黃露瑩 ,黃清明,2 ,李晶慧 ,尤 健 ,金廣予 ,鄭璐璐 ,張?？?沈 兵,

(1.上海理工大學健康科學與工程學院,上海 200093;2.上海健康醫(yī)學院醫(yī)學影像學院,上海 201318;3.上海申康醫(yī)院發(fā)展中心,上海 200041)

大型醫(yī)療設備作為醫(yī)療資源的重要組成部分,是醫(yī)院開展診斷、治療、教學、科研等業(yè)務的物質基礎和核心保障[1]。醫(yī)療設備可以按用途劃分為診斷類設備、治療類設備及輔助類設備,其技術使用功能、資金投入規(guī)模及配置標準可反映醫(yī)院的醫(yī)療技術水平、科研能力及臨床診療能力。據統(tǒng)計,大型醫(yī)療設備占醫(yī)院固定資產的50%以上[2],具有金額大、回收期長、運營成本和維護費耗資大的特點。隨著我國醫(yī)療行業(yè)的蓬勃發(fā)展,大型醫(yī)療設備配置量增長迅速,導致盲目引進、重復購置、使用效率低下等現象出現。為提高大型醫(yī)療設備的使用效率,充分發(fā)揮設備的使用效益,需要科學的評價方法為醫(yī)院大型醫(yī)療設備配置提供參考依據[3]。

1 行業(yè)背景與研究問題

隨著人口老齡化程度加劇、國家經濟的持續(xù)發(fā)展以及居民收入水平的不斷提高,我國居民對醫(yī)療保健的需求也越來越大。醫(yī)療設備行業(yè)具備較強的抗風險能力,因此,分析醫(yī)療設備行業(yè)的供需情況一直是以成本、價格、產量和庫存等為主要依據[4]。此外,國家的醫(yī)療政策、醫(yī)院的改革與建設以及醫(yī)療保險等也對醫(yī)療行業(yè)有著重要影響。醫(yī)療設備及器械行業(yè)具有特殊性,因此,在該行業(yè)中,供給情況一直保持著穩(wěn)定增長的趨勢。即使在2019年新冠疫情危機導致全球經濟衰退的情況下,醫(yī)療設備及器械行業(yè)受到的影響并不顯著,依舊保持著快速增長的態(tài)勢。

在就醫(yī)問診的過程中,患者往往偏好選擇權威性和醫(yī)療質量水平較高的醫(yī)院。評價現代醫(yī)院醫(yī)療質量的高低不僅要考慮醫(yī)療技術人員的技術水平,也要考慮大型醫(yī)療設備的配置情況。大型醫(yī)療設備通常指具有高技術水平、高精密度和價值昂貴的儀器設備,是當代醫(yī)院整體實力的反映和重要標志。它在醫(yī)院的日常運營中發(fā)揮著不可替代的作用,尤其是在醫(yī)療、教學和科研方面,有助于提高醫(yī)院的效率[5-6]。隨著醫(yī)院對管理水平、醫(yī)療質量和科研能力的要求不斷提高,大型醫(yī)療設備也逐漸被引入到醫(yī)院的日常運營系統(tǒng)中,為提高醫(yī)院的管理、醫(yī)療和科研水平作出貢獻。另外,大型醫(yī)療設備在醫(yī)院日常診療活動中的廣泛使用所產生的經濟效益也是醫(yī)院主要經濟收入來源之一。

近年來,國家頒布了《新型大型醫(yī)用設備配置管理規(guī)定》《大型醫(yī)用設備配置與使用管理辦法》和《三級醫(yī)院評審標準》等相關文件,明確了對大型醫(yī)療設備進行規(guī)范化、科學化、系統(tǒng)化評價監(jiān)管和完善的第三方監(jiān)督評價制度要求,以促進大型醫(yī)療設備的合理配置與使用。因此,需要深入探討大型醫(yī)療設備配置與使用管理,實現從粗放式管理逐步向精細化管理的轉變,構建一個全生命周期管理體系。

