基于TOPSIS法和RSR法對廣州市基層社區中醫藥資源配置的綜合評價

袁匯利 肖波 歐陽光 楊玲

廣州中醫藥大學第二附屬醫院 （廣州 510120）

基層社區中醫藥服務是滿足居民健康服務需求的重要組成部分。我國政府高度重視基層社區中醫藥服務能力提升，2016 年印發《基層中醫藥服務能力提升工程“十三五”行動計劃》，提出要進一步加強基層中醫藥服務網絡建設，并明確了發展目標；2022 年印發《關于印發基層中醫藥能力提升工程“十四五”行動計劃的通知》、《廣東省基層中醫藥服務能力提升工程“十四五”行動計劃實施方案的通知》，對進一步提升基層中醫藥服務能力做出重要部署。基層中醫藥資源作為醫療資源的重要組成部分，其配置的公平性攸關居民切身利益和社會整體健康水平，中醫藥資源配置評價是完善社區中醫藥資源配置的依據，是提升基層中醫藥服務能力的關鍵［1-5］。逼近理想解排序法（technique for order preference by similarity to an ideal solution，TOPSIS）結合RSR（rank-sum ratio， RSR）法在基層醫療衛生機構服務質量評價、服務水平評價中獲得了廣泛應用［6-10］。本研究通過專家咨詢形成基層社區中醫藥資源配置評價指標，采用TOPSIS 法和RSR 法相結合對廣州市基層社區中醫藥資源配置現狀進行綜合評價，為廣州市衛生行政部門科學配置基層社區中醫藥資源提供參考和借鑒。

1 資料與方法

1.1 指標資料的來源以《中共中央國務院關于促進中醫藥傳承創新發展的意見》、《基層中醫藥服務能力提升工程“十三五”行動計劃》、《關于印發基層中醫藥能力提升工程“十四五”行動計劃的通知》等文件為依據，在文獻研究資料、廣東省基層醫療衛生機構中醫藥資源調查研究基礎上，通過梳理基層醫療機構各類報表，篩選指標、明確指標內涵、確定數據來源，規定指標計算方法，開展專家咨詢并建立指標體系。

1.2 調研資料的來源本研究依托于國家中醫藥綜合統計制度、廣東省中醫病案質量控制中心、廣東省衛生健康統計制度等。本研究數據主要來源于2022 年國家中醫藥綜合統計制度報表。

1.3 方法對2022 年廣州市116 家社區衛生服務中心的相關數據使用分析軟件MATLAB R2021a、SPSS 27，用TOPSIS 法和RSR 法相結合進行綜合評價。TOPSIS 法較為靈活且對數據分布、樣本量沒有嚴格限制，能充分利用原始數據的信息，有效地進行指標評估，并對評價對象綜合排序［11-12］。然而，TOPSIS 法不能對評價結果合理分檔［13-14］。RSR 法在編秩轉化過程中可能會導致信息缺失，但RSR 中的分檔法可以有效彌補TOPSIS 法無法分檔評價的不足［15-16］。因此，本研究利用兩種評價方法的優勢互補，將TOPSIS 法生成的Ci值替代RSR 值，即可有效避免單一RSR 方法導致的信息缺失，也可實現評價結果的有效分檔排序。

1.4 評價指標基于導向性、綜合性、特異性、敏感性、簡便性原則，以各級政策文件為依據，在文獻研究資料［17-21］、廣東省基層醫療衛生機構中醫藥資源調查研究的基礎上，全面收集、梳理基礎中醫藥發展現有的各類報表、文獻，組織專家小組討論明確基層中醫藥資源配置評價的各維度指標體系，草擬《基礎中醫藥資源配置指標體系（初稿）》。

為充分反映各方意見，本研究權衡相關利益共遴選8 名專家咨詢，基于《基礎中醫藥資源配置指標體系（初稿）》，并根據第一輪專家咨詢反饋的建議與意見，對評價指標體系進行修改和完善，形成廣州市基層中醫藥資源配置指標體系（社區衛生服務中心）：3 個一級指標、8 個二級指標、35 個三級指標，見表1。

表1 廣州市基層中醫藥資源配置指標體系（社區衛生服務中心）Tab.1 Index system of TCM resource allocation at the grassroots level in Guangzhou（Community Health Service Center）

表2 2022 年各社區RSR2022 值的頻數分布及矯正值RSR2022Tab.2 Frequency distribution of RSR_2022 and correction value （RSR2022） in various communities

表3 2022 年各社區值排序與分檔Tab.3 Ranking and grading of correction value （） by community in 2022

表3 2022 年各社區值排序與分檔Tab.3 Ranking and grading of correction value （） by community in 2022

