何 佳 王江红 何 惧 邹杰文

国家医学考试中心(100097)

医师资格考试通过情况影响因素的生存分析

何 佳 王江红△何 惧 邹杰文

国家医学考试中心(100097)

目的 探讨应用Cox比例风险回归模型分析医师资格考试通过考试的影响因素，对影响医师资格考试成绩的因素做出正确地评价和解释。方法 以某年首次参加临床执业医师资格考试的考生作为分析队列，追踪观察随后7年的考试通过情况，运用Cox比例风险回归模型，拟合通过医师资格考试年数的模型，识别不同因素的影响大小。结果 学历越高和接受全日制医学教育的考生更容易通过考试，性别对考试通过情况影响很小，城乡差异对考试通过情况没有影响。结论 生存分析可用于分析随访人员通过情况和考生的表现。Cox比例风险模型本身对于分析影响事件发生时间和因素的资料有优越性。

医师资格考试 生存分析 影响因素

考试成绩高低的影响因素是多方面的，一般研究中很难将全部的因素都纳入考虑，因此，人们设法在影响学生成绩的诸多因素中找出关键因素，分析它们之间的关系，为完善课程设置、修订大纲等提供参考。目前，分析考试成绩及其影响因素的方法主要有描述性分析、聚类分析、主成分分析、因子分析和多元线性回归分析等[1-3]。

既往有文献报道利用传统的回归分析方法评价人口统计学变量对初次和最终通过率的影响[4-5]，以及使用回归方法建立考试表现与影响因素之间关系的模型[2-3]。即将是否通过作为因变量，建立二元logistic模型，只考虑结局，而不考虑出现结局所用时间的长短，无论结局事件发生在早期或晚期，处理均相同，或者，以考试通过所花时间作为因变量，建立一般线性回归方程。

在实际工作中，观察一组考生参加考试的情况时，记录他们通过考试的情况以及所花费时间，这样既得到考试是否通过的信息，还能收集通过考试所经历的次数，而以上两种模型使用的都是截面数据，建立模型时忽略了一个比较重要的信息：通过考试所花费的时间。同时，观察中也存在某些考生由于各种原因中途不再参加考试，或到观察期结束时仍未通过考试的情况，实际没有得到这些考生通过考试的准确时间(这些数据在生存分析中称为截尾数据)。因为截尾数据提供的信息不完整，分布特征不明确，采用一般的线性回归分析方法将不能有效利用截尾时间。

本研究以临床执业医师资格考试为例，以某年首次报考考生作为分析队列，应用Cox比例风险回归模型观察这一队列中不同性别(男、女)、最高学历(中专、专科、本科、研究生)、城市/农村、所在地区(东部、中部、西部)、学习形式(普通全日制、非全日制(含自学考试、成人脱产等))考生在观察期的多次考试过程中通过情况，拟通过分析更好地理解医师资格考试通过考试的时间及影响因素，欲利用现有资料，对影响医师资格考试成绩的因素做出正确地评价和解释。

研究方法

1.研究人群

本研究人群是以某年首次参加临床执业医师资格考试的141432名考生作为分析队列，追踪观察这些考生在随后7年的考试通过情况。

2.资料收集

收集考生的基本信息，包括考生人口信息(姓名、性别、出生日期、民族)、教育背景相关信息(最高学历、毕业年月、毕业专业、毕业学校、学校名称、学习形式)、所在单位相关信息(单位名称、单位所属、单位系统)、报考相关信息(报考类别、报考次数、是否助理医师、考区、考点)。

3.终点事件

目前的考试为一年举办一次，考试结束后，记录研究对象的考试通过情况。

4.生存分析方法

Cox比例风险回归模型是以生存结局和生存时间为因变量，分析研究因素对生存期的影响[6-8]。

本研究拟合的通过医师资格考试年数Cox比例风险回归模型如下，

h(t)=h0(t)exp(β1X1+β2X2+…+βnXn)

h(t)为考生在t时刻最终通过医师资格考试的风险函数，h0(t)为X1=X2=…=Xn=0时t时刻考生最终通过医师资格考试的风险函数各协变量的定义及量化方法见表1。

