陸心怡，張潤彤，朱曉敏

1 北京交通大學 經(jīng)濟管理學院，北京 100044 2 北京交通大學 機械與電子控制工程學院，北京 100044

患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系研究

陸心怡1，張潤彤1，朱曉敏2

1 北京交通大學 經(jīng)濟管理學院，北京 100044 2 北京交通大學 機械與電子控制工程學院，北京 100044

中國正積極推動分級診療制度，實現(xiàn)患者的基層首診和雙向轉(zhuǎn)診，對基層醫(yī)療衛(wèi)生機構(gòu)的就診率提出到2017年超過65%的新要求。然而，近10年來，基層醫(yī)療衛(wèi)生機構(gòu)就診率總體處于下降的趨勢，表明距離分級診療目標的差距依然存在且逐年增大。

為了有針對性地研究不同醫(yī)療衛(wèi)生機構(gòu)的就診率影響因素，以更有效地開展分級診療制度，以中國醫(yī)療衛(wèi)生機構(gòu)作為研究對象，針對醫(yī)療衛(wèi)生機構(gòu)的門診部門進行研究，定義患者偏好系數(shù)為偏好醫(yī)院就醫(yī)的患者人次占患者總?cè)舜蔚谋壤?。基于醫(yī)療衛(wèi)生機構(gòu)資源配置的限制，患者并不一定最終選擇其所偏好的醫(yī)療衛(wèi)生機構(gòu)就診。關于患者偏好系數(shù)和醫(yī)療衛(wèi)生機構(gòu)的就診率提出假設，并基于馬爾可夫過程對患者就醫(yī)選擇過程進行分析，得到理想狀態(tài)下(即不考慮資源約束和患者偏好)醫(yī)療衛(wèi)生機構(gòu)就診率的平穩(wěn)狀態(tài)。采用Anylogic仿真軟件對中國國內(nèi)不同患者偏好系數(shù)下的過程進行仿真模擬，在此基礎上構(gòu)建與患者偏好系數(shù)相關的醫(yī)療衛(wèi)生機構(gòu)就診率的數(shù)學模型。

研究結(jié)果表明，患者偏好系數(shù)與就診率之間的關系受到資源的約束，當基層醫(yī)療衛(wèi)生機構(gòu)資源不足時，患者偏好系數(shù)存在一個臨界值，患者偏好系數(shù)等于該臨界值時，基層醫(yī)療衛(wèi)生機構(gòu)資源達到飽和，當患者偏好系數(shù)低于此臨界值，基層醫(yī)療衛(wèi)生機構(gòu)就診率不再發(fā)生變化，但醫(yī)院就診率也不再降低，反而保持在穩(wěn)定水平。當醫(yī)院資源達到飽和時也是同樣的情況。在仿真基礎上從定量角度進一步描述患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率之間的關系，通過仿真結(jié)果分析患者流擁堵嚴重的位置。

從患者就醫(yī)選擇的偏好角度出發(fā)，與醫(yī)療衛(wèi)生機構(gòu)就診率構(gòu)建關系，以患者需求反推醫(yī)療衛(wèi)生機構(gòu)的改進措施，提出人才培養(yǎng)與吸引、設備投入、醫(yī)患關系和試點研究4個方面的建議，對提高基層醫(yī)療衛(wèi)生機構(gòu)就診率進而實現(xiàn)分級診療的目標以及進一步開展相關研究具有積極意義。

患者偏好系數(shù)；就診率；分級診療制度；馬爾可夫過程；仿真

引言

2015年國務院辦公廳在《關于推進分級診療制度建設的指導意見》中關于分級診療對就診率提出新目標，要求到2017年基層醫(yī)療衛(wèi)生機構(gòu)就診率超過65%。提高基層醫(yī)療衛(wèi)生機構(gòu)就診率的主要目標是解決“看病貴、看病難”的問題，促進患者的分流，減輕醫(yī)院負擔，形成科學合理的就醫(yī)秩序，切實促進基本醫(yī)療衛(wèi)生服務的公平可及。本研究以醫(yī)療衛(wèi)生機構(gòu)的就診率為研究對象，以期為提高基層醫(yī)療衛(wèi)生機構(gòu)就診率給出措施和建議。

基于分級診療的目標，本研究以醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)為研究對象，這兩類醫(yī)療衛(wèi)生機構(gòu)是目前中國居民就診的主要方向，因此文中所提醫(yī)療衛(wèi)生機構(gòu)均為醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的總稱。醫(yī)院包括綜合醫(yī)院、中醫(yī)醫(yī)院、中西醫(yī)結(jié)合醫(yī)院、民族醫(yī)院、?？漆t(yī)院和護理院，基層醫(yī)療衛(wèi)生機構(gòu)包括社區(qū)衛(wèi)生服務中心、衛(wèi)生院、門診部和護理站。患者對醫(yī)療衛(wèi)生機構(gòu)的選擇存在偏好，一般情況下，如果排除各方面因素對選擇的影響，患者喜歡選擇醫(yī)院就診，但本研究中的患者偏好產(chǎn)生在綜合考慮能夠提前預知的各因素之后，患者偏好的變化將直接影響其對于醫(yī)療衛(wèi)生機構(gòu)的選擇，進而影響醫(yī)療衛(wèi)生機構(gòu)的就診率。

本研究針對門診部門展開研究，探討中國背景下患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系，結(jié)合馬爾可夫過程的特點重點分析患者就醫(yī)選擇的狀態(tài)變化，并采用Anylogic對此過程仿真模擬，在此基礎上定性分析患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系，進一步轉(zhuǎn)化為定量的數(shù)學關系，并提出建議以實現(xiàn)提高基層醫(yī)療衛(wèi)生機構(gòu)就診率的目標。

