医疗设备调配平台对提高设备利用率的实践与研究

茅晓栋，吴勇，许文静，赵甘永，朱立

浙江省肿瘤医院 （浙江杭州 310000）

医疗设备作为医院运行成本的重要组成部分，提高其利用率成为管理部门的重点工作[1]。随着信息化技术的发展，刘佳佳等[2]通过医疗设备管理系统实现了设备借用、归还全过程的信息化管理。张云娟[3]就医疗设备使用的高峰期和低谷期建立了医疗设备调配中心。然而上述研究多数为定性研究，缺少定量分析，无法直观地体现医疗设备调配平台的优越性，且缺乏对医疗设备调配平台后续运行情况的全面分析与总结。鉴于此，本研究利用信息化调配平台的租借数据和门诊就诊患者的就诊数据[4]，采用MATLAB 软件构建医疗设备利用率模型，计算医疗设备的整体利用率和单台模拟利用率，对医疗设备调配平台能否提高设备利用率进行定量研究[5]，以期为后续配置医疗设备提供指导。

1 医疗设备调配中心租赁数据分析

目前，医疗设备调配中心租赁设备[6]包括监护仪、微量注射泵、空气波压力治疗仪和肠内营养泵等。然而，本研究发现部分设备可能无研究价值，因此对医疗设备调配中心的整体租借情况进行分析和讨论。

1.1 监护仪

监护仪是一种重要的医疗设备，用于监测患者的生理状况，为临床医疗服务提供重要的辅助和支持。我院在医疗设备调配中心成立之初，为满足临床科室对监护仪的使用需求，配置了18 台监护仪用于租借，至今已发展至66 台。2018—2022 年，监护仪租借时长累计41 036 d，其中1 d 内租借时长超过1 h 记为1 d，少于1 h 则不进行统计。从表1 可以看出，2022 年受新型冠状病毒感染疫情影响，监护仪租赁天数同比增长幅度有所下降，但仍呈上升趋势。2022 年医疗设备调配中心监护仪租借时长较2018 年翻了13 倍之多，说明监护仪租借调配业务发展迅速，临床科室对监护仪租借服务的需求愈发旺盛。这些数据反映了监护仪租借调配业务的发展趋势，为集中管理模式[7]和优化临床服务提供了重要的参考依据。

表1 2018—2022 年监护仪租借统计表

图1 为2018—2022 年我院监护仪租借数量雷达图，从图中可以看出每年的2、10 月监护仪租借数量明显减少，4、7、11 月监护仪租借数量处于高位，可能与节假日（2、10 月）和社会面体检（4、7、11 月）等因素有关；2022 年2、4 月受新型冠状病毒感染疫情影响，监护仪租借数量明显下降。

图1 2018—2022 年监护仪租借数量雷达图

图2 为2018—2022 年监护仪租借数量按星期分布图，从图中可以看出，监护仪租借数量在星期一至星期五呈明显上升趋势，星期六和星期日相对减少。这反映了临床科室对监护仪的需求在工作日上升，在休息日减少。

图2 2018-2022 年监护仪租借数量按星期分布图

1.2 其他设备

我院医疗设备调配中心共配备微量注射泵17 台，2018—2022 年租借时长累计2 289 d。图3 为租赁数量统计图，从图中可以看出，当调配业务平稳后，微量注射泵的租借数据处于稳定状态，出借率一直处于10%～20%，每月17 台累计租借天数为40 ～60 d。由此可见，微量注射泵的借用率较低，在调配中心保有量过剩，因此，租借数据研究价值低。本研究暂不对微量注射泵租赁数据进行分析，且我院空气波压力治疗仪和肠内营养泵租借数据与微量注射泵相近，亦无研究价值。

图3 2018—2022 年微量注射泵租借数量统计图

2 医疗设备利用率模型构建

医疗设备利用率模型通过收集和分析医疗设备调配平台的医疗设备配置量、医疗设备租借记录和医院门诊量等相关数据，构建数学模型，定量计算医疗设备的利用率，从而合理配置和调配医疗设备，提高医疗服务的效率和质量[8]。

2.1 数据清洗和分析

由于数据存放结构可能不适配模型需求，因此在进行医疗设备利用率模型构建时，需要对数据进行结构整理和数据清洗[9]，从而提高数据质量和可信度，保证模型分析和预测的准确性、可靠性。

2.1.1 工作时间

根据日常生活经验法则，1 年共52 周，暂定每个星期六和每个星期日2 d 为休息日，即1 年工 作 日 为261 d[365 d-（52 周×2 d）=261 d]。计算2018 年8 月至2022 年5 月工作日为978.75 d（261 d/12 个月=21.75 d/月；21.75 d/月×45 个月=978.75 d）。但978.75 d 为最大理论值，故设计一种计算实际工作时间的模型。

通过医院门诊系统提取2018 年8 月至2022 年5 月每日的就诊记录；利用就诊记录计算日门诊量集合Qi[定义日门诊量集合Qi（i=1，2，3，…，1 826），Qi代表第i 天医院门诊患者量]。根据以下公式计算日门诊量平均值Qmean，定义大于Qmean为工作日，小于Qmean为休息日，计算得到工作日提取模型结果。

上式中 Qmean为日门诊量平均值，Qi为日门诊量集合，qi为工作日标志集合，qsum为工作日总天数。上述模型计算后工作日为785 d，小于依日常生活经验法则的工作日最大理论值，此模型计算的工作日更贴近实际情况，予以采用，并记录qi=1 时i的索引值，用于后续模型构建。