磁共振成像(MRI)是一種先進的影像學檢查技術,比其他影像學檢查方法能提供更豐富的診斷信息,具有較高的組織分辨率、任意層面斷層和不需要使用對比劑等優(yōu)點[7]。特別是MRI水成像在檢查肝胰膽管、泌尿系統(tǒng)和椎管內病變方面明顯優(yōu)于其他檢查方法。近年來,隨著醫(yī)院對MRI的需求和配置量的不斷增加,MRI在醫(yī)療衛(wèi)生事業(yè)中發(fā)揮著越來越重要的作用,已成為評價醫(yī)療衛(wèi)生機構先進性的重要指標。然而,目前許多大型醫(yī)院更關注大型醫(yī)療設備的采購,而忽略其后續(xù)使用情況,導致設備閑置或效益低下,同時醫(yī)院的經濟效益也面臨嚴重挑戰(zhàn)。因此,醫(yī)院設備管理需要解決的關鍵問題是如何提高這些大型設備的使用效率,減少設備閑置,降低故障率,從而提高醫(yī)院的綜合效益,并為后續(xù)購置設備提供科學依據。

在醫(yī)療設備評價中,指標體系的構建和評價方法的選擇,對評價結果的優(yōu)劣至關重要。根據評價方法的主客觀程度,可以分為主觀和客觀賦權法兩類。主觀賦權法主要根據專家的意見征詢給出評價結果,如德爾菲(Delphi)法[8]、問卷調查法等,此類方法容易受專家主觀經驗偏好的影響,缺乏一定的客觀性?？陀^賦權法,如層次分析法[9]、主成分分析法[10]、模糊綜合評價法[11]和數據包絡分析法[12]等,此類方法具有一定的科學性和可靠性,但需要大量數據樣本且不能很好地處理復雜信息。例如,模糊綜合評價法可以較好地解決模糊性和不確定性問題,但無法解決評價信息間的重復問題,對處于同一等級的對象無法進行比較。

本文選取14家綜合醫(yī)院的MRI設備作為研究對象,根據設備使用情況,構建了大型醫(yī)療設備使用效率評價指標體系。該研究結合了云模型對評價指標模糊性、隨機性的處理,以及證據理論在處理不確定性問題上的優(yōu)勢。為了解決傳統(tǒng)證據理論存在的強沖突證據可能導致悖論的問題,研究結合博弈思想和權重值識別沖突證據,并進行沖突修正,改進證據理論。通過平均貼合度思想,根據評價對象與優(yōu)劣云的貼近度確定排序結果,并通過層次聚類對14家醫(yī)院的大型醫(yī)療設備使用效率評價結果進行分級。在實際醫(yī)院管理中,對大型醫(yī)療設備使用效率的評價有利于了解當前設備使用情況,從而為設備的更新換代和后續(xù)維護等提供依據,通過醫(yī)院間大型醫(yī)療設備使用效率情況的比較評價,確定不同醫(yī)院的大型醫(yī)療設備使用效率的差異程度,為提高整體使用效率提供科學的證據基礎。

2 模型構建

2.1 建立大型醫(yī)療設備使用效率評價體系

大型醫(yī)療設備使用效率評價指標體系的構建是衡量各醫(yī)院大型醫(yī)療設備使用水平的依據,對設備的管理和評價至關重要。評價體系的構建應結合醫(yī)院的需求和大型醫(yī)療設備的技術特點,并遵循系統(tǒng)性、可操作性、獨立性和可測性原則[13]。

本文梳理并總結了大型醫(yī)療設備評價研究的相關文獻,初步篩選與大型醫(yī)療設備使用效率評價有關的各項指標。結合德爾菲法,向從事醫(yī)療設備管理及醫(yī)院管理領域的專家進行了兩輪征詢,以指標靈敏度高、可采集性強為標準,對初步選取的評價指標進行提煉和完善。

基于上述總結,最終形成3個1級指標、7個2級指標的大型醫(yī)療設備使用效率評價指標體系。從運行效率、社會效益和成本管控3個維度,選取工作飽和度、工作強度、高級功能利用率、門急診患者檢查等待時長、門急診患者報告等待時長、萬元收入成本占比和靜態(tài)投資回收期7個評價指標。具體指標定義如表1所示。

表1 醫(yī)院大型醫(yī)療設備使用效率評價指標選取情況Tab.1 Evaluation indicators for service efficiency of medical equipment

2.2 基于云模型-改進證據理論的評價模型

云模型是實現定性概念和定量描述之間不確定轉換的數學模型[14],在充分考慮評價對象數據特征的基礎上,將定量評價值進行模糊轉化,能較好地解決評價問題中的模糊性和隨機性。證據理論是一種基于證據(專家經驗與數據等)的決策方法[15-16],由于專家決策具有一定的差異性,故評價指標等級劃分具有模糊性、不確定性,通過證據理論識別、融合和決策不確定信息。

