江苏省社区卫生服务中心床位资源预测研究
2014-02-08李君荣王琳娜
李君荣，王琳娜，周 一
随着人口老龄化进程的加快，慢性病严重影响我国人民健康水平和生活质量[1]。2011年江苏省居民前十位死亡原因顺位中慢性非传染性疾病排在前5位，死亡人数占总死亡人数的82.14%。江苏省“十二五”卫生发展规划指出要建立健全慢性非传染性疾病的综合防治体系。社区卫生服务中心对于慢性病的管理具备一定优势[2]。社区床位资源是提供社区卫生服务的核心物质基础，是配备其他卫生资源的主要依据，早在1964年WHO就将床位数用于国家或地区间卫生资源的比较和研究[3-5]。因此，选用社区床位资源作为研究指标，对江苏省社区卫生服务中心医疗资源进行预测，为江苏省慢性非传染性疾病的防治工作提供适宜物力保证。
1 资料与方法
1.1 资料来源 以江苏省社区卫生服务中心2002—2011年床位数为研究指标。数据来源于2002—2010年江苏省卫生统计工作年报和2011年江苏省卫生事业发展统计简报。
1.2 研究方法 用时间序列分析的方法建立自回归移动平均(ARMA)模型，对江苏省社区卫生服务中心床位数进行预测。计算程序为Eviews 6.0软件。
2 结果
2.1 模型的建立 2002—2011年江苏省社区卫生服务中心床位数的发展呈快速增长趋势(见图1)。对江苏省社区卫生服务中心床位数序列进行自相关(AC)分析和单位根检验(ADF)，床位数序列的自相关系数在滞后阶数k大于3时没有趋于0，t统计量大于t统计量临界值，说明床位数序列是非平稳时间序列。对床位数序列取底数为10的对数形式的平稳性处理，再行ADF，t=-11.168 95(P=0.000 2)，可认为床位数的对数序列是平稳序列。
图1 2002—2011年江苏省社区卫生服务中心床位数及2012年后的趋势
Figure1 The number of beds in community in Jiangsu province from 2002 to 2011 and after 2012 the trend
经过对床位数对数序列滞后12阶的AC和偏自相关函数(PAC)的观察及运用赤池信息准则(AIC)和施瓦茨准则(SC)进行反复筛选，采用ARMA(1,2)模型进行拟合，模型为：
lgYt=0.405 9+0.912 1lgYt-1+ut-1.944 1ut-1+0.995 0ut-2
该模型的修正拟合优度为0.991 461，AIC值为-2.793 343，SC值为-2.705 687，说明模型拟合效果较好。根据ARMA(1,2)模型进行回归模拟，得到实际值、拟合值和残差(见图2)，可以看出序列的实际值和拟合值总体上比较接近，残差值较小，对残差项序列作AC和PAC分析，AC和PAC系数在置信区间内，对残差序列进行ADF，t=-6.452 989(P=0.008 9)，因此残差通过白噪声检验，反映了上述模型对2003—2011年江苏省社区卫生服务中心床位数有较好的拟合效果。
图2 2003—2011年江苏省社区卫生服务中心床位数实际值、拟合值和残差
Figure2 The actual，fitted and residual number of beds in community in Jiangsu province from 2003 to 2011
2.2 江苏省社区卫生服务中心床位资源预测结果 以2002—2011数据带入ARMA(1,2)模型，得到2012—2018年的江苏省社区卫生服务中心床位数(见表1)。
3 讨论
随着我国城市化、工业化、老龄化社会的来临，人们生活方式的改变，慢性病的发病率、患病率及死亡率逐年升高[6]。随着人群慢性病患病率的不断升高，生活不能自理的患者人数以及疾病经济负担不断增加，寻求经济节约、方便有效的卫生服务是积极加强慢性病控制的重要途径[7]。社区卫生服务是世界范围内公认的防治慢性病最有效的措施，社区一体化的慢性病管理模式可以提高患者生活质量，控制医疗费用，降低疾病经济负担[8-9]。然而卫生政策制定者在慢性病防治工作中面临的重要问题是如何实现社区卫生资源合理配置[10]。因此，合理配置社区卫生服务中心的卫生资源是提高服务水平的关键，本研究选用ARMA(1,2)时间序列模型，对江苏省2012—2018年社区卫生服务中心床位数进行预测，为实现社区床位资源的合理配置提供决策依据。
表1 2002—2018年江苏省社区卫生服务中心床位数及其预测
Table1 The prediction and number of beds in community in Jiangsu from 2002 to 2018
