卫生管理决策支持系统的模型构建研究——以新型农村合作医疗大病预测模型构建为例

摘要

研究目的:
　　本研究通过梳理卫生管理决策支持系统在不同应用场景，所对应的模型类型和模型构建方法，结合新农合大病保障实施现状和相关业务数据，完成面向实际问题的决策模型构建，以期为新农合管理者进行科学合理的决策分析提供技术支持和参考。
　　研究内容:
　　1.梳理相关理论与应用研究。系统梳理国内外卫生管理决策支持系统的研究现状，重点研究现有成熟决策模型的种类、应用领域、构建方法内容。
　　2.卫生管理决策支持系统的模型分析。对决策模型进行系统的归纳和分类，包括所属学科、对应的业务领域、核心算法等。在此基础上，结合卫生管理决策支持系统不同的应用场景和环节，评价、比较相关决策模型，明确在相应场景和环节下，应选用何种决策模型进行决策分析，从而达到最优的决策效果。
　　3.新农合大病保障实施现状及相关业务数据分析。对新农合大病保障的研究内容和实施现状进行系统的梳理与总结。选取国家新农合信息平台内安徽、海南两个地区的2012-2014年参合人员住院补偿明细数据，进行深入的分析与探讨。
　　4.研究基于新农合新增大病种类的决策模型构建。结合数据分析结果，选择贝叶斯判别分析模型和趋势外推预测模型，并根据相关指标确定模型变量，运用统计学方法，对模型进行构建和测试。
　　研究方法:
　　通过文献调研方法，搜集理论文献、实证研究文献、相关政策法规、研究报告等;利用已梳理的决策模型，结合国家新农合信息平台内的业务数据，运用统计学方法构建新农合大病判别分析模型和大病种类预测模型。
　　研究结果:
　　1.分析了卫生管理决策模型的应用场景和主要功能，并将模型分为判别分析模型、预测模型、评价类模型、扩充模型和专业模型。
　　2.结合新农合业务数据和新农合大病保障研究现状，确定了新农合大病的指标体系:患病率、人均住院次数、次均住院天数、人均住院费用、疾病费用标准差、地市级医院住院比例、省级及以上医院住院比例。
　　3.运用统计学方法，构建了贝叶斯大病判别分析模型，实现了对大病和非大病的分类;构建了趋势外推预测模型，预测了2015年非重大疾病的全部指标数据。
　　4.通过贝叶斯判别分析模型，对2015年的预测数据进行了分类，并最终预测出10种新增的重大疾病:鼻咽癌、喉癌、脑肿瘤（限手术治疗）、淋巴癌、白血病、心脏病（限手术治疗及介入治疗）、脑出血（限手术治疗）、肝癌、动脉瘤（限手术治疗）、甲状腺癌。
　　结论:
　　本研究以模型选择-模型修改-模型测试-模型运用，作为卫生管理决策支持系统的模型构建理论，并结合新农合的大病指标体系，运用统计学方法构建了新农合大病判别分析模型和趋势预测模型，完成了新农合新增大病种类的预测。研究结果可为新农合管理者扩充大病种类提供参考依据，从而促进新农合大病保障的制度的不断完善，切实减轻农村居民疾病经济负担。

目录

声明

摘要

1 研究背景和意义

1．1 研究背景

1．2 研究意义

2 研究目的、内容与方法

2．1 研究目的

2．2 研究内容

2．2．1 系统梳理相关理论与应用研究

2．2．2 卫生管理决策支持系统的模型分析

2．2．3 新农合大病保障实施现状及相关业务数据分析

2．2．4 研究基于新农合新增大病种类的决策模型构建

2．3 研究方法

2．3．1 文献调研

2．3．2 专家咨询

2．3．3 统计学方法

2．4 技术路线图

3 研究结果

3．1 相关理论研究

3．1．1 国内外HMDSS研究现状

3．1．2 HMDSS的模型相关研究

3．1．3 新型农村合作医疗大病保障

3．2 数据来源

3．3 相关指标分析

3．4 新农合住院数据描述性分析

3．4．1 样本数据采集与梳理方法

3．4．2 住院数据总体情况

3．4．3 各地区数据基本情况

3．5 新农合大病种类预测模型构建

3．5．1 大病判别分析模型的构建

3．5．2 大病种类预测模型的构建

3．5．3 新农合新增大病种类

4 讨论

4．1 本研究系统分析了卫生管理决策模型的类型及其应用场景

4．2 本研究较为全面的对样本数据进行了清洗与分析

4．3 本研究卫生管理决策支持系统模型构建的方法论

4．4 模型变量的选择与修改

4．5 用决策模型预测新增大病种类对新农合大病保障制度的影响

4．6 本研究的局限之处

5 结论

6 建议

6．1 需要加强卫生管理决策支持系统的理论和技术研究

6．2 重视决策模型和模型库的应用，提升卫生管理决策支持系统的智能化水平

6．3 加快新农合相关决策模型的构建，以辅助新农合管理者进行有效决策

6．4 进一步完善新农合大病保障政策，切实减轻农村居民经济负担

参考文献

文献综述 卫生管理决策支持系统发展现状及相关模型构建理论研究

攻读硕士期间发表论文及参与科研情况

致谢