基于多維度數(shù)據建模下度量住院醫(yī)師規(guī)范化培訓成效的探討

洪慧斯

（1.廣州中醫(yī)藥大學附屬中山醫(yī)院臨床技能培訓中心，廣東 中山 528400；2.中國人民大學，北京 100872）

自2014年中醫(yī)住院醫(yī)師規(guī)范化培訓（住培）體系改革以來，中醫(yī)培訓成效是住院醫(yī)師、培訓基地、用人單位以及住培事業(yè)項目管理者最關心的問題。隨著中醫(yī)住培管理的發(fā)展，日漸規(guī)范的培訓將產生大量的、有用的信息數(shù)據。為滿足住院醫(yī)師、培訓基地、用人單位以及住培事業(yè)項目管理者的信息需求，各培訓基地若能深度挖掘該信息數(shù)據背后的規(guī)律，并將提取的規(guī)律運用到住培管理活動中，將會優(yōu)化和提高住培管理工作。近年來，隨著大數(shù)據分析及數(shù)據挖掘的飛速發(fā)展，多維度數(shù)據建模成為度量住院醫(yī)師規(guī)范化培訓成效的新思路，借此進一步開拓新體制下的評價體系是目前住培事業(yè)發(fā)展的機遇與挑戰(zhàn)。

1 建設中醫(yī)住培制度動態(tài)糾偏評價體系

1.1 建立中醫(yī)住培制度評價體系的必要性 首先，對培訓成效的評價不僅要關注住院醫(yī)師的考核成績，而且要發(fā)現(xiàn)和發(fā)展住院醫(yī)師多方面的潛能，了解住院醫(yī)師在各階段的學習成長需求，幫助住院醫(yī)師認識自我、建立自信，更加扎實穩(wěn)健地踏上醫(yī)師職業(yè)道路。其次，發(fā)揮評價體系的督導功能，促進住院醫(yī)師業(yè)務水平的不斷提高。最后，結合教育系統(tǒng)的相關評價體系理念，考試制度和評價改革的根本目的是為了更好地提高住院醫(yī)師的綜合素質和教師的教學水平，為培訓基地提高住院醫(yī)師綜合能力提供保障，充分發(fā)揮評價的促進作用，使評價體系成為促進培訓教學發(fā)展與提高的有力武器。

1.2 國際住培評價體系發(fā)展水平 縱觀國際衛(wèi)生醫(yī)療水平發(fā)展情況，依據2019年世界衛(wèi)生組織發(fā)布的世界醫(yī)療水平排行榜，作為經濟強國，我國醫(yī)療水平在國際中僅排名48 位[1]。中國如果不走創(chuàng)新驅動發(fā)展道路，新舊動能不能順利轉換，就不能真正強大起來。因此，衛(wèi)生行業(yè)是否能發(fā)掘及培養(yǎng)出專業(yè)技術人才，已關系到衛(wèi)生醫(yī)療事業(yè)的發(fā)展。關于醫(yī)療人才的培養(yǎng)，美國阿圖·葛文德曾于2017年的TED 公開課中明確表示，如何成為醫(yī)療行業(yè)精英，需要一種全新的教練式動態(tài)糾偏的培養(yǎng)模式。眾所周知，美國的住培模式經歷了100 多年的發(fā)展，能夠成為世界醫(yī)療強國，關鍵在于培養(yǎng)醫(yī)療人才。美國對過程培訓十分重視，對過程培訓的評價建立了一套適應發(fā)展的體系，其最具有代表性的是迷你演練評估（Mini-Clinical Evaluation Exercise，Mini-CEX）和360°評估。中國目前大部分基地采用結業(yè)式評價模式，未能很好地滿足評價體系的精細化要求，因此建立中國國情體制下的住培制度評價體系是當下工作的重點。

