基于熵权二维云的医院综合风险评估

■ 黄艳华 曾明平 何 萍 王杉珊 吴贤国 刘 荧

医院作为集医疗、教育、科研、预防为一体的综合场所，各项公共安全事件的发生会妨碍医院承担抗灾救治、医疗保障的重任，更严重地威胁百姓的生命财产安全。因此，明确医院的风险脆弱点，制定对应的应急预案，建立健全公共安全体系，综合提升医院管理水平与医疗质量，减小公共损失具有重要意义[1]。

现阶段，对医院风险脆弱点研究主要集中在定性研究阶段，如运用PDCA理论改进医院应急管理工作[2]，采用专家打分法对医院灾害脆弱性现状进行分析[3]，大部分综合评估文献主要集中在凯撒模型的运用[4-5]。从文献分析可知，现阶段对医院综合风险的分析大多依赖于专家的主观评分，少有智能评估方法的运用，指标内涵单一且独立性较强。

但医院风险脆弱体系中影响因素众多，各指标维度发散，因素间的关系存在不确定性、随机性和模糊性，单一的主观评价很难充分挖掘其内涵。笔者拟选用不确定数据处理领域中的二维云模型这一方法，结合熵权法，兼顾指标的随机性和模糊性，将定性指标与定量指标进行转化，对医院风险脆弱点进行综合评估，为后期医院运营与管理控制提供决策依据。

1 对象与方法

1.1 研究对象

以武汉市某大型综合三甲医院为研究对象，对其2019年度灾害脆弱风险进行综合评估。

1.2 研究方法

1．2．1 问卷调查法。将重要风险因素进行分组汇总，邀请院内风险脆弱性分析专家委员会成员、行政后勤及临床科室具有副高级及以上职称的专家，将问卷以纸质版或电子邮件的形式发至专家手中，2周内完成回执并统计结果。其中院内灾害脆弱性专家委员会共21位成员，从院内工龄超过30年且职称副高级以上、职位副科级以上的专家库中选拔，确保对医院历年来经受的灾害及其造成的后果有清晰的认识与评估，包括8位院领导，及医务处、保卫处、后勤保障部、信息中心、设备处、院感办、护理部、工会、药学部、检验科、输血科等十多个部门中专家代表共13名，71．43%从事双岗位，28．57%从事管理岗位。

1．2．2 熵权法。熵权法主要根据各指标的变异程度计算其信息熵确定指标熵权，修正指标权重[6]。

1．2．3 二维云模型。（1）云模型。云模型是李德毅院士1996年提出的一种定性与定量互换模型，主要刻画不确定性值和精确值间的随机性和模糊性及其之间的关系[7]。其数字特征主要用期望值Ex、熵En、超熵He来表示，计算如式（1），其中Cmax、Cmin分别为云模型区间的最大值与最小值。

已知q个不确定值xi(i=1，…，q)构成的样本，其云模型特征值按式（2）计算。其中Ex、En、He、S2分别为期望、熵、超熵和方差。

（2）二维云。二维云则是云模型在二维空间的拓展，由两个一维云合成，描述两个因素在相依性作用下的随机性与模糊性及其之间的关系。设服从二维正态分布的随机函数为N(Exx，Exy，Enx，Eny)，满足式（3）的云滴(xi，yi，μi)，(i=1，2，L，n)构成的云模型即为二维正态云模型。在Matlab中产生服从二维正态分布N(1，1，0．3，0．3)的云滴5000个，这些二维云滴构成如图1所示的二维云。

图1 二维正态云图

1.3 统计学方法

本文采用Excel 2013对数据进行录入，采用Visio 2013绘制框架图，基于Matlab算法绘制二维云图，在Origin8中绘制折线图。

2 结果

2.1 风险评估指标体系构建

经医院风险脆弱性分析专家委员会综合排查分析与文献调研，作者从自然风险、技术风险、人员伤害3方面对医院风险进行归纳[8]，作为一级指标，并基于实际工作与生活经验对每一指标进行细分，列出共涵盖19种二级指标（分别用C1-C19表示）的风险脆弱性分析指标体系[9]。

2.2 标准云模型构建

由于风险事件发生的概率和后果共同反映事故的风险等级，因此本文从风险发生的概率维度和后果维度对指标构建二维云模型。将各二级指标的风险等级、概率等级和后果等级，按专家打分空间[0，10]等分为五个区间，根据式（1）计算各等级二维云模型的数字特征，如表1所示。在Matlab中构建指标五个等级在二维空间的分布，称其为标准云图。

