文/李虎石 黃慧妮（.溫州市中醫(yī)院；.杭州電子科技大學(xué)）

隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展和基本醫(yī)療全面服務(wù)保障體系的建立，公立醫(yī)院進(jìn)入快速增長(zhǎng)期，激增的經(jīng)濟(jì)總量對(duì)公立醫(yī)院經(jīng)濟(jì)管理水平提出了新的挑戰(zhàn)。公立醫(yī)院的管理模式正在從粗放型管理向精細(xì)化管理轉(zhuǎn)變，完善經(jīng)濟(jì)合同風(fēng)險(xiǎn)管理體系，通過(guò)業(yè)務(wù)與財(cái)務(wù)的深度融合能夠更好地促進(jìn)醫(yī)院精細(xì)化管理，進(jìn)一步提升管理工作水平，公立醫(yī)院的價(jià)值創(chuàng)造力在不斷增強(qiáng)。

經(jīng)濟(jì)合同管理作為醫(yī)院管理體系的重要組成部分，合同風(fēng)險(xiǎn)管理的有效性決定了公立醫(yī)院經(jīng)濟(jì)法律風(fēng)險(xiǎn)控制的有效性，通過(guò)建立合同風(fēng)險(xiǎn)評(píng)估模型，將其與內(nèi)部控制評(píng)價(jià)指標(biāo)和信用風(fēng)險(xiǎn)評(píng)估方法結(jié)合，促進(jìn)公立醫(yī)院完善內(nèi)部控制體系，對(duì)于防范和控制經(jīng)濟(jì)合同風(fēng)險(xiǎn)有著非常重要的價(jià)值。

已有很多學(xué)者在風(fēng)險(xiǎn)管理研究中采用貝葉斯網(wǎng)絡(luò)模型。但信用評(píng)分法和違約概率模型都采用先驗(yàn)概率方法，需要大量的歷史數(shù)據(jù)進(jìn)行驗(yàn)證，而合同風(fēng)險(xiǎn)觀察樣本數(shù)量少且較難獲取。在醫(yī)院經(jīng)濟(jì)合同發(fā)生前用于可能發(fā)生的合同事前風(fēng)險(xiǎn)的特定評(píng)估方法并不多見(jiàn)，本文采用貝葉斯網(wǎng)絡(luò)來(lái)度量醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)。

一、構(gòu)建公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)管理模型

基于貝葉斯網(wǎng)絡(luò)的經(jīng)濟(jì)合同風(fēng)險(xiǎn)管理模型。基于未確定的環(huán)境，貝葉斯網(wǎng)絡(luò)模型進(jìn)行原因推理、結(jié)果預(yù)測(cè)、概率推算及知識(shí)表達(dá)等任務(wù)，將其運(yùn)用于公立醫(yī)院風(fēng)險(xiǎn)導(dǎo)向的分析與預(yù)測(cè)中，提升預(yù)測(cè)精度與速率[1]。本文設(shè)計(jì)的基于貝葉斯網(wǎng)絡(luò)的風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)過(guò)程如下：

（1）建風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)拓?fù)浣Y(jié)構(gòu)。以醫(yī)院評(píng)定標(biāo)準(zhǔn)為參考，經(jīng)過(guò)實(shí)際現(xiàn)場(chǎng)考察，對(duì)監(jiān)測(cè)數(shù)據(jù)實(shí)施分析，識(shí)別公立醫(yī)院運(yùn)營(yíng)信息化風(fēng)險(xiǎn)導(dǎo)向，挑選領(lǐng)導(dǎo)風(fēng)險(xiǎn)、財(cái)務(wù)管理風(fēng)險(xiǎn)、項(xiàng)目決策風(fēng)險(xiǎn)、醫(yī)院人力資源風(fēng)險(xiǎn)及醫(yī)療過(guò)程風(fēng)險(xiǎn)作為一級(jí)風(fēng)險(xiǎn)導(dǎo)向指標(biāo)，并依次為各個(gè)一級(jí)風(fēng)險(xiǎn)導(dǎo)向指標(biāo)創(chuàng)建二級(jí)風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)指標(biāo)（風(fēng)險(xiǎn)導(dǎo)向因素）[4]。以各風(fēng)險(xiǎn)導(dǎo)向指標(biāo)之間的因果關(guān)聯(lián)為依據(jù)，構(gòu)建風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)。其中，一級(jí)風(fēng)險(xiǎn)導(dǎo)向指標(biāo)與二級(jí)風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)指標(biāo)分別作為模糊貝葉斯網(wǎng)絡(luò)的中間節(jié)點(diǎn)和根節(jié)點(diǎn)，預(yù)測(cè)對(duì)象公立醫(yī)院運(yùn)營(yíng)信息化風(fēng)險(xiǎn)導(dǎo)向作為葉節(jié)點(diǎn)[5]。