2.1.2 调配中心租借数据

医疗设备调配中心租借平台在服务器数据库中存储了每次临床科室租借监护仪的信息，主要包括院区、租赁记录编号、设备租赁编码、设备名称、设备品牌、设备型号、借用人、借用人科室、租赁状态、借用时间、归还时间、借出时长等，如表2 所示。工作人员可从数据库中导出数据并存储为Excel 文件。

表2 租借记录数据表

原始历史租借记录数据为非结构化数据，无效字段信息干扰严重，缺少整合与统计，故需进行数据预处理。定义历史租借记录集合Si，j（i=1，2，3，…，36；j=1，2，3，…，1 826），Si，j代表i科室第j天监护仪租借数量（第j天为自2018 年1 月1 日开始计算），并根据上文工作日时间提取工作日当天监护仪租借数量，如图4 所示。

图4 工作日监护仪租借情况分布图

2.1.3 当日调配中心配置监护仪量

医疗设备调配中心建立初期配置监护仪18台，但在运营过程中，应临床科室需求陆续增配，同时存在监护仪损坏、厂家试用等情况，所以监护仪数量有所波动，于是定义Ti（i=1，2，3，…，1 826），Ti代表第i天调配中心监护仪量。

2.2 模型构建

利用率是指某一资源实际使用量和该资源可被使用的最佳生产水平之间的比率[10-11]。通过构建医疗设备利用率模型，得到相应公式和算法，最终获得医疗设备利用率的定量计算结果。医疗设备利用率模型将利用率分为两部分：（1）调配中心监护仪整体利用率，用于表示调配中心内监护仪的整体利用率；（2）单台监护仪模拟利用率，用于表示某一科室配置1 台监护仪时的利用率，该利用率是通过模型模拟得到的，因此称为单台监护仪模拟利用率。通过对设备利用率进行计算和分析，可以对医疗设备的配置和调配提供科学依据，提高医疗设备的利用率，以及医疗服务的质量和效率。

2.2.1 调配中心监护仪整体利用率

利用历史租借记录集合Si，j，日门诊量集合Qi，调配中心自身监护仪量集合Ti，以及模型构建以下公式计算调配中心监护仪整体利用率Ut。

2.2.2 单台监护仪模拟利用率

利用率模型将单台监护仪模拟利用率分为两方面：（1）当调配中心配置1 台监护仪时，该监护仪的利用率；（2）当某一科室配置1 台监护仪时，该监护仪的利用率。

调配中心模拟利用率主要由以下两公式构成。定义当日租借概率Bj，见公式（5），调配中心模拟利用率Uit，见公式（6），Bj服从0-1 分布，当调配中心当日有监护仪借出即Bj=1，无监护仪借出Bj=0，通过计算得到Uit=97.20%，即当调配中心新增1 台监护仪时，该监护仪在工作日被出借的可能性为97.2%，即其设备利用率为97.2%。

式（5）中Uit为模拟利用率，qsum为计算得的工作日总天数，qi为工作日标志集合。

临床科室模拟利用率：根据调配中心模拟利用率模型对临床科室模拟利用率进行公式构建，其中临床科室模拟利用率模型中当日租借概率Bj，由当前科室自身租借数量判定，当前科室有租借时Bj=1，反之为0。

历史租借记录集合Si，j中包含37 个科室，其工作日租借情况如图5 所示，其中8 个科室租借数量为0；租借数量最多的科室i=17，其租借数量为5 138，将该科室代入上述模型求得该科室新增监护仪利用率U17t=56.31%，即索引值17 的科室新增监护仪的利用率为56.31%。

图5 各科室工作日租借分布图

3 总结与讨论

本研究采用定量研究方法，通过对调配中心信息化租借平台[12]的设备利用率进行计算，调配中心监护仪整体利用率为77.14%，调配中心单台增配模拟利用率为97.2%，租借需求量最多科室单台增配模拟利用率为56.31%。这表明，建立医疗设备调配平台对提高医院的医疗设备利用率、加强设备管理人员与临床科室的联系、促进全院医疗设备的合理配置、保证医疗设备的质量与安全等方面有着显著的积极作用[13]。

本研究结果显示，通过计算单台增配模拟利用率，调配平台增配医疗设备的设备利用率远高于为科室增配，调配平台增配利用率较需求最多科室高出40.9%。此外，本研究还发现8 个科室的租借数量为0，表明这些科室设备保有量可能已经饱和。以上分析可为医院设备配置和调配提供指导[14]，即对于饱和科室短期内不予采购该设备，而对于单台增配模拟利用率高的科室，需与临床科室进行充分讨论，确定是否需要增配，并考虑是否在调配平台进行增配、集中统一管理，从而提高设备使用效率[15-16]。

本研究将信息化调配平台的数据与医院就诊数据相结合，进一步通过MATLAB软件进行定量分析。然而该数据存在一定的滞后性，无法进行预判与预测，对医疗设备配置的合理性只能提供部分利用率方面的理论支持，存在一定的局限性。为进一步指导医院对全院医疗设备进行更合理、更科学的配置，后续研究考虑引入神经网络预测体系与评价体系，以更直观、更全面的方式对医疗设备进行配置和调配[17]，提高医院设备配置的科学性和准确性，更好地满足医疗服务的需求。