基于不同季節(jié)入院患者人數(shù)規(guī)律的護理管理研究

張銀平，劉慧玲

(武漢大學(xué)中南醫(yī)院骨科中心，湖北 武漢 430071)

?

基于不同季節(jié)入院患者人數(shù)規(guī)律的護理管理研究

張銀平，劉慧玲

(武漢大學(xué)中南醫(yī)院骨科中心，湖北 武漢 430071)

摘要：選擇患者入院人數(shù)時間序列季節(jié)規(guī)律為突破口，探討時間序列分析在護理管理中的應(yīng)用。以湖北某三甲醫(yī)院骨科病區(qū)2011年11月至2015年7月的月入院人數(shù)時間序列為研究對象，將該時間序列分解出季節(jié)調(diào)整時間序列、季節(jié)因子時間序列、趨勢循環(huán)時間序列、不規(guī)則變化時間序列和綜合運用滯后分布模型和自回歸AR(1)模型建立了統(tǒng)計特征優(yōu)良的月入院人數(shù)趨勢循環(huán)時間序列預(yù)測模型，并綜合月入院人數(shù)趨勢循環(huán)時間序列預(yù)測模型和季節(jié)因子時間序列建立了月入院人數(shù)短期預(yù)測模型。研究表明，筆者的研究有利于發(fā)現(xiàn)創(chuàng)傷骨科患者入院人數(shù)的時間變化規(guī)律，可為病區(qū)管理者平衡護理工作量，合理安排護理臨床工作和護理技能學(xué)習(xí)，實現(xiàn)彈性排班，優(yōu)化護理人力資源配置，提供有益的參考。

關(guān)鍵詞：時間序列分析；X12方法；動態(tài)線性回歸；季節(jié)規(guī)律

時間序列是按照時間順序記錄的一列有序數(shù)據(jù)。時間序列分析就是對時間序列進行觀察、研究，找尋其變化發(fā)展的規(guī)律并預(yù)測將來的走勢[1]。時間序列分析是統(tǒng)計學(xué)中的高級分析方法，在工程、金融、醫(yī)學(xué)診斷、生物信息學(xué)等領(lǐng)域有著廣泛的應(yīng)用[2]。隨著醫(yī)院信息化管理水平的提高，大量醫(yī)療信息已經(jīng)實現(xiàn)數(shù)據(jù)化，使得醫(yī)院數(shù)據(jù)庫的信息容量不斷膨脹。這些寶貴的醫(yī)學(xué)信息資源對于疾病的診斷、治療和醫(yī)學(xué)研究都具有非常重要的價值[3]。數(shù)據(jù)化醫(yī)療信息資源中包含著大量時間序列數(shù)據(jù)，其中也包含眾多與護理相關(guān)的時間序列，這為利用時間序列分析方法進行護理信息挖掘，提高護理管理水平提供了堅實的基礎(chǔ)和全新的視角。當(dāng)前僅有較少的研究者對護理數(shù)據(jù)挖掘進行了先驅(qū)性的研究[4-7]，但總的來說護理信息數(shù)據(jù)挖掘的研究還處于起步階段，還有待更多研究者進一步推進。

筆者以湖北某三甲醫(yī)院創(chuàng)傷骨科病區(qū)2011年11月至2015年7月的月入院人數(shù)時間序列為研究對象，運用時間序列分析中的X12季節(jié)調(diào)整方法和動態(tài)線性回歸方法研究創(chuàng)傷骨科病區(qū)月入院人數(shù)的季節(jié)變化規(guī)律，從而掌握患者的就診規(guī)律，優(yōu)化護理人力資源配置，實現(xiàn)精細化和前瞻性護理管理，更好地為患者提供優(yōu)質(zhì)的護理服務(wù)。

1資料與方法

1.1一般資料

從醫(yī)院信息管理系統(tǒng)中獲得創(chuàng)傷骨科病區(qū)自2011年11月1日至2015年7月31日所有入院患者的基本信息，并按月匯總得到月入院人數(shù)時間序列。以該時間序列為研究對象，建立時間序列模型。

1.2研究方法

X12季節(jié)調(diào)整方法是美國商務(wù)部人口普查局在X11方法上發(fā)展起來的，該方法擴展了貿(mào)易日和節(jié)假日影響的調(diào)節(jié)功能，增加了季節(jié)、趨勢循環(huán)和不規(guī)則要素分解模型的選擇功能，新增季節(jié)調(diào)整結(jié)果穩(wěn)定性診斷功能，是研究時間序列季節(jié)調(diào)整的經(jīng)典方法[8]。X12方法的貿(mào)易日調(diào)整功能可以避免不同月份天數(shù)及不同月份周工作日的影響，能夠客觀、有效地刻畫時間序列的季節(jié)規(guī)律。由于時間序列的特殊性，基于時間序列的動態(tài)回歸模型要求時間序列數(shù)據(jù)具有平穩(wěn)性才能進行參數(shù)估計，筆者將建立月入院人數(shù)趨勢循環(huán)時間序列動態(tài)線性回歸模型，并在此基礎(chǔ)上建立月入院人數(shù)短期預(yù)測模型。

