BP神经网络在中医医院运营评价研究中的应用*

杨 婕 闫娟娟 裴中阳 胡安霞

《中共中央、国务院关于促进中医药传承创新发展的意见》强调要充分发挥中医药(民族医药)的重要作用[1]，2012-2016年中医医院数量累计增长28.1%，约占全国医院总数的8.5%[2]，中医医院已成为我国卫生服务体系中不可或缺的组成部分[3]。中医医院运营管理能力的提升直接关系到卫生服务体系的可持续发展。如何对中医医院运营状况进行客观、科学、准确地评价成为一个亟待解决的问题，具有极其重要的现实意义。

众多学者[4-8]对中医医院的运营评价进行了研究，为提高评价效率做出了有益尝试，然而其方法需要对多种单一评价法进行组合，评价角度和评价原理的不同，往往评价结果也不相同，结果不够客观。综上，本文以2018-2019年山西省多家中医医院为研究对象，利用BP神经网络建立中医医院运营评价模型，为更加客观、准确评价中医医院运营情况提供新思路。

资料与方法

数据来源于2018-2019年《山西卫生年鉴》，将研究对象确定为山西省辖区内11个地级市、23个市辖区、11个县级市、85个县的中医医院。中医医院包括中医(综合)医院和中医专科医院，不包括中西医结合医院和民族医院。

通过对国内外医疗机构效率相关研究的文献回顾，指标划分为工作效率、医疗质量和经营成果3个方面共14项构建备选指标库，如表1所示。

表1 指标库

所有备选指标利用中医院2018年的运营数据，采用探索性因子分析法(exploratory factor analysis，EFA)进行降维处理，KMO度量值为0.731>0.7，Bartlett球形检验P<0.01。提取主成分3个，累积解释方差变异为74.854%，根据旋转矩阵成分分析剔除对预测结果影响较小的冗余指标(载荷绝对值小于0.5)，确定有效因子共9个，最终确定指标内容如表1所示。

运营等级的确定

参照文献[9]中的云模型评价2018-2019年所有中医医院运营状况，评估标准如表2所示。

表2 运营状况评价标准

云模型评价等级K公式为：

其中，c为指标值，g为对应等级值，Ex、En和He是云模型的特征值，m和n是决策矩阵大小，w是指标的对应权重。

基于BP神经网络的模型构建

BP神经网络由信息正向和误差反向两个传播过程组成[10]，其拓扑结构包括输入层、隐藏层和输出层。

输入与输出的关系为：

其中f是激活函数。本文隐藏层激活函数为Logsig函数，输出层激活函数为Purelin线性函数。将所有数据进行归一化处理，归一化公式为：

其中，Xnorm为归一化的值，X为实际值，Xmax和Xmin为实际值中的最大值和最小值。利用MATLAB中的newff函数创建三层BP神经网络，选取2018年山西省180家中医医院运营数据作为训练组训练BP神经网络得到模型，2019年山西省150家中医医院运营数据作为预测组验证模型的准确性。为了改善BP神经网络模型的预测准确性和稳定性，利用遗传算法得到最优初始权值和阈值，图1为整个算法优化示意图。输入层为表1中的确定指标，神经元个数n为9，输出层为医院运营评价结果，神经元个数m为1，隐含层神经元个数q的计算公式为：

图1 算法示意图

结 果

1.模型构建

利用2018年山西省中医医院运营数据对模型进行训练，模型训练均方误差图如图2所示，模型拟合结果如图3所示，训练集R=0.97，R2=0.93，说明模型的拟合效果较好；测试集R=0.93，R2=0.86，说明模型的推广能力较强；模型整体R=0.95，R2=0.91，说明模型的性能较好。

图2 均方误差图

图3 模型拟合效果

利用评价模型对2019年山西省中医医院运营数据进行评价，将评价结果与参照文献[9]中的云模型得到的评价结果对比分析，如图4所示。从图中可以看出评价模型的评价结果与云模型得到的评价结果吻合较好，基本上没有出现偏差较大的评价值。两者之间的差异性进行配对t检验，t=0.247，P=0.805>0.05，表明两者间的差异不具有统计学意义。说明基于BP神经网络构建的运营评价模型具有较高的精度，具有一定的合理性和可行性。

图4 预测值与实际值对比

2.模型验证

为进一步验证所建立模型的稳定性，选取某一家中医医院运营数据，在其他指标数据保持不变的基础上，更改某单一指标的参数，考察其对中医医院运营评价的影响。选取病床使用率(%)、出院者平均住院日(天)和住院病人人均医疗费(元)三个指标测试模型的稳定性，选取每个指标对应的每个等级最大数，并将数据归一化处理，结果如图5所示。病床使用率分别设置为0、60、80、90和100，图5表明随着病床使用率的增高，医院工作效率有所提高，评价值会随之降低，评价等级会提升。出院者平均住院日分别设置为1、14、18、30和70，图5表明随着住院日的增加，医院工作效率降低，则评价值会随之升高，评价等级会下降。住院病人人均医疗费用分别设置为0、1、1.5、2和27，图5表明随着人均医疗费的增加，经营成果也随之增高，评价值会随之降低，评价等级会提升。结果与运营评价理论相符，证明了模型的稳定性。

图5 指标改变对评价值的影响

讨 论

要健全中医药服务体系，首先要做的就是要全方位提升中医医院的运营管理能力。实时、客观、全面的医院运营评价体系对医院运营管理的提升和完善有着极其重要的推动作用。中医医院运营评价体系的建立是一个复杂而系统的问题。涉及影响因素众多，各因素之间既独立作用，又互相约束。因此，加强包括神经网络在内的非参数智能模型的研究和运用对提高中医医院运营评价的准确性和评价效率有重要意义。

本文利用MATLAB基于BP神经网络建立了拓扑结构为9-12-1的中医医院运营评价模型，不需对评价对象的得分和排序进行组合，避免了常规医院运营评价方法中采用不同的评价角度和评价原理对多种单一评价法进行组合评价而造成评价结果差异的问题，使得评价方法更加客观，提高了评价结果的可靠性，简化了评价过程。同时，从事后检验看，基于BP神经网络的评价模型结果与文献评价结果非常接近，表明该模型具有较高的精度和良好的稳定性，可以较为准确地评价中医医院运营状况，对管理部门提高政策有效性和前瞻性具有很好的应用价值。

同时从评价模型中可以看出，评价值对不同指标变动的敏感度是不同的。在运营评价较低的中医医院中，暂时提高人均住院费，可以提高医院收入，提高经营成果，使得等级得到快速提升。但随着医院运营水平的提高，相比提高人均住院费用，加大病床使用率才能更好地提高中医医院运营水平。该现象比较客观地反映了中医医院的管理状态，结果合理。因此，对于处于运营状况评价等级为一般以上的中医医院，为提高运营水平，应加强内部管理，调整病床结构，扩大病床的使用用途，比如结合国家所鼓励提倡的康复学科，与当地综合性医院实现互补，调整业务情况，提高空闲病床的使用率。