——邢晨偉 王清江 盛偉琪

目前，國內(nèi)已有多家醫(yī)院試行主診醫(yī)師負(fù)責(zé)制。但對于崗位設(shè)置未綜合考慮科室收治能力、主診醫(yī)師的工作量以及收治病種的難易程度等[1]。中日友好醫(yī)院按每10張床位設(shè)置1個主診組[2]。安徽省蕪湖市第二人民醫(yī)院每10張～12張床位設(shè)置1個診療組[3]。華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院以及深圳市第二人民醫(yī)院均根據(jù)專科亞專業(yè)情況和科主任意見設(shè)置醫(yī)療組[4-5]。四川大學(xué)華西醫(yī)院由科主任負(fù)責(zé)崗位的設(shè)置[6]。這些方式均未衡量各主診組工作量和病種難度，導(dǎo)致床位資源配置不合理，難以調(diào)動醫(yī)師主觀能動性。對此，復(fù)旦大學(xué)附屬腫瘤醫(yī)院經(jīng)過調(diào)研和科學(xué)規(guī)劃，利用人工智能算法(BP神經(jīng)網(wǎng)絡(luò))對崗位設(shè)置進(jìn)行了探索，構(gòu)建了主診醫(yī)師崗位核定模式。

1 研究對象與方法

1.1 研究對象

該院為腫瘤專科醫(yī)院，共有13個外科科室和兩個內(nèi)科科室。本研究基于主診醫(yī)師負(fù)責(zé)制，將13個外科科室的主診醫(yī)師崗位數(shù)作為研究對象，深入研究主診醫(yī)師崗位核定的影響因素。

1.2 研究方法

1.2.1 因素篩選 通過回顧文獻(xiàn)，篩選出了6個初始因素，分別為：平均住院日、術(shù)前等待時間、并發(fā)癥發(fā)生率、床位數(shù)、年床均出院量、三四級手術(shù)占比。運用專家咨詢法，從上海多家醫(yī)院中選取具有權(quán)威資質(zhì)的醫(yī)院管理者、學(xué)科帶頭人、學(xué)科專家、統(tǒng)計學(xué)專家共17名，邀請其對6個初始因素進(jìn)行篩選。專家基本情況如下：副高職稱占58.82%，正高職稱占41.18%；學(xué)歷均為碩士及以上，其中博士占52.94%；40歲以上占82.35%。經(jīng)過三輪咨詢，專家意見協(xié)調(diào)系數(shù)達(dá)0.412，進(jìn)入0.4～0.5的可接受范圍，顯著性檢驗具有統(tǒng)計學(xué)意義(P<0.05)。最終篩選出3個因素(表1)，即床位數(shù)、年床均出院量和三四級手術(shù)占比[1,7]。

表1 主診醫(yī)師崗位核定影響因素及說明

1.2.2 BP神經(jīng)網(wǎng)絡(luò)算法 人工神經(jīng)網(wǎng)絡(luò)是一種信息處理技術(shù)，能夠通過輸入/輸出參數(shù)設(shè)定、運算精度調(diào)節(jié)等，實現(xiàn)對數(shù)據(jù)分析過程的自學(xué)習(xí)、自訓(xùn)練，從而獲得各參數(shù)之間的內(nèi)在規(guī)律[8]。人工神經(jīng)網(wǎng)絡(luò)因其強大性、靈活性和易用性，成為預(yù)測數(shù)據(jù)應(yīng)用程序的首選工具[9]。BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)模型是多層神經(jīng)網(wǎng)絡(luò)中最常用的前饋神經(jīng)網(wǎng)絡(luò)模型，可以存儲大量輸入和輸出的映射關(guān)系[10]。BP神經(jīng)網(wǎng)絡(luò)模型中通常采用S型激活函數(shù)，輸入公式如下所示：

net=x1w1+x2w2+……+xnwn

式中：x=[x1,x2,…，xn]表示訓(xùn)練數(shù)據(jù)，w=[w1,w2,…，wn]表示神經(jīng)單元的連接權(quán)重值，y為計算單元的輸出值。

