论文部分内容阅读
目的:本文旨在利用某儿童医院信息系统中的历史数据,分析门诊就诊流程中影响患者等待时间的因素,在定量分析患者流量与患者等待时间的基础上,找出患者排队的规律。通过建立等待时间预测模型,实现对患者等待时间的准确预测,为门诊资源优化配置提供依据,减少患者等待时间。 方法:本研究综合运用定性和定量的研究方法:通过文献分析法,对国内外有关患者等待时间预测的相关论文进行总结,作为本研究提供参考和研究依据;利用专家咨询法,收集该医院的相关资料,如门诊科室类别、患者就诊方式等,分析该医院门诊流程和影响患者等待时间的因素,提取医院信息系统中各指标数据。统计分析法:对等待时间的集中趋势和离散趋势进行描述,采用非参方法检验比较不同科室、不同就诊方式等待时间的差异。最后采用预测模型法,以医院信息系统中历史数据为基础,对患者排队系统进行分析,定量分析门诊流程中不同因素对等待时间的影响程度,分别利用线性回归、Lasso回归、随机森林回归、K最近邻回归四种方法建立患者等待时间预测模型。 结果:采用R语言对收集到的历史数据进行处理,以其中6个科室为例,定量的分析患者等待时间。利用中位数对整体患者的等待时间进行描述,为35.55min。对不同科室的患者等待时间进行检验,结果发现各科室之间患者等待时间存在显著性差异,其中呼吸内科的患者等待时间最长(约57.95min),其次眼科为42.68min,其他科室患者等待时间均在30min左右。 在不同科室中,不同时段的患者流量和等待时间在存在一定的差异,总体来说8月份患者流量最少,等待时间也相对较短,而在一周内周三、周五就诊的患者较少,而周六、周日患者流量明显增多,等待时间也相对较长,如呼吸内科的等待时间超过60min。一天内上午患者流量和等待时间均明显高于下午,其中上午7-10点为挂号高峰期,不同科室的患者等待时间差异较大,等待时间最长的为呼吸内科,近70min,而眼科的患者等待时间最短,约15min。对不同科室内的患者就诊方式如缴费方式、操作方式、挂号方式的等待时间进行显著性检验,总体来说利用一卡通、采用提前预约方式能明显减少患者的等待时间,如在呼吸内科中,一卡通患者平均比现金患者少等待9min,提前预约能比现场挂号的患者等待时间缩短近30min。 最后选择利用数据挖掘中四种回归预测模型如线性回归、Lasso回归、随机森林回归、K最近邻回归对患者等待时间进行预测,对不同模型的预测效果。结果发现,平均绝对误差中,线性回归和Lasso回归平均绝对误差约21min,而随机森林和K最近回归中平均绝对误差为13min左右;对比不同模型的归一化均方误差(NMSE),分别为0.31、0.316、0.142、0.139,显示K最近邻回归模型的误差最小,其次为随机森林回归模型,但这两者之间的差异很细微,而Lasso和线性回归预测效果相对较差。因此K最近邻回归和随机森林回归预测精度较高,较适合用于等待时间的预测。 结论:目前该儿童医院患者等待时间较长,医院应根据患者的流量的规律,优化医院门诊资源配置,合理安排医生排班情况。同时该医院应大力宣传一卡通、提前预约就诊模式,并提供网络、电话、现场等多种提前预约方式,分散不同时点的患者流量。利用预测模型对患者的等待时间进行预测,提前告知患者所需等待的时间,帮助患者合理安排好自己的时间,相应地减少在医院的滞留时间。