1.3研究工具

Eviews軟件前身是時間序列回歸軟件TSP，具有強大的時間序列分析功能。采用Eviews6.0軟件對月入院人數(shù)時間序列進行數(shù)據(jù)處理和建模分析。p<0.01為差異有統(tǒng)計學(xué)意義。

2數(shù)據(jù)計算與模型擬合

2.1時間序列平穩(wěn)性及相關(guān)性

2011年11月至2015年7月創(chuàng)傷骨科患者月入院人數(shù)時間序列圖如圖1所示。月入院人數(shù)時間序列的平穩(wěn)性單位根檢驗結(jié)果為ADF=-5.496 6，p< 0.000 1，拒絕原假設(shè)月入院人數(shù)時間序列存在單位根，即月入院人數(shù)為平穩(wěn)時間序列。月入院人數(shù)時間序列自相關(guān)及偏相關(guān)函數(shù)圖(見圖2)可以幫助識別時間序列的季節(jié)特征。

圖1　月入院人數(shù)時間序列圖

圖2　月入院人數(shù)自相關(guān)及偏相關(guān)函數(shù)圖

從圖2可看出月入院人數(shù)時間序列滯后12個月的自相關(guān)系數(shù)與偏相關(guān)系數(shù)顯著不為零，表明月入院人數(shù)序列具有明顯的季節(jié)性。因此，可對月入院人數(shù)時間序列的季節(jié)規(guī)律做深入研究。

2.2時間序列的分解

X12方法可以調(diào)整季節(jié)影響，從而更深入地研究月入院人數(shù)的時間變化規(guī)律(記月入院人數(shù)時間序列為Y)。X12方法可以有效地分解出季節(jié)因子時間序列Y_SF、趨勢循環(huán)時間序列Y_TC，分別如圖3和圖4所示。采用X12方法對月入院人數(shù)季節(jié)性的顯著性進行檢驗，可得F=12.714(p<0.001)，表明月入院人數(shù)時間序列具有顯著的季節(jié)規(guī)律，這與月入院人數(shù)自相關(guān)及偏相關(guān)系數(shù)圖得出的結(jié)論一致。

圖3　季節(jié)因子時間序列

圖4　趨勢循環(huán)時間序列

2.3動態(tài)線性回歸模型

為了進行短期預(yù)測，需要估計趨勢循環(huán)時間序列Y_TC的動態(tài)回歸方程，這樣結(jié)合季節(jié)因子序列就能實現(xiàn)對月入院人數(shù)的短期預(yù)測。綜合利用分布滯后模型和殘差自回歸模型AR(1)可以估計Y_TC：

(1)

其中，Y_TC(-1)、Y_TC(-2)分別為Y_TC滯后1個月、滯后2個月的時間序列。

殘差自回歸模型AR(1)的作用是消除殘差自相關(guān)性，提高參數(shù)估計有效性，其具體形式為：

(2)

式(1)統(tǒng)計特征優(yōu)良，C=0.969 9，C(1)=1.873 2，C(2)=-0.890 4，ρ=0.719 9，所有參數(shù)均具有統(tǒng)計學(xué)意義(p<0.01)。R2=0.999 4，具有很好的擬合效果(見圖5)，殘差的自相關(guān)及偏相關(guān)函數(shù)圖如圖6所示，表明殘差為白噪聲，說明模型擬合效果好，對序列相關(guān)信息的提取充分。

圖5　趨勢循環(huán)預(yù)測值擬合效果圖

2.4月入院人數(shù)的預(yù)測

確定了Y_TC的預(yù)測模型后，對月入院人數(shù)進行短期預(yù)測，預(yù)測結(jié)果如表1所示，月入院人數(shù)的估計值YF可以用式(2)估計：

YF=Y_TCF×SF

(2)

圖6　趨勢循環(huán)預(yù)測殘差的自相關(guān)及偏相關(guān)函數(shù)圖

式中：YF為相應(yīng)時間月入院人數(shù)Y的預(yù)測值；Y_TCF為相應(yīng)時間月入院人數(shù)趨勢循環(huán)時間序列Y_TC預(yù)測值；SF為相應(yīng)月份季節(jié)因子。