（2）確定根節(jié)點(diǎn)先驗(yàn)概率，包括風(fēng)險(xiǎn)導(dǎo)向等級(jí)劃分、獲取風(fēng)險(xiǎn)導(dǎo)向因素先驗(yàn)概率。通過(guò)多級(jí)離散化每個(gè)風(fēng)險(xiǎn)導(dǎo)向指標(biāo)數(shù)據(jù)，將風(fēng)險(xiǎn)導(dǎo)向劃分為五個(gè)區(qū)間等級(jí)，也就是｛0,1,2,3,4｝五個(gè)等級(jí)，依次對(duì)應(yīng)｛Ⅰ級(jí),Ⅱ級(jí),Ⅲ級(jí),Ⅳ級(jí),Ⅴ級(jí)｝，即｛安全,輕微,一般,較嚴(yán)重,非常嚴(yán)重｝。獲取公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向因素多區(qū)間等級(jí)的先驗(yàn)概率分布。

（3）創(chuàng)建中間節(jié)點(diǎn)條件概率分布。條件概率體現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的多態(tài)性與風(fēng)險(xiǎn)導(dǎo)向事件之間的不確準(zhǔn)性。結(jié)合公立醫(yī)院實(shí)際情況，分析公立醫(yī)院樣本觀測(cè)數(shù)據(jù)，同時(shí)與專家意見(jiàn)相結(jié)合，確定中間節(jié)點(diǎn)與葉節(jié)點(diǎn)的條件概率，反映真實(shí)的網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)各個(gè)風(fēng)險(xiǎn)導(dǎo)向事件之間的依賴關(guān)系。

（4）分布運(yùn)算概率推理，包括貝葉斯網(wǎng)絡(luò)推理預(yù)測(cè)、重要度預(yù)測(cè)。輸入根節(jié)點(diǎn)的先驗(yàn)概率分布與中間節(jié)點(diǎn)的條件概率分布，在模糊多態(tài)貝葉斯網(wǎng)絡(luò)內(nèi)實(shí)施運(yùn)算，依據(jù)公立醫(yī)院新增加的合同信息，及時(shí)更新貝葉斯網(wǎng)絡(luò)的動(dòng)態(tài)，并運(yùn)用貝葉斯網(wǎng)絡(luò)的重要度預(yù)測(cè)方法與正反推理技術(shù)，迅速實(shí)施概率風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)。

二、貝葉斯網(wǎng)絡(luò)推理

（一）經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向概率推理預(yù)測(cè)

以貝葉斯網(wǎng)絡(luò)的運(yùn)算原則為依據(jù)，葉節(jié)點(diǎn)的發(fā)生概率可通過(guò)根節(jié)點(diǎn)先驗(yàn)概率分布與中間節(jié)點(diǎn)條件概率分布推算出，另外也可在已知風(fēng)險(xiǎn)導(dǎo)向事件出現(xiàn)的狀況下，采用由底到上推理的方式，推理得出不同根節(jié)點(diǎn)的后驗(yàn)概率分布。貝葉斯網(wǎng)絡(luò)所具備的自主學(xué)習(xí)能力，可實(shí)時(shí)以新出現(xiàn)的證據(jù)信息為依據(jù)，調(diào)整修改風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)，提升推理的精度與實(shí)用性[2]。 經(jīng)貝葉斯網(wǎng)絡(luò)推理后，能夠提前預(yù)防未來(lái)可能產(chǎn)生的風(fēng)險(xiǎn)導(dǎo)向事件，同時(shí)也能夠在風(fēng)險(xiǎn)導(dǎo)向事件出現(xiàn)之后，對(duì)可能性最高的致險(xiǎn)因子迅速做出診斷。 故對(duì)于公立醫(yī)院運(yùn)營(yíng)信息化風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)而言，貝葉斯網(wǎng)絡(luò)推理預(yù)測(cè)方式意義重大。

