杜 薇 劉嬋嬋 李 端 胡嘉琦 樊興穎 周涵妮 常 悅▲

1.貴州醫(yī)科大學(xué)醫(yī)藥衛(wèi)生管理學(xué)院，貴州貴陽(yáng) 550025；2.貴州醫(yī)科大學(xué)科技處，貴州貴陽(yáng) 550025

“健康中國(guó)”2017年首次在總理政府工作報(bào)告中提出，以農(nóng)村和基層為重點(diǎn)“提高居民健康素養(yǎng)水平”在《“健康中國(guó)2030”規(guī)劃綱要》中被納入為建設(shè)健康中國(guó)的十三個(gè)主要指標(biāo)體系之一[1]，十九大報(bào)告中闡述“人民健康是民族昌盛和國(guó)家富強(qiáng)的重要標(biāo)志”。這些都意味著健康是民眾生活的美好期盼，推進(jìn)國(guó)民健康事業(yè)是最終實(shí)現(xiàn)全面發(fā)展的基本保證。提供衛(wèi)生服務(wù)是推進(jìn)健康事業(yè)的手段。個(gè)體從嬰兒時(shí)期的出生到衰弱老人時(shí)期的臨終，無(wú)不連續(xù)地需要衛(wèi)生服務(wù)[2]。

健康素養(yǎng)指的是個(gè)人根據(jù)自身的知識(shí)儲(chǔ)備，獲取并理解健康領(lǐng)域的知識(shí)，并運(yùn)用這些信息做出正確的健康行為決策，以促進(jìn)和保持自身健康水平的能力[3]。世界衛(wèi)生組織得出研究結(jié)論：健康素養(yǎng)與人均期望壽命、生命質(zhì)量高度相關(guān)[4-5]。因此，研究健康素養(yǎng)對(duì)衛(wèi)生服務(wù)利用的影響，有助于實(shí)現(xiàn)衛(wèi)生資源的合理配置。本研究旨在提供一種新的方法研究貴州省少數(shù)民族健康素養(yǎng)對(duì)衛(wèi)生服務(wù)的利用影響，構(gòu)建衛(wèi)生服務(wù)利用預(yù)測(cè)模型，讓貴州省少數(shù)民族的衛(wèi)生服務(wù)利用預(yù)測(cè)向智能化發(fā)展。

1 資料與方法

1.1 一般資料

采用多階段分層抽樣，于2019年6～12月在貴州省6 個(gè)市（州）抽取少數(shù)民族個(gè)體進(jìn)行調(diào)查，共發(fā)放問(wèn)卷1080 份，回收1031 份，有效回收率為95.46%。納入標(biāo)準(zhǔn)：貴州省常住人口；少數(shù)民族；自愿參與本次調(diào)查。排除標(biāo)準(zhǔn)：精神障礙、認(rèn)知障礙者。

被調(diào)查樣本的基本特征方面，男482 名（46.75%），女549 名（53.25%）；城鎮(zhèn)225 名（21.82%），農(nóng)村806名（78.18%）；年齡15～69 歲；初中及以下學(xué)歷459 名（44.52%），高中或中專學(xué)歷168 名（16.29%），大專及以上學(xué)歷404 名（39.19%）；平均月收入1000 元及以下543 名（52.67%），1001～3000 元275 名（26.67%），3001～5000 元165 名（16.00%），5001～10000 元38 名（3.69%），10001 元及以上10 名（0.97%）。

1.2 調(diào)查方法

研究負(fù)責(zé)人統(tǒng)一培訓(xùn)課題組成員，貴州醫(yī)科大學(xué)醫(yī)藥衛(wèi)生管理學(xué)院熟悉少數(shù)民族語(yǔ)言本科生擔(dān)任調(diào)查員，由調(diào)查員攜帶問(wèn)卷分赴貴州省6 個(gè)市（州），按照調(diào)查方案和調(diào)查計(jì)劃的要求，對(duì)被調(diào)查者進(jìn)行訪談，并按照問(wèn)卷的格式和要求來(lái)記錄被調(diào)查者的回答。問(wèn)卷內(nèi)容包括以下三個(gè)部分。