将某年首次报名参加临床执业医师资格考试的考生纳入分析队列，通过考试的考生认为是发生了终点事件。到观察期结束时仍未通过考试的考生视为截尾数据。模型中的生存时间指考生从参加考试到通过考试所经历的年数。

结 果

1.本研究考生样本的构成情况，见表2。

本研究共有141432名临床执业医师考生，女性考生(50.31%)多于男性考生(49.69%)。中专和大专学历者占47.17%，本科以上考生占52.82%。由于"城乡"概念不太清晰，参考《中国卫生统计年鉴》[9]将考生来自的单位级别按"城市、农村"分组。城市包括直辖市区和地级市辖区，农村包括县及县级市，乡镇卫生院及村卫生室计入农村。来自城市的考生比例为54.34%，农村考生占45.66%。报考临床执业医师的考生东部最高(40.26%)，其次是中部地区的考生(33.09%)，西部地区考生人数最少(仅占26.65%)。将考生的学习形式分为全日制和非全日制，学习形式的非全日制指成人脱产、函授、自学考试等。考生还是以全日制为主，比例为70.43%。

本研究141432名考生经过7年的观察，最终有103133人(72.92%)通过考试，取得医师资格证书，尚有38299人(27.08%)为截尾数据，也就意味着目前不知道这些考生其通过考试的确切时间，他们仍在将来可能通过考试的队列中。

表3是Cox比例风险模型的计算结果。表中列出了估计的偏回归系数及其标准误、Waldχ2值、P值、以及相对危险度值。

在α=0.05检验水准上，所建立的Cox回归模型成立(χ2=11708.094，P<0.0001)；模型中城乡状况(X5)的偏回归系数无统计学意义，其余变量(性别、最高学历、地区、学习形式)的偏回归系数有统计学意义。Cox回归模型可表示为

h(t，X)=h0(t)exp(-0.074X1-0.923X2-0.348X3-0.243X4+0.005X5+0.276X6+0.073X7+0.428X8)

数据显示，性别的偏回归系数有统计学意义(χ2=140.606，P<0.0001)，男生的通过率是女生的0.928倍。最高学历的偏回归系数均有统计学意义，研究生的通过率是本科生的1.275倍，是专科生的1.416倍，是中专生的2.517倍;本科生的通过率是专科生的1.111倍，是中专生的2.226倍。城乡的偏回归系数无统计学意义。东部考生的通过率是中部考生的1.225倍，是西部考生的1.318倍。普通全日制考生的通过率是非全日制考生的1.534倍。

讨 论

本研究结果表明，在所观察的7年时间内大多数考生(超过70%)最终通过考试。同时，数据显示学历越高，接受正规教育的考生越容易通过考试。不同性别、城乡状态的考生通过情况无显著区别，不同地理区域的考生之间通过情况略有区别，接受教育的形式对通过情况有影响。

虽然数据显示女生的通过率略高于男生，但是差异较小，无实际意义。这一结论与以往研究结果一致[10]。由于女生对学习知识的渴望明显强于男生，学习目标明确，学习勤奋努力，并且将主要精力投入到学习中，加之在记忆力方面有一定优势，因此一般情况下，女生成绩优于男生[11]。医师资格考试的目的是评价申请医师资格者是否具备执业所必须的专业知识与技能。学历不同而出现的考生通过率的差异与考生的综合能力有关。自中国举办现代医学教育以来，已逐步建成多层次、多规格的教育体系。按学历层次划分，我国医学教育分为中专、专科、本科、研究生四种类型。在医学教育各专业中，临床医学专业培养的是治病救人的临床医生，尤其需要实行精英教育。但是为全覆盖解决广大人民群众医疗保健问题，尽快改变基层缺医少药的状况，国家大力发展了中等医学教育和医学专科教育，而各层次培养目标和能力的要求是不同的，相对于本科教育，中专和专科的培养内容高度简化，学生知识结构相对狭窄，缺乏人文社会科学以及其他自然科学基本素养，造成本科生的能力普遍高于中专生和专科生。另外，数据也显示本科生的通过率是专科生的1.111倍，是中专生的2.226倍，提示中专学历考生的能力亟待提高，而50%的中专学历考生在乡镇一级基层工作，他们面对的是基层一线工作，主要承担提供初级预防和诊治职责。因此，建议政府有关部门和教育机构在压缩低学历教育的同时，扩大高等医学教育，以适应当今社会经济的发展和国民对卫生服务的需求。同时需要加强对卫生人员，尤其是低学历人员进行继续教育、培训、进修等多措并举的毕业后教育，提高其实际能力。

