大型综合性公立医院病人满意度测评信息系统指标体系的研究

1.吉林大学 公共卫生学院，吉林 长春130021；2.卫生部中日友好医院，北京100029

大型综合性公立医院病人满意度测评信息系统指标体系的研究

刘莎1,2，许树强2

1.吉林大学 公共卫生学院，吉林 长春130021；2.卫生部中日友好医院，北京100029

构建合理的病人满意度测评指标体系、形成病人满意度测评信息系统，对大型综合性公立医院更好地发挥其区域医疗中心作用具有重要的意义。本文基于北京某三甲医院病人满意度测评信息系统开发过程，介绍了病人满意度测评信息系统的系统设计和系统模块结构，阐述了在大型综合性公立医院病人满意度测评信息系统开发过程中所进行的测评指标体系的研究：对测评指标进行分层次的因子分析、效度和信度分析，确立各级测量指标；通过灰色关联分析方法，求得各因素最合理的权重系数；采用多层次模糊综合评判方法，进行了病人满意度的综合评判。

大型综合性公立医院；病人满意度调查；测评信息系统；测评指标；问卷量表

0 前言

病人满意度是评价医院服务质量，改进医院工作的重要工具之一。但以往进行病人满意度测评时，在数据的采集方面多采用现场问卷收集的方式，这种方式存在回收率不高且问卷中缺失项较多的弊病，使采集的信息不全而造成测评的偏差[1]；在数据的整理分析方面，多采用人工的输入、整理和分析方式，工作量大且难以采用近代数学方法建模、自动进行参数调整，不能实现更接近实际情况的快捷分析。目前医院信息化应用日趋普遍，建设病人满意度测评信息系统，实现满意度测评分析自动化，对及时了解医院的服务质量并据此制定发展战略和改进措施 ，使医院更好地发挥其区域医疗中心作用具有重要的意义。

在病人满意度测评信息系统的建设中，最重要的一环是病人满意度测评指标体系的建立。指标体系是否合理, 直接影响到测评结果的真实性和有用性[2]。要从测评中取得真实可靠的信息，必须做好问卷量表设计、各级测评指标的确立、权重系数的选定和满意度综合计算法则等关键性工作。本研究以北京某三级甲等医院为试点，在病人满意度测评信息系统开发过程中，对测评指标进行了分层次的因子分析、效度和信度分析，确立了各级测量指标；通过灰色关联分析方法，求得各因素最合理权重系数；采用多层次模糊综合评判方法，进行了病人满意度的综合评判。

1 系统设计和系统模块结构

1.1 系统设计

软件环境：系统采取客户/服务器(C/S)体系结构，使用全部取得正版授权资格的Microsoft visual studio 2010 和Adobe flash builder 开发工具进行开发。

硬件环境：窗口电脑 /7寸宽屏 TFT真彩触摸屏/ ARM11-T 720MHz/256M/网卡接口/支持AX887721,大厅电脑/19寸地触控－体机/电阻触摸技术/双核1.8，扫描平台/（650±10）nm可视化激光二极管。

1.2 系统结构设计

全系统分为10个主功能模块，系统模块结构图，见图1。

图1 系统模块结构图

2 测评系统的建立

2.1 预调查量表的设计和测评指标体系的构建

我们在前期研究的基础上结合相关专家的意见、医生和病人的建议，同时参考大量的文献，并根据实际情况对国际上比较流行的病人满意度量表进行了整合和调整，形成了初始问卷量表。然后在初始问卷量表分析的基础上，进行预调查量表的设计。以门诊为例，形成的预调查量表有“医疗环境”“辅助服务”“医疗服务”“收费价格”和“患者忠诚”等一级指标，下属17个二级指标。这样形成的满意度测评指标综合反映了“质量感知”“价值感知”“满意度”和“患者忠诚”等隐变量，初步构建了病人满意度指数模型。

2.1.1 预调查量表测评指标的相关分析

对预调查量表的候诊秩序等17个题项与总体评价的关系进行Pearson相关性检验，结果见表1。

从表1可以看出，候诊秩序等17个题项与总体评价的显著性（双侧）p 值均小于显著性水平 ，说明相关达到显著；Pearson相关系数大部分均在0.6以上，显著相关。说明预调查表总体上能较好地反映患者对医院服务工作的满意度。

