养老机构智慧化水平测度：理论与实证

田钦瑞，李桥兴，2*

1.550025 贵州省贵阳市，贵州大学管理学院

2.550025 贵州省贵阳市，贵州大学喀斯特地区发展战略研究中心

老龄化问题已成为一个困扰世界多数国家的全球性问题。2021年中国统计年鉴显示，我国65岁及以上的人口高达1.9亿，占总人口的13.5%，成为世界老龄人口最多的国家。养老机构是养老事业和养老产业发展的关键要素，而智慧养老模式则拓展和提升了传统养老机构的服务模式。英国生命信托基金首次提出了智慧养老的概念，随后学界对智慧养老进行了不断探讨，但各个时期的不同学者对智慧养老的内涵还是有不同的理解。国内学者主要基于物联网认为智慧养老是充分利用云计算和移动互联网等技术以实现全方位且综合性的养老服务［1］，并且提出智慧养老的核心理念是以老年人为中心并运用互联网信息技术满足老年人的各种服务需求［2］。但随着科学技术的迅速发展，国外学者则认为智慧养老是让老年人待在舒适环境中并利用智能设备以低成本实现对老年人的远程监控和健康服务［3］，其核心观点是以老年人居家生活为基本出发点和通过外部传感信息系统与互联网数据结构平台形成高效智能化的一体式服务方式［4］。我国自2012年起探索智慧养老的新路径并密集出台若干政策如《智慧健康养老产业发展行动计划（2021—2025年）》等，同时阐述智慧健康养老的概念内容、产品类型和业态模式等。目前，学术界主要从社区养老［5］、居家养老［6］和养老服务［7］等角度探讨智慧养老的评价体系，但尚未涉及智慧养老机构的评价体系。因此，本研究基于智慧养老的新模式和新业态分析养老机构的智慧化水平，并提出该类机构的等级划分法。

等级划分即通过比较事物之间的相似性，具有某些共同点或相似特征的事物归属于一个不确定集合的逻辑方法。学术界基于不同行业或研究领域分别构建了相应的划分方法，如河流、路面和北斗卫星导航等领域的等级划分常用诸如多特征指标、层次聚类分析和自适应场景聚类等方法［8-10］；城市和图书馆等智慧化水平的等级划分常采用关键因子、波士顿矩阵和聚类分析等方法［11-12］；而信用等级划分则常采用最优指标组合的判别模型和K-means聚类等方法［13-14］。鉴于等级划分的聚类分析法具有较广的应用领域和适用范围，故本研究选取聚类分析方法探讨养老机构智慧化水平的等级划分。

1 养老机构智慧化水平的评价指标体系与等级聚类模型

由于国内外对智慧养老的相关研究还处于起步阶段，尤其是对养老机构，因而养老机构的智慧化水平还缺乏统一的界定标准。截至2022年，本课题组通过文献阅读法和描述性统计等方法，收集并综合分析了智慧养老机构的相关政策、文献和智慧指标体系的相关文献，构建了养老机构智慧化水平的评价指标体系。

1.1 指标构建方法

本研究基于评价指标体系的目的性、完备性、可操作性、独立性、显著性与动态性六大原则［15］设计我国养老机构智慧化水平的评价指标体系，其具体步骤如下：

第一，文献阅读法。通过精读文献，从文献与政策中了解与养老机构和智慧养老相关的内容及信息并进行分析总结归纳为表1和表2，由此初步确立了养老机构智慧化水平指标体系的一级指标为基础设施水平、管理水平和服务水平，其中基础设施水平主要包括服务设施、环境设施、智能设备、医疗基础设施、信息技术设备、智能救助设备和智慧产品等；管理水平主要包括健康档案管理、安全管理、数据分析管理、行政管理、健康管理和经营管理等；服务水平主要包括医疗护理、养老监护、生活照料、精神慰藉、文化娱乐、专业人才、老年教育、信息服务、医疗服务和价值实现等。

表2 基于智慧养老与养老机构相关文献的关键指标Table 2 Key indexes based on literature related to smart elderly care institutions

