基于人工神经网络模型的区域医疗联合体绩效评估研究

Building medical consortium is an important measure to deepen the healthcare system reform,beacuse it is helpful to solve the problems of medical resources waste and medical services inefficient result from irrational resources allocation and the disorder behaviour of seeking medical services. scientific assessment of performance of regional medical consortium is very important ,but rare research on performance assessment of regional medical consortium was reported. There's a big difference between the regional medical consortium and individual medical institution.The existing methods of single institution performance assessment mainly depend on the expert experience to determine the index weight, and the evaluating result is of great subjectivity and instability.so it is necessary to explore more suitable method for performance evaluation of regional medical consortium. The artificial neural network model,which will be bring in this study, simulate human brain structure and function and has strong self-learning ability and fault tolerant ability. Because it can determine the complex relationship between input and output, it is an advanced assessment tool in many fields.This study will firstly expound the theories of regional medical consortium performance assessment according to its characteristics.And then, a model for performance assessment based on neural network will be established, and the empirical study will be conducted to verify it.This study will strive to make breakthroughs in method, and to provide guidance and advice for medical consortium performance assessment,and to offer decision support for regional medical consortium development.

组建医疗联合体有助于解决因资源配置不合理、居民无序就医而导致的医疗资源浪费和医疗服务体系效率低下等问题，是深化医改的重要举措。对医联体的绩效进行科学评估具有重要的现实意义和指导意义，但有关医联体绩效评估的研究未见报道。医联体与单个医疗机构的运行方式存在较大差别，而且现有的对单个机构的绩效评估方法主要依靠专家经验来确定指标和权重，导致评价结果具有较大的主观性和不稳定性，因而有必要探索更适合医联体特点的绩效评估方法。本研究引入模拟人脑结构和功能的人工神经网络模型，其具有较强自学习能力和容错能力的，可以确定输入与输出间的复杂数量关系，是一种在很多领域应用的先进评估工具。针对医联体的特点，在对医联体绩效进行理论阐释的基础上，建立基于人工神经网络的医联体绩效评价模型，并进行实证分析验证，力争在方法上进行突破创新，在实践上为医联体绩效评价提供指导性的建议，在应用上提供促进医联体健康发展的循证决策依据。

医疗联合体（简称医联体）在深化医改、优化资源结构、提升医疗服务体系整体效能方面发挥重要作用，成为推动公立医疗机构改变服务模式，构建分级诊疗体系的重要举措。当前医联体研究，大多局限在组建方式和探索实践等方面，理论研究不足，且鲜有医联体绩效评估的报道。本研究主要内容：. 首先，医联体及其绩效评估的理论研究。系统论述了我国医联体发展历史，将其划分为雏形期、形成期和发展期三个阶段，并对各阶段特点进行总结和评述。依照区域跨度、联合行为和合作程度三个维度，将医联体划分为八种类型，对不同医联体的概念、功能和特征进行分析，并对不同类型医联体绩效评估进行靶向性分析；. 其次，医联体绩效评估模型构建和实证分析。应用“结构—过程—结果”模型、利益相关者分析、专家咨询法和层次分析法等，建立区域纵向紧密型医联体绩效评估指标体系，该指标体系中包含有7项一级指标、13项二级指标和32项三级指标。根据人工神经网络模型的基本原理，应用SIMCA-P和MATLAB软件构建基于偏最小二乘—BP神经网络的医联体绩效评估模型。以上海市2010-2015年11家区域纵向紧密型医联体为样本，共计41个，进行实证模拟分析。参考模型仿真结果的医联体绩效评分和SMART原则，制定上海市医联体绩效评估的评分等级和标准，将医联体的评价等级划分为优秀、良好、一般、较差四级, 进而判断出当下上海市区域纵向紧密型医联体在此次绩效评估过程中，13个等级为良好，28个等级为一般，评价等级为优秀、较差的数量为0。并提出针对性的政策建议包括：医联体内部治理结构有待进一步理顺，医联体内信息化平台建设有待进一步完善。医联体内部应建立合理的分工协作机制，应加大对基层医疗机构的扶持力度。政府应加大对医联体发展的财政支持力度，应充分发挥医保在医联体中的导向作用；. 第三，开发了“基于PLS—BP神经网络模型的纵向紧密型医联体绩效评估系统”软件。本研究一方面丰富了我国医联体的理论研究，另一方面也在探索医联体绩效量化评估方面取得了突破性进展。