本研究將篩選出的3個因素作為自變量，分別為：x1-床位數(shù)；x2-年床均出院量；x3-三四級手術(shù)占比。將x1、x2、x3三個變量輸入上述公式，多次訓(xùn)練修正各層單元的權(quán)重值，當(dāng)整個網(wǎng)絡(luò)模型的輸出誤差減小到一定程度即停止訓(xùn)練。此方法揭示了主診醫(yī)師崗位數(shù)與床位數(shù)、年床均出院量和三四級手術(shù)占比三者的內(nèi)在聯(lián)系，可科學(xué)預(yù)測各外科科室主診醫(yī)師崗位數(shù)。

1.3 重要性分析

為了保證目標(biāo)變量的預(yù)測準(zhǔn)確性，通過標(biāo)準(zhǔn)化處理，可以使不同特征變量具有相同的尺度，確保在使用梯度下降法學(xué)習(xí)參數(shù)時，使參數(shù)不受特征變量的差異影響。將目標(biāo)變量影響最大的自變量標(biāo)準(zhǔn)化重要性處理為1，其余自變量重要性除以影響最大的自變量重要性，得到其余自變量的標(biāo)準(zhǔn)化重要性。

2 結(jié)果與分析

2.1 模型驗證

13個外科科室均為有效樣本，按照參數(shù)6:4比例，8個(61.54%)被分配到訓(xùn)練樣本，5個(38.46%)被分配到測試樣本。全院13個外科科室均納入其中，無個案排除。

模型預(yù)測結(jié)果顯示(表2)，訓(xùn)練樣本百分比錯誤預(yù)測為1.3%，測試樣本百分比錯誤預(yù)測為2.7%，說明該模型錯誤預(yù)測率低，適用于本研究。突觸權(quán)重模型代表了一個信號從一個神經(jīng)元發(fā)送至另一個神經(jīng)元的強度。其目的是得出錯誤量最小的預(yù)測。圖1顯示，床位數(shù)、年床均出院量、三四級手術(shù)占比錯誤量都較小，其中床位數(shù)錯誤量最少。說明該模型崗位核定預(yù)測值與實際主診崗位分配數(shù)基本相符。

表2 主診醫(yī)師崗位核定神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

圖1 主診醫(yī)師崗位核定突觸權(quán)重模型

2.2 重要性分析結(jié)果

表3結(jié)果顯示，主診醫(yī)師崗位核定影響因素的重要性及其標(biāo)準(zhǔn)化重要性排序從高到低依次為：床位數(shù)(100.0%)、年床均出院量(10.1%)、三四級手術(shù)占比(9.3%)。說明床位數(shù)、年床均出院量、三四級手術(shù)占比均是崗位設(shè)置的主要影響因素，其中床位數(shù)的重要性最高。

表3 主診醫(yī)師崗位核定影響因素的重要性

2.3 預(yù)測崗位結(jié)果

運用BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測主診醫(yī)師崗位數(shù)，結(jié)果見表4。預(yù)測崗位數(shù)經(jīng)過院管理層多次討論，并征得科主任意見，符合臨床科室的實際要求和亞專科發(fā)展，得到了各級醫(yī)師認(rèn)可。除頭頸外科有1名醫(yī)師在外地支援，主診醫(yī)師崗位數(shù)由6人暫定為5人，另外12個科室實際主診醫(yī)師崗位數(shù)均按照預(yù)測崗位數(shù)設(shè)定。

表4 主診醫(yī)師預(yù)測崗位與校正崗位對比

3 應(yīng)用成效

該方案實施1年后，采用方便抽樣法，以13個外科科室的醫(yī)師作為調(diào)查對象，采用自制問卷于早會、主診醫(yī)師會議以及科主任例會等現(xiàn)場開展無記名滿意度調(diào)查，了解醫(yī)師對主診醫(yī)師崗位核定方案的認(rèn)可度。問卷共有5個條目，采用李克特態(tài)度量表，非常不滿意、不滿意、一般、滿意、非常滿意分別記1分、2分、3分、4分、5分，分?jǐn)?shù)越高，表明滿意度越高。結(jié)果以分?jǐn)?shù)評價滿意度：3.5分及以上為滿意，3.5分以下為不滿意。問卷Cronbach's α為0.718，總體KMO值為0.813>0.8，說明問卷信效度良好。

