互联网医疗服务与质量安全评价的应用研究

徐彦杰 董恒磊 王伟平 肖 笛

天津医科大学肿瘤医院/国家肿瘤临床医学研究中心/天津市“肿瘤防治”重点实验室/天津市恶性肿瘤临床医学研究中心,天津 300060

在“健康中国2030”国家战略背景下,“互联网+医疗健康”快速发展并取得卓有成效的成果,已经成为公立医院高质量发展的重要组成部分。2018年,国家发布《关于印发互联网诊疗管理办法(试行)等3个文件的通知》,为互联网医院依法依规建设发展提供了清晰路径[1];2022年,国家印发《互联网诊疗监管细则(试行)》,为规范互联网医疗服务和保障互联网医疗质量与安全提供政策依据[2]。安徽等多地印发互联网诊疗监管实施办法,进一步加强了对互联网医疗服务与质量安全的监管与评价[3]。然而,互联网医疗属于新型服务模式,互联网医疗服务与质量安全面临着诸多风险和挑战,如何开展互联网医疗服务与质量安全评价成为医疗机构亟待解决的难题。本研究采用基于客观赋权法CRITIC的综合评价法TOPSIS和RSR模糊联合的评价方法,科学客观地对天津市某三级甲等医院2022年的互联网医疗服务与质量安全进行评价,发掘出互联网服务与医疗质量安全的薄弱环节和关键点。这将为医院管理部门提供科学决策,进而持续提升互联网医疗服务与质量安全管理水平。

1 资料和方法

1.1 资料来源

2021年1月,某院全面启动了互联网医疗服务试运行工作,其主要服务对象包括通过互联网健康咨询的人群和该院的复诊患者,提供的服务主要包括健康咨询、线上复诊以及药品邮寄等;2021年12月,临床科室陆续开通了在线医保结算功能,自此,该院的互联网医疗服务进入了常态化运行和管理的阶段[4]。研究资料来源于该院2022年1—12月的互联网医疗服务与质量安全管理报表,并收集服务医生人数(X1)、挂号人次(X2)、占线下门诊比例(X3)、接诊人次(X4)、接诊比例(X5)、医生未及时接诊导致退号所占比例(X6)、接诊未回复比例(X7)、满意度≤3星比例(X8)、风险病例比例(X9)等9项指标评价互联网医院2022年医疗服务与质量安全。

1.2 研究方法

1.2.1 CRITIC法

CRITIC法是通过计算评价指标的信息量来确定其权重的一种客观赋权法,评价指标的信息量越大,其权重越大,评价指标的信息量由指标相关系数和标准差确定[5-6]。

1)无量纲化处理

采用公式(1)对正向指标进行预处理:

(1)

采用公式(2)对负向指标进行预处理:

(2)

式中,xij为第i月第j项指标的取值,y为变换后的取值。

2)计算指标的信息量

(3)

3)计算指标的权重

(4)

式中,Wj表示第j个指标的客观权重,其越大表示该指标的重要性就越大。

1.2.2 TOPSIS法

TOPSIS法通过比较有限个数评价对象与理想化目标的接近程度来对其进行排序,可用于对现有对象进行相对优劣的评价,该方法是多目标决策分析中1种常用的有效方法[7]。

1)建立数据结构,并进行归一化处理

采用倒数法将数据同趋势化变换后,按照公式(5)进行归一化处理:

(5)

(6)

式中,Z表示经归一化后的n个评价对象m个评价指标的数据矩阵。

2)确定理想解向量Z+和负理想解向量Z-

(7)

(8)

3)计算各方案指标值与理想解向量和负理想解向量的距离

(9)

(10)

4)计算各方案与最优值的接近程度Ci

(11)

Ci越大,表明越接近最优水平。

1.2.3 RSR法

秩和比法(RSR)是一个无参数的统计量,能够综合多个评价指标的信息,反映评价对象的综合水平,此方法对资料无特殊要求,使用灵活简便[7]。秩和比法的主要步骤:

1)编秩

数据表有n行m列,高优指标从小到大排秩,低优指标从大到小排秩。

2)计算秩和比

当各评价指标的权重不同时,计算加权秩和比,根据公式:

(12)

式中,n为评价对象,m为评价指标,Wj为第j个评价指标的权重,Rij为第i行第j列的秩。

1.2.4 CRITIC-TOPSIS和CRITIC-RSR模糊联合

研究在CRITIC-TOPSIS法和CRITIC-RSR法计算的基础上,将2种方法模糊联合,运用fuzzy set理论,CRITIC-TOPSIS法的接近程度Ci与CRITIC-RSR法的RSRi比值分别取1∶0、0.1∶0.9、0.3∶0.7、0.5∶0.5、0.7∶0.3、0.9∶0.1、0∶1,计算数值并排序,依据最大隶属原则,从其分组中择多者选定特征集,得出更为客观的综合评价结果[8-9]。