2.1.2 预调查量表的效度分析

对于量表效度( Validity )的评价,通常分为内容效度( Content Validity)、结构效度( Construct Validity)和标准效度( Criterion Validity)。结构效度（建构效度），反映设想的量表结构与测定结果的吻合程度，结构效度的检验经常采用因子分析方法。

（1）KMO 与 Bartlett 检验。根据Kaiser（1974）的观点，如取样适切性量数KMO（Kaiser-Meyer-Olkin-measure of sampling adequacy）的值＜0.5时，不适合进行因子分析；0.8适合；0.9以上非常适合[3]。巴特利特球形检验（Bartlett’s Test of Sphericity ）的统计量较大，且其对应的相伴概率值＜用户心中的显著性水平，说明变量的数据适合进行因子分析[4]。门诊预调查数据的KMO和Bartlett检验结果，见表2。从表2可以看到：KMO值为0.857；巴特利特球体检验统计值的显著性概率为0.000，说明数据适宜做因子分析。

表2 KMO 与 Bartlett 检验

（2）反映像相关矩阵检验。反映像相关矩阵的对角线数值代表每一变量的取样适当性量数（Measures of Sampling Adequacy，MSA），题项的MSA值愈接近1，则愈适合进行因子分析[5]；MSA＜0.5表示该题项不适合进行因子分析。在本研究预调查量表的反映像相关矩阵里，所有题项的MSA值最少在0.784以上，大部分均＞0.8，说明预调查量表的各题项适合进行因子分析。

（3）因子分析。采用最大变异法（Varimax）对因子载荷矩阵实施正交旋转，转轴时采用内定的Kaiser正态化方式处理，旋转在 10 次迭代后收敛，输出结果见表3。可以看出，通过因子分析将所有题项分为4类，但个别地方与预调查量表的构架有所不同，药品价格与亲友就诊明显就不属一类，因而需进行二次因子分析。

表1 预调查表的Pearson 相关性检验

表3 旋转成份矩阵

（4）构念层面的因子分析。将药品价格等4个题项单独进行分层面因子分析，得到的主成分，见表4。

表4 旋转成份矩阵

由表4可清楚看出，药品价格、检查价格同属一因子，而亲友就诊、再次就诊同属另一因子。再将原量表其他13个题项重新进行因子分析，得到的主成分，见表5。

表5 旋转成分矩阵

采用分层次的因子分析方法，最终得到了5个层面因子、共17个指标的病人满意度指数测评体系，与原预调查量表的设计吻合，说明原先根据国内外的研究及本研究的前期工作所设计的预调查量表基本合理。

2.1.3 预调查量表的信度分析

（1）总量表的信度分析。信度( Reliability)是指根据测量工具所得到结果的的一致性或稳定性，常采用Cronbach系数来进行测量。通过对预调查量表的统计，结果显示总的Cronbach 系数为0.926，见表6。一般认为系数在0.7以上的问卷测量的信度较高，因此预调查问卷的题项具有较高的内部一致性。

表6 预调查表的总的内部一致性Cronbach 系数

再分析单个变量项对信度的影响程度，得到的输出结果，见表7。表中校正的项总计相关性，表明该题项与其他题项加总分数的积差的相关系数。如果相关程度是从中等到较高（＞0.40），说明该题项是总和评分尺度的一个好的组成成分，否则可以考虑将此题项修正或删除。表中除“挂号”题项的值略低外，其余题项与其它题项加总分数的积差的相关系数都＞0.4，说明题项合适。

表7 预调查表中各项总计统计量表

（2）构念层面的信度分析。对于包含分层面的量表，除进行总量表的信度分析外还应进行构念层面的信度分析。对预调查问卷中的5个构念层面分别进行信度检验，得到如下Cronbach 系数，见表8。表中5个构念层面的Cronbach 系数均在0.70以上，说明每个构念层面的各题项的一致性很好；另外，每个构念层面各题项的“校正的项总计相关性值”（表8没列出）在0.433～0.888之间，说明各构念层面的每个题项均是所属层面的一个较好的组成成分。由此可看出，通过因子分析进行量表题项的重新整合，预调查问卷中每一构念层面都具有较高的信度。

表8 5个构念层面的Cronbach 系数表

2.1.4 正式调查量表的信度分析

对正式调查量表包含隐变量层面的各因素进行信度分析，计算结果，见表9。可以看出，隐变量层面的各因素的内部一致性Cronbach 系数均＞0.8，而每一因素下的一级指标所欲测量的行为特质又与该因素保持良好的同质性，说明正式量表在各因素层面具有较高的信度。