1 相關研究評述

BROWN et al.[1]研究新西蘭以私立醫(yī)院減輕公立醫(yī)院負擔的可行性。新西蘭的醫(yī)療以公立醫(yī)院為主，為患者負擔全部費用，但是公立醫(yī)院資源有限，其擁堵情況也一直困擾著新西蘭的醫(yī)療。該研究表明，影響患者選擇公立或者私立醫(yī)院的因素有等待手術時間、手術前與醫(yī)生的交流程度、術后的并發(fā)癥、術前以及術后的護理、支付方式(現(xiàn)金支付或私人健康保險)等，在這些方面將公立醫(yī)院與私立醫(yī)院進行對比并進行實證分析，論證以私立醫(yī)院減輕公立醫(yī)院負擔的可行性。中國推行分級診療的原理與之有異曲同工之妙，以基層醫(yī)療衛(wèi)生機構(gòu)減輕醫(yī)院的負擔，并且達到資源利用率的最大化，而患者選擇醫(yī)療衛(wèi)生機構(gòu)就醫(yī)也是多方面因素共同作用的結(jié)果，AL-DOGHAITHER et al.[2]就沙特阿拉伯利雅得地區(qū)患者選擇醫(yī)療衛(wèi)生機構(gòu)的影響因素展開研究，其研究對象與BROWN et al.[1]相似，同樣是在公立醫(yī)院與私立醫(yī)院間進行選擇，他們認為醫(yī)療衛(wèi)生機構(gòu)需要根據(jù)患者和潛在患者的選擇傾向確定服務屬性。與之相似，還有許多專家學者針對影響患者就醫(yī)選擇的影響因素展開研究，綜合多項研究結(jié)果，影響患者就醫(yī)選擇的相關因素涉及設備條件[2]、手術水平[3]、醫(yī)護人員服務態(tài)度[4]、醫(yī)院病房的特點[5]、護理透明度[6]、距離遠近[7]、他人的推薦[8]、等待時間[9]、護理連續(xù)性[10]、口碑[11]、醫(yī)生的資格[12]、就診環(huán)境[13]、醫(yī)療時間成本[14]、醫(yī)院的級別[15]、醫(yī)德醫(yī)風[16]、護理質(zhì)量[17]等。患者對醫(yī)療衛(wèi)生機構(gòu)的偏好產(chǎn)生在綜合考慮這些因素之后，而不是僅憑借最直觀的主觀感受進行選擇。

關于醫(yī)療衛(wèi)生機構(gòu)就診率，國內(nèi)外學者都從不同角度進行過相關研究，而急診病房是主要的研究對象。MCDONALD et al.[18]針對急診病房心房纖維性顫動住院率進行研究，認為通過提高就診效率來保證患者流的通暢，從而保持穩(wěn)定甚至能夠降低住院率，而住院率進一步影響就診率。HSIA et al.[19]和HERRING et al.[20]都對加利福尼亞州急診病房的就診率變化情況展開研究，發(fā)現(xiàn)急診病房的就診率逐年增加，表明其重要性逐年遞增，而急診病房中尤以慢性病和傳染病的就診為主。RUé et al.[21]對西班牙萊里達省急診醫(yī)院服務利用率進行研究，結(jié)果表明西班牙移民對于急診服務的利用率比本地公民更高。

相對于國外學者的研究，中國學者對就診率的研究相對較少。LI et al.[22]針對北京市三級醫(yī)院的效率和生產(chǎn)率進行研究，發(fā)現(xiàn)由于技術效率和規(guī)模效率低下，在生產(chǎn)力增長的同時整體效率和生產(chǎn)率卻沒有明顯的提高，這也進一步導致醫(yī)療衛(wèi)生機構(gòu)就診效率的停滯并影響其就診率。與MCDONALD et al.[18]的研究相同的地方在于，LI et al.[22]的研究同樣是從醫(yī)療衛(wèi)生機構(gòu)效率的角度出發(fā)。

除對急診病房的研究外，關于就診率還有其他研究熱點。HSIA et al.[19]在研究急診病房就診率的同時，分析7年間不同病種就診率的變化趨勢，確定不同時期的就診重點，DU et al.[23]以兒童道路交通安全傷害造成的住院就診率為例，研究不確定性病因?qū)驮\率產(chǎn)生的影響；BAGLIO et al.[24]分別對意大利公民和移民的就診率進行研究，探討患者身份特點與就診率的關系；DEVORE et al.[25]考慮再入院就診率的問題。

雖然以上研究并沒有涉及患者偏好，其他從患者偏好角度進行就診率的研究也相對欠缺，但其中提到的病種、病因、公民身份特點和再入院就診率等都會在不同程度上影響患者偏好。結(jié)合患者偏好會影響患者對于醫(yī)療衛(wèi)生機構(gòu)的選擇這一既有研究成果，本研究假設患者偏好與醫(yī)療衛(wèi)生機構(gòu)的就診率之間存在某種關系。

2 患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率

2.1參數(shù)定義

本研究從定性和定量兩個角度研究患者偏好與醫(yī)療衛(wèi)生機構(gòu)就診率的關系。在已有研究中，就診率已經(jīng)得到量化，而對患者偏好的量化還未涉及，但已充分證明手術水平、護理質(zhì)量、設備條件、距離遠近、醫(yī)護人員服務態(tài)度、等待時間、醫(yī)療保險等因素對患者偏好的影響，并且建立多個模型對這些影響和關系加以描述。本研究以患者偏好系數(shù)定量描述患者對醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的偏好，以更直觀地對比兩類醫(yī)療衛(wèi)生機構(gòu)患者偏好情況。本研究暫不考慮患者偏好系數(shù)的具體構(gòu)成方式，僅以患者偏好系數(shù)來區(qū)分患者對于醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的不同偏好。

本研究將患者偏好系數(shù)定義為偏好醫(yī)院就診的患者人次占等待診療患者總?cè)舜蔚谋壤?，患者偏好系?shù)越高，則偏好醫(yī)院就診的患者人次越多?；颊咂孟禂?shù)的計算公式為

(1)

其中，f為患者偏好系數(shù)；h為醫(yī)院；p為醫(yī)療衛(wèi)生機構(gòu)；mh為偏好醫(yī)院就診的患者人次；mp為等待診療的患者總?cè)舜?，即偏好醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的患者人次之和。

就診率為1年內(nèi)在醫(yī)院或基層醫(yī)療衛(wèi)生機構(gòu)實際診療的患者人次占在醫(yī)療衛(wèi)生機構(gòu)實際診療的患者總?cè)舜蔚谋壤?，具體公式為

(2)

其中，ri為醫(yī)療衛(wèi)生機構(gòu)的就診率，ni為1年內(nèi)在醫(yī)院或基層醫(yī)療衛(wèi)生機構(gòu)實際診療的患者人次，np為1年內(nèi)在醫(yī)療衛(wèi)生機構(gòu)實際診療的患者總?cè)舜?，c為基層醫(yī)療衛(wèi)生機構(gòu)。

2.2研究假設

上文提出患者偏好產(chǎn)生在綜合考慮各方面能夠提前預判的因素之后，但無法提前預知的因素則難以考慮，考慮到這部分原因，偏好醫(yī)療衛(wèi)生機構(gòu)就診的患者并不等同于前往醫(yī)療衛(wèi)生機構(gòu)就診的患者。在實際情況中，由于資源配置的原因，醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)均存在資源限制，無法同時接收所有患者，因此產(chǎn)生患者等待，然而患者對醫(yī)療衛(wèi)生機構(gòu)不會一直保持等待的狀態(tài)。一般情況下，患者對于自身的等待時間有一個提前的預判，一旦患者等待時間超出此預判值則容易變得焦慮，此時患者會放棄等待，在綜合考慮各因素后選擇其他偏好的醫(yī)療衛(wèi)生機構(gòu)就診。當然重新選擇后依然存在因資源限制而產(chǎn)生的等待，但狀態(tài)改變是相似的。