第二，描述性统计。本研究对8个智慧领域的93篇文献进行整理（表3），并对养老机构智慧化水平的指标体系进行补充和改进。首先，被加入的“信息数据、人才建设、电子健康档案、价值实现”等是刻画养老机构智慧化水平的重要指标；其次，“基础建设”指标最能体现一个领域的智慧化水平，因而“基础设施水平”这一关键指标的刻画要做到全面完整且明确具体。

表3 智慧化应用领域的关键指标Table 3 Key indicators for smart application areas

第三，归纳总结。基于表1～3的关键词整理总结、社会与科技的发展方向以及养老机构发展的实际需要，建立最终的养老机构智慧化水平评价指标体系。

1.2 评价指标体系

（1）基于智慧养老机构和智慧养老的指标分析：自2017年以来，工业和信息化部、民政部和国家卫生健康委员会等国务院相关部门相继颁布了智慧养老机构的政策文件，其与智慧养老机构相关的关键评价指标如表1所示。由于智慧养老的指标体系研究较少，本研究分析了近5年具有代表性的8篇学术文献并选取其关键指标（表2）。基于表1和表2的对比分析，养老机构和智慧养老之间的关键指标具有较高的重合度。

（2）基于智慧指标体系的相关文献分析：为了确保智慧养老机构智慧化水平的指标体系构建具有更好的完备性和准确性，该部分对智慧应用领域的指标体系进行拓展研究。以中国知网（CNKI）数据库中的CSSCI、SCI和EI等来源期刊作为数据来源，主题=“智慧指标体系”、时间=“2012—2022年”，共获得115篇相关文献，采用人工筛选方式剔除了成果介绍、会议记录和与主题无关文献等后获得93篇有效文献。智慧城市的文献数量最多达到41篇，说明智慧城市是已经较为成熟的智慧化应用的研究领域，对构建智慧养老机构的评价指标体系有较大的参考价值和借鉴意义。本研究分析93篇有效文献后将智慧化的应用领域归纳为智慧城市、智慧乡村和智慧旅游等8大领域（表3）。表3列举的关键指标是在93篇文献中出现频次≥2次的关键词，其中重复或相似含义的关键指标被合并处理。为了较全面地构建养老机构智慧化水平的评价指标体系，本研究采用表3的关键指标来辅助选取并适当补充在表1和表2中尚未考虑的一些指标。表3显示：“基础建设”出现66次（71.0%）且在8个领域均有涉及，说明该指标是智慧化应用领域最为关键的指标；“信息数据”出现29次（31.2%）、涉及7个领域，表明该指标是较为重要的关键指标；虽然“电子健康档案”“医疗卫生”“价值实现”和“物联网”等指标的出现频率较低，但与智慧养老机构的主题有显著相关性，因而本研究也将其作为养老机构智慧化水平的重要评价指标。

（3）养老机构智慧化水平的评价指标体系：根据1.1指标构建的方法，本研究从基础设施水平、管理水平和服务水平3大方面建立了10个二级指标和37个三级指标，具体如表4所示。

表4 养老机构智慧化水平的指标体系Table 4 Index system for intelligence level of elderly care institutions

基础设施水平是智慧养老机构最基础且最重要的指标，主要指机构的硬件设施配备和安装情况。该指标按照其属性可分为5个二级指标，包括智慧设备、网络设施、环境设施、应急设施和医疗设施。智慧设备主要描述了智能随身设备配备率、房间设施的先进性和老人洗护的便利性；网络设施主要描述了WiFi、光纤、机顶盒和影像设备的接入情况，确保养老机构网络信息接收和发送的及时性和准确性；环境设施主要描述机构内部环境及设施的安全性和便利性；应急设施主要描述机构中老人或员工呼叫救援的便捷度和面临紧急情况时自动报警系统的完备性；医疗设施主要描述养老机构基础医疗设备的配备与应用，为老人自测生理状况提供多个便利且快捷的途径。