1.3 统计学方法

研究利用Excel进行数据处理,基于客观赋权法CRITIC进行赋权,应用综合评价法TOPSIS和RSR模糊联合对2022年度12个月的互联网医疗服务与质量安全进行评价。

2 结果

2.1 基本情况

服务医生人数(X1)、挂号人次(X2)、占线下门诊比例(X3)、接诊人次(X4)、接诊比例(X5)为高优指标,主要反映该院互联网医院提供的医疗服务能力;医生未及时接诊导致退号所占比例(X6)、接诊未回复比例(X7)、满意度≤3星比例(X8)、风险病例比例(X9)为低优指标,主要反映该院互联网医院提供的医疗服务质量与安全的情况。

2.2 CRITIC赋权

进行无量纲处理后,得到新的评价矩阵Y。见表1。

通过公式(3)～(4)计算得到各指标的信息量及权重。见表2。

2.3 CRITIC-TOPSIS评价

根据决策矩阵得到理想解向量Z+和负理想解向量Z-:

Z+=(0.320,0.404,0.492,0.411,0.304,0.609,0.569,0.496,0.699)

Z-=(0.200,0.152,0.168,0.132,0.255,0.053,0.083,0.060,0.031)

CRITIC-TOPSIS法评价显示,2022年12月各指标值与理想解的相对接近度Ci值达到最大,为0.996,表明该方案最优;1月各指标值与理想解的相对接近度Ci值最小,为0.059,提示该方案最差。见表3。

表3 CRITIC-TOPSIS法评价互联网医疗服务与质量安全结果及排序

2.4 CRITIC-RSR评价

CRITIC-RSR法评价显示:2022年12月RSR值达到最高,为0.969,表明该方案最优;2月的RSR值最低,为0.176,表明该方案最差,见表4。与CRITIC-TOPSIS法相比,2种评价方法结果有一定差异,1月和2月的评价排序出现波动,位次互换。

表4 CRITIC-RSR法评价互联网医院医疗服务与质量安全评价排序

2.5 CRITIC-TOPSIS和CRITIC-RSR法模糊联合评价

应用CRITIC-TOPSIS和CRITIC-RSR模糊联合对互联网医疗服务与质量安全进行评价,结果显示整体上互联网医疗服务与质量安全呈现逐月提高的趋势,2022年的评价排名中,12月、11月和10月位列前3位,2月、1月和3月则位列后3位。见表5。

表5 TOPSIS法和RSR法模糊联合的医院互联网医疗服务与质量安全评价结果及排序

3 讨论

3.1 互联网医疗服务与质量安全评价指标赋权

2022年,该院的互联网医疗服务得到了快速发展,与此同时,互联网医疗质量安全管理也在持续加强。本文基于互联网医疗管理实践探索,选取服务医生人数等指标评价2022年12个月的医疗服务与质量安全的变化趋势。客观赋权CRITIC法显示,9项评价指标权重在7%～15%之间,说明评价指标均具有较好的代表性,但也存在差异;其中风险病例比例权重最高,为14.25%,接诊人次和挂号人次权重较低,分别为7.48%和8.17%;分析认为互联网医疗服务是基于互联网的非接触式医疗服务,医生无法对患者进行面对面的评估,存在一定的医疗风险,因此风险病例比例这项指标权重较高;接诊人次和挂号人次这2项指标权重偏低,主要原因是接诊人次和挂号人次均反映医疗服务数量,具有较高的相关性,但两者反映不同维度,挂号人次从患者角度反应医疗需求,接诊人次反应医生在规定时间内接诊情况,互联网医疗服务多为非实时接诊,医生接诊情况是一项重要管理指标,因此两者均纳入评价。多项指标评价时,CRITIC法的优势得到充分体现,既反映指标的离散程度,又反映指标间的冲突性,能够更加客观有效地进行赋权。

3.2 互联网医疗服务与质量安全稳步提升

应用CRITIC-TOPSIS法和CRITIC-RSR法模糊联合对互联网医疗服务与质量安全进行了评价,整体上互联网医院医疗服务与质量安全呈现逐月提高的趋势,这主要归因于医院全面加强了互联网医院管理,构建互联网医疗服务与质量安全管理体系,包括定期开展培训考核、监测质控指标、印发质量安全报告、排查风险病例、定期进行反馈等措施;其中2022年2月出现波动,主要原因是春节期间,互联网医疗服务供需不平衡、物流配送不及时等情况,对医疗服务和质量安全有不同程度的影响。

3.3 客观赋权的多目标综合评价方法的优势

与传统主观的评价方法相比,CRITIC法的优势在于其是一种客观赋权的方法,能够很好地处理问题的复杂性;在多目标综合决策分析中,TOPSIS法和RSR法是被广泛使用的2种评价方法,TOPSIS法易受离散程度极大值的影响,常不能全面、客观地反映指标的作用;RSR法在非参数转化中,易造成信息损失的现象。将CRITIC-TOPSIS法和CRITIC-RSR与模糊联合法结合应用,能够弥补单独使用的不足[10-12]。