摘要：衛(wèi)生人力具有復(fù)雜性、時(shí)變性的特征，基于人工神經(jīng)網(wǎng)絡(luò)模型的方法，經(jīng)過(guò)文獻(xiàn)評(píng)閱分析及專(zhuān)家小組討論，通過(guò)指標(biāo)篩選，確立了一套合理、有效的測(cè)算衛(wèi)生人力需求量的指標(biāo)體系。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)模型；衛(wèi)生人力；人力資源測(cè)算

衛(wèi)生人力是指經(jīng)過(guò)專(zhuān)業(yè)培訓(xùn)、在衛(wèi)生系統(tǒng)工作、提供衛(wèi)生服務(wù)的人員，包括直接從事醫(yī)療、衛(wèi)生、保健服務(wù)的衛(wèi)生技術(shù)人員以及管理、工勤等其他人員。由于衛(wèi)生系統(tǒng)本身具有復(fù)雜性和時(shí)變性的雙重特性，因此衛(wèi)生人力受許多因素影響，如人口、經(jīng)濟(jì)、社會(huì)與文化、資源利用效率、健康狀況等等，而且多個(gè)因素間相互作用、相互影響。

我國(guó)的衛(wèi)生事業(yè)雖然取得了很大的發(fā)展，但卻存在明顯的衛(wèi)生人力資源失衡現(xiàn)象，突出表現(xiàn)在：衛(wèi)生人員總量過(guò)剩、人員地區(qū)分布不均衡尤其是城鄉(xiāng)差距較大、衛(wèi)生人員總體素質(zhì)不高。因而迫切需要加強(qiáng)衛(wèi)生人力預(yù)測(cè)研究，使其更合理地從數(shù)量上、質(zhì)量上和分布上調(diào)整現(xiàn)有存量、優(yōu)化增量，以推動(dòng)整個(gè)衛(wèi)生事業(yè)的發(fā)展進(jìn)程[1，2]。

人工神經(jīng)網(wǎng)絡(luò)作為一種綜合信息處理和模擬技術(shù)，其特有的非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)方法的局限性，而且還具有學(xué)習(xí)預(yù)測(cè)精度高、容錯(cuò)能力強(qiáng)和預(yù)測(cè)速度快的特點(diǎn)[3]。本研究基于人工神經(jīng)網(wǎng)絡(luò)方法，構(gòu)建出一套合理、有效的測(cè)算衛(wèi)生人力需求量的指標(biāo)體系。

1人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

人工神經(jīng)網(wǎng)絡(luò)基本組成單位是神經(jīng)元（節(jié)點(diǎn)），神經(jīng)元之間按一定的方式相互連接，構(gòu)成神經(jīng)網(wǎng)絡(luò)系統(tǒng)，可以通過(guò)預(yù)先提供的一批相互對(duì)應(yīng)的輸入--輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來(lái)推算輸出結(jié)果[4，5]。

迄今為止，已有多種人工神經(jīng)網(wǎng)絡(luò)模型被開(kāi)發(fā)和應(yīng)用。本文應(yīng)用較為成熟的誤差反向傳播學(xué)習(xí)算法人工神經(jīng)網(wǎng)絡(luò)（BP-ANN）。BP神經(jīng)網(wǎng)絡(luò)從模擬生物的神經(jīng)網(wǎng)絡(luò)出發(fā)[6]，其最基本的結(jié)構(gòu)是3層前饋網(wǎng)絡(luò)，即輸入層、隱含層、輸出層（見(jiàn)圖1），層與層之間多采用全互連方式，同一層單元間不存在相互連接。

圖1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP網(wǎng)絡(luò)模型的應(yīng)用過(guò)程包括訓(xùn)練和預(yù)測(cè)兩個(gè)過(guò)程。訓(xùn)練時(shí)，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層。如果輸出層得不到期望的輸出，則將誤差信號(hào)沿原來(lái)的連接通道返回，通過(guò)修改各層神經(jīng)元的連接權(quán)值，使得誤差最小。網(wǎng)絡(luò)重復(fù)以上過(guò)程進(jìn)行迭代計(jì)算，直至收斂，由此構(gòu)成了非線性映射模型，掌握了隱含在樣本內(nèi)部各元素間的特殊關(guān)系[7]。經(jīng)訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)不僅對(duì)擬合過(guò)的樣本有效，而且對(duì)未經(jīng)擬合的樣本也可以較準(zhǔn)確地預(yù)測(cè)。人工神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的信息儲(chǔ)存方式、良好的容錯(cuò)性、大規(guī)模的非線性并行處理方式[8]以及強(qiáng)大的自組織自擬合和自適應(yīng)能力，已應(yīng)用于信號(hào)處理、模式識(shí)別、綜合評(píng)價(jià)、預(yù)測(cè)分析等領(lǐng)域。

2指標(biāo)篩選

本文的研究對(duì)象是衛(wèi)生人力的數(shù)量。人工神經(jīng)網(wǎng)絡(luò)要求選擇那些影響輸出的主要因素作為輸入層，選定的輸入變量數(shù)必須足夠且具有代表性[9，10]，基于這一點(diǎn)，經(jīng)過(guò)文獻(xiàn)評(píng)閱分析及專(zhuān)家小組討論，本研究對(duì)于輸入變量，即測(cè)算指標(biāo)的選擇主要從以下幾方面進(jìn)行：