管理水平是智慧养老机构一个不可或缺的指标，主要衡量机构信息数据的整理分析能力、监控以及信息数据更新实时性和在线处理事务能力，该指标按照管理功能可分为两个二级指标即智慧监管和健康数据管理。智慧监管主要描述了机构监控的覆盖率与定位系统的准确性和管理网络化水平能否达到养老机构智慧化所需要的信息管理水平；健康数据管理主要描述了养老机构与医疗护理机构之间的合作情况能否实现对老年人健康信息数据的实时监管，医疗健康数据分析是否以大数据和云计算为支撑以及数据分析的能力能否满足养老机构智慧化的实用性、真实性和完整性的标准。

服务水平是众多学者在养老机构领域研究最多且广泛深入探讨的研究方向，同时也是衡量智慧养老机构软实力的重要指标，主要分为人力资源、医疗服务和心理与精神服务3个方面。人力资源包括机构服务人员和管理人员的数量与结构，主要描述了机构成员数量能否满足养老机构智慧化供给的要求、机构成员队伍的学历和护理与医疗专业技能等方面结构的分布情况是否满足养老机构智慧化的定位；医疗服务包括远程系统、生理指标与护理器械，主要描述了机构的医疗与护理水平和机械化程度能否满足用户对养老机构智慧化的认知；心理与精神服务包括在线心理疏导、陪护机器人和文化教育，主要描述了远程心理疏导能力与机器人情感陪护服务能否满足养老机构智慧化的供给需求，以及机构对老年人的教育普及能否搭建起老年人与信息化社会之间的桥梁，而促进老年人适应现代社会科技的快速发展和智能设施的熟练使用等目的。

1.3 等级聚类模型

层次聚类法的基本逻辑是先把每个个案（或变量）看作一类，然后根据个案（或变量）之间的距离或相似性归为小类，再继续根据类别之间的距离或者相似性逐步向上归类，直到所有个案聚合成一个大类为止［24］。此方法的逻辑与养老机构智慧化水平等级划分逻辑基本相同，但层次聚类无法直接确定类别数目，本研究改进层次聚类为等级聚类，通过计算不同养老机构指标变量间的相似度绘制有层次的嵌套聚类谱系图，再计算养老机构智慧化水平得分并按照“手肘法”决定划分类别个数，其过程如下。

（1）数据预处理：本研究将养老机构的智慧化水平评价指标的数据进行归一化处理，公式如下：

其中 xik、x*ik分别表示第i个养老机构的第k个指标数据归一化前后的值；maxxk、minxk分别表示在所有养老机构中第k指标数据的最小、最大值。

（2）计算相似度系数：本研究采用欧氏距离计算各养老机构智慧化水平之间的相似性系数d，即机构i和机构j间的距离是每个指标变量之差的平方和的算术平方根。其公式如下：

其中m表示指标个数。

（3）绘制聚类谱系图：本研究采用层次聚类中自下而上合并的方法，将相似性系数最小的两类合并为一个新类，再计算新类之间的相似性系数，循环此合并过程至总类别个数为1时停止并绘制出聚类谱系图，具体步骤如图1所示。

图1 绘制聚类谱系图的步骤Figure 1 Flow chart in plotting a cluster pedigree

（4）计算分数：本研究将指标的数据从［0，1］区间转换至［0，100］区间，从而能够得出对于养老机构智慧化水平的最终百分制评价分数S，其计算公式如下：

其中Pk分别表示指标权重；n表示养老机构个数。

（5）划分类别：采用手肘法确定养老机构划分类别数k。“手肘法”的核心指标是误差平方和（SSE），其核心思想是当k小于真实聚类数时，k的增大会大幅增加每个簇的聚合程度，故误差平方和SSE下降幅度较大；而当k接近真实聚类数时，增加k所得到的聚合程度回报会迅速变小，SSE的下降幅度会随着k的继续增大而趋于平缓。SSE与k的关系图呈手肘形状，而肘部对应的k即为数据的真实聚类中心数目。