分檔差中下中等中上優等百分位數P＜P3.593 P3.593～P27.425～P72.595～P96.407～Probit2022＜3.2 3.2～4.4～5.6～6.8～⌒RSR2022＜ 0.00550 0.00550～0.00755～0.00960～0.01166～分檔D5、D101、D43、D6 D12、D1、D3、D77、D38、D82、D50、D52、D29、D45、D40、D46、D51、D10、D44、D2、D37、D17、D114、D102、D92、D24、D41、D39、D75、D22、D30 D42、D115、D53、D34、D13、D23、D104、D25、D116、D9、D74、D36、D49、D97、D27、D18、D84、D93、D63、D112、D68、D95、D108、D4、D66、D72、D20、D15、D48、D99、D61、D80、D81、D109、D89、D28、D88、D33、D98、D55、D113、D103、D78、D107、D94、D96、D71、D58、D69、D7、D16、D67、D19 D111、D85、D91、D47、D60、D64、D57、D14、D110、D90、D105、D54、D73、D32、D8、D70、D100、D83、D11、D59、D106、D76、D79、D87、D56、D26、D62 D31、D21、D65、D35、D86

1.5 TOPSIS 法TOPSIS 法主要用于多目標決策，通過同趨勢化處理和歸一化矩陣，找出多個目標中最優目標和最劣目標，以計算其歐式距離，獲得單個指標值與理想解的接近程度并進行排序，以此作為評價目標優劣的依據，算法步驟如下：

（1）建立原始數據矩陣：根據n= 116 個社區m= 33 個指標的原始數據建立一個116 × 33 的矩陣（在35 個指標中，有兩個指標因采集難度大未能采集到數據）。

（2）數據正向化處理：本分析報告中的所有指標為極大型（效益型）指標（即指標對應的數值越大或越多，評價對象越優），因此數據均為極大型數據。

（3）數據標準化處理：為消除不同指標的數據量綱影響，對已經正向化的矩陣進行標準化。記標準化后的矩陣為Z，其每一個元素可標準化為，

因此矩陣Z可表示為，

其中向量zi=[zi1，zi2，...，zim]即表示第i個待評價的社區。

（4）最優解與最劣解計算：從矩陣Z中，取出每個指標（即每一列）的最大數值，構成理想最優解向量，取出每個指標的最小數值，構成理想最劣解向量

（5）計算各社區指標值與最優解和最劣解之間的距離：

第i個社區與最優解的距離為與最劣解的距離為

（6）計算第i個社區的綜合評分：

0 ≤Ci≤1，Ci越大，對該社區的評價結果越好。

1.2.3 與RSR 法結合

（1） 計算各社區概率單位值a）根據Ci值從小到大排序，即RSR 值。計算各RSR 值的發生頻次f、累積發生頻次Cf、秩次R、平均秩次。

c）根據累計頻率，查詢“百分數與概率單位對照表”，求其所對應概率單位 Probit 值。

（2）計算直線回歸方程

以概率單位值 Probit 值為自變量，RSR 值為因變量，進行線性回歸分析，求得相應回歸方程，進而通過Probit 計算出RSR 的矯正值。

（3）結合RSR 對各社區按最佳分檔原則進行分檔

a）根據分檔排序情況下概率單位Probit 值，按照最佳分檔原則對116 個社區進行分檔歸類。

b）最佳分檔檢驗：分檔之后對分檔結果進行方差齊性檢驗，要求各檔差異有顯著統計學意義。

2 結果

對2022 年各社區TOPSIS 分析的綜合評分Ci值（即RSR 值）排序，計算對應的概率單位Probit值、直線回歸方程、RSR 的矯正值，并進行分檔排序。

2.1 TOPSIS 法計算2022 年各社區綜合評分

2.2 與RSR 法結合以2022 年各社區的Probit2022值為自變量，RSR2022值為因變量進行直線回歸分析。計算得相關系數R2= 0.860（調整后R2= 0.859），F= 702.473，P＜ 0.001，可認為回歸模型具有統計學意義。回歸方程為：

其中，變量Probit2022的非標準化系數（即斜率）為0.001710（95%CI：0.001583 ～ 0.001838），t= 26.504，P＜ 0.001。

各社區RSR2022值的頻數分布及矯正值情況見表4。

根據最佳分檔原則對2022 年116 個社區進行分檔歸類，共分為5 檔，詳見表4。

3 討論

3.1 廣州市基層醫療社區衛生服務中心中醫藥資源配置整體分析本文基于2022年廣州市116家基層社區衛生服務中心35 個中醫藥資源配置指標數據進行TOPSIS 結合RSR 分檔結果顯示，116 家基層社區衛生服務中心中醫藥資源配置處于“優等”檔位有5 家，“中上”的社區27 家，“中等”的社區有53 家，“中等”以上的社區一共有107 家。這說明，廣州市基層社區中醫藥資源配置總體較好。“十三五”時期，廣州市中醫藥工作在省委省政府領導下，在廣東省中醫藥局、廣州市衛健委重視和大力支持下，實施“補短板、強基層、推創新、興產業、揚文化、保健康”，持續深入推進基礎中醫藥服務體系建設，開展全國基層中醫藥工作先進單位創建工作，著力發揮中醫藥在“保基本、強基層、建機制”中的特色優勢，基層中醫藥服務的公平性、可及性和便利性得到明顯改善，服務水平得到明顯提高，但與新時代城鄉居民對中醫藥健康需求還有明顯差距。在“十四五”時期，迫切需要進一步完善政策措施，加強基礎設施、醫療設備、專科特色、人才隊伍、信息化建設，進一步提高基層中醫藥資源配置公平性。