第一部分基本情況，包括性別、年齡、學(xué)歷、職業(yè)、平均月收入等。

第二部分參考原衛(wèi)生部委托中國(guó)健康教育中心2015年制定的最新版《全國(guó)居民健康素養(yǎng)調(diào)查問(wèn)卷》[4]。根據(jù)知信行理論分類，問(wèn)卷可以分為三個(gè)方面，分別為基本健康知識(shí)和理念、健康生活方式與行為、基本技能；根據(jù)公共衛(wèi)生問(wèn)題為導(dǎo)向分類，可以將問(wèn)卷分為六類，分別為科學(xué)健康觀素養(yǎng)、傳染病防治素養(yǎng)、慢性病防治素養(yǎng)、安全與急救素養(yǎng)、基本醫(yī)療素養(yǎng)和健康信息素養(yǎng)。

第三部分為衛(wèi)生服務(wù)利用，包括4 周患病率、4周門(mén)診服務(wù)利用率、年住院率。

選取150 名對(duì)象進(jìn)行預(yù)調(diào)查，得到問(wèn)卷的Cron bach′s α 系數(shù)為0.730，平均效度為14.2，內(nèi)部一致性高，內(nèi)容符合主題。

1.3 統(tǒng)計(jì)學(xué)方法

1.3.1 單因素分析

采用SPSS 22.0 統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析，符合正態(tài)分布的計(jì)量資料采用均數(shù)±標(biāo)準(zhǔn)差（±s）表示，兩組間比較采用t 檢驗(yàn)，不符合正態(tài)分布者轉(zhuǎn)換為正態(tài)分布后行統(tǒng)計(jì)學(xué)分析；計(jì)數(shù)資料用率表示，組間比較采用χ2檢驗(yàn)，以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

1.3.2 多因素分析

多因素分析采用人工神經(jīng)網(wǎng)絡(luò)模型。人工神經(jīng)網(wǎng)絡(luò)的工作原理是模仿人腦結(jié)構(gòu)，根據(jù)所提供的數(shù)據(jù)，通過(guò)學(xué)習(xí)和訓(xùn)練，建立由自變量到因變量的模型[6]。輸入和輸出之間的關(guān)系不是線性的。根據(jù)輸入的信息建立神經(jīng)元，通過(guò)學(xué)習(xí)規(guī)則或自組織等過(guò)程建立相應(yīng)的模型，并不斷修正，使輸出結(jié)果與實(shí)際值之間的差距不斷縮小[7]。人工神經(jīng)網(wǎng)絡(luò)的具有高速運(yùn)算的能力，模擬人腦進(jìn)行自學(xué)習(xí)、自組織。其由輸入層、隱含中間層、輸出層組成，結(jié)構(gòu)如圖1所示。結(jié)構(gòu)簡(jiǎn)單、意義明確、步驟分明。

圖1 人工神經(jīng)網(wǎng)絡(luò)模型

本研究采用Matlab 神經(jīng)工具箱構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)，步驟如下。

①將所有數(shù)據(jù)導(dǎo)入Matlab。

②打開(kāi)Netural Net Fitting 工具箱，建立神經(jīng)網(wǎng)絡(luò)，導(dǎo)入網(wǎng)絡(luò)，確立輸入層、輸出層；確定所有數(shù)據(jù)中訓(xùn)練集、驗(yàn)證集、測(cè)試集的比例分配。