醫(yī)療衛(wèi)生機構(gòu)的資源利用情況隨時發(fā)生變化，因此患者無法提前獲取這部分信息，即無法在確定患者偏好時將資源納入考慮。換言之，資源對醫(yī)療衛(wèi)生機構(gòu)的就診率產(chǎn)生影響，并且對患者偏好系數(shù)與就診率的關系產(chǎn)生影響。不失一般性，本研究提出假設。

H1資源充裕的情況下，患者偏好系數(shù)越高，醫(yī)院就診率越高，基層醫(yī)療衛(wèi)生機構(gòu)就診率越低；患者偏好系數(shù)越低，醫(yī)院就診率越低，基層醫(yī)療衛(wèi)生機構(gòu)就診率越高。

H2當基層醫(yī)療衛(wèi)生機構(gòu)資源不足時，患者偏好系數(shù)存在一個臨界值，此時基層醫(yī)療衛(wèi)生機構(gòu)資源達到飽和，當患者偏好系數(shù)低于此臨界值，基層醫(yī)療衛(wèi)生機構(gòu)就診率不再發(fā)生變化，但醫(yī)院就診率也不再降低反而保持在穩(wěn)定水平。

H3當醫(yī)院資源不足時，患者偏好系數(shù)存在一個臨界值，此時醫(yī)院資源達到飽和，當患者偏好系數(shù)高于此臨界值，醫(yī)院就診率不再發(fā)生變化，但基層醫(yī)療機構(gòu)就診率也不再降低反而保持在穩(wěn)定水平。

3 患者就醫(yī)選擇狀態(tài)分析

采用仿真方法對患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系進行研究，而狀態(tài)分析是仿真建模進行患者偏好系數(shù)與就診率關系驗證的前提，在對患者就醫(yī)選擇狀態(tài)進行全面分析的基礎上，進一步模擬此過程，以對患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系有一個直觀把握。

一個居民，從患病起直至痊愈，在就醫(yī)過程中會面臨很多選擇。就醫(yī)前，患者首先綜合考慮各種因素選擇其偏好的醫(yī)療衛(wèi)生機構(gòu)，然后進入該醫(yī)療衛(wèi)生機構(gòu)的等待狀態(tài)，當資源許可時患者在該醫(yī)療衛(wèi)生機構(gòu)進行就醫(yī)?？紤]到資源分配的實際情況，患者偏好的醫(yī)療衛(wèi)生機構(gòu)可能無法滿足其需求，在等待時間超出預期值時，患者會失去等待的耐心，放棄原本的偏好，轉(zhuǎn)而選擇其偏好的下一順位醫(yī)療衛(wèi)生機構(gòu)，并根據(jù)實際資源許可情況確定是否就醫(yī)(一般情況下，患者會根據(jù)自己的偏好對醫(yī)療衛(wèi)生機構(gòu)進行排序)。當患者就醫(yī)完畢離開醫(yī)療衛(wèi)生機構(gòu)后會出現(xiàn)兩種不同的狀態(tài)，痊愈或者未治愈，這兩種狀態(tài)在一定程度上會影響患者下一次就醫(yī)時的偏好，從表面上看，這對患者下一個就醫(yī)選擇過程產(chǎn)生影響，但在考慮其偏好的影響因素時已經(jīng)將這樣的情況考慮進去，實際上不會產(chǎn)生更大的影響。

將患者就醫(yī)過程中狀態(tài)的參數(shù)進行定義，見表1；并抽象成流程圖，見圖1。

表1 患者就醫(yī)過程參數(shù)定義Table 1 Definition of Parameters in Patients′ Treatment Process

圖1 患者就醫(yī)過程各狀態(tài)Figure 1 Status in Patients′ Treatment Process

在圖1中，患者從Health狀態(tài)變?yōu)镮LL狀態(tài)，準備選擇醫(yī)療衛(wèi)生機構(gòu)就醫(yī)，根據(jù)個人偏好分別進入WaitCI狀態(tài)和WaitHI狀態(tài)。此時設定一個患者對于等待時間的最大接受值C，當Time還未超過C時，若醫(yī)療衛(wèi)生機構(gòu)有資源空閑，即ResourcesCI>0或ResourcesHI>0，順利進入醫(yī)療衛(wèi)生機構(gòu)就診；當Time超過C時，患者失去耐心，進入選擇的狀態(tài)CIorHI，根據(jù)偏好考慮其他選擇，確定選擇后重新分別進入WaitCI狀態(tài)和WaitHI狀態(tài)，根據(jù)等待時間和資源狀態(tài)確定是否就診，若等待時間再次超過C，則重新選擇。患者在醫(yī)療衛(wèi)生機構(gòu)治療完畢出院(出院并不一定是治愈出院)后需要根據(jù)下一步的狀態(tài)決定是否進行新一輪的治療，當患者下一步狀態(tài)仍為ILL(即未治愈)，則重新開始新一輪的就醫(yī)過程。

已知某個系統(tǒng)(或過程)在某個時刻所處的狀態(tài)，該系統(tǒng)在此時刻之后的狀態(tài)與此時刻之前的狀態(tài)無關，而僅與此時刻的狀態(tài)有關，即無后效性。滿足這樣狀態(tài)特性的過程稱為馬爾可夫過程[26]，其將來的狀態(tài)只與現(xiàn)在的狀態(tài)相關，而與過去的狀態(tài)無關?；颊呔歪t(yī)狀態(tài)變化的過程中，患者將來的狀態(tài)變化取決于現(xiàn)在的狀態(tài)，與過去的狀態(tài)無關，而現(xiàn)在的狀態(tài)實際上也是取決于上一個現(xiàn)在(也就是過去的狀態(tài))的狀態(tài)，換言之，決定現(xiàn)在的狀態(tài)是過去的狀態(tài)，決定將來的狀態(tài)是現(xiàn)在的狀態(tài)，即無后效性，這個過程實際是一個的馬爾可夫過程，狀態(tài)變化是一個馬爾可夫鏈[27]，其狀態(tài)空間為E，E={1,2,3,4,5,6,7,8,9}，1為Health，2為ILL，3為WaitCI，4為WaitHI，5為CIorHI，6為CI，7為HI，8為DischargeCI，9為DischargeHI?；颊呔歪t(yī)過程各狀態(tài)轉(zhuǎn)移及概率假設[28]見圖2。

