论文部分内容阅读
门诊作为连接社会和医院的重要窗口,门诊人次的变化对医院的运营管理有着重要的影响,心血管疾病门诊量的精准预测是十分必要的,可以为自身管理决策和未来规划提供客观依据,合理运用医疗卫生资源,提高医疗卫生水平。精准预测下一周期(下一周、下一月或下一年)门诊人次,为门诊运行管理决策提供理论支撑,根据预测的患者人数,安排各部门资金预算和投入金额;合理配置各种内部资源的调度,提高资源利用效率,是医疗运营管理的重要基础。本文从Y医院门诊实际场景出发,针对门诊就诊问题,提出基于预测的门诊诊断资源调度,从两个方面进行研究:(1)为提高心血管疾病门诊量的预测准确率,考虑心血管疾病受多种因素影响,导致门诊量时间序列出现复杂的、波动频繁、非线性、非平稳的特征,根据“分解-重构-集成”的思想建立了基于数据特征的组合预测模型。首先采用避免端点效应的改进集合经验模态分解对复杂的心血管疾病门诊量时间序列进行分解,得到若干特征相对简单的分量,使复杂特征的数据得以简单化;之后为避免数据冗余,利用模糊熵重构算法和统计学方法对分解后的数据分量进行重构,并得出高频、低频和趋势三种子序列;分别根据数据特征对高频子序列采取自回归移动平均模型,对低频和趋势子序列采取反向传播神经网络进行预测,最终通过线性叠加的方式集成预测结果。(2)基于心血管疾病预测的结果,针对有限的医疗诊断资源,建立以最小化门诊资源总检查时间为目标的数学模型,为患者的检查项目提供合理的门诊诊断资源优化配置,减少医疗资源的浪费,对一些关键的瓶颈资源提出合理的采购建议,以减少患者和医院间的供需不平衡问题。最后选取了大连市Y医院心血管疾病的门诊量时间序列数据和门诊诊断资源数据作为样本进行实证研究,以验证建立的分解-重构-集成的组合预测模型的预测精准度,实验结果表明,与其它单一预测模型、未考虑重构的分解集成模型相比,本文提出的组合预测模型在心血管疾病的门诊量预测方面准确度更高,并根据预测患者数量给出门诊诊断资源调度实例,为Y医院的资源配置、医疗运营管理、未来规划等提供数据支撑。