③設(shè)置中間層的節(jié)點(diǎn)數(shù)，確立傳輸函數(shù)。

④開(kāi)始進(jìn)行訓(xùn)練，可以加入修正數(shù)據(jù)進(jìn)行權(quán)值修正。

⑤訓(xùn)練結(jié)束，驗(yàn)證并測(cè)試結(jié)果。

2 結(jié)果

2.1 衛(wèi)生服務(wù)利用現(xiàn)狀

被調(diào)查的1031 名少數(shù)民族樣本中，4 周內(nèi)因患病利用門(mén)診服務(wù)的人數(shù)為73 名，門(mén)診服務(wù)利用率為7.08%；1年內(nèi)因患病利用住院服務(wù)的人數(shù)為87 名，住院服務(wù)利用率為8.44%。

2.2 影響門(mén)診服務(wù)利用的單因素分析

貴州省少數(shù)民族門(mén)診利用組的一般資料、健康素養(yǎng)總分及各類別不同得分與門(mén)診未利用組比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05）（表1）。

表1 被調(diào)查少數(shù)民族4 周內(nèi)門(mén)診服務(wù)利用的單因素分析（n=1031，分，±s）

表1 被調(diào)查少數(shù)民族4 周內(nèi)門(mén)診服務(wù)利用的單因素分析（n=1031，分，±s）

基本特征門(mén)診利用組（n=73）門(mén)診未利用組（n=958）χ2/t 值 P 值城鎮(zhèn)[n（%）]男性[n（%）]年齡[歲，n（%）]15～25＞25～35＞35～45＞35～55＞55～65＞65～69文化程度[n（%）]小學(xué)及以下初中高中或中專大專大學(xué)本科及以上職業(yè)狀況[n（%）]在校學(xué)生務(wù)農(nóng)就業(yè)失業(yè)或無(wú)業(yè)退休平均月收入[元，n（%）]1000 及以下1001～3000 3001～5000 5001～10000 10001 及以上健康素養(yǎng)總分按知信行分類基本健康知識(shí)和理念健康生活方式與行為基本技能按公共衛(wèi)生問(wèn)題導(dǎo)向分類科學(xué)健康觀素養(yǎng)傳染病防治素養(yǎng)慢性病防治素養(yǎng)健康信息素養(yǎng)安全與急救素養(yǎng)基本醫(yī)療素養(yǎng)19（26.0）41（56.2）206（21.5）441（46.0）0.902 1.673 0.428 0.376 0.095 0.669 39（53.4）13（17.8）8（11.0）8（11.0）3（4.1）2（2.7）530（55.3）169（17.6）123（12.8）80（8.4）18（1.9）38（4.0）1.5880.113 15（20.5）23（31.5）13（17.8）4（5.5）18（24.7）147（15.3）274（28.6）155（16.2）93（9.7）289（30.2）0.0190.985 32（43.8）14（19.2）19（26.0）8（11.0）0（0.0）421（43.9）161（16.8）306（31.9）58（6.1）12（1.3）0.4920.623 41（56.2）18（24.6）10（13.7）4（5.5）0（0.0）32.16±10.79 13.93±4.91 10.01±3.82 8.22±3.41 4.73±2.20 4.11±1.51 5.12±2.59 3.53±1.95 8.23±3.35 6.44±2.46 502（52.4）257（26.8）155（16.2）34（3.6）10（1.0）33.77±10.73 14.87±4.72 10.66±3.98 8.24±3.37 4.98±2.14 4.06±1.59 5.76±2.59 3.54±1.94 8.74±3.17 6.70±2.52 1.229 1.628 1.345 0.041 0.969 0.265 1.149 0.898 1.307 0.840 0.219 0.104 0.179 0.967 0.333 0.791 0.253 0.371 0.191 0.401

2.3 影響住院服務(wù)利用的單因素分析

貴州省少數(shù)民族住院利用組和住院未利用組的職業(yè)狀況比較，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）；住院未利用組的健康素養(yǎng)總分、健康信息素養(yǎng)、安全與急救素養(yǎng)得分高于住院利用組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。住院利用組的其他基本特征、健康素養(yǎng)其他類別得分與住院未利用組比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05）（表2）。