表1 风险等级区间数字特征

2.3 风险云模型构建

2．3．1 指标风险云模型评估。邀请院内专家对2019年院内风险脆弱性进行评分，采用十分制，精确到0．1，进行问卷收集。其中脆弱性分析专家委员会成员19人参加、行政后勤科室具有副高级以上职称人数45人及临床科室主任具有副高级以上职称人数48，共计112人。发放问卷112份，回收109份，有效问卷105份，有效回收率为93．75%。在Excel 2013中对问卷数据进行统计，则每个评价值即为该二维云模型的1个云滴，按式（2）分别计算二维风险云模型概率维度和后果维度的数字特征。为进一步评估一级指标的风险状态，基于问卷调查收集的数据和熵权法，计算各二级指标及以及指标的权重，将二级概率云和后果云与权重进行合成运算，可得一级指标云数字特征，如表2所示。

表2 各指标权重及云数字特征

在Matlab中生成指标的风险云图，将该云图与标准云图比较，即可从空间位置直观判断指标的风险等级。以自然风险类别下的地震、暴雨洪涝、高温、冰冻为例，从风险云图和标准云图的位置可知这4项自然灾害均处于等级II，当前对其进行常规管理即可。本院因地理位置与自然环境的优越，自然风险类因素发生概率较低，但一旦发生后果较为严重，需加强应急管理措施。

2．3．2 相似度度量风险等级。由于各风险因素的评价结果存在一定程度的相似性，部分指标难以从空间位置判断其风险等级。因此为更明显地度量指标因素的风险状态，本文以相似度概念[10]表示风险云与标准云之间的相近程度，以

计算，相近程度越大，表示实际风险等级与该风险云的等级状态越靠近。为简化图形，仅将相似度最大的等级列出，其余等级相似度设为0，将数据导入Origin8，则各二级指标的相似度如图2所示。

图2 各风险因素相似度

（1）4个指标（C6信息系统故障、C9电梯故障、C15患者院内伤害、C16重大医患纠纷）处于等级IV，处于较高风险状态，有极大概率发生，且其后果较为严重，需派专人协调处理此类因素。①信息系统故障： 主导部门信息中心，加强网络监管与巡查、备份数据库、细化应急预案、维修响应及时。②电梯故障： 主导部门后勤保障部，专人维检、专人疏导、有序搭乘、标识明显。③患者院内伤害： 主导部门护理部，整改制度流程、警示教育培训、改善科室环境、制定温馨提示卡。④重大医患纠纷： 主导部门医务处，加强沟通技巧，加强日常督查与培训，引入第三方调解。

（2）6个指标（C5院内火灾、C7电力故障、C8供排水故障、C11医用气体故障、C13医院感染暴发、C14输血不良事件）处于等级III，中等风险状态，需根据不同季节及情况采取相应的应急管理措施，尽可能避免其发生并减小损失；其余指标均处于等级II，较低风险状态，进行常规管理即可。

另经权重组合，该院综合风险云处于等级III，而自然风险类处于等级II、技术风险类和人员伤害类处于等级III，其发生的可能性较自然风险类更高，后果也较为严重。因此，需重点对技术风险因素与人员伤害因素进行改进，针对各项因素制定专项措施，进行人员培训，力争从主观失误角度减少其发生概率，同时在风险事件发生后，需立即启动应急预案，做到及时响应、有效处理。

3 结论

（1）查阅医院风险脆弱性评估小组基于凯撒模型的风险分析结果，信息系统故障（R=44．12%）、电梯故障（R=41．13%）、患者院内伤害（R=34．90%）和重大医患纠纷（R=34．74%）为2019年度院内风险最大的4个因素。对比信息中心、后勤保障部、医务处等主管部门相关记录，2019年度信息系统故障共发生17次累积46．1小时停机、桌面运维故障3288次，电梯故障包括死机、限位线故障、开关故障等共计42次，患者院内伤害共计36次，重大医患纠纷共计6次，该4个因素确为发生频繁且影响较大的4类因素。这一结果表明熵权二维云在医院风险事件评估中的适用性。

（2）本文采用熵权二维云综合评估法克服以往医院风险事件评估中的单一性与主观性，采用直观的评估和结果产出具有较强的新颖性。但是对指标的选取则沿用传统的评估指标体系，且较多依赖专家的评估值，后期研究中可进一步选择具有针对性的指标，引入定量指标与定性指标结合，从发生频率、造成损失、后期改进等方面进行全方位评估。