城市社区“五全六能”楼/院式养老模式应用评价及其影响因素分析*

涂嘉欣，刘斌，杨善岚，黄河浪，吴磊

(南昌大学公共卫生学院.江西省预防医学重点实验室，江西 南昌 330006)

我国第七次人口普查数据显示：≥60岁人口已达2.64亿，占18.70%；65岁及以上人口为1.91亿，占总人口的13.50%，国家统计局认为我国仍然处于轻度老龄化阶段[1]，但在未来的两年将进入中度老龄化[2]；因此，更好更快探索和研究适应我国国情的各种养老模式，做到未雨绸缪是十分必要的。目前常见的养老模式有专业机构养老[3,4]、居家养老[5]、社区养老(CCRC)[5-7]、代际养老[8,9]、“时间银行”[10,11]、以房养老等[12-16]，尤其是以互联网为枢纽的智能养老发展迅猛。笔者基于上述背景，就所在团队提出的互联网+“五全六能”社区楼/院式养老模式[17,18](后称“五全六能”养老模式)，在南昌等地推广应用的服务功能与质量及其影响因素进行了评价和分析。

1 资料与方法

1.1 研究现场和对象的有关要求

“五全六能”养老模式是国家自然科学基金资助的研究项目，2019年在南昌和九江2市部分社区开展了试点应用研究。根据本模式的特点，所选择的社区具备文明程度理想、经济和社会发展状况良好、老年人口结构占有较大比重、人均收入有代表性，在养老、医疗卫生、生活服务以及交通出行等方面有较好条件；纳入的养老对象为社区≥60岁常驻人口(>1年)，且自愿参与并积极配合本养老模式的运行要求；本模式运行、管理由试点社区服务中心和企业及社团共同参与。

1.2 内容与方法

“五全六能”养老模式的基本内涵包括“五全”理念(全人为首、全资源整合、全网智能化、全方位医护和全程标准化)，和“六大功能”(经济支持、生活照料、精神慰藉、医护保健、物业维修、应急援助)。模式运行流程如下：

图1 互联网+“五全六能”社区楼/院式养老模式运行流程图

据本团队另一研究小组的研究结果提示：本模式在上述2市6个社区运行12个月，其效果的满意度为77.65%，采用TOPSIS法对六大功能重要性排序依次是：生活照料>精神慰藉>医疗保健>经济支持>应急救援>物业维修。为了更好地推广应用该模式，现笔者就其养老生活质量和服务质量、推广应用的影响因素进行分析评价；采用WHOQOL-BREF量表对养老者的生活质量进行评价、SERVQUAL(Service Quality模型)评价模式服务质量、决策树模型分析模式推广应用的影响因素；对模式的适应度分为“适应”(75%)、“一般”(50%)和“不适应”(25%)三个组。

1.3 数据处理

采用Epidata3.0软件建立数据库，运用SPSS 24.0、SPSS Modeler 18.0等软件进行养老者生活质量和本模式服务功能等资料统计分析，推广影响因素采用决策树模型(C5.0算法)分析。

2 结果与分析

2.1 养老者主要特征

本模式为期12个月的运行观察，纳入对象1463人；男女比例为0.46:1，平均年龄69.58±9.48岁；“生活完全”自理者占多数(73.07%)；居住形式以“与配偶”(64.87%)和“配偶+子女”(17.50%)为主；学历以“中学”文化程度居多(53.45%)。经济来源主要以退休金为主(61.14%)；43.47%者其收入在2000～4999元，40.87%者收入在1000～1999元，两市受试社区养老者的基本情况分布无明显差异(P>0.05)。

2.2 模式的生活质量评估

WHOQOL-BREF量表分析养老者的生存质量。结果提示，量表的生理、心理、社会关系以及生活环境四个维度与不同适应度养老者之间存在统计学差异(P<0.001)；经两两比较(α=0.05)，适应组养老者在生理、心理、生活环境三个维度得分高于一般组与不适应组(P<0.001)(详见表1、2)。表2提示适应度一般与不适应组在四个维度间两两比较均无统计学差异(P值在0.068～0.943)；适应组与不适应在社会关系维度无显著性差异(P=0.102)。

表1 1463名不同适应度养老者的生活质量维度水平及比较

表2 1463名不同适应度养老者的生活质量维度水平的两两对比(P值)

2.3 养老模式运行和评价情况

通过SERVQUAL模型设计了针对本养老模式服务质量评价部分，该模型分五个维度，经计算获得各自平均得分：有形性得分0.631、可靠性0.367、反应性0.484、移情性0.985、保证性0.596，均为正数；提示本养老模式服务质量较好，能够满足养老者的服务需求。

同时，就不同适度养老者对五个维度得分差异进行了统计分析，结果提示，不同适应度间在五个维度的得分均有统计学差异(P<0.001)；两两比较表明：适应组在五个维度得分均高于一般组与不适应组(P<0.001)，一般组在“反应性”维度得分高于不适应组(P=0.047)，其余四个维度得分差异无统计学意义(P>0.05)，结果详见表3、4。