基于云模型-改進證據理論,構建大型醫(yī)療設備使用效率評價模型。流程思路如圖1所示。

圖1 流程圖Fig.1 Flowchart

2.2.1基于云模型的隸屬分布證據化 云模型定義:設定量論域U以及論域U上的定性概念O,若存在定量值x∈U,且x是O上的一次隨機實現,則x對O的隸屬度ux∈[0,1]就是一個具有穩(wěn)定傾向的隨機數,即u(x):U→[0,1],對于任意的x∈U,都有x→u(x),論域U上x的分布被稱為云,每一個x被稱為云滴,云滴越多,越能反映出定性概念的整體特征[17]。

如圖2所示,云模型的數字特征(Ex,En,He)如下:期望Ex是云滴在論域空間中的期望分布值,反映了云的重心位置;熵En通過描述云的跨度,反映了云滴的離散程度;超熵He體現了云滴的不確定性,是熵En的不確定性度量,云的離散程度越大,云滴越稠密,隨機性與模糊性就越強[18]。

圖2 云模型數字特征云圖Fig.2 Digital characteristic cloud graph of the cloud model

運用正向云發(fā)生器確定云模型數字特征,生成大量符合分布特征的云滴,通過設置評語集得到各等級評語的基準云轉換模型。正向云發(fā)生器具體計算過程如下:

設第i個指標對應第j個等級的評價等級界限為,其中隸屬于相鄰安全等級邊界值,隸屬度為0.5,則特征參數期望、熵和超熵分別為:

通常超熵He參考相關文獻來確定,取En值的1/10[19]。結合云模型數字特征值(Ex,En,He)及值Xij,計算指標隸屬度,即

由于云模型獲得的各項指標在不同等級下的隸屬度之和不為1,不符合證據理論定義的要求,故引入指標等級分配不確定性概率等級,將云模型指標隸屬度轉化為符合證據理論定義的基本信度分配。則

式中,ms(θ)為該指標評價結果為不確定的概率。由此可得基本信度分配矩陣為

2.2.2基于博弈組合權重改進證據理論 由于傳統(tǒng)證據理論在處理多屬性信息方面默認各證據在融合時有著相同的重要性,故對于具有強沖突特征的證據融合問題[20-21],可能會得出與實際情況相悖的結論。本文引入動態(tài)權重與靜態(tài)權重,提出基于博弈思想的組合賦權方法,對傳統(tǒng)證據理論進行改進。計算過程如下:

根據證據理論定義,若表示為所有評價結果的集合,且Θ中各元素互斥,則稱Θ為識別框架[22-23]。設框架Θ的所有子集為2Θ,且都處于[0,1]的置信區(qū)間,則存在基本信度分配函數ms(A)→[0,1]且滿足:

式中,當ms(A)>0時,A稱為焦元,ms(A)表示焦元A對應的mass函數值也被稱為識別框架Θ的基本信度分配函數。

(1)動態(tài)權重計算。由云模型轉化得到基本信度分配矩陣Tn×(q+1)可知,證據理論的識別框架共有q+1個評價等級和n個評價指標。運用動態(tài)權重系數法確定各指標的權重過程如下:

計算第i個指標的隸屬度與平均隸屬度di之間的距離為

根據與平均隸屬度偏離程度大小分配權重,偏離程度越大,表示該指標具有的沖突性越強,因此,指標的權重與平均隸屬度di距離成反比,即:

由于該權重隨著證據體的變化而變化,故稱為動態(tài)權重系數。

(2)靜態(tài)權重計算。靜態(tài)權重不隨證據體的變化而變化,能反映評價指標間的相對重要程度。CRITIC法[24]通過評價指標間的辨別力和沖突性確定靜態(tài)權重。本文運用標準差系數衡量指標的辨別力及沖突系數的絕對值處理對CRITIC 法進行改進,改進的CRITIC法計算過程如下:

利用初始樣本數據,根據離差標準化方法對指標值進行標準化處理,得到標準化決策矩陣為

考慮指標間正負相關情況,將沖突系數中的相關系數取絕對值并進行量化處理,計算沖突系數為

式中,rij為第i個指標與第j個指標的相關系數。

第j個指標綜合信息量為

確定指標權重為

(3)組合權重計算。借鑒博弈論的思想,將動、靜態(tài)權重視為非合作博弈中的決策主體,在不斷沖突中尋找利益平衡點,實現最優(yōu)組合權重[25-26]?；谠颇Ｐ秃透倪MCRITIC法兩種方法分別得到指標的動態(tài)權重及靜態(tài)權重。采用L種方法確定n個指標的權重,則指標權重集為:Wk=(Wk1,Wk2,…,Wkn),其中,k=1,2,…,L,故L個權重向量Wk組合權重為