表1　月入院人數(shù)預(yù)測結(jié)果

3計算結(jié)果分析

(1)由圖1可看出，創(chuàng)傷骨科月入院人數(shù)時間序列為平穩(wěn)時間序列。創(chuàng)傷骨科病區(qū)病床總數(shù)是一定的，月入院人數(shù)可以圍繞病床數(shù)在一個較高的水平上下波動，但不可能無限增長，因此月入院人數(shù)為平穩(wěn)時間序列，是可以預(yù)期的。在病區(qū)病床總數(shù)一定的情況下，只有通過提高護理管理水平和護理質(zhì)量，縮短患者平均住院日，提高病床周轉(zhuǎn)率，才能使月入院人數(shù)維持在一個較高水平波動。

(2)由圖3可看出，創(chuàng)傷骨科月入院人數(shù)具有顯著的季節(jié)規(guī)律，這為護理管理者優(yōu)化人力資源配置提供有力的依據(jù)。信息化精細管理是提高護理管理水平的關(guān)鍵因素[9]。月住院人數(shù)自相關(guān)及偏相關(guān)函數(shù)圖(圖2)與X12方法均表明：月入院人數(shù)時間序列具有顯著的特征，即周期為12個月的季節(jié)規(guī)律；其季節(jié)因子時間序列表明每年7月是波峰，每年2月是波谷(見圖3)。X12方法有效地計算出季節(jié)因子時間序列，較經(jīng)驗預(yù)測法和德爾菲法更客觀、準(zhǔn)確?；趯υ氯朐喝藬?shù)季節(jié)規(guī)律的準(zhǔn)確把握，病區(qū)護理管理者可以更加科學(xué)合理地分配護理人力資源，更加有效地統(tǒng)籌考慮臨床護理工作與護理技能培訓(xùn)，通過彈性排班實現(xiàn)病區(qū)護理質(zhì)量的可持續(xù)改進，提高護理人員與患者的滿意度。

(3)時間序列分析可以幫助護理管理者清晰地識別出護理管理中存在的某些趨勢性規(guī)律，及時發(fā)現(xiàn)存在的問題，這樣可以預(yù)先準(zhǔn)備，未雨綢繆，提高護理管理水平。從圖4可看出：創(chuàng)傷骨科自2011年11月正式成立至2014年7月，剔除季節(jié)因素后，其月入院人數(shù)呈上升趨勢，這表明整個病區(qū)達到穩(wěn)定成熟的整體護理水平的學(xué)習(xí)曲線周期大約為20個月。2014年7月以后，月入院人數(shù)趨勢循環(huán)時間序列出現(xiàn)一定程度的下降趨勢，初步分析原因有兩方面：①2014年8月至2015年7月天氣較往年同期好，雨雪天氣少，氣溫較適宜，減少了創(chuàng)傷患者的發(fā)生數(shù)；②醫(yī)院出臺一系列新的管理制度，需要有一個新的學(xué)習(xí)適應(yīng)過程，這限制了醫(yī)院接納患者入院人數(shù)。通過時間序列分析，護理管理者可以及早發(fā)現(xiàn)問題，并有針對性地分析問題發(fā)生的原因，把握問題的關(guān)鍵，從而能較快地解決問題，縮短學(xué)習(xí)曲線，更有效地提高病區(qū)護理的效率和質(zhì)量，使月入院人數(shù)較快地恢復(fù)到較高水平。

(4)月入院人數(shù)預(yù)測為實現(xiàn)彈性工作制提供了可靠的依據(jù)。前瞻性管理是提高護理管理水平的關(guān)鍵因素，預(yù)測作為時間序列分析的重要功能之一，其應(yīng)用有助于提高臨床護理管理的效率、效益。利用式(2)可以對月入院人數(shù)進行短期預(yù)測，參考預(yù)測結(jié)果，結(jié)合護理臨床工作實際，護理管理者能夠比僅憑經(jīng)驗制定排班計劃更加合理，因而更有利于實施彈性工作制。創(chuàng)傷骨科病區(qū)月入院人數(shù)具有明顯的季節(jié)規(guī)律和趨勢循環(huán)規(guī)律，這些規(guī)律可以提高彈性排班的科學(xué)性、合理性和可操作性，最大限度地減少彈性排班可能帶來的對護理人員的負面影響，同時充分發(fā)揮彈性排班的積極作用[10]。根據(jù)月入院人數(shù)的預(yù)測結(jié)果：一方面，在入院患者人數(shù)低峰期，護理管理者可以合理安排好護理人員的工作、學(xué)習(xí)和休息，實現(xiàn)人性化管理；另一方面，在入院患者人數(shù)高峰期，護理管理者能夠發(fā)掘病區(qū)護理團隊的潛力，實現(xiàn)效率化管理。但時間序列模型的預(yù)測一般不能太超前，需要基于預(yù)測值與原始值、實際值動態(tài)調(diào)整，增加其臨床應(yīng)用的價值。