表2 被調(diào)查少數(shù)民族1年內(nèi)住院服務(wù)利用的單因素分析（n=1031，分，±s）

表2 被調(diào)查少數(shù)民族1年內(nèi)住院服務(wù)利用的單因素分析（n=1031，分，±s）

基本特征住院利用組（n=87）住院未利用組（n=944）χ2/t 值 P 值城鎮(zhèn)[n（%）]男性[n（%）]年齡[歲，n（%）]15～25＞25～35＞35～45＞35～55＞55～65＞65～69文化程度[n（%）]小學(xué)及以下初中高中或中專大專大學(xué)本科及以上職業(yè)狀況[n（%）]在校學(xué)生務(wù)農(nóng)就業(yè)失業(yè)或無(wú)業(yè)退休平均月收入[元，n（%）]1000 及以下1001～3000 3001～5000 5001～10000 10001 以上健康素養(yǎng)總分按知信行分類基本健康知識(shí)和理念健康生活方式與行為基本技能按公共衛(wèi)生問(wèn)題導(dǎo)向分類科學(xué)健康觀素養(yǎng)傳染病防治素養(yǎng)慢性病防治素養(yǎng)健康信息素養(yǎng)安全與急救素養(yǎng)基本醫(yī)療素養(yǎng)22（25.3）42（48.3）203（21.5）440（46.6）0.817 0.298 0.888 0.414 0.766 0.375 52（59.8）16（18.4）10（11.5）3（3.4）2（2.3）4（4.6）517（54.8）166（17.6）121（12.8）85（9.0）19（2.0）36（3.8）0.862 0.389 8（9.2）28（32.2）17（19.5）5（5.7）29（33.3）154（16.3）269（28.5）151（16.0）92（9.7）278（29.4）2.243 0.025 41（47.1）9（10.3）25（28.7）11（12.7）1（1.2）412（43.6）166（17.6）300（31.8）55（5.8）11（1.2）0.965 0.335 45（51.7）19（21.9）17（19.5）5（5.8）1（1.1）32.16±10.79 498（52.7）256（27.1）148（15.7）33（3.5）9（1.0）33.77±10.73 2.267 0.024 13.71±4.70 9.76±4.02 7.69±3.47 14.90±4.73 10.70±3.96 8.28±3.36 0.543 0.789 1.575 0.589 0.430 0.115 4.67±2.18 3.85±1.56 5.30±2.57 3.38±1.67 7.41±3.47 6.55±2.43 4.99±2.14 4.08±1.59 5.75±2.59 3.55±1.96 8.82±3.13 6.69±2.52 1.335 1.298 1.561 2.108 3.974 0.485 0.182 0.195 0.119 0.035 0.000 0.628

2.4 基于人工神經(jīng)網(wǎng)絡(luò)的貴州省少數(shù)民族衛(wèi)生服務(wù)利用預(yù)測(cè)模型

2.4.1 神經(jīng)網(wǎng)絡(luò)初始化

由上述單因素分析，門(mén)診利用組與門(mén)診未利用組的不同基本特征、健康素養(yǎng)總體及各類別得分比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05）。而住院未利用組的職業(yè)狀況、健康素養(yǎng)總分、健康信息素養(yǎng)、安全與急救素養(yǎng)得分與住院利用組比較，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。因此，本研究利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建住院服務(wù)利用預(yù)測(cè)模型。

2.4.1.1 輸入層與輸出層的確定 職業(yè)狀況（P=0.025）、健康信息素養(yǎng)（P=0.035）、安全與急救素養(yǎng)（P=0.000）三個(gè)因素均有統(tǒng)計(jì)學(xué)意義，因此，輸入層設(shè)置為職業(yè)狀況、健康信息素養(yǎng)、安全與急救素養(yǎng)3 個(gè)節(jié)點(diǎn)。輸出層確定為住院服務(wù)利用1 個(gè)節(jié)點(diǎn)。

