我國社區醫療服務質量綜合評價的因子分析

徐東雨，鄭琳琳，婁 巖

(中國醫科大學公共基礎學院計算機教研室，沈陽 110122)

·衛生管理·

我國社區醫療服務質量綜合評價的因子分析

徐東雨，鄭琳琳，婁 巖△

(中國醫科大學公共基礎學院計算機教研室，沈陽 110122)

社區醫療衛生服務是我國基層衛生工作的重要組成部分，是實現人人享有初級衛生保健目標的基礎環節[1-2]。對社區醫療服務質量進行科學合理的綜合評價至關重要，其結果直接體現了各地區基層醫療服務水平[3-4]。因子分析是一種從分析多個原始指標的相關關系入手，找到支配這種相關關系的有限個不可觀測的潛在變量，并用這些潛在變量來解釋原始指標之間的相關性的多元統計方法[5]。本研究運用因子分析法對我國各地區的社區醫療服務質量進行分析，旨在科學評價各地區的基層醫療服務水平，為醫療決策提供參考依據。

1 資料與方法

1.1 一般資料 本資料來源于國家衛生和計劃生育委員會《2015中國衛生和計劃生育統計年鑒》[6]。以我國31個省(自治區、直轄市)為樣本，選取反映社區醫療服務質量的9項主要指標，包括社區衛生服務中心個數X1、診療人次X2、入院人數X3、社區衛生服務中心床位數X4、病床使用率X5、平均住院日X6、醫師日均擔負診療人次X7、醫師日均擔負住院床日X8、每萬人口全科醫生數X9等。

1.2 方法 采用的統計軟件為SPSS19.0，方法為因子分析，基本步驟如下：(1)構造原始數據矩陣；(2)求相關矩陣，并進行KMO檢驗和Bartlett球形檢驗分析；(3)求相關矩陣的特征值、方差貢獻率和累計方差貢獻率等；(4)用主成分法根據因子貢獻率提取主因子；(5)用最大方差法求旋轉后的因子載荷矩陣；(6)對主因子進行解釋和命名；(7)用回歸法求因子得分系數矩陣，計算主因子得分及綜合排名[7]；(8)對主因子得分進行聚類分析。

2 結 果

2.1 KMO檢驗和Bartlett球形檢驗分析 對樣本數據進行KMO檢驗和Bartlett球形檢驗。一般來說，KMO<0.5或者Bartlett檢驗P>0.01時，不適合進行因子分析[8]。本研究的樣本數據KMO統計值為0.597，Bartlett球形檢驗統計值為225.002，P=0.000，說明樣本數據適合做因子分析。

2.2 提取主因子 處理后的各項指標的相關矩陣的特征值、方差貢獻率和累計方差貢獻率(表1)，其中前3個因子的特征值均大于1，且這3個因子的累積方差貢獻率達到84.123%(大于70%[9])，因此選前3個因子足夠描述社區醫療服務質量的總體水平。

2.3 變量共同度分析 提取3個公因子后，計算變量的共同度，見表2。9個指標的變量共同度均在70%以上，說明因子分析的變量共同度較高，原始變量的絕大部分信息能夠被因子提取，因子分析的解釋能力較強。

2.4 主因子解釋及命名 采用主成分法建立因子載荷矩陣。由于得到的初始因子載荷矩陣系數不夠明顯，不足以說明各因子在各變量上的影響程度，因此對初始載荷矩陣進行方差最大化正交旋轉[10]。旋轉后的因子載荷矩陣，見表3。

表1 相關矩陣的特征值和貢獻率

表2 變量共同度

表3 旋轉后的因子載荷矩陣

續表3 旋轉后的因子載荷矩陣

2.5 主因子得分及綜合排名 采用回歸法輸出旋轉后的因子得分系數矩陣，見表4。

以表1中旋轉后的方差貢獻率構造綜合因子得分函數，如下：F=34.144F1+26.296F2+23.683F3把經過標準化的樣本數據代入上面的函數，得到各地區的綜合因子得分，并排序如表5所示。

2.6 主因子得分的聚類分析 以F1、F2、F3 3個主因子得分為變量，對各地區進行系統聚類分析，其中聚類方法選用最遠鄰元素法，度量標準選用平方Euclidean距離區間。當聚類數為4時，結果見表6。

表4 因子得分系數矩陣

表5 各地區主因子得分及綜合排名

3 討 論

整體上看，我國東部地區的社區醫療服務質量普遍優于中西部地區。綜合排名前3位分別是上海、江蘇和廣東，后3位分別是吉林、寧夏和西藏。

從診療服務因子上看，上海、浙江、北京等地區排名靠前。上海的平均住院日、醫師日均擔負診療人次兩項指標高居全國第1位，診療人次、每萬人口全科醫生數兩項指標分別位于全國第2位和第3位，遠遠高于全國平均水平。這可能得益于該地區社區醫療服務的運行、監管和補償等機制貫徹的比較到位且效果良好[11-12]。浙江、北京兩地區診療服務因子的各項指標也位于全國前列。重慶、湖南、西藏等地區排名靠后。西藏地區的診療服務因子相關的各項指標均排名全國墊底或倒數2位以內，嚴重落后于其他地區。重慶、湖南兩地區診療服務因子的各項指標均位于全國中后位置。