其中Ci为第i个养老机构智慧化水平分数的聚类中心；p为Ci中的养老机构智慧化水平分数；mi为Ci中所有养老机构智慧化水平分数的均值。

2 实证分析

2.1 数据筛选与数据来源

由于我国养老机构智慧化的发展还处于初级阶段，本研究选择具有代表性城市的养老机构进行等级聚类的实证分析。本研究基于CiteSpaceV软件对主题为养老机构的2001—2021年CNKI数据库的2 494篇核心文献进行关键词共现知识图谱分析如图2所示。“上海市”从2001年开始出现，词频为15且中心性为0.03，并且该关键词是唯一在高频关键词中出现的地域性词汇，表明上海市在我国进入老龄化社会的初期就开始探索和研究构建养老机构的合理性和可行性，且在2001—2021年间上海市也是分析研究我国养老机构发展的重点地区。从城市智慧化发展水平来看，上海市也属于第一梯队的城市［25］，故本研究选择上海市的养老机构作为等级聚类的对象。

本研究获取的相关数据来源于养老网（https://www.yanglao.com.cn/），其筛选条件为：城市=上海市，特色服务=高端养老机构，其余条件=不限，另外同一企业旗下信息数据完全一致的养老机构仅保留一家作为参考。本研究基于人工模糊识别方法对养老网中各大养老机构介绍的文字和图片信息进行识别并提取有用信息，共获得43家养老机构的数据。因学术界在养老机构智慧化水平方面的研究还处于起步阶段，本研究计算分数时假设37个指标的权重相同。由于养老机构的设备配备率、覆盖率和数量等数据并未公开，本研究根据获取的数据均为分类数据的实际情况，将表4的大部分三级指标转化为（0，1）变量指标；而智能家电、影像设备、本科员工、专业医生、专业护理员、护理器械和老年教育课程7个指标可以根据养老机构介绍的智能家电数目，设备及器械新旧程度或数目，员工、医生和护理员专业程度以及老年教育课程的丰富程度进行细化评价，故采用Likert 5分量表法的评价标准取值，按照好、较好、一般、较差和差5个等级进行评判。最终将表4的各指标评价具体简化，见表5。

表5 养老机构智慧化等级评价的简化表Table 5 Simplified table for evaluating the intelligence level of elderly care institutions

2.2 等级聚类的结果

本研究按照1.3小节的等级聚类法对上海市43家高端养老机构的37个指标变量数据进行计算与分析，具体步骤为：首先根据公式（1）和（2）计算各养老机构之间的相似度系数，并通过图1的层次聚类步骤绘制得到聚类谱系图（图3），其中图3的纵坐标表示养老机构的名称及编号横坐标则为相似度系数；其次根据公式（3）计算养老机构智慧化水平得分，图3显示出层次聚类分析的结果与养老机构智慧化水平得分的智慧化水平排名较为相似，从侧面印证了计算智慧化水平得分方法的可靠性；最后根据公式（4）的“手肘法”，采用PyCharm软件绘制出K与SSE关系如图4所示，确定养老机构划分类别为3，故将上海市高端养老机构按智慧化水平划分为智慧、半智慧和非智慧3个等级。

图3 上海市43家养老机构聚类谱系图Figure 3 Cluster pedigree of 43 elderly care institutions in Shanghai City

图4 K与SSE关系图Figure 4 Graph of relation between K and SSE

上海市养老机构智慧化水平的等级聚类结果（图5）显示：智慧养老机构有6家（14.0%）、半智慧养老机构为8家（18.6%）；非智慧养老机构共29家（67.4%）。其智慧型占比仅1成多而非智慧等级则大于6成，表明上海市养老机构的智慧化建设还处于较低的发展水平。目前，上海市养老机构的发展重心还停留在医疗设施和专业医护人员的配备等方面，并且其成就主要表现为构建了大量的医养结合型养老机构。而上海市作为我国国际经济、金融、贸易和科技创新的中心，其智慧养老机构的建设还处于初级探索阶段，说明我国养老机构智慧化的整体水平偏低，在智慧化发展方向上还有很大的上升空间。

