响因素，而与签约的家庭医生相关的两个指标——患者主动预约到诊率和固定就诊率，也是就诊频次的影响因素。提示家庭医生诊疗行为之外的健康干预计划的供给和患者管理方式，也是改变患者就诊行为的重要因素，比如接受主动预约和到签约家庭医生处就诊的患者的就诊频次更集中于合理区间。陈奕君等［4］及钱雯［5］的研究均提示患者患慢性病情况、家庭医生服务知晓情况、费用水平及医保保障是其签约行为的影响因素，其他影响因素还包括年龄、诊疗水平、交流时间、服务内容、服务效果满意情况等；陈岑［6］针对286例患者的调查发现，签约患者后续未到基层就诊的主要影响因素是自身健康状况较好和没有去基层首诊的习惯。但以上研究均未提及签约后的患者就诊行为这一客观指标，本研究对其进行了弥补设计，可供其他地区参考。

3.4 影响因素指标可引导家庭医生识别服务供给差距本研究发现，由于新模式推广时间尚短，仍有一部分比例的签约患者尚未形成接受主动健康管理计划和到固定签约医生处接受服务的就医行为习惯。但医生门诊服务的签约患者大于1 200人时，会对患者的就诊频次产生影响。提示目前的服务内涵下，医生门诊服务的签约人群不超过1200人时，仍有空间可找到改进主动健康管理方式的机会；超过1 200人时，则需更多考虑对医生的支持措施，如增加医务助理和预约工具等。

影响因素中有些属于不可改变的因素，比如患者年龄，但可以提醒机构和家庭医生关注各年龄阶段的就诊需求特征。其他因素多属于可以改进的服务类因素，非常适合纳入机构对家庭医生签约服务绩效改进的引导指标中，如根据患者需求主动预约就诊计划、到固定家庭医生处就诊，以及管理深度因素，如疾病评估完整性等指标。欧伟麟［7］在广东省家庭医生绩效考核中提到“预约履约率”和“固定就诊率”属于家庭医生服务考核指标，但无法在该省通过信息化手段统计获得数据。本研究结果显示，武侯区可随时获取该类服务行为全量数据，从而及时帮助家庭医生识别健康管理的行为差距，提示基于顶层设计的基层医疗服务信息化建设对挖掘医疗服务大数据信息、提供管理决策依据有重要作用。

3.5 局限和不足 （1）大数据现状分析具有局限性，即只能提示相关关系，类似“事实判断”，回答“是什么”的问题，但无法回答因果关系，类似“价值判断”，回答“为什么”的问题［8-9］。但真实、综合地发现和判断“事实”，是下一步发现因果关系的重要基础。本研究集中在已有“行为”的“事实”数据分析，发现行为之间的相关关系，需在此基础上进一步回答“为什么”的研究设计。（2）本研究基于统计口径标准化的影响，在部分健康管理行为上未采集到以服务年为单位的连续性变量，比如患者连续签约年数等指标。同时本研究以签约服务实际可获取的行为数据表现为目标，未扩大患者在社区卫生服务机构之外的基层医疗卫生机构，比如诊所的就医行为数据，也缺少与社区、环境等大健康类指标的影响因素分析，可能导致部分影响因素缺失。

作者贡献：黄艳丽负责文章的构思与设计、研究的实施与可行性分析、数据收集与整理、结果的分析与解释、论文撰写与修订、文章的质量控制及审校，并对文章整体负责，监督管理；曹裴娅负责统计学处理、英文的修订。

本文无利益冲突。