1.3 引入可視化數(shù)據動態(tài)評價模式，深度挖掘及預測住院醫(yī)師競爭力 可視化數(shù)據動態(tài)評價模式的優(yōu)勢表現(xiàn)為：（1）可視化分析的實用性和實效性對于人們能否及時獲得決策信息非常重要，可視化分析將數(shù)據分析結果以形象直觀的方式展現(xiàn)出來，從而能夠快速發(fā)現(xiàn)數(shù)據中蘊含的規(guī)律特征，并從中挖掘有用的信息。（2）數(shù)據可視化體現(xiàn)數(shù)據挖掘、模式識別、信息融合等領域面臨的重要問題。（3）數(shù)據可視化可直觀地展現(xiàn)數(shù)據，使需求者能更好地抓取和保存有效信息。動態(tài)可視化數(shù)據不僅可以直觀地顯示每個時間點數(shù)據之間的相關性，且能以圖形的形式引導糾偏與發(fā)展。（4）結合可視化數(shù)據的動態(tài)評價，進行建模和數(shù)據挖掘，將更加貼合目前中醫(yī)住培模式評價體系的發(fā)展要求，讓住院醫(yī)師、培訓基地、用人單位以及住培事業(yè)項目建設者能最真實地把控現(xiàn)狀。（5）數(shù)據可視化手段不單純是數(shù)據結構的有機組合與運用，更是對中醫(yī)住培模式的全方位理解，把握住院醫(yī)師、培訓基地、用人單位以及住培事業(yè)項目建設者真正的需求，抓準理念進行數(shù)據可視化及預測。

2 廣州中醫(yī)藥大學附屬中山醫(yī)院中醫(yī)住培考核工作開展介紹

廣州中醫(yī)藥大學附屬中山醫(yī)院對住培工作非常重視，具體圍繞“招錄、管理、培訓、考核”4 個模塊展開[2]。（1）招錄：依照政策，規(guī)范招錄。（2）管理：全面滲透，規(guī)范管理。（3）培訓：全院帶動，規(guī)范培訓。（4）考核：環(huán)環(huán)相扣，規(guī)范考核。本基地培訓目標從培訓合格住院醫(yī)師轉變?yōu)榕囵B(yǎng)行業(yè)精英，引進國外教練式動態(tài)糾偏的培養(yǎng)理念，重在過程考核，按照住培輪轉計劃，住培辦每月組織大規(guī)模的出科考核，以每月的出科考核為基礎，進行各級住院醫(yī)師出科考核成績的匯總與統(tǒng)計，納入住院醫(yī)師競爭力的考察。出科考核項目主要為以下10 個維度：（1）理論知識：按照國家培訓大綱要求依據?？品诸愡M行人機對話理論考核。（2）帶教老師評價：當前輪轉科室?guī)Ы汤蠋煹脑u價。（3）科室醫(yī)護評價：當前輪轉科室在職的醫(yī)師及護士評價。（4）中醫(yī)基礎知識/方劑學：按照國家培訓大綱要求，按照?？品诸愡M行中醫(yī)基礎知識及方劑學考核。（5）臨床診治思維：按照基地收集的各專科疑難病例及典型病例進行臨床診治思維考核。（6）病史采集：實地抽取新收患者進行實踐考核。（7）體格檢查：在第6 個維度基礎上對新收患者進行體格檢查考核。（8）病歷書寫：在第6、7 維度基礎上，在臨床技能培訓中心處視頻監(jiān)控下進行病歷書寫。（9）中醫(yī)操作/專科操作：按照國家培訓大綱要求按?？品诸愡M行中醫(yī)操作實踐抽考。（10）西醫(yī)操作：按照國家培訓大綱要求按?？品诸愡M行西醫(yī)操作實踐抽考。

3 數(shù)據分析及建模

3.1 數(shù)據來源及初步分析 資源來源于廣州中醫(yī)藥大學附屬中山醫(yī)院培訓基地，根據出科考核10 個維度，采集2015年1月至2019年6月每月所有需要參加出科考核住院醫(yī)師（排除暫時不需要參加出科考核的考生，共約100 人次/月）的各維度考試綜合成績資料，見表1、表2。

表1 2015年至2019年廣州中醫(yī)藥大學附屬中山醫(yī)院出科考核各維度情況Table1 Dimensional analysis on departmental rotation examination of Zhongshan Hospital of TCM from 2015 to 2019

表2 2015年1月至2019年6月廣州中醫(yī)藥大學附屬中山醫(yī)院每月出科考核綜合成績Table2 The monthly after-department examination results from Jan 2015 to Jun 2019 in Zhongshan TCM hospital