年份(年)实际床位数(张)预测床位数(张)残差(张)相对误差(%)200220320032502473120200442783886392916200540494644-595-1469200666807564-884-1323200796709237433448200887409419-679-77720091129512860-1565-13862010164681603843026120111643115806625380201217991201321332201423975201526670201629392201732115201834819
在时间序列分析中,时间综合替代了各种影响因素,如趋势因素、季节影响因素、人为干预因素等,因此,时间序列预测方法所需要的只是序列本身的历史数据,资料可获得性较好，另外,时间序列预测方法将模型过去值产生的误差也作为因素带入模型,提高了模型的精确度[11]。但是从模型预测的结果来看，预测值与实际值产生一定程度的偏差，预测具有局限性，因为影响床位数的因素多而复杂，如人口数、居民健康状况、卫生服务需求和利用、卫生政策等。具体表现在：(1)人口数的不确定性，江苏省人口年龄结构老龄化以及流动人口大量增加，对卫生服务的需求有较大影响。目前尚缺乏对全省流动人口总数的准确预测数据，这必将影响对社区床位数预测的准确性。(2)居民健康状况的影响，江苏省18岁以上成年人高血压患病率为38.6%，糖尿病的总患病率明显高于全国平均水平，在社区卫生服务中心的住院患者以慢性病为主，且住院时间长，对社区床位需求和使用率较高[12]，预测没有把居民健康状况影响因素纳入模型，影响预测效果。(3)卫生政策的不可预见性，卫生政策对卫生资源的配置具有导向作用。在社区床位数预测中，个别时间点误差稍大，如2005年相对误差为-14.69%，2009年为-13.86%，可能原因是2005年和2009年全国在政策上提出为社区卫生服务机构提供必要的医疗卫生设备，江苏省受卫生政策的影响也不例外。随着医保慢性病政策的颁布,患者对社区卫生服务需求和利用率提高，如果卫生政策对社区床位数需要量的影响保持稳定,社区床位数预测的准确性就有相当的保证。
我国社区卫生服务起步较晚，只能获得江苏省近10年的数据，对模型的预测准确性有一定的影响，预测需要新数据更新不断修正，并把影响社区床位数的因素纳入模型，提高预测的结果科学性、准确性。但这并不影响本研究目的，进行预测分析是为社区床位资源的配置提供一个趋势，但在社区床位资源配置过程中必须结合实际情况,有意识、有针对性地对未来江苏省社区床位资源的供给总量进行调整，从而使社区卫生资源配置更公平、更合理、更科学。
1 刘盈,张开金,汤仕忠,等.城市社区常见慢性病综合防治模式探索[J].中国全科医学,2013,16(1):76-78.
2 陶丽丽,陈开红,韩晓燕.北京市某区社区卫生服务站慢性病管理现状及对策分析[J].中国全科医学,2011,14(12):3961-3969.
3 程晓明.卫生经济学[M].北京:人民卫生出版社,2003.
4 胡善联.外国卫生事业管理[M].上海:上海科学技术出版社,1989:87-125.
5 耿珊珊,陶红兵,谢舒,等.我国医院床位配置与利用现状及对策分析[J].中国医院管理,2012,32(5):16-17.
6 郭策.我国慢性非传染性疾病现状与社区卫生服务[J].现代预防医学，2012，39(3)：607-610.
7 李亚静,王琳,李君荣.慢性病患者就医行为及影响社区卫生机构利用的因素研究[J].现代预防医学,2013,40(4):654-656.
8 Martin Fortin.Evaluating the integration of chronic disease prevention and management services into primary health care[J].BMC Health Services Research,2013,13(1):1-13.
9 Rick Mayes,Blair Armistead.Chronic disease,prevention policy,and the future of public health and primary care[J].Med Health Care and Philos,2012,15(4):453-460.
10 Mengyu Guo.Efficiency evaluation for allocation community-based health services[J].Computers and Industrial Engineering,2013,65:395-401.
11 李长平.天津市“十二五”期间卫生资源需求预测分析[J].中国卫生统计,2011,28(1):9-11.
12 陈永聪,顾建钧,薛迪,等.浦东新区医疗卫生资源总量及公平性分析[J].中国卫生资源,2011,14(2):80-81.
