智能導檢系統在體檢中心的應用和評估

陳 鋼，陳燕芬，路 平，馬 驍

（1.中日友好醫院 健康體檢中心，北京 100029；2.中日友好醫院 科研處，北京 100029）

隨著人們對自身健康的重視，參加定期體檢的人群逐年增長，2018年我國參加健康體檢的人群已經超過4 億人[1]。由于各體檢中心業務量的急劇上升，如何提升客戶的體檢體驗是每個體檢中心面臨的重要問題。中日友好醫院健康體檢中心于2018年4月啟用了智能導檢系統，經過不斷探索與改進，系統平穩運行，成為工作中不可缺少的工具。通過對導檢系統運行中產生數據的進一步分析，我們能量化體檢的流程信息，同時也可以評估智能導檢系統的運行效果。

1 資料和方法

1.1 智能導檢系統的工作流程

智能導檢系統的軟件布置在醫院內網，與醫院信息系統 （hospital information system，HIS）連接，主要有導診臺的導檢工作站和診室的醫生工作站；硬件主要是診室外的顯示屏。基本工作流程分為4 步：（1） 客戶持體檢指引單在導診臺掃碼，導檢工作站會根據客戶的體檢項目及各診室實時的排隊情況，通過“AI 導檢算法”安排客戶第一站的體檢項目；（2）客戶到診室外等候檢查，診室外顯示屏會動態列出排隊信息，同時語音提醒需要進入診室客戶和下一位等候客戶的姓名；（3）客戶在診室完成體檢后，醫生工作站會提示客戶下一個體檢項目，醫生要在指引單上標記并指導客戶前往。（4）當客戶被分配到收表處時，表示客戶已經完成了所有的體檢項目。

1.2 研究對象

我們收集了2018年6月20日～2019年7月8日智能導檢系統中的數據，每組數據包括客戶姓名、年齡、性別、體檢登記號、體檢項目數（即客戶實際進入檢查科室的次數，包括檢查中調換科室次數）、進入導檢系統順序（排號）、體檢開始時間（導檢系統分入第一個檢查科室的時間）、體檢結束時間（導檢系統分到收表處的時間，未完成導檢的客戶沒有這個數據）等。

1.3 數據整理

統計每日進入導檢系統的人數、完成導檢人數、年齡總和、項目數總和、體檢用時總和（min），計算出每日客戶的平均年齡（歲）、平均項目數（項目數）、平均體檢用時（體檢時間）和當日的導檢完成率。

1.4 對所有排號給予完成體檢的次序積分

將每日的數據按照體檢結束時間重新排序，根據先后順序賦予每個排號次序積分： 第1 個完成導檢的排號積1 分、第2 個完成導檢的排號積2 分，以此類推；未完成導檢的排號不統計。匯總所有數據，統計每個排號的頻數及平均次序積分。

1.5 統計學方法

應用SPSS25.0 軟件進行數據處理，計量資料用x－±s 表示。平均體檢時間相關因素分析采用多因素線性回歸分析。排號與平均次序積分的相關關系，采用單因素線性回歸分析。

2 結果

2.1 體檢中心工作的一般情況

共收集259 天的數據，每天的平均體檢人數（人數）為207.42±40.01（80～317），體檢者平均年齡為42.17±4.32 歲（33.22～60.13 歲），體檢項目數11.93±1.01（7.90～14.36），導檢完成率為93.12%±7.32%（20%～100%），平均體 檢時間120.01±21.24min（58.73～167.82min）。

2.2 影響每日平均體檢時間的相關因素分析

以體檢時間（Y）作為因變量，年齡（X1）、項目數（X2）、人數（X3）、叫號完成率（X4）為自變量，b0為常量，建立多重線性回歸模型：Y=b0+b1X1+b2X2+b3X3+b4X4。

采用多因素線性回歸分析的逐步法（Stepwise），最終得到一個包含3 個自變量 （“年齡”、“項目數”和“人數”）的回歸模型，“導檢完成率”不符合進入條件而被剔除。方差分析：F=162.00，P＜0.01，說明該模型有統計學意義。