根據(jù)圖2得到轉(zhuǎn)移的概率矩陣[29]，即(3)式。由轉(zhuǎn)移概率矩陣可知，該馬爾可夫鏈的狀態(tài)都是互通的，故是不可約、非周期的有限(狀態(tài))馬氏鏈，必定存在平穩(wěn)分布{ωj,j≥0}，ωj為狀態(tài)j的概率分布，且滿足(4)式[30]。

圖2 患者就醫(yī)過程狀態(tài)和轉(zhuǎn)移概率Figure 2 Status in Patients′ Treatment Process and Transition Probability

解得其平穩(wěn)分布為

根據(jù)其平穩(wěn)分布可知，長期看，對于醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)，患者就醫(yī)的選擇應當具有平穩(wěn)分布，患者在就醫(yī)時對于醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的選擇概率應當是相同的，也即醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的就診率應當是相同的。但是，在此馬爾可夫過程中并未考慮資源配置因素，其結(jié)果描述的是沒有資源限制的理想狀態(tài)，即在沒有資源限制的理想狀態(tài)下醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的就診率相同，均為50%。

實際情況卻并非如此，醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的資源配置本身存在差距，患者在就醫(yī)時綜合考慮其自身和醫(yī)療衛(wèi)生機構(gòu)兩個方面的因素，最終決定其就診去向。當前，不論從數(shù)量上還是從質(zhì)量上，醫(yī)院的資源配置均優(yōu)于基層醫(yī)療衛(wèi)生機構(gòu)。因此，首先要模擬沒有資源限制的理想狀態(tài)下的患者就醫(yī)選擇過程，然后增加資源約束條件后再進行模擬，最后對比兩種情況下選擇過程的差異。

4 基于仿真的患者偏好系數(shù)與就診率關系驗證

4.1仿真建模

根據(jù)患者就醫(yī)選擇過程的狀態(tài)分析，在不考慮患者對于醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)偏好的情況下，患者選擇兩種醫(yī)療衛(wèi)生機構(gòu)進行就醫(yī)的概率是相等的。那么在不同的偏好，即不同的選擇概率的情況下，醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)的就診概率分別是如何表現(xiàn)的，需要進一步的探討。

Anylogic是一款對離散、連續(xù)、混合系統(tǒng)建模和仿真的工具，支持模塊的拖放，易于操作，能夠?qū)崿F(xiàn)可視化的交互，方便收集各類統(tǒng)計數(shù)據(jù)，支持二維和三維動畫[31]。本研究需要實時觀察仿真運行過程中的二維和三維動畫，并且需要觀測并統(tǒng)計患者就醫(yī)整個過程中的患者流方向和密度。因此，本研究借助Anylogic仿真軟件模擬患者就醫(yī)過程，主要使用其中的行人庫[32]，由于不需要考慮患者的身體特點，因此將患者抽象成一個圓柱體[33]。本次仿真是模擬全國范圍內(nèi)患者到門診就診的就醫(yī)選擇過程，根據(jù)就醫(yī)選擇過程中各狀態(tài)分析的結(jié)果進行建模，具體見圖3，仿真模型的上半部分為醫(yī)院，下半部分為基層醫(yī)療衛(wèi)生機構(gòu)。

個體間存在異質(zhì)性，即患者之間存在差異[34]，不同的患者對醫(yī)療衛(wèi)生機構(gòu)的偏好不同，因此采用偏好分布估計患者的偏好選擇。在建模時，根據(jù)患者偏好系數(shù)在ILL狀態(tài)之后的Ped Select Output中設定兩個出口的概率，以正態(tài)分布估計偏好系數(shù)。例如，當患者偏好系數(shù)為0.1時，設定患者進入WaitHI區(qū)域的概率服從N(0.1,0.1)分布，進入WaitCI區(qū)域的概率服從N(0.9,0.1)分布。

假設患者到達服從泊松分布[35]，研究對象為門診，因此將醫(yī)療衛(wèi)生機構(gòu)的資源約束確定為該機構(gòu)門診日患者承受力，根據(jù)相關法律，只有執(zhí)業(yè)醫(yī)師具有獨立接診的資格，使用執(zhí)業(yè)醫(yī)師日擔負患者總數(shù)估計醫(yī)療衛(wèi)生機構(gòu)日患者承受力。一方面，本研究主要研究患者就醫(yī)選擇過程，對于具體的服務過程并不需要進行深入的研究；另一方面，采用統(tǒng)計年鑒中的數(shù)據(jù)，數(shù)據(jù)本身已經(jīng)經(jīng)過統(tǒng)計方法的處理而具有一般性。因此，將患者的服務過程簡化為簡單的服務過程，假設醫(yī)療衛(wèi)生機構(gòu)的服務時間服從指數(shù)分布。

圖3 患者就醫(yī)過程Anylogic仿真建模Figure 3 Simulation of Patients′ Treatment Process by Anylogic

f=0.1f=0.2f=0.3

f=0.4f=0.5f=0.6

f=0.7f=0.8f=0.9

圖4 2014年無診療能力約束仿真結(jié)果Figure 4 Simulation Results without Constraint of Diagnosis and Treatment Ability in 2014

在仿真模型投入使用之前，需要對模型進行檢驗。由于無法采集患者偏好系數(shù)實際數(shù)據(jù)，而在沒有資源約束的情況下，醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)之間不存在患者流失的情況，即患者就診人次與偏好人次相等，就診率最終將達到穩(wěn)定狀態(tài)。因此，模擬2010年至2014年每年不對醫(yī)療衛(wèi)生機構(gòu)施加診療能力約束的理想狀態(tài)的情況。為了觀察患者偏好系數(shù)不同取值引起的醫(yī)療衛(wèi)生機構(gòu)就診率的變化情況，患者偏好系數(shù)取值為0.1～0.9，由于篇幅所限，圖4僅給出2014年的仿真結(jié)果，顯示的是不同患者偏好系數(shù)下患者流情況，圖中顏色越偏向于紅色，表明患者流密度越大。由圖4可知，醫(yī)院與基層醫(yī)療衛(wèi)生機構(gòu)間不存在患者流的交互，表明均不存在患者的流失；當患者偏好系數(shù)為0.5，即患者實際不存在偏好時，兩類醫(yī)療衛(wèi)生機構(gòu)的就診率分別為0.487和0.513，符合馬爾可夫過程狀態(tài)分析的結(jié)果；醫(yī)院就診率隨患者偏好系數(shù)的增大而增加，基層醫(yī)療衛(wèi)生機構(gòu)的就診率隨患者偏好系數(shù)的增大而減少，H1得到驗證。