模糊多態(tài)貝葉斯網(wǎng)絡(luò)內(nèi)根節(jié)點(diǎn)與中間節(jié)點(diǎn)分別以Ai和Bj表示，其中i＝1,2,…,n；j＝1,2,…，m；根節(jié)點(diǎn)與中間節(jié)點(diǎn)的數(shù)目分別以n和m表示，葉節(jié)點(diǎn)以E表示。根節(jié)點(diǎn)、中間節(jié)點(diǎn)及葉節(jié)點(diǎn)的風(fēng)險(xiǎn)導(dǎo)向狀態(tài)分別用Aici、BjDj及Ep描述，其中，ci＝0,1,…,ki-1；dj＝0,1,…,lj-1；p＝0,1,…，u-1，根節(jié)點(diǎn)、中間節(jié)點(diǎn)及葉節(jié)點(diǎn)的風(fēng)險(xiǎn)導(dǎo)向狀態(tài)數(shù)目分別以ki、lj、u表示。根節(jié)點(diǎn)風(fēng)險(xiǎn)導(dǎo)向狀態(tài)的概率依次為P(A1 c1)…P(Ancn)。則在各個(gè)根節(jié)點(diǎn)風(fēng)險(xiǎn)導(dǎo)向狀態(tài)的概率已知時(shí)，葉節(jié)點(diǎn)E處在風(fēng)險(xiǎn)導(dǎo)向狀態(tài)Ep的概率運(yùn)算式可表示為：

上式中，中間節(jié)點(diǎn)B與葉節(jié)點(diǎn)E的父節(jié)點(diǎn)集合分別以π(B)和π(E)表示。

葉節(jié)點(diǎn)E處于風(fēng)險(xiǎn)導(dǎo)向狀態(tài)Ep的條件概率在根節(jié)點(diǎn)Ai處在風(fēng)險(xiǎn)導(dǎo)向狀態(tài)已知的情況下，計(jì)算公式為：

上式中，根節(jié)點(diǎn)Ai與葉節(jié)點(diǎn)E分別處在風(fēng)險(xiǎn)導(dǎo)向狀態(tài)、Ep的聯(lián)合概率分布為

當(dāng)葉節(jié)點(diǎn)E處在風(fēng)險(xiǎn)導(dǎo)向狀態(tài)Ep時(shí)，每個(gè)根節(jié)點(diǎn)Ai處在風(fēng)險(xiǎn)導(dǎo)向狀態(tài)的條件概率分布，即后驗(yàn)概率分布計(jì)算公式表示如下：

（二）經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向因素重要度預(yù)測(cè)

模糊多態(tài)貝葉斯網(wǎng)絡(luò)內(nèi)的根節(jié)點(diǎn)、葉節(jié)點(diǎn)之間的邏輯關(guān)系可通過(guò)重要度指標(biāo)表示。 重要度反映根節(jié)點(diǎn)Ai各種風(fēng)險(xiǎn)導(dǎo)向狀態(tài)的概率變化對(duì)葉節(jié)點(diǎn)E處于風(fēng)險(xiǎn)導(dǎo)向狀態(tài)Ep概率的影響程度。計(jì)算得到的重要度的數(shù)值越大，表示該風(fēng)險(xiǎn)導(dǎo)向因素對(duì)風(fēng)險(xiǎn)導(dǎo)向事件的影響程度越大。通過(guò)對(duì)根節(jié)點(diǎn)的重要度進(jìn)行預(yù)測(cè)分析，能夠準(zhǔn)確識(shí)別公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向的主要致險(xiǎn)因素，掌握合同風(fēng)險(xiǎn)重點(diǎn)控制因素，實(shí)現(xiàn)降低合同風(fēng)險(xiǎn)導(dǎo)向的發(fā)生率[3]。

根節(jié)點(diǎn)Ai與葉節(jié)點(diǎn)E處在Ep風(fēng)險(xiǎn)導(dǎo)向狀態(tài)相關(guān)的重要度為：

三、案例研究結(jié)果分析

上述基于貝葉斯網(wǎng)絡(luò)的經(jīng)濟(jì)合同風(fēng)險(xiǎn)預(yù)測(cè)模型，應(yīng)用于溫州市某公立醫(yī)院案例中，對(duì)該醫(yī)院經(jīng)濟(jì)合同管理中實(shí)施風(fēng)險(xiǎn)導(dǎo)向進(jìn)行預(yù)測(cè)分析，通過(guò)案例研究數(shù)據(jù)結(jié)果檢驗(yàn)貝葉斯網(wǎng)絡(luò)風(fēng)險(xiǎn)預(yù)測(cè)模型的實(shí)際運(yùn)用和實(shí)施效果。