4結(jié)論

創(chuàng)傷骨科患者一般肢體受損，行動不便，導(dǎo)致護理人員的護理工作量大，護理任務(wù)繁重。入院患者人數(shù)與護理工作量有直接的聯(lián)系，把握月入院患者人數(shù)季節(jié)變化規(guī)律，也就在很大程度上把握了病區(qū)護理工作量變化的時間規(guī)律，這對于病區(qū)管理者提高護理管理水平具有實用價值。盡管當(dāng)前醫(yī)院護理管理過程中還有很多的時間序列問題，有待研究者進一步深入研究。但筆者引入時間序列分析方法，從多角度、多層次探討護理管理時間性規(guī)律。有利于發(fā)現(xiàn)更多臨床護理中數(shù)量性規(guī)律，優(yōu)化護理資源配置，提升病區(qū)護理質(zhì)量和護理效率，從而大大提高護理管理的精細化和前瞻性水平。

參考文獻：

[1]王燕.應(yīng)用時間序列分析[M]．北京：中國人民大學(xué)出版社，2012：1-6．

[2]賈澎濤，何華燦，劉麗，等.時間序列數(shù)據(jù)挖掘綜述[J].計算機應(yīng)用研究，2013，24(11)：15-18.

[3]朱凌云，吳寶明.醫(yī)學(xué)數(shù)據(jù)挖掘的技術(shù)、方法及應(yīng)用[J].生物醫(yī)學(xué)工程學(xué)雜志，2003，20(3)：559-562.

[4]陳紅，蔣紅.神經(jīng)內(nèi)科護理工作量的時間序列研究[J].中華護理雜志，2015，50(3)：267-269.

[5]高健，張菊芬，李建，等.基于季節(jié)指數(shù)法的造口護理門診量趨勢分析[J].中華現(xiàn)代護理雜志，2015，21(8)：907-909.

[6]高健，張菊芬，李建，等.基于自回歸移動平均模型的PICC護理門診量分析[J].中華現(xiàn)代護理雜志，2013，19(23)：2751-2755.

[7]陳娟，李繼平.最優(yōu)加權(quán)組合預(yù)測法在護理人才需求預(yù)測中的應(yīng)用[J].中華護理雜志，2009，44(10)：903-906.

[8]易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用[M].北京：中國人民大學(xué)出版社，2008：103-111.

[9]LEVY J A, ELSER H E, KNOBEL R B. The promise of the state space approach to time series analysis for nursing research[J]. Nursing Research, 2012,61(6):388-394.

[10]王玉蓮.彈性工作制在外科監(jiān)護室護理管理中的應(yīng)用[J].中華護理雜志，2001，36(5)：397.

ZHANG Yinping:Nurse-in-charge; Department Orthopedics, Zhongnan Hospital of Wuhan University, Wuhan 430071, China.

文章編號：2095-3852(2016)02-0244-04

文獻標(biāo)志碼:A

收稿日期：2015-12-21.

作者簡介：張銀平(1979-)，女，安徽阜陽人，武漢大學(xué)中南醫(yī)院骨科中心主管護師.

中圖分類號：C939；C8；R47

DOI：10.3963/j.issn.2095-3852.2016.02.023

Research on Nursing Management Based on Seasonal Rules of the Number of Hospitalization

ZHANGYinping,LIUHuiling

Abstract：The application of time series analysis in nursing management is almost blank. It choosed a hospital, the number of orthopedic patients admitted time series seasonal rhythm as a breakthrough, explore time series analysis in nursing management applications.. Based on the time series of monthly number of hospitalization in the department of orthopedics from November, 2011 to July, 2015, X12 method and dynamic linear regression model are used to adjust, fit and forecast seasonal rules. The monthly number of hospitalization can be significantly (p<0.001) decomposed into four ingredient, the combination dynamic regression model of ADL and AR(1) can be used to efficiently forecast trend-cycle time series(p<0.0001, residual is white noise), and the combination of dynamic regression model and seasonal factor series can be used for short term forecasting of monthly number of hospitalization. Time series methods are suitable to analyze the time variation rules of monthly number of hospitalization. The time variation rules are beneficial for nursing management to balance nursing workload, optimize assignment of nursing human resource, arrange between clinic nursing and nursing education reasonable, implement flexible scheduling, recognize problems as early as possible, and speed up learning curve.

Key words：time series analysis; X12 Method; dynamic linear regression; seasonal rules