根據(jù)統(tǒng)計年鑒數(shù)據(jù)設定各年參數(shù)，見表2。對醫(yī)療衛(wèi)生機構(gòu)加入診療能力約束，模擬2010年至2014年的情況。同樣，患者偏好系數(shù)取值為0.1～0.9，考慮實際運行時間和是否足夠說明問題，將仿真模擬的時間設定為3個月，由于篇幅所限，圖5僅給出2014年仿真得到的患者流情況。

表2 Anylogic仿真參數(shù)Table 2 Parameters of Simulation by Anylogic

資料來源：2010年～2013年數(shù)據(jù)來自相應年份《中國衛(wèi)生統(tǒng)計年鑒》，2014年數(shù)據(jù)來自2015年《中國衛(wèi)生和計劃生育統(tǒng)計年鑒》。

f=0.1f=0.2f=0.3

f=0.4f=0.5f=0.6

f=0.7f=0.8f=0.9

圖5 2014年診療能力約束下仿真結(jié)果Figure 5 Simulation Results with Constraint of Diagnosis and Treatment Ability in 2014

4.2仿真結(jié)果分析

由圖5可知，當患者偏好系數(shù)f≤0.5時，患者流存在明顯的從基層醫(yī)療衛(wèi)生機構(gòu)到醫(yī)院的流動；當f>0.5時，患者流由醫(yī)院流向基層醫(yī)療衛(wèi)生機構(gòu)。根據(jù)仿真結(jié)果中醫(yī)療衛(wèi)生機構(gòu)流失患者人次得到圖6和圖7，分別表示不同患者偏好系數(shù)下兩類醫(yī)療衛(wèi)生機構(gòu)患者流失情況。當f≤0.5時，患者偏好系數(shù)越低，基層醫(yī)療衛(wèi)生機構(gòu)患者流失人次越多；當f>0.5時，患者偏好系數(shù)越高，醫(yī)院患者流失人次越多。即f≤0.5時，患者偏好系數(shù)越低，偏好基層醫(yī)療衛(wèi)生機構(gòu)就診的患者人次越高，由于診療能力的約束，基層醫(yī)療衛(wèi)生機構(gòu)接收患者越接近于飽和，因此流向醫(yī)院的患者越多；f>0.5時，患者偏好系數(shù)越高，偏好醫(yī)院就診的患者人次越多，由于診療能力的約束，醫(yī)院接收患者越接近于飽和，因此流向基層醫(yī)療衛(wèi)生機構(gòu)的患者越多。

圖6 2010年～2014年醫(yī)院患者流失人次隨患者偏好系數(shù)變化的仿真結(jié)果Figure 6 Simulation Results of 2010-2014 Number Changes of Hospitals′ Lost Patients with Patient Preference Coefficient

圖7 2010年～2014年基層醫(yī)療衛(wèi)生機構(gòu)患者流失人次隨患者偏好系數(shù)變化的仿真結(jié)果Figure 7 Simulation Results of 2010-2014 Number Changes of Grassroots Medical Institutions′ Lost Patients with Patient Preference Coefficient

由仿真結(jié)果數(shù)據(jù)得到圖8和圖9，分別表示醫(yī)療衛(wèi)生機構(gòu)就診率隨患者偏好系數(shù)變化的情況。

圖8 2010年～2014年醫(yī)院就診率隨患者偏好系數(shù)變化的仿真結(jié)果Figure 8 Simulation Results of 2010-2014 Treatment Rate Changes of Hospitals with Patient Preference Coefficient

圖9 2010年～2014年基層醫(yī)療衛(wèi)生機構(gòu)就診率隨患者偏好系數(shù)變化的仿真結(jié)果Figure 9 Simulation Results of 2010-2014 Treatment Rate Changes of Grassroots Medical Institutions with Patient Preference Coefficient

綜合圖8和圖9，當0.3≤f≤0.6時，由于醫(yī)院和基層醫(yī)療衛(wèi)生機構(gòu)基本能夠接收因偏好而來的患者，患者流失人次相對較少，因此患者偏好系數(shù)的變化對就診率的影響較大；在f≤0.3或者f≥0.6時，醫(yī)療衛(wèi)生機構(gòu)的狀態(tài)基本都接近飽和難以接收患者，導致患者流失，此時患者偏好系數(shù)的變化僅改變流失患者的人次而基本不影響其就診率，因此就診率的變化趨于平穩(wěn)狀態(tài)。據(jù)此證明H2和H3描述的醫(yī)療衛(wèi)生機構(gòu)就診率與患者偏好系數(shù)關系的合理性。

圖5顯示的患者流情況中，無論患者偏好系數(shù)如何變化，圖中有3個位置顏色較深，即此處患者流的密度較大，分別為WaitHI或WaitCI、HI和CI，表明這些位置患者存在很大程度上的擁堵。

(1)WaitHI和WaitCI

當患者偏好系數(shù)過大或者過小時，這部分患者流才會顯示出比較明顯的深色，此時患者偏好人次也會過高，從而造成負擔，因此患者系數(shù)偏大或者偏小均不利于患者就診效率的提高。

(2)HI和CI

雖然醫(yī)療衛(wèi)生機構(gòu)在診療能力允許的范圍接收患者，但并不代表能夠及時并且迅速地為每一位患者提供就診服務，因此在醫(yī)療衛(wèi)生機構(gòu)內(nèi)部存在嚴重的擁堵問題，導致患者流動不暢，無法及時出院，進而影響患者的進入，造成患者流失，最終影響就診率。

5 患者偏好系數(shù)和醫(yī)療衛(wèi)生機構(gòu)就診率的數(shù)學關系

通過Anylogic仿真軟件的模擬，患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率之間的關系假設得到驗證。在定性描述兩者關系的基礎上，將此關系定量轉(zhuǎn)化為數(shù)學公式。

不同診療能力下醫(yī)療衛(wèi)生機構(gòu)的就診率為

mh>nhpnhq,mc≤ncpncq,mp≤nhpnhq+ncpncq

(5)

mh>nhpnhq,mc≤ncpncq,mp>nhpnhq+ncpncq

(6)

mh≤nhpnhq,mc>ncpncq,mp≤nhpnhq+ncpncq

(7)

mh≤nhpnhq,mc>ncpncq,mp>nhpnhq+ncpncq

(8)

mh>nhpnhq,mc>ncpncq

(9)

mh≤nhpnhq,mc≤ncpncq

(10)

其中，nip為i醫(yī)療衛(wèi)生機構(gòu)的執(zhí)業(yè)醫(yī)師數(shù)，niq為i醫(yī)療衛(wèi)生機構(gòu)的執(zhí)業(yè)醫(yī)師人均擔負診療人次，mi為偏好i醫(yī)療衛(wèi)生機構(gòu)的患者人次。