2.4.1.2 數(shù)據(jù)標(biāo)準(zhǔn)化 由于職業(yè)狀況與健康信息素養(yǎng)、安全與急救素養(yǎng)不是同一類變量，數(shù)值相差較大，需采用min-max 標(biāo)準(zhǔn)化（min-max normalization）對(duì)其進(jìn)行處理[8]，將其映射到（0，1）之間，采用的公式如下：。

2.4.1.3 中間隱含層節(jié)點(diǎn)數(shù)量的確定 中間隱含層的神經(jīng)元節(jié)點(diǎn)數(shù)對(duì)人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度有較大的影響，節(jié)點(diǎn)數(shù)過(guò)多會(huì)導(dǎo)致過(guò)度擬合，且增加訓(xùn)練時(shí)間；節(jié)點(diǎn)數(shù)過(guò)少會(huì)出現(xiàn)欠學(xué)習(xí)狀態(tài)，從而削弱了模型的預(yù)測(cè)能力[9]。根據(jù)經(jīng)驗(yàn)公式[10]：（Z 為中間層節(jié)點(diǎn)數(shù)，n、m 分別為輸入層、輸出層節(jié)點(diǎn)數(shù)，a為1～10 之間的整數(shù)常數(shù)）。本研究確定的n、m 分別為3、1，根據(jù)公式計(jì)算，模型中間層節(jié)點(diǎn)數(shù)為（3，12）。

2.4.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

Matlab 的神經(jīng)工具箱中，網(wǎng)絡(luò)設(shè)置為具有S 形的隱藏神經(jīng)元和線性輸出的神經(jīng)元（fitnet）的雙層前饋網(wǎng)絡(luò)，如圖2所示。輸入層和隱含層的傳遞函數(shù)為tansig 函數(shù)，輸出層的傳遞函數(shù)為purelin 函數(shù)，使用traincg 算法。學(xué)習(xí)率設(shè)置為0.05，迭代次數(shù)為1000次。在Matlab 中，訓(xùn)練函數(shù)Levevberg-Marquardt 法（L-M算法）收斂速度快且均方誤根差最小，表現(xiàn)效果最優(yōu)[11]。

圖2 Matlab 神經(jīng)工具箱的網(wǎng)絡(luò)設(shè)置

神經(jīng)網(wǎng)絡(luò)建立好以后，導(dǎo)入經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的1031 組樣本。將數(shù)據(jù)集按照70∶15∶15 的比例分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。訓(xùn)練集用于訓(xùn)練模型，驗(yàn)證集用于衡量訓(xùn)練集構(gòu)建網(wǎng)絡(luò)，驗(yàn)證完成后再用測(cè)試集樣本數(shù)據(jù)進(jìn)行測(cè)試，確定所建立人工神經(jīng)網(wǎng)絡(luò)模型的有效性。

2.4.3 網(wǎng)絡(luò)模型建立結(jié)果

根據(jù)上述初始化設(shè)置建立網(wǎng)絡(luò)，調(diào)整中間層神經(jīng)元個(gè)數(shù)，直到均方誤差（MSE）最小，MSE 指的是輸出和目標(biāo)之間的均方差，值越低越好。調(diào)整中間層節(jié)點(diǎn)數(shù)從3～12，訓(xùn)練網(wǎng)絡(luò)，確定隱含層為10 個(gè)時(shí)，為最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。如表3所示。

表3 各中間隱含層節(jié)點(diǎn)數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型MSE

迭代次數(shù)與MSE 的關(guān)系如圖3（封三）所示，藍(lán)線為訓(xùn)練數(shù)據(jù)，綠線為驗(yàn)證數(shù)據(jù)，紅線為測(cè)試數(shù)據(jù)。模型中，訓(xùn)練集、測(cè)試集、驗(yàn)證集數(shù)據(jù)的表現(xiàn)類似。最優(yōu)表現(xiàn)為當(dāng)訓(xùn)練次數(shù)為4 次時(shí)，MSE 達(dá)最小值，為0.069 076。

