李 滔 陳山泉 籍文雪 王 珺 陳詩亮 柯賢軍 方鵬騫 劉智勇

1衛(wèi)生部衛(wèi)生發(fā)展研究中心，北京，100191；2華中科技大學同濟醫(yī)學院醫(yī)藥衛(wèi)生管理學院，武漢，430030；3武漢市衛(wèi)生和計劃生育委員會，武漢，430014

機構、床位、人員是反映醫(yī)療資源的主要指標，床位作為為患者提供醫(yī)療衛(wèi)生服務的物質基礎，是連接機構和人員的關鍵，是反映醫(yī)療服務提供能力的核心指標[1]。床位的配置直接影響醫(yī)院的運營和功能的實現，影響居民對醫(yī)療服務的利用。近年來，受經濟發(fā)展、衛(wèi)生改革、居民健康素質提高等因素的影響，居民對床位的需求每年都有較大的變化。床位需要量影響因素眾多且復雜，如何在保證精度的同時快速的測算出床位需要量，對于合理配置、調控衛(wèi)生資源有著重要作用。目前對床位的預測方法很多，如世界衛(wèi)生組織推薦的4種方法、多元線性回歸法、趨勢外推法、時間序列法、神經網絡模型法等[2-4]?？傮w而言可以歸為兩類，以數據的趨勢變化為基礎的測算和以患者的需求為基礎的測算。不同的方法角度、條件各異，測算出來的結果有較大差異，因此僅僅使用單一的方法進行床位數測算，所得結果往往和實際情況有偏差。本文以武漢市為例，采用不同方法對床位數進行預測，并比較不同方法的預測效果，同時結合供需平衡的原則，為該市的床位調控提供意見。

1 資料來源與方法

1.1 資料來源

武漢市床位總數主要來自2006-2013年武漢市衛(wèi)生統(tǒng)計年鑒及武漢市各級各類醫(yī)院衛(wèi)生統(tǒng)計報表。住院天數、應住院而未住院率來自湖北省第三、第四、第五次全國衛(wèi)生服務調查數據。常住人數數據來自武漢市統(tǒng)計信息網。

1.2 研究方法

運用以趨勢及需求為導向兩種預測方法，對武漢市床位數進行預測。數據處理所用軟件為R，所使用程序包為forecast(ETS模型和holt模型)，以及自編程序(GM(1,1)模型)。

1.2.1 以趨勢為導向的預測。包括指數平滑法(Holt-Winters法或Holt模型)、ETS模型、灰色系統(tǒng)模型(GM(1,1)模型)以及以發(fā)展速度為基礎的測算[1，5-10]。

1.2.2 以需求為導向的預測。目前常用的方法有衛(wèi)生服務需要法和供需平衡法，本研究僅采用供需平衡法進行測算，并與以發(fā)展趨勢測算的結果進行比較。

1.2.3 供需平衡狀態(tài)的判斷標準。平衡狀態(tài)的計算是用實際床位數/實際需要的床位數。該比值越接近1，表明供需平衡狀況越好，否則越差。通常可將評價標準定為三級：供需比為1±0.05，為供需平衡；1±0.05<供需比<1±0.15時，為供需基本平衡；供需比>1±0.15，則為供需不平衡。比值<1-0.15者為床位短缺，比值>1+0.15者為床位過剩。

2 結果

2.1 武漢市歷年床位數及環(huán)比增長速度變化情況

近年武漢床位總數的增長大致可分為3個階段(圖1)：①1992-1996年，增長速度逐漸放緩，與計劃體制下的醫(yī)療資源短缺有關；②1997-2001年，正在進行社會調整，床位資源幾乎沒有增加；③2002-2012年，床位數逐漸增加，這也是武漢經濟社會迅速發(fā)展的時期?？紤]到武漢今后經濟發(fā)展速度、城市化進程、衛(wèi)生事業(yè)發(fā)展情況、人民群眾的健康水平、現代疾病譜變化以及人口老齡化發(fā)展等因素，按照第三階段推算床位發(fā)展速度較為適宜。

2002-2012年間武漢市床位數的平均增長速度為5.93%，但是由圖1可知，武漢近幾年來床位數環(huán)比增長速度波動較大，單純以環(huán)比增長速度進行預測缺乏說服力。因此本研究選用多種預測模型，把歷史統(tǒng)計數據和客觀實際資料作為預測的依據，作出變化程度在數量上的準確描述。