(5)式表明醫(yī)院診療能力不足而醫(yī)療衛(wèi)生機構(gòu)總診療能力充足，醫(yī)院流失的患者全部由基層醫(yī)療衛(wèi)生機構(gòu)接收。此時np=mp，且np≤nhpnhq+ncpncq，而醫(yī)院診療能力達到飽和，實際診療人次為nhpnhq，基層醫(yī)療衛(wèi)生機構(gòu)實際診療人次則為mc+mh-nh，即mp-nhpnhq。

(6)式表明醫(yī)院診療能力不足且醫(yī)療衛(wèi)生機構(gòu)總診療能力不足，即醫(yī)院流失的患者無法全部被基層醫(yī)療衛(wèi)生機構(gòu)接收，此時，np

(7)式表明基層醫(yī)療衛(wèi)生機構(gòu)診療能力不足而醫(yī)療衛(wèi)生機構(gòu)總診療能力充足，基層醫(yī)療衛(wèi)生機構(gòu)流失的患者全部由醫(yī)院接收。此時np=mp，np≤nhpnhq+ncpncq，而基層醫(yī)療衛(wèi)生機構(gòu)診療能力達到飽和，實際診療人次為ncpncq，醫(yī)院實際診療人次則為mh+mc-nc，即mp-ncpncq。

(8)式表明基層醫(yī)療衛(wèi)生機構(gòu)診療能力不足且醫(yī)療衛(wèi)生機構(gòu)總診療能力不足，即基層醫(yī)療衛(wèi)生機構(gòu)流失的患者無法全部被醫(yī)院接收，此時，np

(9)式表明基層醫(yī)療衛(wèi)生機構(gòu)和醫(yī)院能力均不足，即兩者的患者均存在流失，此時，np

(10)式表明基層醫(yī)療衛(wèi)生機構(gòu)和醫(yī)院能力均充足，即偏好的患者能全部被接收，此時，np=mp，np≤nhpnhq+ncpncq，醫(yī)院實際診療人次為nhpnhq，基層醫(yī)療衛(wèi)生機構(gòu)實際診療人次為ncpncq。此公式描述的是沒有約束條件下的就診率，而這種情況在實際中的可能性幾乎為零。

6 結(jié)論

本研究探討患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系，采用Anylogic仿真軟件模擬不同偏好系數(shù)下患者就醫(yī)選擇過程來檢驗兩者之間的關系，得到以下研究結(jié)果。

(1)患者偏好系數(shù)與醫(yī)療衛(wèi)生機構(gòu)就診率的關系受到資源的約束，當資源達到飽和，相應的，就診率隨患者偏好系數(shù)的變化趨勢也會改變。例如，當基層醫(yī)療衛(wèi)生機構(gòu)資源不足時，患者偏好系數(shù)存在一個臨界值，患者偏好系數(shù)等于該臨界值時，基層醫(yī)療衛(wèi)生機構(gòu)資源達到飽和，當患者偏好系數(shù)低于此臨界值，基層醫(yī)療衛(wèi)生機構(gòu)就診率不再發(fā)生變化，但醫(yī)院就診率也不再降低，反而保持在穩(wěn)定水平。

(2)通過對仿真結(jié)果的分析，得到患者流擁堵嚴重的位置，據(jù)此對醫(yī)療衛(wèi)生機構(gòu)的就診效率進行分析。

由患者偏好系數(shù)和醫(yī)療衛(wèi)生機構(gòu)就診率的數(shù)學關系可知，與就診率直接相關的變量為醫(yī)療衛(wèi)生機構(gòu)的執(zhí)業(yè)醫(yī)師數(shù)、執(zhí)業(yè)醫(yī)師的人均擔負診療人次和偏好醫(yī)療衛(wèi)生機構(gòu)就診的患者人次。結(jié)合仿真結(jié)果的分析，出于提高基層醫(yī)療衛(wèi)生機構(gòu)就診率的目的，提出以下建議。

(1)一方面，鼓勵醫(yī)療衛(wèi)生領域的人才到基層醫(yī)療衛(wèi)生機構(gòu)就職，以增加基層的執(zhí)業(yè)醫(yī)師數(shù)量；另一方面，通過培訓手段提高基層已有人員的技術水平，以提高執(zhí)業(yè)醫(yī)師的人均擔負診療人次。通過提高基層醫(yī)療衛(wèi)生機構(gòu)的診療水平和擴大其診療能力進一步提高就診效率，最終達到加快患者流動的目的。

(2)加大對基層醫(yī)療衛(wèi)生機構(gòu)的設備投入和人才培養(yǎng)力度，提高醫(yī)療技術水平，并根據(jù)患者的需求重點發(fā)展特色醫(yī)療技術，打破患者“只有大醫(yī)院才能看好病”的思維定式，以達到吸引患者的目的，從患者偏好的層面提高就診率。

(3)提高患者對醫(yī)生的依從性，具體包括醫(yī)患獲取信息的一致性、醫(yī)患關系的和諧等，達到提高醫(yī)生對患者的就診效率的目的，進而加快患者流動，以此實現(xiàn)提高就診率的目的。

(4)在不同醫(yī)療發(fā)展狀況的地區(qū)挑選醫(yī)療衛(wèi)生機構(gòu)開展試點工作，一方面試驗可行性，另一方面通過實際案例的示范為患者和醫(yī)療衛(wèi)生機構(gòu)提供信心。

由于能力、時間和數(shù)據(jù)來源等方面的限制，本研究尚存在局限性和下一步需要完善的地方。①從醫(yī)療衛(wèi)生機構(gòu)的客觀因素和社會人口因素[36]兩個方面考慮患者偏好系數(shù)的構(gòu)成，結(jié)合實際情況提出針對分級診療的有效建議。②由于目前獲得數(shù)據(jù)途徑的局限性，本研究針對中國范圍內(nèi)的整體情況進行研究，但是中國不同地域的醫(yī)療情況普遍存在差異，要進一步研究則需要針對不同醫(yī)療發(fā)展狀況的地區(qū)。③關于患者對醫(yī)生的依從性展開進一步的研究。

[1]BROWN P,PANATTONI L,CAMERON L,et al.Hospital sector choice and support for public hospital care in New Zealand:results from a labeled discrete choice survey.JournalofHealthEconomics,2015,43:118-127.

[2]AL-DOGHAITHER A H,ABDELRHMAN B M,SAEED A A,et al.Factors influencing patient choice of hospitals in Riyadh,Saudi Arabia.JournaloftheRoyalSocietyforthePromotionofHealth,2003,123(2):105-109.

[3]MARANG-VAN DE MHEEN P J,DIJS-ELSINGA J,OTTEN W,et al.The relative importance of quality of care information when choosing a hospital for surgical treatment:a hospital choice experiment.MedicalDecisionMaking,2011,31(6):816-827.