表9 正式调查表隐变量层面内部一致性Cronbach 系数

2.2 权重系数的选定和满意度综合评判

本研究通过各评价因素，由各专家的不同赋值所组成的若干序列的灰色关联分析，求得各因素最合理权重系数。这种方法在一定程度上减少了专家差异所造成的偏差，可较客观地进行病人满意度问卷调查表的定量分析（式(1)）。

其中，wi为各因素最合理权重系数，γoi为各因素的灰度关联度[6]。

系统结合灰色关联方法和模糊理论建立综合评价模型，用多层次模糊综合评判方法进行满意度评价[7]，采用等时距GM(1,1)模型进行灰色系统预测。病人满意度测评信息通过这些近代数学理论的处理，其测评分析结果更趋于客观和真实[8-9]，这部分内容在拙作中已作详备，此处不再赘述。

3 结束语

本研究通过初始调查、预调查和正式调查，采用相关分析、因子分析、效度和信度分析对量表进行检验，对量表的多项指标进行了分层、聚类，形成了大型综合性公立医院病人满意度测评信息系统的指标体系。系统结合灰色关联方法和模糊理论建立综合评价模型，用多层次模糊综合评判方法进行满意度评价。通过北京某三甲医院逾一年的试点运行，系统响应状态良好，为医院及时发现问题、持续推动服务质量改进发挥了重要的作用。

[1] Adam Atherly,Robert L,Maureen A．Older adults statisfaction with intergrated capitated health and long-term care[J]．The Gerontological Society of America,2004,44(3):348-357．

[2] Vavra TG．Customer satisfaction measurement simplified[M]．Milwaukee:ASQ Quality Press,2002:101-102．

[3] Kaiser HF,Little Jiffy,Mark Ⅳ．Educational and psychological measurement[J]．Spring,1974,(34):111-117．

[4] Bartlett MS．The goodness of fit of a single hypothetical discriminant fuction in the case of several groups[J]．Annuals of Eugenics,1951,(16):199-214．

[5] 吴明隆．问卷统计分析实务[M]．重庆:重庆大学出版社,2011: 215-220．

[6] 刘思峰,谢乃明．灰色系统理论及其应用[M]．北京:科学出版社,2008:50-56．

[7] 宋晓秋．模糊数学原理与方法[M]．徐州:中国矿业大学出版社,2004:45-55．

[8] 刘莎,许树强,陈校云．基于灰色关联分析求因子权重的门诊病人满意度多层次模糊综合评判研究[J]．中国卫生统计, 2012,29(1):37-39．

[9] 刘莎,许树强,田巍．基于排序求因子权重的门诊病人满意度多层次模糊综合评判[ J]．中国卫生统计,2011,28(4):369-371．

Study on Index System of Patient Satisfaction Evaluation Information System of Large General Public Hospitals

LIU Sha1,2, XU Shu-qiang2
1. School of Public Health, Jilin University, Changchun Jilin 130021, China; 2. China-Japan Friendship Hospital, Beijing 100029, China

Constructing a reasonable index system and an information system of patient satisfaction evaluation, has important signifcance for the large general public hospitals to play their roles better as regional medical centers. This paper, based on the patient satisfaction evaluation information system development process of a certain 3A hospital in Beijing, introduces the patient satisfaction evaluation information system design and the overall structure and elaborates the studies on evaluation indexes in the development process for patient satisfaction evaluation information systems in the large general public hospital. The various indicators are established by the hierarchical factor analysis, reliability analysis and validity analysis. The most reasonable weight coeffcient of the factors are obtained through grey correlation analysis and the patient satisfaction is comprehensively evaluated by using multi-level fuzzy comprehensive evaluation.

large general public hospital; patient satisfaction evaluation; evaluation information system; evaluation index; questionnaire scale

R197.3；R195.1

A

10.3969/j.issn.1674-1633.2013.05.008

1674-1633(2013)05-0024-04

2012-12-05

卫生部中日友好医院科研课题（2010-GL-01）。

本文作者：刘莎，博士在读，卫生部中日友好医院助理研究员。

许树强，卫生部中日友好医院院长，教授，博士生导师。

作者邮箱：wowsunflowen@163．com