圖11992-2012年武漢市床位數及環(huán)比增長速度變化情況

2.2 以趨勢為導向的武漢市床位數變化情況測算

2.2.1 不同測算模型下床位數變化情況。由圖2可知，2013-2020年預測床位數，holt模型、ETS模型和GM(1,1)模型預測結果比較接近，都有逐漸增長的趨勢。而以發(fā)展速度進行預測的結果明顯大于其他3種模型所預測的結果，特別是后期增長趨勢明顯大于其他3種模型。為了便于后續(xù)結果的分析，以2013年武漢市實際床位數為基礎對各個模型的預測精準度進行描述。

圖2不同模型測算的武漢市床位數變化對比圖

2.2.2 不同測算模型的精度對比。由表1可知，對于武漢市2013年床位數，發(fā)展速度模型預測精準度較好，GM(1，1)模型次之，但是兩者差別不大。然而發(fā)展速度模型后期預測床位數增長過于迅速，與實際情況不符。我國居民的住院需求在醫(yī)療保障體制逐步完善后得到了一定的釋放，但是這種增長也是有一定限度的，必然會出現一個平臺期，不會無限制地增長[11]。在所選模型中，以GM(1，1)模型預測結果較為理想。但是以GM(1,1)模型進行預測，僅僅考慮了往年床位數據的特點，往年的床位配置是否合理，是否滿足患者的需求等因素未能考慮在內[1，10]。因此還需要結合患者實際需求進行討論，以評價未來衛(wèi)生資源的供需平衡狀態(tài)。

表1 以2013年數據為基礎的實際值與預測值對比表

2.3 以需求為導向的武漢市床位數變化情況測算

用供需平衡法對武漢市的床位數變化情況測算，需要該市的常住人口數、年住院率、平均住院天數和標準床位利用率[5]。因可利用數據不是每年都有，因此只能對2015年和2020年的床位數進行預測。

武漢市常住人數預測情況如圖3所示。近幾年武漢處于快速發(fā)展狀態(tài)，常住人口數量也在快速增長。根據其他城市的經驗，這種增長并非不受限制的，因此以發(fā)展速度測算的結果后期增長過快，明顯不合實際情況。ETS模型和holt模型結果較接近，ETS模型后期人口增長速度逐漸緩慢，但是2013年卻有一個跳躍式增長，以至2013-2016預測人口高于holt模型，因此綜合考慮，武漢市常住人口數以holt模型預測結果為主。

住院率則可由近幾年湖北省衛(wèi)生服務調查數據預測(2015年為12.2%，2020年為14.4%,預測方法不再贅述)。此外還需要考慮潛在住院需求的轉化問題，否則將會影響預測的準確程度。應住院而未住院率也可由近幾年湖北省衛(wèi)生服務調查數據預測(2015年為13.57%，2020年為9.54%)。將潛在需求轉化率按5%、10%、15%、20%4個檔次來測算最終的住院率(預測住院率+應住院而未住院率* 潛在住院需求的轉化率)。

平均住院天數也可由近幾年湖北省衛(wèi)生服務調查資料為基礎進行測算(2015年為12.32天，2020年為11.85天)。

圖3不同模型測算的武漢市常住人數變化對比圖

此外，按供需平衡法配置床位需要還應確定標準床位利用率，根據文獻研究標準床位利用率可以選擇按60%、70%、80%、90%4個檔次進行測算，以考慮靈敏度的變化與影響，預測結果見表2。

表2 以需求為導向的武漢市2015年和2020年床位數量預測

由結果可知，以現有趨勢發(fā)展，在標準床位利用較低的情況下，預測無論是到2015年還是2020年，武漢的住院床位都將處于短缺狀態(tài)；而在標準床位利用較高的情況下，2020年住院床位將處于過剩的狀態(tài)。見表3。

表3 2015年和2020年床位供需平衡靈敏度分析*

注：*平衡狀態(tài)的計算是用GM(1，1)模型預測的床位數/供需平衡法預測的床位數。

3 討論

3.1 按現有趨勢發(fā)展測算，武漢市2020年醫(yī)院床位數可能處于過剩狀態(tài)

測算通過多種模型以及從不同角度對武漢市的床位數進行預測，對比得出以床位數變化趨勢為基礎的預測，即GM(1,1)模型預測結果較為理想(表1)，通過與由供需平衡法測算的結果進行比較，在標準床位利用較低的情況下，無論是2015年還是2020年，武漢的住院床位都將處于短缺狀態(tài)(表3)；而在標準床位利用較高的情況下，到2020年，住院床位將處于過剩的狀態(tài)(表3)。