[4]KING D,ZAMAN S,ZAMAN S S,et al.Identifying quality indicators used by patients to choose secondary health care providers:a mixed methods approach.JMIRmHealthanduHealth,2015,3(2):e65-1-e65-15.

[5]MERLE V,GERMAIN J M,TAVOLACCI M P,et al.Influence of infection control report cards on patients′ choice of hospital:pilot survey.JournalofHospitalInfection,2009,71(3):263-268.

[6]PETERSEN G S,KNUDSEN J L,VINTER M M.Cancer patients′ preferences of care within hospitals:a systematic literature review.InternationalJournalforQualityinHealthCare,2015,27(5):384-395.

[7]MOSCELLI G,SICILIANI L,GUTACKER N,et al.Location,quality and choice of hospital:evidence from England 2002-2013.RegionalScienceandUrbanEconomics,2016,60:112-124.

[8]VONBERG R P,SANDER C,GASTMEIER P.Consumer attitudes about health care-acquired infections:a German survey on factors considered important in the choice of a hospital.AmericanJournalofMedicalQuality,2008,23(1):56-59.

[9]JOUYANI Y,BAHRAMPOUR M,BAROUNI M,et al.Patient preferences for hospital quality:case study of Iran.IranianRedCrescentMedicalJournal,2013,15(9):804-808.

[10] BERHANE A,ENQUESELASSIE F.Patients′ preferences for attributes related to health care services at hospitals in Amhara Region,northern Ethiopia:a discrete choice experiment.PatientPreferenceandAdherence,2015,9:1293-1301.

[11] MOSCONE F,TOSETTI E,VITTADINI G.Social interaction in patients′ hospital choice:evidence from Italy.JournaloftheRoyalStatisticalSociety,2012,175(2):453-472.

[12] EJAZ A,SPOLVERATO G,BRIDGES J F,et al.Choosing a cancer surgeon:analyzing factors in patient decision making using a best-worst scaling methodology.AnnalsofSurgicalOncology,2014,21(12):3732-3738.

[13] KRUEGER A B,KUZIEMKO I.The demand for health insurance among uninsured Americans:results of a survey experiment and implications for policy.JournalofHealthEconomics,2013,32(5):780-793.

[14] 王敏,張開金,姜麗,等.中國城鄉(xiāng)患者就醫(yī)行為影響因素模型研究.中國全科醫(yī)學,2010,13(19):2127-2129.

WANG Min,ZHANG Kaijin,JIANG Li,et al.Impact factors model of medical behavior of Chinese urban and rural ill residents.ChineseGeneralPractice,2010,13(19):2127-2129.(in Chinese)

[15] 魏敏,肖錦鋮.患者就醫(yī)選擇的影響因素及對策分析.中國衛(wèi)生事業(yè)管理,2014,31(4):259-261.

WEI Min,XIAO Jincheng. Study on influencing factors and countermeasures analyses of choosing a different medical institutions by patients.ChineseHealthServiceManagement,2014,31(4):259-261.(in Chinese)

[16] 陳燕凌,穆云慶,陳黎明,等.綜合醫(yī)院形象與患者就醫(yī)選擇的關系及其影響因素的調(diào)查研究.重慶醫(yī)學,2012,41(9):923-924.

CHEN Yanling, MU Yunqing, CHEN Liming,et al. A study on the relationship between the image of the general hospital and the choice of patients and its influencing factors.ChongqingMedicine,2012,41(9):923-924.(in Chinese)

[17] LAVERTY A A,DIXON A,MILLETT C.Do patients′ information requirements for choice in health care vary with their socio-demographic characteristics?.HealthExpectations,2015,18(5):1127-1138.

[18] MCDONALD A J,PELLETIER A J,ELLINOR P T,et al.Increasing US emergency department visit rates and subsequent hospital admissions for atrial fibrillation from 1993 to 2004.AnnalsofEmergencyMedicine,2008,51(1):58-65.

[19] HSIA R Y,NATH J B,BAKER L C.California emergency department visit rates for medical conditions increased while visit rates for injuries fell,2005-11.HealthAffairs,2015,34(4):621-626.

[20] HERRING A A,JOHNSON B D,GINDE A A,et al.High-intensity emergency department visits increased in California,2002-09.HealthAffairs,2013,32(10):1811-1819.

[21] RUé M,CABRé X,SOLER-GONZLEZ J,et al.Emergency hospital services utilization in Lleida(Spain):a cross-sectional study of immigrant and Spanish-born populations.BMCHealthServicesResearch,2008,8:81-1-81-8.

[22] LI H,DONG S,LIU T.Relative efficiency and productivity:a preliminary exploration of public hospitals in Beijing,China.BMCHealthServicesResearch,2014,14:158-1-158-11.

[23] DU W,FINCH C F,HAYEN A,et al.Trends in hospitalisation rates for road traffic injuries in child motor vehicle passengers in New South Wales,July 1998-June 2005.TheMedicalJournalofAustralia,2007,187(9):515-518.

[24] BAGLIO G,SAUNDERS C,SPINELLI A,et al.Utilisation of hospital services in Italy:a comparative analysis of immigrant and Italian citizens.JournalofImmigrantandMinorityHealth,2010,12(4):598-609.

[25] DEVORE A D,HAMMILL B G,HARDY N C,et al.Has public reporting of hospital readmission rates affected patient outcomes?.JournaloftheAmericanCollegeofCardiology,2016,67(8):963-972.

[26] BROYLES J R,COCHRAN J K,MONTGOMERY D C.A statistical Markov chain approximation of transient hospital inpatient inventory.EuropeanJournalofOperationalResearch,2010,207(3):1645-1657.

[27] ANDERSON T W,GOODMAN L A.Statistical inference about Markov chains.TheAnnalsofMathematicalStatistics,1957,28(1):89-110.

[28] 瞿慧,肖斌卿.基于馬爾科夫狀態(tài)轉(zhuǎn)移模型的股指收益率研究.管理科學,2011,24(5):111-119.

QU Hui,XIAO Binqing.A study of the distribution of Chinese stock index returns based on Markov switching model.JournalofManagementScience,2011,24(5):111-119.(in Chinese)

[29] 鄭浩.基于馬爾可夫鏈的間歇性購買個體客戶終生價值預測模型.管理科學,2006,19(5):39-44.

ZHENG Hao.The model of predicting the individual always-a-share customer′s lifetime value based on Markov chains theory.JournalofManagementScience,2006,19(5):39-44.(in Chinese)

[30] 耿顯民,劉志嘉.多項目管理中依據(jù)資源的馬氏鏈擇優(yōu).系統(tǒng)工程理論與實踐,2012,32(9):1953-1957.

