Page 53 - 南京医科大学学报社会科学版
P. 53
南京医科大学学报(社会科学版)京医科大学学报(社会科学版)
第4期 总第105期 南
2021年8月 Journal of Nanjing Medical University(Social Sciences)of Nanjing Medical University(Social Sciences) · 351 ·
Journal
[6]
中医药服务能力 。中医药卫生资源也是影响中医 地中医类医院医师每日的工作强度,体现当地提供
药服务的重要因素,而病床作为医疗卫生资源的重 中医药服务的效率。
要组成部分,其数量直接影响医院卫生服务功能的 从服务需求来看,患者的收入和治疗费用是影
提供,进而影响患者的医疗服务利用 。对于各省 响患者中医药服务满意度的一个重要因素 ,患者
[9]
[7]
市的中医类医院来说,若每万人口中医类医院床 承担的治疗费用过高会影响患者接受中医药服务
位数配置不合理,将会导致患者流失,中医类医院 的满意度,从而减少接受中医药服务的次数,该地
的收入将会减少,最终导致中医类医院的竞争力 区的中医药服务能力就会降低。
[8]
降低 ,中医药服务能力减弱。 从服务收入来看,医院收入是医院经营情况
从服务提供来看,中医执业(助理)医师是中医 的最直接体现,从侧面可以反映出医院的服务提
药卫生健康服务的提供者,每万人口中医执业(助 供水平,其中中药收入占比是中医药服务收入的
理)医师数量的多少,决定了该地区患者可接受中 特殊体现。政府对中医药的财政补助反映了当
医药服务的机会有多少,是一个地区提供中医药服 地政府对中医发展的重视程度,对中医药发展有
务多少的重要体现。中医类医院医师人均每日担 政策财政支持,更易于该地区中医药服务能力的
负诊疗人次和人均每日担负住院床日可以反映当 提升。
表1 各省市中医药服务能力指标体系
指标维度 二级指标 指标说明
服务资源 X1:中医类医院机构数(个) 极大型指标
X2:每万人口中医类医院床位数(张) 极大型指标
服务提供 X3:每万人口中医执业(助理)医师数(人) 极大型指标
X4:中医类医院医师人均每日担负诊疗人次(人次) 极大型指标
X5:中医类医院医师人均每日担负住院床日(日) 极大型指标
服务需求 X6:政府办中医类医院门诊患者次均诊疗费用(元) 极小型指标
X7:政府办中医类医院住院患者人均住院费用(元) 极小型指标
服务收入 X8:政府办中医类医院总收入(千元) 极大型指标
X9:中药收入占药品收入的比例(%) 极大型指标
X10:中医药财政拨款(万元) 极大型指标
(三)研究方法 对矩阵进行正向标准化处理。对于患者来说,
本研究首先利用 MATLAB2016a 软件构建熵权 需支付的诊疗费用越低,就越容易利用医疗服务。
TOPSIS 模型计算 C 值,再运用 SPSS 23.0 软件确定 因此 X6:中医类医院门诊患者次均诊疗费用(元);
i
RSR 的分布并求出回归方程及相关系数,最终利用 X7:中医类医院住院患者人均住院费用(元)为极小
Excel 对综合评价结果进行数据排序分档处理。 型指标(成本型指标),越小越好,需对其进行正向
1. 熵权TOPSIS法 化处理。构建31行10列的正向化矩阵记为 X ,
TOPSIS 法是一种常用的综合评价方法,能充分 é x 11 ⋯ x 1j ù
ê ê ú ú
利用原始数据的信息,精确地反映各评价方案之间 X = ⋮ ⋱ ⋮ ú ú
ê ê
x
的差距,对数据分布以及样本含量没有严格的限 ë i1 ⋯ x ij û
制,数据计算简单易行 。因此广泛应用于医疗等 对正向化的指标进行标准化处理,主要是因为
[9]
相关领域的评价,如医疗服务能力评价、医疗工作 各个指标的量纲不同,标准化可以消除不同量纲产生
质量评价、医院效益评价等方面 [10-11] 。 的影响。标准化矩阵记为 Z , Z 中的每一个元素采
构建评价决策的原始矩阵。本研究的研究对 x ij
用:Z = ,可以得到正向标准化后的矩阵 Z 。
ij
象为全国 31 个省级行政区(除香港特别行政区、澳 31 x 2
∑ i = 1 ij
门特别行政区和台湾地区),选取了10项二级指标对
é z 11 ⋯ 1j ù z
其中医药服务能力进行评价,因此构建31行10列的 ê ê ú ú
Z = ⋮ ⋱ ⋮
评价矩阵,矩阵中 y 表示第 i 个省份的第 j 项指标 ê ê z ⋯ z ú ú
ij
ë i1 ij û
的数据。 采用熵权法确定指标权重。熵权法利用指标
é y 11 ⋯ y 1j ù 自身的变异程度来确定所反映信息量的大小,从
ê ê ú ú
Y = ⋮ ⋱ ⋮ 而确定其对应的权值,可以客观确定评价指标的
ê ê y ⋯ y ú ú
ë i1 ij û 权重 [12] 。如果某个指标的数据变异程度很大,其反