李盼盼, 李 芳, 赵 浩, 王松柏

(1.福建农林大学金山学院,福建 福州350002;2.广东省江门市妇幼保健院,广东 江门529030)

0 引 言

门诊是医院提供服务的一个重要窗口,儿科的门诊患者主要是妇产儿,需要对其采用大数据分析决策,进行科学的预警分析,构建合理的预测模型及分级诊疗预警,保障医院资源合理高效配置,提高各项工作的预见性和主动性。

1 大数据分析环境

研究数据来源于江门市妇幼保健院2017年—2019年儿科日门诊量数据,儿科门诊分布存在一定的季节变动,高峰期为第二季度,低谷期为第一季度,通过MATLAB软件对儿科诊疗工作的总人次数,患者来院就诊的门诊、急诊人次等数据进行可视化处理,识别差异化的离散数据,得到数据变化规律,从而可以有效掌握数据的变动趋势,对合理配置医疗资源提供可靠的保障[1]。

据统计2017年儿科日平均门诊量有668人次,2018年儿科日平均门诊量有694人次,2019年儿科日平均门诊量有753人次。挖掘到的数据运用MATLAB绘制三维点如图1所示:

图1 2017-2019儿科日门诊量

从图1可以观察到门诊量集中在(600,800)范围之间。对医生与门诊量的数据采用一元线性回归法,在构建每日医生出诊人次数与当日门诊量之间的线性关系的基础上,运用最小二乘法对模型参数进行估计,构建出预警模型,并运用卡方检验、相关性分析对模型进行检验,保障构建模型合理科学,为医院资源配置起到科学的指导作用,为应对突发性规模性疾病反应更迅速。

2 构建预警机制

2.1 分析技术

采用R语音、MATLAB软件对儿科门诊数据进行统计分析,采用神经网络、线性回归分析、相关性分析,对挖掘数据信息进行分析。将儿科日门诊量进行标准化处理,运用神经网络思想进行定义预警门阀值,具体如下:

1)日门诊量在[0,0.25),为一级儿科门诊诊疗水平。

2)日门诊量在[0.25,0.50),为二级儿科门诊诊疗水平。

3)日门诊量在[0.50,0.75),为三级儿科门诊诊疗水平。

4)日门诊量在[0.75,+∞),为四级儿科门诊诊疗水平。

采用这种单一分类节点,可能对阀值进行微调,调整前会运用专家问询、头脑风暴等方法进行分析,进行科学论证后再对阀值进行微调,保障儿科门诊诊疗水平分级更科学、更实际。

在构建一元回归模型的过程中,回归系数的精确估计需要采用最小二乘法,构建的回归方程与y i之差称为估计误差或为残差,回归方程为+e i,e i的大小是衡量估计量的回归系数好坏的最重要标志,令:

使Q达到最小估计出回归系数由多元微分可知,让Q达到最小必须满足如下条件:

这里,n是样本数据的组数。通过化解求解上述方程组

通过最小二乘法对构建的回归模型参数进行估计,最终确定相应的回归模型。

2.2 门诊量数据分析

根据2017年—2019年儿科日门诊量数据信息,运用MATLAB软件对数据信息进行可视化处理,对差异的离散数据信息进行识别,分别绘制二维图、三维图、箱线图等,从多方面、多角度观察其分别情况。如图2所示:

图2 儿科门诊量二维图

从图2中,可以观察到2017-2019年三年日门诊量变化趋势基本相同,呈季节变化,基本上出现两个峰值,两个低谷。1-60天内出现第一个变化低谷期,70-200天内出现日门诊人次量第一个峰值,趋势比较平稳,而且日诊疗量较大,200-280天内,出现第二个低谷期,280-365天内会出现第二个峰值。

2.3 儿科日门诊量标准化

在数据进行标准化前,需要先对数据进行离散识别,采用箱线图进行识别,三年平均日门诊量为707人次,最低值为197人次,最高值为1056人次,,中位数为705人次。Q1为629人次,Q2为705人次,Q3为789人次。对差异数据进行分析,发现最低水平的日门诊量均发生在每年春节,对于高于最高水平的日门诊量均发生春冬季交替期,门诊量剧增。

2.4 儿科医生诊疗水平模型

对医生人数进行构建模型,如图3所示:

图3 医生平均诊疗水平数据模型一次函数

其拟合的一次函数为y=11.3789x+497.7391x为每日儿科医生出诊人次数,y为儿科平均日门诊人次。通过构建模型有利于了解儿科医生接诊情况,面对突然爆发性疾病有效识别提供保障,为合理安排医生提供保障。一方面有利于医院合理配置医疗资源,让每一位医生在合理的时间内合理接诊,不会由于分配不均而导致医生接诊负担过重,另一方有利于对医院儿科日门诊量进行监测,对突发性基本能够快速识别,快速响应。

一级、二级儿科门诊诊疗水平分布图分别如图4、图5所示:

图4 一级儿科门诊诊疗水平分布图

图5 二级儿科门诊诊疗水平分布图

结合一级儿科门诊诊疗水平分布图,对该曲线进行拟合,构建一级诊疗模型,y=11.91x+310.37,模型检验为:

结合二级儿科门诊诊疗水平分布图,对该曲线进行拟合,构建二级诊疗模型,y=4.814x+626.007,模型检验为:

三级、四级儿科门诊诊疗水平分布图分别如图6、图7所示:

图6 三级儿科门诊诊疗水平分布图

图7 四级儿科门诊诊疗水平分布图

结合三级儿科门诊诊疗水平分布图,进行对该曲线进行拟合,构建三级诊疗模型,y=2.252x+759.083。模型检验为:

结合四级儿科门诊诊疗水平分布图,进行对该曲线进行拟合,构建四级诊疗模型,y=-0.5472x+896.8370,构建模型为:

p值小于0.05,医生出诊人次与儿科门诊量是显著相关的,构建的模型有意义。

根据诊疗模型预测,不论是门诊自助还是人工分诊,每分诊一次,对应的医生需要诊疗的人次就增加一次,当诊疗人次累计增加到28人次时,响应一级诊疗水平,累计增加到33人次时,响应二级诊疗水平,累计增加到36人次时,响应三级诊疗水平,累计增叫到39人次时,响应四级诊疗水平。

当所有医生对应的诊疗人次累加,得到总人次这时用构建好的分级诊疗模型函数进行计算,输出相应的接诊医生人数,按照结果及时进行调整,一方面可以有效利用医疗资源,另一方面也可以有效合理安排医生接诊,避免患者因为就诊人次过多而等到时间过长,引起不必要的医疗纠纷。

纵观三年分析数据,三级诊疗水平占比大,采取三级响应诊疗方案多,同时要完善四级诊断响应方案,为应对如这次的爆发的新型冠状病毒感染肺炎做好全面的准备,快速预警,快速反映,科学应对,减低风险,将损失降到最低。

3 结 语

根据儿科门诊量地变化情况,采用预约就诊机制可以更好地落实分级诊疗,完善预警机制,安排医生在每个时间段在网上开放预约号,通过神经网络的算法,将每个医生的预约数量进行累加,按照阀值,触及分级诊疗的回归方程,预测出安排医生人次数,从而优化门诊服务流程,提高门诊患者就诊效率。