式中,λk為線性組合系數。根據博弈論原理,使W與Wk之間的離差Δ=(W-Wk)最小化,則相應的最優(yōu)化模型為

根據微分原理,式(15)可得到最優(yōu)一階導數條件為

本文采用了兩種權重方法,取值L=2,代入式(16),可得到最優(yōu)一階導數條件的線性方程組:

根據式(18)求得組合系數λ1和λ2,歸一化處理得到,進而得到博弈組合權重,即

(4)沖突證據的識別、修正與融合。基于組合權重值識別沖突證據,取n組證據中單個證據的平均權重1/n為閾值,當組合權重Wi<1/n時,則識別為沖突證據。引入修正系數η修正第i條沖突證據,修正后的基本信度分配函數為:

為避免因證據沖突造成評價結果出現誤差,將修正后的證據與未修正的證據通過證據理論組合規(guī)則進行融合,從而減小沖突性。設m1和m2分別是事件A 的兩個相互獨立的mass函數[19,27],融合過程如下:

式中:K為沖突系數,表示各證據信息融合時的沖突程度;ms(A)為融合后的隸屬度。

2.2.3基于平均貼合度思想確定評價結果 根據最大隸屬度原則,在多條證據融合后合成基本信度分配函數,表明該決策對象處于各評價等級的信度分配。借鑒多屬性決策TOPSIS 法[28-29]的基本思想,通過構建優(yōu)理想解和負理想解與評價對象間的平均貼合度進行比較,當評價對象離正理想解近、離負理想解遠時,表明評價結果優(yōu)。為了對隸屬于同一等級的決策對象的優(yōu)劣進行比較排序,基于平均貼合度思想,計算各決策對象基本信度分配與最優(yōu)和最劣的距離,將平均貼合度的大小作為評價優(yōu)劣的依據。計算過程如下:

選取評價對象中各個指標的最優(yōu)和最劣值,通過云模型得到最優(yōu)解和最劣解的隸屬度矩陣,轉化為符合證據理論的基本信度函數,并利用前述改進證據理論進行融合,分別表示為優(yōu)劣云。計算評價對象對應的基本信度分配函數)與優(yōu)解云、劣解云之間的貼合度。令D+表示各評價對象與優(yōu)解云函數的貼合矩陣,即:

3 實證結果

3.1 案例介紹

選取14家綜合醫(yī)院的MRI設備作為評價對象,將構建的評價指標體系及評價模型應用于MRI設備進行實例驗證,得到單家醫(yī)院設備使用效率情況并進行排序。MRI設備是公立醫(yī)院常用的大型醫(yī)療設備之一,且價格昂貴,以此為例研究醫(yī)院大型醫(yī)療設備的使用效率評價具有較高的參考價值。評價指標的原始數據如實際工作時長、開機時長、運行成本等來自醫(yī)院醫(yī)療設備信息管理系統(tǒng)及HIS系統(tǒng)2021 年度統(tǒng)計數據。評價指標數據如表2所示。

表2 醫(yī)院A～N評價指標數據Tab.2 Hospital evaluation indicator data

參考相關文獻并結合德爾菲法[30],設立評價指標等級{Ⅰ,Ⅱ,Ⅲ,Ⅳ},分別代表各等級下的優(yōu)、良、中、差。具體劃分標準如表3所示。

表3 評價指標等級劃分標準Tab.3 Grading criteria for the evaluation indicators

3.2 評價結果

3.2.1基于云模型確定基本信度分配 以指標A1工作飽和度為例,運用云模型計算在4個等級下的基準云數字特征(Ex,En,He)分別為(0.850,0.042,0.004)、(0.775,0.021,0.002)、(0.725,0.021,0.002)和(0.675,0.021,0.002)。將基準云數字特征代入正向云發(fā)生器,設置云滴數為3 000,生成設備使用效率評價指標的基準云圖。如圖3所示,依次生成工作飽和度指標4個評價等級的基準云圖,云圖中從右至左依次是優(yōu)(Ⅰ)、良(Ⅱ)、中(Ⅲ)、差(Ⅳ)評價等級。各評價指標的云模型隸屬度分別有4條云模型曲線,每個曲線代表評價指標不同等級的隸屬度。