圖3 迭代次數(shù)與MSE 關(guān)系圖（見(jiàn)內(nèi)文第7 頁(yè)）

2.4.4 模型驗(yàn)證

為檢驗(yàn)所建立的人工神經(jīng)網(wǎng)絡(luò)模型的有效性，訓(xùn)練前，將數(shù)據(jù)中的15%，共155 組數(shù)據(jù)設(shè)定為測(cè)試集，用于進(jìn)行模型驗(yàn)證，結(jié)果見(jiàn)圖4，所有測(cè)試集樣本數(shù)據(jù)誤差的絕對(duì)值均不超過(guò)1，且誤差在0 附近的頻數(shù)最大。由此可見(jiàn)，預(yù)測(cè)住院服務(wù)利用的人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)準(zhǔn)確，本模型有效。

圖4 測(cè)試樣本數(shù)據(jù)誤差分布圖

3 討論

本研究構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型顯示，職業(yè)狀況、健康信息素養(yǎng)、安全與急救素養(yǎng)顯著影響貴州省少數(shù)民族的住院服務(wù)利用。健康信息素養(yǎng)是指?jìng)€(gè)體意識(shí)到自身對(duì)健康信息的需求，熟悉掌握檢索健康信息的方法，評(píng)價(jià)檢索到健康信息的質(zhì)量，并根據(jù)自身具體情況，選擇適合的信息分析和運(yùn)用來(lái)做出健康決策[12]。安全與急救素養(yǎng)是個(gè)體應(yīng)對(duì)突發(fā)地震、洪澇、爆炸、火災(zāi)、食品安全、交通事故等公共安全問(wèn)題的能力，體現(xiàn)了個(gè)體的安全和急救方面的認(rèn)知和能力[13]。健康素養(yǎng)是影響衛(wèi)生服務(wù)利用的重要影響因素[14]。低健康素養(yǎng)水平導(dǎo)致低自我健康管理行為水平，傷害、發(fā)病的增加，治療依從性差，疾病自我管理能力低，從而影響人的生命和生活質(zhì)量，并增加對(duì)衛(wèi)生服務(wù)的利用。

掌握正確的衛(wèi)生服務(wù)利用影響因素，有利于在衛(wèi)生資源有限的前提下，找準(zhǔn)針對(duì)性的健康教育實(shí)施路徑，深化醫(yī)藥衛(wèi)生體制改革，為制定促進(jìn)衛(wèi)生服務(wù)合理利用的政策提供科學(xué)依據(jù)。

本研究旨在提供一種簡(jiǎn)便、高效的方法，對(duì)衛(wèi)生服務(wù)的利用進(jìn)行科學(xué)預(yù)測(cè)。人工神經(jīng)網(wǎng)絡(luò)和Logistics回歸模型不同，其是一組程序控件構(gòu)成的“黑箱”，輸入和輸出之間的關(guān)系在“黑箱”中，且為高度非線性的關(guān)系，需要借助R 語(yǔ)言、Matlab、Python 等實(shí)現(xiàn)和應(yīng)用[11]。因此，構(gòu)建人工神經(jīng)模型，將擬合效果較好的模型儲(chǔ)存到模型庫(kù)中，讓貴州省少數(shù)民族衛(wèi)生服務(wù)利用的預(yù)測(cè)向智能化發(fā)展。

同時(shí)，本研究的主體是貴州省少數(shù)民族。少數(shù)民族群體作為中華民族的重要組成部分，促進(jìn)其健康水平，關(guān)系到國(guó)家的長(zhǎng)久治安，對(duì)實(shí)現(xiàn)民族地區(qū)的和諧穩(wěn)定，維護(hù)國(guó)家發(fā)展具有積極的政治意義[15]。

綜上所述，職業(yè)狀況、健康信息素養(yǎng)、安全與急救素養(yǎng)顯著影響貴州省少數(shù)民族住院服務(wù)利用。人工神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確率較高，能應(yīng)用于進(jìn)一步的衛(wèi)生服務(wù)利用預(yù)測(cè)。