然而，假若患病需要住院治療，就應給予配置相應的床位，而沒有考慮患者由于支付能力、時間等各種原因應住院而未住院的情況，故以供需平衡法測算的結果比居民的實際需求數要高，有可能導致床位資源的閑置[4]。因此綜合考慮，截至2015年，住院床位處于基本平衡狀態(tài)的可能性較大，而2020年，住院床位處于過剩狀態(tài)的可能性較大。

3.2 按國際標準預測，武漢市2020年醫(yī)院床位數仍可能處于過剩狀態(tài)

2008年，世界銀行按照人均國民總收入將世界各國分為4類，即低收入國家、中等偏下收入國家、中等偏上收入國家和高收入國家，劃分標準分別為975美元以下、976至3855美元、3856至11905美元及11906美元以上。將中等發(fā)達國家的人均國民收入和萬人口床位數分組進行分析，并綜合考核社會制度，籌資模式以及老年化等因素，可以認為2020年達到世界中等發(fā)達國家水平時，武漢市的醫(yī)療資源水平應該與目前東歐的中等發(fā)達國家相似，年每萬人口床位數在60張左右是合適的。以此標準計算2020年武漢市所需床位大概需要72359張，但是以現有床位發(fā)展趨勢推算2020年武漢市所擁有實際床位為86787張(圖2)，因此再次證明以現有趨勢發(fā)展，2020年武漢市床位供需狀況處于過剩狀態(tài)的可能。

3.3 武漢市2020年醫(yī)院床位數處于過剩狀態(tài)的結論具有一定的穩(wěn)定性

與以往研究比較，本研究的不足是并沒有考慮不同年齡人群，不同醫(yī)院級別等因素的影響，僅僅是從整體上對數據進行預測，然而通過模型預測精準度比較，最終所選用的GM(1,1)模型預測結果較為理想。雖然以需求為基礎的預測僅僅選用了供需平衡法，然而通過放寬不同檔次的潛在住院需求的轉化率和標準床位利用率，所得結果較為穩(wěn)定(表3)。

綜上所述，武漢市床位總數以現有趨勢發(fā)展，截至2015年基本可處于供需平衡狀態(tài)，但是需警惕潛在床位使用率過低帶來的床位短缺問題。預測截至2020年很可能處于供需不平衡狀態(tài)，而且處于供需過剩的可能性較大，因此在2015-2020年需要控制床位數量的發(fā)展趨勢。

[1]吳愛平，陳錦華，黃琳. 灰色模型預測福建省2015年衛(wèi)生床位數分析[J]. 西南國防醫(yī)藥，2010(5):551-552.

[2]程佳，王穎，周良，等. 基于需要和需求理論的我國醫(yī)院床位配置合理性探討[J]. 醫(yī)學與社會，2013，26(6):35-38.

[3]陳春，王穎，周良，等. 引入虛擬變量的我國醫(yī)院床位配置變化與政策影響作用分析[J]. 醫(yī)學與社會，2013，26(1):1-4.

[4]吳國安，雷海潮，楊炳生，等. 衛(wèi)生資源配置標準研究的方法學評述[J]. 中國衛(wèi)生資源，2001(6):271-274.

[5]Hyndman R J，Koehler A B，Ord J K，et al. Forecasting with exponential smoothing: the state space approach[M]. New York: Springer-Verlag，2008.

[6]Hyndman R J，Koehler A B，Snyder R D，et al. A state space framework for automatic forecasting using exponential smoothing methods[J]. Intnational Journal of Forecasting，2002,18(3):439-454.

[7]Sposato D P，Spinner A H. Forecasting by a modified exponential smoothing method[J]. Health Serv Res，1970,5(2):141-147.

[8]Hyndman R J，Akram M，Archibald B C. The admissible parameter space for exponential smoothing models[J]. Annals of the Institute of Statistical Mathematics，2008,60(2):407-426.

[9]王俊，昌忠澤，劉宏. 中國居民衛(wèi)生醫(yī)療需求行為研究[J]. 經濟研究，2008(07):105-117.

[10]鐘永，鐘晨煜，胡慧婷，等. 灰色預測在新建醫(yī)院開放床位數預測中的應用[J]. 中國衛(wèi)生產業(yè)，2013(26):34-35.