共發(fā)放問卷521份，回收502份，剔除4份有缺失項的無效問卷，有效問卷498份，有效回收率為95.6%。調(diào)查結(jié)果顯示，5個條目得分以及總體滿意度得分均在4分以上(表5)。說明13個外科科室的醫(yī)師對主診醫(yī)師崗位核定方案較為滿意，該方案得到了絕大部分醫(yī)師的認(rèn)可。

表5 主診醫(yī)師崗位核定方案的滿意度/分

4 討論

4.1 預(yù)測方法具有一定推廣性

國內(nèi)大多數(shù)醫(yī)院對主診醫(yī)師崗位核定研究較為簡單，按照“以床定崗，因崗設(shè)人”方式設(shè)置崗位，公平性難以體現(xiàn)，從而限制了醫(yī)生的積極性和創(chuàng)造性。該院所建立的多層神經(jīng)網(wǎng)絡(luò)模型對主診醫(yī)師崗位核定的預(yù)測準(zhǔn)確率較高，具有較強預(yù)測效能，為主診醫(yī)師崗位核定提供了客觀依據(jù)。目前，判斷錯誤預(yù)測率沒有明確標(biāo)準(zhǔn)，BP神經(jīng)網(wǎng)絡(luò)是對解析表達(dá)式的迭代收斂逼近，不可能達(dá)到零誤差，只能依據(jù)實際研究的技術(shù)要求來判斷。本研究訓(xùn)練樣本和測試樣本錯誤預(yù)測率分別為1.3%和2.7%，均較小，說明訓(xùn)練樣本和測試樣本的正確率均較高，擬合度良好。

另外，神經(jīng)網(wǎng)絡(luò)模型給出了所有影響因素的敏感度，有利于綜合考量各影響因素對主診醫(yī)師崗位核定的重要程度。本研究所選擇的3個影響因素均是從醫(yī)院信息系統(tǒng)獲取的定量指標(biāo)，可推廣性較強，相關(guān)經(jīng)驗可供其他醫(yī)院參考和借鑒。

4.2 能夠充分調(diào)動醫(yī)生主觀能動性

傳統(tǒng)的院科兩級管理模式下，科主任兼具行政、醫(yī)療、教學(xué)、科研等多項職能[11]，任務(wù)繁重且科室權(quán)力過于集中。該院實行主診醫(yī)師負(fù)責(zé)制以來，實現(xiàn)了院-科-組三級精細(xì)化管理，科主任有更多的精力對科室進(jìn)行戰(zhàn)略規(guī)劃，將大部分權(quán)力下放給主診醫(yī)師，運用神經(jīng)網(wǎng)絡(luò)算法科學(xué)設(shè)置主診醫(yī)師崗位數(shù)，形成良性競爭機制，醫(yī)生的主觀能動性被充分調(diào)動，使各亞?？撇粩喟l(fā)展，學(xué)科影響力不斷擴大。

4.3 有利于醫(yī)療資源合理配置

該院主診醫(yī)師崗位核定將床位數(shù)、年床均出院量和三四級手術(shù)占比3個因素進(jìn)行綜合衡量，科學(xué)預(yù)測了各外科科室主診醫(yī)師崗位數(shù)，讓專業(yè)能力強的醫(yī)師優(yōu)先獲得床位資源，發(fā)揮了科室內(nèi)部正向激勵作用。精確的主診醫(yī)師崗位核定，可以使主診醫(yī)師數(shù)量和崗位合理匹配，床位使用率得到大幅度提升，保證了醫(yī)院床位資源的科學(xué)合理分配，有助于提高醫(yī)療資源利用率。

5 應(yīng)用局限與展望

該院主診醫(yī)師崗位核定方案對醫(yī)院信息系統(tǒng)具有一定要求，信息數(shù)據(jù)需要滿足真實、可獲取的條件。CMI(Case Mix Index，病例組合指數(shù))值表示科室收治病例的平均技術(shù)難度，但是由于目前該院無法準(zhǔn)確獲取各科室CMI值，因此暫時采用三四級手術(shù)占比代替CMI值。該研究僅針對外科住院部的主診醫(yī)師崗位核定，下一步計劃將內(nèi)科、醫(yī)技、門診、日間診療等工作崗位納入主診醫(yī)師崗位數(shù)進(jìn)行研究。