（一）概率推理預(yù)測(cè)分析

采集和輸入案例，醫(yī)院經(jīng)合同實(shí)際監(jiān)測(cè)數(shù)據(jù)，通過(guò)貝葉斯網(wǎng)絡(luò)模型推理經(jīng)濟(jì)合同預(yù)測(cè)風(fēng)險(xiǎn)導(dǎo)向。采用貝葉斯網(wǎng)絡(luò)模型推理運(yùn)算根節(jié)點(diǎn)不同取值的各種風(fēng)險(xiǎn)導(dǎo)向狀態(tài)的后驗(yàn)概率，把根節(jié)點(diǎn)后驗(yàn)概率從高至低進(jìn)行排序，對(duì)可能性最高的致險(xiǎn)因素實(shí)施預(yù)測(cè)分析。在E＝4（非常嚴(yán)重等級(jí)）的情況下，根節(jié)點(diǎn)A4處在A4＝4的概率最高，也就是根節(jié)點(diǎn)A4為非常嚴(yán)重狀態(tài)的概率較高；而處在Ai＝3（較嚴(yán)重）狀態(tài)概率最高的前四位根節(jié)點(diǎn)依次為A2、A13、A7、A3。

由上述結(jié)果發(fā)現(xiàn)，案例單位當(dāng)前經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向?qū)儆诜浅?yán)重狀態(tài)時(shí)，可能性最高的風(fēng)險(xiǎn)導(dǎo)向因素依次為客戶商業(yè)信譽(yù)（A1）、客戶財(cái)務(wù)狀況（A2）、管理制度嚴(yán)格性（A13）、分工崗位職責(zé)（A7）及客戶交易動(dòng)機(jī)（A3）。

按照上述方法的推理預(yù)測(cè)結(jié)果，將根節(jié)點(diǎn)后驗(yàn)概率從高至低（A1，A2，A13，A7，A3）進(jìn)行排序，由合同相關(guān)工作人員檢測(cè)可能性最高的致險(xiǎn)因素。首先檢測(cè)該公立醫(yī)院案例單位當(dāng)前的客戶商業(yè)信譽(yù)（A1），若A1致險(xiǎn)因素處在非常嚴(yán)重狀態(tài)時(shí)，那么可確準(zhǔn)P（A1=4）=1；若A1處于正常狀態(tài)時(shí)，則分別檢測(cè)A2，A13，A7，A3致險(xiǎn)因素。以此類推確定可能性最高的致險(xiǎn)因素組合，為該案例單位選取合理的控制措施，為經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向控制提供科學(xué)的決策參考。

（二）重要度預(yù)測(cè)結(jié)果分析

通過(guò)本文前述貝葉斯網(wǎng)絡(luò)模型對(duì)公立醫(yī)院案例單位的經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向因素的重要度進(jìn)行預(yù)測(cè)分析，根據(jù)模型預(yù)測(cè)結(jié)果，能夠確定各風(fēng)險(xiǎn)導(dǎo)向因素影響風(fēng)險(xiǎn)導(dǎo)向事件出現(xiàn)概率的程度高低，進(jìn)而分析確定敏感度最高的致險(xiǎn)因子。本文通過(guò)貝葉斯網(wǎng)絡(luò)模型運(yùn)算可得，在風(fēng)險(xiǎn)導(dǎo)向事件E處于各種風(fēng)險(xiǎn)導(dǎo)向狀態(tài)時(shí)，不同根節(jié)點(diǎn)的風(fēng)險(xiǎn)導(dǎo)向重要度分布不同。

當(dāng)案例公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向事件E處于非常嚴(yán)重等級(jí)（E=4）時(shí)，通過(guò)貝葉斯網(wǎng)絡(luò)模型可預(yù)測(cè)出根節(jié)點(diǎn)A13，A2，A5，A9的重要度最高，上述結(jié)果說(shuō)明，在案例公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向中，最敏感的薄弱環(huán)節(jié)即為管理制度嚴(yán)格性（A13）、客戶財(cái)務(wù)狀況（A2）、合同法律風(fēng)險(xiǎn)（A5）、合同執(zhí)行人的經(jīng)驗(yàn)（A9）四個(gè)風(fēng)險(xiǎn)導(dǎo)向因素，由此，該公立醫(yī)院需重點(diǎn)排查與控制這四個(gè)方面。