2.1人口數(shù)量變化 人口數(shù)量的變化是影響衛(wèi)生人力需求量的最重要的因素。人口的增減會(huì)引起衛(wèi)生服務(wù)需求量的增減，從而引起衛(wèi)生人力需求量的波動(dòng)。對(duì)應(yīng)的變量選擇了總?cè)丝跀?shù)、就診人次數(shù)、住院人次數(shù)。

2.2經(jīng)濟(jì)發(fā)展水平 隨著社會(huì)經(jīng)濟(jì)迅猛發(fā)展，居民的生活水平不斷提高，人們對(duì)生活質(zhì)量要求也逐步提高，而健康是衡量生活質(zhì)量的重要指標(biāo)之一，所以隨著居民對(duì)健康意識(shí)的增強(qiáng)，衛(wèi)生服務(wù)需求量將會(huì)加大，衛(wèi)生人力的需求量也隨之增加[11，12]。對(duì)應(yīng)的變量選擇了衛(wèi)生總費(fèi)用、人均衛(wèi)生費(fèi)用、人均國(guó)民生產(chǎn)總值。

2.3醫(yī)院發(fā)展規(guī)模 醫(yī)院規(guī)模直接影響整個(gè)衛(wèi)生人力需求量和衛(wèi)生人力內(nèi)部構(gòu)成。醫(yī)院規(guī)模的大小通常是以病床數(shù)來(lái)衡量的，而病床數(shù)又是人員編配的重要標(biāo)準(zhǔn)[13]。對(duì)應(yīng)的變量選擇了醫(yī)院機(jī)構(gòu)數(shù)、總床位數(shù)。

2.4衛(wèi)生人力供給 每年都有大量的醫(yī)學(xué)生走向工作崗位，為醫(yī)療系統(tǒng)注入新的血液。對(duì)應(yīng)的變量選擇了高等醫(yī)學(xué)院校畢業(yè)生數(shù)、中等醫(yī)學(xué)院校畢業(yè)生數(shù)[14]。

3結(jié)果與討論

得到衛(wèi)生人力的測(cè)算指標(biāo)包括總?cè)丝跀?shù)（萬(wàn)人）、就診人次數(shù)（億次）、住院人次數(shù)（萬(wàn)人）、衛(wèi)生總費(fèi)用（億元）、人均衛(wèi)生費(fèi)用（元）、人均國(guó)民生產(chǎn)總值（元）、醫(yī)院機(jī)構(gòu)數(shù)、總床位數(shù)（萬(wàn)張）、高等醫(yī)學(xué)院校畢業(yè)生數(shù)、中等醫(yī)學(xué)院校畢業(yè)生數(shù)10項(xiàng)指標(biāo)。鑒于年鑒收錄自國(guó)家及各省市地方統(tǒng)計(jì)局的歷年統(tǒng)計(jì)資料，具有資料翔實(shí)，信息密集的特點(diǎn)，所有數(shù)據(jù)均從統(tǒng)計(jì)年鑒中獲取，按照年份順序進(jìn)行整理，過(guò)濾缺失的數(shù)據(jù)，建立起從1990～2008年的有關(guān)衛(wèi)生人力資源的數(shù)據(jù)庫(kù)。

參考文獻(xiàn)：

[1]薛婭，高歌，沈月平.常州市衛(wèi)生人力需要量統(tǒng)計(jì)預(yù)測(cè)研究[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2007，24（3）：287.

[2]Francis Omaswa. Human resources for global health： time for action is now[J].The Lancet.2008，371：625.

[3]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京：高等教育出版社，2002.

[4]任宏，姜慶五.人工神經(jīng)網(wǎng)絡(luò)及其在預(yù)防醫(yī)學(xué)領(lǐng)域的應(yīng)用[J].上海預(yù)防醫(yī)學(xué)，2003，15（1）：22.

[5]黎衍云，李銳，張勝年.人工神經(jīng)網(wǎng)絡(luò)及其在疾病篩查中的應(yīng)用前景[J].環(huán)境與職業(yè)醫(yī)學(xué)，2006，23（1）：71.

[6]錢(qián)玲，施侶元，程茂金.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)糖尿病/糖耐量異常[J].中國(guó)公共衛(wèi)生，2003，19（10）：1272.

[7]Qian AI，Shrestha GB.An ANN based load model for fast transient stability calculations[J].Elec Power Syst Res，2006，76：217.

[8]RiccardoB，DarioG，LauroC，et1a.Artifcilaneura1.networks and robust Bayesian classfiers for risk stratification following uncomplicated myocardial infarction[J].Int J Cardiol，2005，101：481.

[9]薛婭，高歌. 衛(wèi)生人力需求量預(yù)測(cè)研究綜述[J].上海預(yù)防醫(yī)學(xué)雜志，2005，17（12）：589.

[10]鐘珞，饒文碧，鄒承明.人工神經(jīng)網(wǎng)絡(luò)及其融合應(yīng)用技術(shù)[M].北京：科學(xué)出版社，2007：12.

[11]陳力凌.江蘇省衛(wèi)生人力資源現(xiàn)狀及需要量預(yù)測(cè)研究[D].碩士學(xué)位論文，2006：23.

[12]左延莉.廣西衛(wèi)生人力資源配置現(xiàn)狀與預(yù)測(cè)研究[D].碩士學(xué)位論文，2002：12.

[13]董恒進(jìn)，曹建文.醫(yī)院管理學(xué)[M].上海：復(fù)旦大學(xué)出版社，2006：34.

[14]程曉明，羅五金.衛(wèi)生經(jīng)濟(jì)學(xué)[M].北京：人民衛(wèi)生出版社，2003：172.

編輯/申磊