GENG Xianmin,LIU Zhijia.Markov chain optimal method base on resources in multi-project management.SystemEngineering-TheoryandPractice,2012,32(9):1953-1957.

[31] SCHELENZ T,SUESCUN,KARLSSON M,et al.Decision making algorithm for bus passenger simulation during the vehicle design process.TransportPolicy,2013,25:178-185.

[32] NASIR M,LIM C P,NAHAVANDI S,et al.A genetic fuzzy system to model pedestrian walking path in a built environment.SimulationModellingPracticeandTheory,2014,45:18-34.

[33] 汪蕾,蔡云,陳晟,等.基于社會力模型的春運大規(guī)模人群行為模擬研究.管理世界,2011(7):177-179.

WANG Lei,CAI Yun,CHEN Shen,et al.A simulation study,based on the social force model,on the behavior of the huge crowd during the transfer peak in the period of the spring festival.ManagementWorld,2011(7):177-179.(in Chinese)

[34] 賈新明,田澎.顧客異質(zhì)性對顧客滿意度指數(shù)測評的影響.管理科學,2009,22(4):41-49.

JIA Xinming,TIAN Peng.The effects of customer heterogeneity on the customer satisfaction index.JournalofManagementScience,2009,22(4):41-49.(in Chinese)

[35] ALEXOPOULOS C,GOLDSMAN D,FONTANESI J,et al.Modeling patient arrivals in community clinics.Omega,2008,36(1):33-43.

[36] KETELAAR N A,FABER M J,BRASPENNING J C,et al.Patients′ expectations of variation in quality of care relates to their search for comparative performance information.BMCHealthServicesResearch,2014,14:617-1-617-7.

FundedProject:Supported by the National Natural Science Foundation of China(71532002) and the Fundamental Funds for Humanities and Social Sciences of Beijing Jiaotong University(2016JBZD01)

Biography:LU Xinyi is a Ph.D candidate in the School of Economics and Management at Beijing Jiaotong University. Her research interest covers information management. E-mail：15121311@bjtu.edu.cn

ZHANG Runtong, doctor in management, is a professor in the School of Economics and Management at Beijing Jiaotong University. His research interests include healthcare information, recourse optimization, theories and approaches of modern management. His representative paper titled “Design theory, modelling and the application for the internet of things service” was published in theEnterpriseInformationSystems(Issue 3, 2016). E-mail：rtzhang@bjtu.edu.cn

ZHU Xiaomin, doctor in management, is a professor in the School of Mechanical, Electronic and Control Engineering at Beijing Jiaotong University. Her research interests include theories and applications of industrial engineering. Her representative paper titled “A resource integration approach for HTML5 mobile applications” was published in theInformationTechnologyandManagement(Issue 3, 2013). E-mail：xmzhu@bjtu.edu.cn

□

AStudyontheRelationshipbetweenPatientPreferenceCoefficientandTreatmentRateofMedicalandHealthInstitutions

LU Xinyi1，ZHANG Runtong1，ZHU Xiaomin2

1 School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China2 School of Mechanical, Electronic and Control Engineering, Beijing Jiaotong University, Beijing 100044, China

China is actively promoting the hierarchical medical system to achieve primary diagnosis and two-way referral, and it puts forward new demands that there is a need for grassroots medical institutions to let its treatment rate beyond 65%. Nevertheless, the treatment rate of grassroots medical institutions has continued to decline in the past ten years, which indicates that the gap between the targets of hierarchical medical system still exists and has increased year by year.

In order to devise the research on the treatment rate of different medical and health institutions pertinently and more effectively carry on the study on hierarchical medical system without loss of generality, medical and health institutions are divided into two categories(hospitals and grassroots medical institutions) accordingly in China as our research object. The research aims at the outpatient department of the medical and health institutions, and due to limited medical resources, patients may not choose the institutions which they prefer , though the patient preference coefficient is defined as the ratio of the number of patients who prefer hospitals and the total number of patients attending the hospitals. This research hypothesizes the relationship between patient preference coefficient and treatment rate of medical and health institutions, and analyzes patients′ treatment process based on Markov process so as to achieve the equilibrium of treatment rate ideally (without considering constraints of resources and patient preference). Anylogic software is used to simulate the process with different preference coefficients in China.

The simulation results show that hypotheses of this study are approved. However, as the resources are insufficient, there is a critical value for patient preference coefficient, and the relationships on different sides of the critical value are also different. For example, when the resources of grassroots medical institutions are insufficient, there is a critical value for patient preference coefficient that the resources of grassroots medical institutions reach saturation. When the patient preference coefficient is below this critical value, the treatment rate of grassroots medical institutions and hospitals will both no longer change with patient preference coefficient changing. When the patient preference coefficient is higher than that of this critical value, the treatment rate of grassroots medical institutions decreased with the increase of patient preference coefficient, while the treatment rate of hospitals increased with the increase of patient preference coefficient. Additionally, through results of simulation, it also found some location with severe congestion because of patients′ waiting.

From the patient preference perspective, the study constructs the relationship between patient preference and treatment rate of medical and health institutions, and then puts forward improvements in view of the needs of patients. Furthermore, it is of positive significance to put forward suggestions from four perspectives of talents cultivation, equipment investment , patient-physician relationship and experiments to improve the treatment rate of grassroots medical institutions so as to achieve the target of hierarchical medical system for further study.

patient preference coefficient；treatment rate；hierarchical medical system；Markov process；simulation

Date:September 3rd, 2016AcceptedDateDecember 3rd, 2016

R197

A

10.3969/j.issn.1672-0334.2017.01.008

1672-0334(2017)01-0083-12

2016-09-03修返日期2016-12-03

國家自然科學基金(71532002)；北京交通大學基本科研業(yè)務費人文社會科學專項基金(2016JBZD01)

陸心怡，北京交通大學經(jīng)濟管理學院博士研究生，研究方向為信息管理等，E-mail：15121311@bjtu.edu.cn 張潤彤，管理學博士，北京交通大學經(jīng)濟管理學院教授，研究方向為醫(yī)療信息化、資源優(yōu)化、現(xiàn)代管理理論與方法等，代表性學術成果為“Design theory, modelling and the application for the internet of things service”，發(fā)表在2016年第3期《Enterprise Information Systems》，E-mail：rtzhang@bjtu.edu.cn 朱曉敏，管理學博士，北京交通大學機械與電子控制工程學院教授，研究方向為工業(yè)工程理論及應用等，代表性學術成果為“A resource integration approach for HTML5 mobile applications”，發(fā)表在2013年第3期《Information Technology and Management》，E-mail：xmzhu@bjtu.edu.cn