圖3 工作飽和度為例的基準云圖Fig.3 Benchmark cloud graph of work saturation as an example

結合基準云數字特征及指標數據,計算出每個評價指標的云模型隸屬度矩陣后,根據式(4)即可獲得評價指標的云模型隸屬度。引入不確定等級α,根據式(5)轉換為符合證據理論的基本信度分配。如表4所示。

表4 基本信度分配轉化矩陣Tab.4 Basic credibility allocation conversion matrix

3.2.2基于博弈論確定組合權重及證據融合結果 采用改進CRITIC 法計算評價指標靜態(tài)權重。由式(14)～(16)分別計算變異性、沖突性和信息量,計算結果如表5所示。靜態(tài)權重能反映評價指標間的相對重要程度,由計算結果可得,高級功能利用率>門急診患者報告等待時長>成本占比>門急診患者檢查等待時長>靜態(tài)投資回收期>工作強度>工作飽和度?；诓┺乃枷?將動態(tài)與靜態(tài)權重系數相結合得到組合權重值,計算結果如表6所示。

表5 改進critic法靜態(tài)權重值Tab.5 Improved critic method static weight

表6 組合權重和修正系數值Tab.6 Combination weights and correction factor values

分別運用3種方法計算得出的權重結果對比,如圖4所示。由圖4可得基于博弈思想確定的綜合指標權重值介于動態(tài)權重和靜態(tài)權重之間,既考慮了評價指標間的變化,又兼顧了指標數據之間的沖突性和變異性,體現了數據本身的客觀性,使權重計算結果更加合理。

圖4 不同方法權重值對比Fig.4 Comparison of weight values for different methods

通過組合權重值識別沖突證據,計算修正系數并對沖突證據進行修正,融合得到基本信度分配函數,并選取各醫(yī)院評價指標中最優(yōu)解和最劣解的值,融合結果如表7所示。

表7 證據融合結果Tab.7 Results of evidence convergence

3.2.3基于平均貼合度思想確定評價結果 根據表7的證據融合結果,分別計算各醫(yī)院基本信度分配情況與優(yōu)劣云基本信度分配情況的平均貼近度,如圖5所示。

圖5 各醫(yī)院與最優(yōu)最劣解的貼近度Fig.5 Closeness of each hospital to the optimal and worst solutions

計算各醫(yī)院與優(yōu)劣云平均貼近度的差值與均值,根據平均貼合度差值越大醫(yī)院越貼近最理想結果的原則,最終確定排序結果為:B>G>L>K>M>H>A>F>N>J>E>D>I>C。排序結果如表8所示。

表8 最終醫(yī)院排序結果Tab.8 Results of final ranking for hospitals

3.3 聚類分析

聚類分析可以根據研究對象的信息量按數據間距離的遠近進行分類,達到類間對象同質性最大化的目的。運用SPSS軟件對14家醫(yī)院MRI設備使用效率評價結果進行系統(tǒng)聚類分析,采用平方歐式距離計算方法計算樣本間距離,聚類方法選擇平均連接(組間)方法,得到譜系圖如圖6所示。取分類數為4時,分類結果較為恰當。

圖6 平均連接(組間)的譜系圖Fig.6 Dendrogram using average linkage (between groups)

將14家醫(yī)院設備使用效率排序結果分為4類,分別對應優(yōu)秀、良好、合格、不足4個等級,具體醫(yī)院MRI設備使用效率情況分類情況如表9所示。

表9 醫(yī)院設備使用效率分類結果Tab.9 Classification of hospital equipment service efficiency

3.4 評價方法對比

為驗證云模型-改進證據理論模型的有效性,將云模型-模糊綜合評價法(方法1)、云模型-傳統(tǒng)證據理論(方法2)與云模型-改進傳統(tǒng)證據理論(本文方法)得出的排序結果對比,結果如表10所示。

表10 3種方法排序結果對比Tab.10 Comparison of ranking results from three methods

采用kappa一致性檢驗分析3種方法之間的排序結果是否存在一致性,檢驗結果如表11所示。結果顯示,將3種方法兩兩比較,水平上呈現顯著性,表明3種方法之間具有相關性。本文提出的云模型-改進證據理論模型和其他方法同樣具有可靠性。

表11 一致性檢驗Tab.11 Consistency test

然而,本文采用的云模型-改進證據理論方法與云模型-模糊綜合評價法相比,引入了不確定性焦元,更好地解決了綜合評價問題中的不確定性。傳統(tǒng)證據理論在證據合成時容易忽略對沖突信息的處理,改進證據理論基于博弈思想確定組合權重,對證據合成規(guī)則進行改進,能更好地處理證據間的沖突性。將兩種方法得到的沖突系數進行計算對比,結果如表12所示。由表12結果可以看出,改進證據理論相較于傳統(tǒng)證據理論,沖突系數有明顯下降,從而更好地應對評價過程中的模糊性和不確定性。

