門診量預測中對時間序列預測模型的應用分析

摘要：目的分析門診量預測中對時間序列預測模型的應用。方法對我院門診從2009~2011年就診的月門診量數據，建立時間序列的預測模型，并用該時間序列模型進行預測比對。結果該時間序列預測模型中，對于下1年前6個月內醫院的的門診量很接近實際的門診量，其之間誤差較小，時間序列預測模型中預測的我院2012年門診量為328520人次。結論在醫院統計工作中，運用時間序列預測模型，不僅對統計醫院門診量方面有很好的預測效果，而且也能夠提高醫院的管理水平，為醫院管理提供可行的預案以及有效的決策依據。

關鍵詞：時間序列預測模型；門診量；預測近年來，對于醫院門診量進行科學的預測，準確地分析醫院的門診量的動態，對醫院在工作計劃制定以及統籌安排醫護人員方面，可以提高決定性的決策依據，對提高門診工作效率、減少患者候診時間有重要意義[1]。以下本篇就對我院門診在2009~2011年收治的月門診量數據進行分析， 探討在門診量預測中對時間序列預測模型的應用，具體報告如下。

1資料與方法

1.1一般資料我院門診在2009年到2011年就診的月門診量數據，見表1。

1.2方法醫院在門診管理中門診量作為重要的指標，預測門診量對醫院的門診資源部署起到重要的作用[2]。然而，在醫院門診量會隨著季節變動而產生一定的轉變，因此以下在門診量的預測中，還應該考慮季節時間的因素，以提高門診量預測的準確性。以下是具體的方法：

預測模型：Yt=f(Tt，St，Ct，It)，首先就是建立以時間為主的序列預測模型：其中Yt表示在相對時間點t中的門診人次數，利用Tt來表示長期的趨勢，St作為季節指數，Ct作為周期循環指數，It用來表示誤差項。在本研究中用乘積模型進行預測：Yt=Tt×St×Ct×It

長期趨勢[3]：對于醫院的門診量，會在較長的時間內存在上升以及下降的趨勢，這種長期發展趨勢可為直線，也可以為曲線，通過對門診量數據、時間(t)施行擬合，便會得到長期趨勢模型：Tt=f(t)。

季節指數：門診量受會季節變動形成長度、幅度固定的波動周期。本次研究中對于季節波動長度多為12個月，對于季節指數的計算，首先采用移動平均法算出月平均門診量，之后用二次移動平均算出居中月的平均門診量，在采用實際月門診量除居中月平均門診量，最后就可以得出出月門診量指數。

周期循環指數[4]：由于門診量還會受其它因素影響，因此會形成有明顯周期特征的波動，對于周期循環指數計算公式為:C=TC。

誤差項：由于在對門診量預測的時間序列模型中，會因為受偶然因素的影響，因此而形成一種隨機的波動。

2結果

門診量長期趨勢估計結果為：(R2=0.50，P=0.0001)；門診量長期趨勢方程為：Tt=19111.04+236.603*t。門診量預測值結果如下表2中所示：

解釋：先用原數據跟t的一次，二次，三次分別回歸，得到預測值后，發現用t的一次進行擬合是比較適合的，這樣得到T值，然后用原始數據得到季節指數（即12個月的指數）S，然后計算周期指數C=Y/T/C.。對于預測，T就用回歸方程進行預測，S不變，C用簡單移動平均法預測，然后計算出Y_pre=T_pre*S*C_pre。

在門診量預測中，其實際門診量與總體預測值結果比較，其預測誤差較小，在醫院門診統計中有實際應用價值。

3討論

在醫院中，門診量作為衡量門診醫療工作質量的重要指標，不僅可以，反映出一個醫院的規模以及醫療水平，而且還有助于提高醫院的管理水平以及工作效率[5]，以便醫院管理者根據門診量變化合理配置人力、物力資源，從而更加有效的促進醫院門診量提高。

由上可知，運用時間序列預測模型，可以有效統計出醫院的門診量，其結果的準確度極高，與實際的誤差率較小，值得在實際中推廣應用。

參考文獻：

[1]周忠彬，呂紅梅，鄒郢.ARIMA干預模型在醫院門診量預測中的應用[J].中國醫院統計，2012，07(18)：41-42.

[2]任月紅，趙曉娟，張雅瓊.門診診療人次季節變化動態分析[J].中國病案，2011，14(12)：76-77.

[3]袁瑞良，王玉貴，鄧瓊.某兒童醫院門診量變動特征及對策[J].解放軍醫院管理雜志，2010，21(14)：56-57.

[4]劉雅，田玉兔，于曉榮.時間序列預測模型在門診量預測中的應用[J].中國病案，2013，06(34)：45-46.

[5] 姚水娟.門診工作量季節變化的簡析[J].中國農村衛生事業管理，2012，24(08)：31-32.

編輯/王敏