四、研究結(jié)論

作者基于貝葉斯網(wǎng)絡(luò)模型研究公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)方法，選取公立醫(yī)院經(jīng)濟(jì)合同一級(jí)風(fēng)險(xiǎn)導(dǎo)向指標(biāo)、二級(jí)風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)指標(biāo)，構(gòu)建以二者邏輯關(guān)系為依據(jù)的風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)。在此結(jié)構(gòu)中，將各指標(biāo)劃分為五個(gè)風(fēng)險(xiǎn)等級(jí)，并以一級(jí)、二級(jí)指標(biāo)分別作為貝葉斯網(wǎng)絡(luò)的中間節(jié)點(diǎn)與根節(jié)點(diǎn)。根節(jié)點(diǎn)的先驗(yàn)概率分布及中間節(jié)點(diǎn)與葉節(jié)點(diǎn)的條件概率分布，通過(guò)案例單位現(xiàn)場(chǎng)監(jiān)測(cè)的方式獲取經(jīng)濟(jì)合同風(fēng)險(xiǎn)管理檢測(cè)數(shù)據(jù)，將各節(jié)點(diǎn)概率分布輸入到貝葉斯網(wǎng)絡(luò)內(nèi)實(shí)施推理與重要度預(yù)測(cè)。以溫州市某公立醫(yī)院作為研究案例，將本文貝葉斯網(wǎng)絡(luò)方法應(yīng)用于該醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向預(yù)測(cè)，研究結(jié)果表明，貝葉斯網(wǎng)絡(luò)模型可精準(zhǔn)預(yù)測(cè)公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)導(dǎo)向等級(jí)及可能性最高的敏感致險(xiǎn)因素，并且延長(zhǎng)預(yù)測(cè)周期，預(yù)測(cè)結(jié)果的精度未出現(xiàn)顯著變化，可在公立醫(yī)院經(jīng)濟(jì)合同風(fēng)險(xiǎn)控制與預(yù)防中發(fā)揮重要作用。

相關(guān)鏈接

貝葉斯網(wǎng)絡(luò)又稱信度網(wǎng)絡(luò)，是Bayes方法的擴(kuò)展，是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一。從1988年由Pearl提出后，已經(jīng)成為近幾年來(lái)研究的熱點(diǎn).。一個(gè)貝葉斯網(wǎng)絡(luò)是一個(gè)有向無(wú)環(huán)圖(Directed Acyclic Graph,DAG),由代表變量結(jié)點(diǎn)及連接這些結(jié)點(diǎn)有向邊構(gòu)成。結(jié)點(diǎn)代表隨機(jī)變量，結(jié)點(diǎn)間的有向邊代表了結(jié)點(diǎn)間的互相關(guān)系(由父結(jié)點(diǎn)指向其子結(jié)點(diǎn))，用條件概率進(jìn)行表達(dá)關(guān)系強(qiáng)度，沒(méi)有父結(jié)點(diǎn)的用先驗(yàn)概率進(jìn)行信息表達(dá)。結(jié)點(diǎn)變量可以是任何問(wèn)題的抽象，如：測(cè)試值，觀測(cè)現(xiàn)象，意見(jiàn)征詢等。適用于表達(dá)和分析不確定性和概率性的事件，應(yīng)用于有條件地依賴多種控制因素的決策，可以從不完全、不精確或不確定的知識(shí)或信息中做出推理。

公立醫(yī)院是指政府舉辦的納入財(cái)政預(yù)算管理的醫(yī)院，也就是國(guó)營(yíng)醫(yī)院、國(guó)家出錢(qián)辦的醫(yī)院。也可以理解成國(guó)立。醫(yī)院分3個(gè)等級(jí)，一級(jí)是社區(qū)醫(yī)院，二級(jí)是縣(區(qū))級(jí)醫(yī)院，三級(jí)是市級(jí)醫(yī)院。

公立醫(yī)院是中國(guó)醫(yī)療服務(wù)體系的主體。國(guó)家衛(wèi)生部部長(zhǎng)陳竺指出:“公立醫(yī)院是體現(xiàn)公益性、解決基本醫(yī)療、緩解人民群眾看病就醫(yī)困難的主體，矛盾問(wèn)題比較集中。要加強(qiáng)其公益性，就要扭轉(zhuǎn)過(guò)于強(qiáng)調(diào)醫(yī)院創(chuàng)收的傾向，讓其成為群眾醫(yī)治大病、重病和難病的基本醫(yī)療服務(wù)平臺(tái)?！?/p>