表1 示，常量及各自變量的回歸系數顯著性檢驗均有統計學意義（均P＜0.01）。因此，模型的線性回歸方程為： 體檢時間=-67.73+0.79×年齡+7.7×項目數+0.30×人數。各自變量的方差膨脹因子（VIF）均＜4，提示各自變量之間不存在多重共線性。

2.3 排號與平均次序積分的關系

在317 個排號中，排號＞270 的數據其頻數均＜10，說明體檢中心絕大多數工作日的體檢人數在270 人以內。因此，我們選取了排號位于前270 的數據，經統計學處理，排號與平均次序積分的相關系數為0.99，呈強正相關（P＜0.01）。排號與平均次序積分的散點圖見圖1。

表1 影響體檢時間的多因素線性回歸分析

圖1 排號與平均次序積分的關系

3 討論

3.1 智能導檢系統的應用能改善體檢秩序

“秩序是人類最大的需要，是真正的幸福所在”。由于是導檢系統來安排客戶的體檢項目、維護各診室的檢查順序，減少了客戶的隨意性，在導檢系統使用之后，工作人員最直觀的感受是體檢秩序明顯改善。對于客戶而言，不必費心安排體檢流程，不用擔心漏檢了項目。診室外顯示屏上詳細的排隊信息和溫馨的語音提示等，讓客戶對候檢時間有合理預期，減少了候診焦慮。

3.2 對智能導檢系統的評估

導檢系統的應用，規范了體檢秩序，減少了客戶的隨意性，但這種安排是否會對客戶正常完成體檢造成影響？排隊導檢的一個重要原則就是“先到先服務”[2]。在對排號與平均次序積分關系的分析中，排號代表客戶來體檢時的順序，平均次序積分反映了該排號完成體檢的次序，數據分析顯示兩者之間存在著極強的正相關性，說明導檢系統很好地做到了“先到，先完成體檢”的結果，因此，我們認為，智能導檢系統的應用沒有對客戶正常完成體檢產生不利的影響。

在智能導檢系統的設計中，系統是依托于體檢中心的歷史數據，“AI 導檢算法”綜合評估客戶每個檢查項目可能花費的時間、診室間的距離、部分項目的特殊要求（如：空腹項目優先）、現場各診室的排隊情況等因素，為客戶最優選擇下一個體檢項目。這與客戶僅憑個人直觀感受或者既往經驗去選擇體檢項目排隊，不可同日而語。因此，智能導檢絕不是一個簡單的排隊和維持秩序，它的智能設計能夠提升客戶的滿意度。

3.3 智能導檢數據可指導合理安排體檢人數

對于一個體檢中心，環境和工作人員相對固定，那么影響客戶體檢時間的主要因素就是當天客戶的人數、每個客戶體檢的項目數、客戶的年齡、以及體檢的秩序等。從影響每日平均體檢時間的相關因素分析中，可以看到體檢人數、年齡、體檢項目數均與體檢時間有正相關，而與導檢完成率無關，反映了智能導檢系統雖然可以改善體檢秩序，但對客戶體檢時間影響不大。在影響體檢時間因素的回歸分析中，我們最終得到了回歸方程：體檢時間=-67.73+0.79×年齡+7.7×項目數+0.30×人數，提示在其他自變量不變的情況下，項目數每增加1 個，體檢時間會增加7.7min；年齡每增加1歲，體檢時間會增加0.79min；體檢人數每增加1人，體檢時間會增加0.30min，可見客戶體檢的項目數對體檢時間的影響較大。換言之，體檢客戶平均體檢項目增加1 個，相當于增加了約26 人體檢，或者相當于客戶平均年齡增加將近10 歲。在體檢客戶預約，特別是團體單位體檢預約時，可以根據體檢人員的年齡分布、體檢項目數量合理安排每日的體檢人數。

綜上所述，智能導檢系統的應用對體檢中心工作是一個極大的助力，它還能提升工作效率、提高客戶滿意度、減少投訴[3，4]。但是，每個體檢中心的環境、人員配備、工作流程、體檢人群等方面不盡相同，因此，在智能導檢系統的調試過程中，要與工程技術人員充分溝通，盡可能地在導檢系統中實現體檢中心的個性化需求，這樣才能最大限度地發揮智能導檢的作用。