從住院服務因子上看，江蘇、廣東、山東等地區排名靠前。江蘇的入院人數、社區衛生服務中心床位數兩項指標高居全國第1位，社區衛生服務中心個數指標位于全國第2位。廣東的社區衛生服務中心個數位指標高居全國第1位。山東的住院服務因子各項指標均位于全國前列。寧夏、青海、海南地區排名靠后，各項指標均落后于全國平均水平。寧夏與住院服務因子相關的各項指標均排名全國倒數第2位。青海、海南兩地的各項指標也位于全國倒數5名以內。這可能與這些地區的政府財政投入、對社區醫療的重視程度、社區醫療人才培養、雙向轉診機制、社區衛生監督等方面相對落后有密切的關系[13-14]。

從病床利用因子上看，上海、重慶、海南等地區排名靠前。上海、海南、重慶的病床使用率指標位于全國前3位。重慶、海南的醫師日均擔負住院床日指標位于全國前2位，上海也排名居前。浙江、廣東、寧夏等地區排名靠后，各項指標均排名全國中后位置。作為經濟發達地區，浙江、廣東兩地外來人口多，流動性強，社區醫療需求旺盛，然而患者的就醫意愿仍然趨向于更高一級的醫療單位，造成病床使用率、醫師日均擔負住院床日等指標整體落后。

吉林的3個因子得分均位于全國中后位置，綜合排名不甚理想，這可能與該地區地方財政補償能力差、社區衛生人力資源缺乏、醫療設備短缺陳舊等因素有關[15]。

綜上所述，本研究采用因子分析方法，將原始數據中的9個影響因素降低為3個，利用主因子來解釋原始指標的相關性，實現對不可測因素的分析。本研究在一定程度上反映了我國社區醫療服務質量的狀況，客觀評價了各地區在診療服務、住院服務、病床利用3個方面的服務能力，期待為各地區在社區醫療方向上的規劃和決策提供參考依據。

[1]賈杰，周瑛.社區醫療衛生服務中存在的問題及建議[J].中國醫藥指南，2012，10(18)：678-679.

[2]胥鳳，李巍，徐晨，等.社區醫學教學實踐基地建設的探索與實踐[J].重慶醫學，2015，44(19)：2704-2705.

[3]彭韻楊，伍林生.重慶市居民對社區衛生服務的認知程度及態度評價分析[J].重慶醫學，2015，44(19)：2700-2701.

[4]王瓊.社區居民衛生應急認知狀況及其影響因素分析——以重慶市渝中區為例[J].重慶醫學，2015，44(21)：3006-3008.

[5]虞仁和.SPSS18及其醫學應用[M].長沙：中南大學出版社，2012：221-222.

[6]國家衛生和計劃生育委員會.2015中國衛生和計劃生育統計年鑒[M].北京：中國協和醫科大學出版社，2015：60-68.

[7]鄭娟，許建強，王健.濟南市某醫院醫療質量綜合評價的因子分析[J].中國衛生統計，2015，32(3)：446-447.

[8]金華旺，魏鳳.基于因子分析的我國各地區醫療保障能力綜合評價[J].中國衛生統計，2012，29(6)：908-910.

[9]趙宇.鄉鎮衛生院醫療服務供給水平綜合評價——基于因子分析方法對山東省17地市的比較[J].地方財政研究，2014(7)：66-70.

[10]王可，何鵬，張娟，等.因子分析法在醫療工作質量評價中的應用[J].中國衛生統計，2012，29(6)：897-899.

[11]何江江，鐘姮，萬和平，等.上海市社區衛生服務綜合評價結果分析[J].中華醫院管理雜志，2015，31(8)：633-637.

[12]李婭玲，顧杰，傅士杰，等.上海市城、郊兩社區衛生中心住院患者住院狀況調查[J].中華全科醫師雜志，2014，13(12)：982-985.

[13]王洪麗，喬慧.寧夏城市社區衛生服務運行現狀的調查分析[J].醫學動物防制，2012，28(1)：50-54.

[14]張雪暉，吳桂珠，潘文利，等.海南省社區衛生服務現狀及發展對策研究[J].中國全科醫學，2012，15(16)：1801-1803.

[15]薛建武.吉林省社區衛生改革與發展探索[J].中國社區醫師，2014(24)：183-186.

徐東雨(1976-)，講師，碩士，主要從事醫學數據分析及醫學圖像處理工作。△

，E-mail:louyan@mail.cmu.edu.cn。

10.3969/j.issn.1671-8348.2017.08.043

R195.1

B

1671-8348(2017)08-1134-03

2016-10-27

2016-12-25)