表3 1463名不同适应组养老者对服务质量水平与比较

表4 1463不同适应组养老者对服务质量的两两比较(P值)

2.4 模式推广应用影响因素分析

以试点社区养老者对本模式适应度的影响因素为X(自变量)，以模式适应与否为Y(因变量)进行决策树模型拟合，采用C5.0算法。根据其高纯度、高效果划分度量的要求，笔者就本养老模式适应度分为适应度“高”“低”两个组构建模型，其中自变量共21个分为4个类型，如基本情况：性别、文化程度、婚姻状态等；智能设备：智能机有无、微信操作；生活质量等级和养老服务质量等级。考虑到评分指标可控性与操作性较弱，将生活质量量表中的四个维度与养老服务质量评估的五个维度指标转换为好(75%～100%)、中(25%～75%)差(0%～25%)三个等级，模型的变量赋值见表5，数据流如图2所示。

表5 决策树模型变量赋值表

将全部样本分为训练集与测试集，前者占总数的70%，后者为30%，经拟合得到树形图——分为10层，适应度高组样本量占77.71%，适应度低组占22.29%；获得第一个最佳分组变量为生活环境等级，等级为“好”者占22.54%，该节点下的最佳分组变量为自理程度，当自理程度为“难以自理”或“不能自理”时，预测结果对本养老模式满意度为“低”。生活环境等级为“中”或“差”时，其下一最佳分组变量为生理等级，生理等级为“中”或“差”时适应度高组占87.23%，低组占22.77%，根据众数原则，预测结果为适应度高。其余类推，部分结果见图2。由预测变量重要性排序可知：生活环境>心理>服务有形性>自理程度>服务可靠性>整体状态>服务反应性>服务移情性>锻炼频率>生理，模式提示上述10个因素是本养老模式适应度的主要影响因素，见图3，其余11个因素未能进入模型。

图2 模式适应度影响因素决策树图(部分)

图3 模式适应度主要影响因素预测图

根据决策树模型拟合结果，综合考虑10个影响因素的基础上，最终归纳出“五全六能”养老模式推广应用的8个方案，详见表6。以方案1为例，养老者的生活质量评估中，生活环境等级为“中”或“低”，心理等级为“好”，生理等级为“好”时，确保养老服务的有形性等级达到“好”，移情性等级达到“中”或“低”，100.00%的养老者对本养老模式使用的适应度达高，运行效果理想。所探索出的8个方案中，方案1和4适应度贡献率均达到100.00%，效果最好，其次是方案6(贡献率为88.89%)。

表6 “五全六能”养老模式推广应用方案选择

3 讨论

3.1 关于社区试点现况

从目前我国养老模式的探索研究看，更多集中于城市社区的现况考虑[19-21]，本模式的构建研究也选择了我省具有代表性的社区，即南昌、九江2市6社区为现场。考虑到养老模式构建的实践条件，上述6社区处在中度老龄化(≥60岁者占全部人口16.69%)；2018年2市人均GDP略高全省水平(4.71万元)，其中南昌市GDP明显高于省水平(9.65万)[22]，九江略高于省水平但低于南昌市水平，选择社区总体水平低于同年全国人均水平(6.43万)[23]。这些条件对开展模式实验研究比较理想。

3.2 关于模式的适应分析

模式进行了为期12个月的试运行，据本课题组前期研究提示，共纳入53个单元857户1463名养老者，空间覆盖面大，研究对象种类多样，特别是养老者对象体现了较好的代表性。所得结果提示运行效果是适应的，据SERVQUAL模型对服务质量的五个维度进行了检验，其中移情性系指服务项目对养老者感情的依托程度，有形性系指服务项目对养老者的表达的有形印象程度，据上述结果表明移情性>有形性>保证性>反应性>可靠性，这与唐梅芝的研究相似[21]，在适应性上体现了一定的优势。

3.3 关于模式推广应用的影响因素

为了更好的发挥该模式的作用，即惠及更多的养老者，在试验中笔者就模式运行的影响因素同过决策树模型进行了拟合，其主要影响因素有10个方面，这些因素普遍存在目前我国正在发展的各种养老模式之中[24]，需要在社会治理中不断解决和完善，以便包括本养老模式在内的其他类似模式的推广应用[25-28]。笔者结合这些影响因素和模型的适应性和服务质量提出了系列模式推广方案，其中最优方案认为是1和4号(贡献率达100.00%)，前一方案要素是生活环境、心理、生理和服务有形性和移情性等因素起决定性作用，后一方案是生活环境、整体状态、心理、自理程度和服务有形性、可靠性、反应性。

以上研究仅仅是初步探索，养老是一项重要的民生工程，牵涉到政府、社会、家庭、个人等方方面面，需要从实际出发，调动各方积极因素和包括互联网在内的养老资源，采用现代科学管理和定期评价等多种手段进一步开展本养老模式推广试点十分必要。