表12 兩種方法沖突系數對比Tab.12 Comparison of the conflict coefficients of the two methods

實例結果表明,根據評價指標權重計算結果,高級功能利用率(A3)與門急診患者報告等待時長(B2)在大型醫(yī)療設備使用效率影響因素中所占比重最大,工作飽和度(A1)指標所占比重最小。MRI設備在綜合醫(yī)院中都具有一定的工作量,因此,在工作飽和度、工作強度中差別較小。由于各醫(yī)院MRI設備型號、性能的不同,高級功能利用率以及門急診患者報告等待時長能夠反映各醫(yī)院的設備性能是否得到較好的發(fā)揮,進而影響最終的排序結果。本文方法得到的結果與實際情況的吻合度較高,雖然3種方法的評價結果具有一致性,但是醫(yī)院的排名存在相對的波動。這是因為模糊綜合評價無法對處于同一等級下的對象進行優(yōu)劣排序,隨著隸屬度函數的改變,最終的評價結果也會有所改變,改進的證據理論的沖突系數有大幅度降低,進一步提高了結果的準確性。

4 結論

(1)由于大型醫(yī)療設備存在使用效率低下、利用率不足等問題,為提高設備使用效率和優(yōu)化配置,通過對大型醫(yī)療設備使用特點的分析,建立了評價指標體系,并提出了一種基于云模型-改進證據理論的大型醫(yī)療設備使用效率評價方法。該方法通過云模型輸入數字特征確定基準評價云,同時引入不確定焦元,將隸屬度矩陣轉化為符合證據理論的基本信度分配函數。進一步,運用博弈論思想改進證據理論,將改進的CRITIC法和動態(tài)權重結合,并用組合權重對沖突證據進行修正。最后,基于平均貼合度思想與最優(yōu)理想云、最劣理想云進行比較得到排序結果。研究通過選取14家醫(yī)院MRI設備進行實例驗證,結果表明,該方法能較好地處理專家評語的模糊性和隨機性,并降低了單一權重方法計算產生的局限性,從而提高了證據融合的準確性和可靠性。與其他評價方法相比,該評價方法在處理評價問題的模糊性、不確定性、隨機性方面具有很好的效果,能夠準確地評價大型醫(yī)療設備的使用效率,因此具有實際應用價值。

(2)通過分析研究結論可以發(fā)現,高級功能利用率高和門急診患者報告等待時間短兩個評價指標在大型醫(yī)療設備使用效率影響因素中排名靠前,這可能是因為它們直接影響到對患者的服務水平。高級功能的高利用率表明設備被充分利用,可以提供高質量的診斷;門急診患者報告等待時間及門急診患者檢查等待時長短表明設備被有效地管理和利用,可以提高患者滿意度和醫(yī)療系統(tǒng)的效率。工作強度與工作飽和度兩個指標更多地評估設備本身的運轉狀態(tài),但在大型醫(yī)療設備使用效率評價中,更重要的是設備如何通過高效使用、合理分配以及充分利用其高級功能為醫(yī)療服務帶來最大的價值,這可能是指標權重較低的原因,但仍然需要加以關注和改進。

為提高醫(yī)院大型醫(yī)療設備使用效率提供參考和借鑒,指導醫(yī)院進行改進和升級,提出以下建議:

(1)優(yōu)化設備分配方案。通過對工作飽和度和工作強度的數據分析,根據不同的科室需求,更合理地安排設備的使用時間和繁忙程度,避免過度使用或閑置,從而提高設備的運行效率。

(2)加強高級功能的利用,提高使用人員的專業(yè)素養(yǎng)和技能水平,保證設備能夠充分利用其先進功能,從而提高社會效益。另外,通過分析門急診患者檢查等待時長和門急診患者報告等待時長,簡化醫(yī)療流程,減少不必要的等待時間,提高門診效率,從而提升患者就醫(yī)體驗。同時,加強成本管控,通過分析萬元收入成本占比和靜態(tài)投資回收期等指標,科學預測設備投資回收期,保證設備投資的經濟效益,控制成本。

(3)定期評估設備使用情況,及時發(fā)現存在的問題,持續(xù)改進設備使用管理制度,以保證設備的高效利用及正常運行,降低故障率,提高使用效率。