基于Network DEA与BP ANN组合模型的我国卫生资源配置效率研究

摘要

目的：本研究以我国31省市卫生系统为研究对象，提出基于网络数据包络分析和人工神经网络分析相结合的卫生资源配置效率评估方法，旨在分析2012-2016年我国卫生资源配置效率情况，通过效率的评估指标讨论各地区卫生资源配置效率的差异及原因，为合理配置卫生资源提供科学的意见和建议。具体目标为：（1）归纳两种卫生资源配置效率评估常用模型，探讨模型的相关理论、演变历程、用于测量卫生资源配置效率的优势与局限性；（2）构建网络数据包络模型，从时间序列的角度评估2012-2016年我国31省市卫生资源配置效率，分析无效省份各指标的改进量与目标值；（3）构建人工神经网络模型，结合网络数据包络分析模型评估结果，从横截面的角度对2016年我国31省市卫生资源配置效率进行综合评价分析；（4）为我国各地区卫生资源优化配置提供理论依据。 内容：首先采用Network DEA模型，从时间序列角度分析2012-2016年我国31省市卫生资源配置效率，具体包括总体效率、卫生总费用投入下的卫生人力及物力产出效率和医疗服务产出效率，探讨导致效率低下的原因并提出相应指标的具体改进情况。其次将Network DEA模型的效率评估结果作为期望输出纳入BP人工神经网络模型，以2012-2014年数据为训练样本，2015年数据作为测试样本，对2016年数据进行最终评价，从横截面的角度分析我国卫生资源配置效率的现状与地区之间的差异。最后总结Network DEA与BP人工神经网络组合模型弥补两种方法单独使用时对各地区资源配置情况识别不足，为建立相对完善的卫生资源配置效率评价体系提供参考。 方法：（1）Network DEA方法：根据指标选取原则建立指标体系，评价各省市在研究期间卫生资源配置效率总体情况和各节点效率情况，对表现为无效的省份进行改进量与目标值分析。（2）BP人工神经网络方法：选取更加全面的指标构成神经网络输入层，将Network DEA模型对效率的评价结果作为输出层，利用BP人工神经网络对卫生资源配置效率进行训练、测试与最终识别，根据最终识别结果，修正Network DEA模型所得效率值，从而达到全面、多维度的评价我国卫生资源配置效率。 结果：从总体效率来看，2012-2016年五年均DEA无效省份所占比例为93.5%，东部、中部、西部地区五年效率均值分别为0.581、0.705、0.682。通过将整体效率分解为卫生总费用投入下的卫生人力、物力产出效率和医疗卫生服务产出效率，2012-2016年节点1效率为1的省份所占比例分别为12.9%、19.4%、16.1%、16.1%和61.3%，节点2效率为1的省份所占比例分别为32.3%、41.9%、32.3%、38.7%和12.9%，共有16个地区节点1效率高于节点2，所占比例为51.6%。对无效省份各指标改变量与目标值分析结果显示，各地区在医疗卫生机构、床位、医师、护士配置上存在冗余或是不足，增减量各不相同；而以诊疗人次、出院人数和健康检查人数为代表的医疗卫生服务产出均有不同程度的不足。人工神经网络模型结果显示，2016年我国31省市卫生资源配置效率均值为0.638，无效省份占比达96.8%，非有效省份中有4个地区效率值在0.8以上，分别是山西、山东、河南、广西。效率值低于0.5的省份共有7个，占比为22.6%，其中4个省市位于东部地区，3个省市属于西部地区。 结论：（1）2012-2016年，除个别省市外，我国卫生资源配置效率总体呈下降趋势，不同时期各地区之间效率值存在不同程度的差异。 （2）研究期间，各地区将卫生总费用转化为卫生人力、卫生物力资源的效率得到显著提升，而将卫生人力和物力资源转化为医疗服务的效率有所降低，多数省市卫生资源尚未达到有效配置，存在资源投入过剩和产出不足等情况。 （3）当人工神经网络引入经济、人口、居民健康水平等指标后，大部分省市资源配置效率应当重新审视，中部地区卫生资源配置效率均值最高，其次是西部地区和东部地区，直辖市中的北京、天津和上海卫生资源配置效率存在较大问题。 （4）Network DEA与BP人工神经网络组合模型弥补了两种方法单独使用时对各地区资源配置情况识别不足的缺陷，可以较好对卫生资源配置效率进行评估，提高效率测量的准确度和精确度，实现了对原有模型的改进。

目录

第一个书签之前