2.3 评价指标分析

本研究基于评价指标分析上海市43家养老机构的资源配置情况如图6所示，其中一级和二级指标以平均值表示。基于三级指标（C1～C37）分析：专业护理员、网络机顶盒、护理器械3个指标的频率≥33次，说明上海市有9成的高端养老机构配备了专业护理人员并安装了基础护理器械和网络机顶盒等设施；而智能轮椅、网络处理管理事务、数据可视化、监控生理指标、在线心理疏导和情感陪护机器人6个指标的频率均≤7次，说明不到2成的养老机构拥有诸如智能手环/表、智能轮椅和智能机器人等有关监测身体健康的智慧设备以及实时监控生理的医疗监测的相关设施，而且这些机构也不具备在线处理管理事务、在线心理疏导、健康数据分析及可视化等能力。基于二级指标（B1～B10）分析：人力资源和网络设施指标的频次≥30次，说明8成养老机构在人力和网络设施配备情况良好；而智慧设备、智慧监管和心理服务指标的频次≤15次，说明只有4成的养老机构拥有完善的智能设备、健全的智慧监管系统和提供深度的心理服务。基于一级指标（A1～A3）分析：上海市高端养老机构的基础设施水平的频次为23次、管理水平为15次、服务水平为19次，说明5成养老机构的水平整体较好，6成养老机构的管理基础设施水平整体较好，而仅4成的养老机构拥有较为完善的管理能力。

图6 指标配置情况Figure 6 Configuration of indicators

3 讨论

本研究通过相关文献与政策文件，抓住智慧养老的核心本质，突出养老机构特征，构建了由3个一级指标、10个二级指标和37个三级指标组成的养老机构智慧化水平指标体系；提出一种基于层次聚类分析法的等级聚类模型；并对上海市43家养老机构进行实证分析，可为相关领域的研究工作提供理论借鉴和参考依据。

相较于前期的相关研究成果，本研究的特色在于建立了新的评价指标体系、开展实证研究并界定了智慧养老机构的概念内涵。例如，徐玲玲［26］采用个案访谈法和问卷调查法来构建智慧居家养老的服务指标体系，而本研究则采用文献阅读法和描述性统计等客观方法建立评价指标体系并有别于传统的问卷调查法和德尔菲法等主观构建法，即基于“智慧养老机构”的政策文件和相关的文献资料而提取本研究的指标体系并结合“智慧指标体系”的文献对本研究的指标再进行完善和优化处理，从而保障了养老机构智慧化评价指标的完备性。再如赵庚等［23］针对智慧养老的指标体系开展理论探讨，但本研究不仅探讨了智慧养老机构的指标体系，而且结合实际情况优化了指标的可操作性并提出了养老机构的智慧等级模型。选取上海市43家高端养老机构开展实证分析，其实证结果也表明上海市养老机构的智慧化建设还处于较低的发展水平并有较大的上升空间。另外，学术界研究并界定了智慧居家养老［26］、智慧社区养老［27］、中医智慧养老［28］、智慧养老服务［29］和医养结合养老机构［30］等但尚未提出智慧养老机构的含义，而本研究则指出智慧养老机构有内生和外延的双重含义：基于文献综述的分析得出，智慧养老机构的内生含义并非是简单地将互联网技术与养老机构服务等进行叠加，而是构建一种利用现代科技优化养老设施并且聘用专业人才高效管理和完善养老服务等的全新养老机构；而智慧养老机构的外延可基于等级聚类得出6家智慧养老机构而获得其外部特征，即拥有大量的智慧基础设施和医疗设施、较强的在线管理能力和完善的管理系、一定的健康数据分析能力、由专业的医护人员支撑体的医疗服务能力、高度机械化的服务过程等。

本研究局限性：实证分析样本不够广泛和全面，仅收集了上海市的高端养老机构且其数据都属于分类数据而不够精确。作者今后将尝试在更大规模和更多地区的智慧养老机构完善其评价指标体系并开展实证评估。

作者贡献：田钦瑞负责研究的构思与设计，数据的收集与整理，撰写论文，统计学处理，图、表的绘制与展示；李桥兴进行论文修订，对文章整体负责。

本文无利益冲突。