3.2 不同區基層醫療社區衛生服務中心中醫藥資源配置差異性分析廣州市116 家基層社區衛生服務中心中醫藥資源配置評價處于“優等”檔位的分別是廣州市番禺區小谷圍街社區衛生服務中心、廣州市越秀區大東街社區衛生服務中心、廣州市荔灣區逢源街道社區衛生服務中心、廣州市越秀區人民街社區衛生服務中心、廣州市越秀區光塔街社區衛生服務中心，處于“差”檔位的分別是廣州市天河區興華街社區衛生服務中心、廣州市從化區江埔街社區衛生服務中心、廣州市天河區棠下街道社區衛生服務中心、廣州市天河區石牌街華師社區衛生服務中心。分區來看，荔灣區、黃埔區、番禺區、白云區、越秀區基層醫療社區衛生服務中心中醫藥資源配置排名靠前，天河區、從化區、增城區基層社區衛生服務中心中醫藥資源配置排名靠后。荔灣區17 家基層社區衛生服務中心中醫藥資源配置評價，處于“優等”“中上”檔位社區衛生服務中心占比47.06%，“中下”“差”檔位占比0；黃埔區7 家基層社區衛生服務中心中醫藥資源配置評價，處于“優等”“中上”檔位社區衛生服務中心占比42.86%，“中下”“差”檔位占比28.57%；番禺區16 家基層社區衛生服務中心中醫藥資源配置評價，處于“優等”“中上”檔位社區衛生服務中心占比31.25%，“中下”“差”檔位占比6.25%；白云區14 家基層社區衛生服務中心中醫藥資源配置評價，處于“優等”“中上”檔位社區衛生服務中心占比28.57%，“中下”“差”檔位占比7.14%；越秀區18 家基層社區衛生服務中心中醫藥資源配置評價，處于“優等”“中上”檔位社區衛生服務中心占比27.78%，“中下”“差”檔位占比27.78%。作為經濟發展水平較高的天河區、越秀區，基層社區衛生服務中心中醫藥資源配置排名并不理想，說明地區的經濟實力與基層醫療衛生服務中心中醫藥資源配置并不能完全畫等號。經濟較發達地區衛生資源密集度更高，因綜合醫院具備更完善的硬件設施和高水平衛技人員，為居民日益增多的健康需求提供選擇空間，更容易得到人們的“青睞”，這在一定程度上影響了基層醫療衛生服務中心中醫藥資源配置的發展和提高。

3.3 基層醫療衛生服務中心中醫藥資源配置影響因素分析Ci值影響因素逐步回歸分析結果顯示，中醫床位數占比、中藥飲片處方占比、能夠開展中醫藥服務的注冊護士比例、醫療機構中藥制劑處方占比、中醫藥文化宣傳和義診活動次數、中醫診療人次占診療總人次比例、年末有中醫體質辨識的居民健康檔案累計建檔人數比例、以中醫為主出院人數占比、年末孕產婦早孕中醫藥管理人數比例、是否開展“互聯網”中醫診療服務等10 個指標對基層醫療衛生服務中心中醫藥資源配置影響較大。因此，一方面要根據人口密度、居民需求等不斷調整優化基層醫療衛生服務中心中醫藥資源配置，通過增大財政支持、資金補助等措施加強對基層醫療衛生服務中心的支持，同時要加強醫聯體建設，實施對口幫扶項目建設，加強被幫扶單位人才培養、重點專科、遠程診療、人才培訓、管理能力等建設，不斷提高基層醫療衛生服務中心的中醫藥服務能力，形成科學、有序的診療模式。另一方面要加大中醫藥文化保護傳承力度，推動在社區衛生服務中心、社區居委會等，建設一批中醫藥健康文化知識角，幫助群眾經常性獲得權威的中醫藥養生保健知識。優化中醫藥健康管理服務，圍繞兒童、老人、慢病管理等，加強中醫藥健康管理服務規范和技術規范的培訓和指導，擴大目標人群覆蓋面，提高中醫藥健康管理率，提升中醫藥健康管理服務水平。持續提升基層醫療衛生服務中心中醫藥信息化水平，推進中醫館健康信息平臺建設，擴大中醫館健康信息平臺聯通范圍，將醫療資源下沉至基層，使基層醫療衛生服務中心中醫藥服務能力不斷提升。

【Author contributions】YUAN Huili performed the experiments and wrote the article. XIAO Bo provided formal analysis and reviewed the article.OU YANG Guang did data curation. YANG Ling provided the conceptualization and reviewed the article. All authors read and approved the final manuscript as submitted.

【Conflict of interest】The authors declare no conflict of interest.