有研究提示单位级别与考试通过有关系[12]。我们的分析结果表明城乡状态对考生通过情况无显著影响。从报名数据上分析，中专学历的考生87%在县及县以下工作单位，75%的专科学历考生在县及县以下工作单位，而56%的本科学历考生来自地市级以上工作单位，研究生基本(98%)来自地市级以上单位。因此，在单因素分析时表现为单位级别越高通过率越高，但是使用多因素分析时，在控制其他因素的情况下，可以看出实际影响通过率的最主要因素还是考生的学历情况。

数据显示不同地理区域对通过情况有影响。对考生获得学历的教育形式分析，我们发现东部地区75%的考生是通过全日制学习形式获得的学历，而中部地区、西部地区考生通过全日制学习形式获得的学历比例分别是69%和65%；同时我们的分析也提示全日制考生通过情况比非全日制考生好，这也解释了不同地理区域对通过情况的影响。非全日制医学教育在提升我国卫生人员队伍水平方面发挥了特殊作用，但是研究也提示我们要保证这些教育形式下培养的人员的质量，从而推进非全日制医学教育向更健康的方向发展。

另外，大型考试项目需要定期对考生表现的纵向情况进行分析，对于考试组织机构，分析结果可以提示成绩的一些异常波动，并查找出引起成绩波动的原因。同时，分析结果也可以了解考生成绩情况，为考试效度提供证据。今后可以使用其他样本重复本研究。另外，在今后的研究中也可以增加一些其他研究因素。对于其中标注为删失的数据，可能有部分考生由于种种原因中途不再参加考试，有必要追踪观察这部分人员的状况。是否仍然再参加考试？或者转行从事其他职业？这些未通过考试的考生特点有哪些？这些问题的答案可能对于将来制定和完善医师资格考试制度会有帮助。尽管存在以上不足，生存分析对于纵向分析考生的表现也是有用的工具。Cox比例风险模型本身对分析影响事件发生时间和因素的资料有优越性。

[1]伍洪波,张绍金,熊坚.湖南省公共卫生类医师资格实践技能考试考生背景及其考试成绩分析 .实用预防医学,2006,13(2):468-469.

[2]皇甫伟.SPSS相关分析与线性回归分析在英语考试成绩分析中的应用.中国电力教育,2007(10):52-53.

[3]程力,柳博.自学考试试题难度影响因素的多元回归分析.教育科学，2012(3):62-64.

[4]Case SM，Swanson DB，Ripkey DR，et al.Performance of the class of 1994 in the new era of USMLE.Acad Med,1996,71:S91-93.

[5]Winward ML，Ripkey DR，Case SM，et al.Performance of foreign medical graduates on the clinical science component of the United States Medical Licensing Examination:Initial and ultimate pass rates.Proceedings of the Eighth International Ottawa Conference.Philadelphia:National Board of Medical Examiners，2000.

[6]方积乾主编.卫生统计学.6版.北京：人民卫生出版社,2008.

[7] David G.Kleinbaum,Mitchel Klein.Survival Analysis:A Self-Learning Text.3rd Ed.Springer Publishers,New York,2012.

[8]Xian L.Survival Analysis:Models and Applications.John Wiley & Sons,Inc.,New York,2012.

[9]中华人民共和国卫生部编.中国卫生统计年鉴,北京：中国协和医科大学出版社,2012.8.

[10]刘健宇.医学生主要课程学习成绩性别差异的比较分析.医学教育,1989(3):40-44.

[11]侯淑君,傅茂笋,李军.医学生学习成绩相关因素分析.中国心理卫生杂志,1999,13(3):155.

[12]凌玉,梁远,谢绪云，等.从公卫医师资格考试看公卫医师教育培养.实用预防医学,2011,18(12):2437.

(责任编辑：郭海强)