觀察2015年1月至2019年6月廣州中醫(yī)藥大學附屬中山醫(yī)院各月份出科考核成績可知：除理論知識維度的平均成績低于80 分外，其余維度的平均成績均大于80 分（表1）。期間出科考核的綜合成績總體呈現(xiàn)波動的增長趨勢（表2），年均增長率為0.75%。由時序圖（圖1）可以看出，出科考核的綜合成績呈現(xiàn)一定頻率的波動以及一定程度的季節(jié)性。每年7月，是住院醫(yī)師入培時間，因存在適應過渡的影響呈明顯的下降趨勢，之后又呈現(xiàn)回升趨勢。基本每年的上半年出現(xiàn)綜合成績平均分的高峰。

圖1 2015年1月至2019年6月廣州中醫(yī)藥大學附屬中山醫(yī)院每月出科考核綜合成績時間序列Figure1 Time series diagram on overall score of monthly departmental rotation examination in Zhongshan Hospital of TCM from Jan 2015 to Jun 2019

3.2 數(shù)據建模

3.2.1 建模構思-信息需求點分類 經過對廣州中醫(yī)藥大學附屬中山醫(yī)院住院醫(yī)師、協(xié)同單位管理人員等對象進行采訪調查，得出以下設想：（1）作為住院醫(yī)師的信息需求點，可分為●個體的排位及▲需要改進的地方；（2）作為培訓基地的信息需求點，可分為●本基地住院醫(yī)師的總體水平及▲基地教育水平的改進方向；（3）作為用人單位的信息需求點，可分為●擬招聘住院醫(yī)師競爭水平及▲受聘人員未來可為單位帶來的收益與發(fā)展；（4）作為住培事業(yè)項目建設者的信息需求點，可分為●中醫(yī)整體培訓的發(fā)展水平及▲未來中醫(yī)培訓的發(fā)展方向。

通過上述住院醫(yī)師、培訓基地、用人單位以及住培事業(yè)項目建設者信息需求點的進一步歸類，發(fā)現(xiàn)帶有“●”的需求點，可歸納為橫截面數(shù)據的競爭值探討，我們設想利用雷達圖分析法做研究；帶有“▲”的需求點，可歸納為延續(xù)性質的調整需要，可按照不同的觀察對象進行不同項目的時間序列預測，利用時間序列預測法做研究。

構建建模思路：第一步：可將帶有“●”及帶有“▲”的數(shù)據構成面板數(shù)據（即橫截面數(shù)據+時間序列數(shù)據）。第二步：在時間序列折線圖的各數(shù)據點虛設十字坐標軸標尺。標尺構成：縱軸（Y）代表帶有“●”的需求點數(shù)據；橫軸（X）代表帶有“▲”的需求點數(shù)據。

3.2.2 十字坐標軸縱軸（Y）架構-雷達圖分析法 雷達圖分析法是一種典型的圖形評價方法，是指基于一種形似導航雷達顯示屏上的圖形而構建的一種多變量對比分析技術。為了能夠獲得可比較的定量數(shù)據，在此可通過提取雷達圖的特征值，構建特定的綜合評價函數(shù)，用評價函數(shù)值的大小衡量對應對象的綜合評價結果[3-4]。例如：某住院醫(yī)師某次出科考核成績10 個維度的架構圖（圖2），其中虛線為所有參與本月全體出科考住院醫(yī)師的平均綜合成績（表1 為年平均水平，此處為月平均水平），實線為該住院醫(yī)師出科考核成績，以虛線作為各住院醫(yī)師的對比基準線，可對比兩者之間的水平差異。

為了全面反映住院醫(yī)師的綜合水平及其均衡發(fā)展程度，在此可提取圖形的面積S、周長C 這兩個特征量，構成特征向量用以計算競爭值。雷達圖的面積越大，表示總體優(yōu)勢（既競爭值）越大；面積越小，表示其總體優(yōu)勢越??；當雷達圖的面積一定時，其周長越小，說明其越趨近于圓形，標志著評價對象各方面的發(fā)展越均勻；周長越大則結論相反。數(shù)理統(tǒng)計公式如下：

圖2 某住院醫(yī)師的出科考核多維度能力值Figure2 Chart on multi-dimensional ability value in departmental rotation examination of a standardized training physician

3.2.3 十字坐標軸縱軸（X）架構-時間序列預測法 時間序列分析是主要研究隨著時間的變化事物發(fā)生、發(fā)展的過程，尋找事物發(fā)展變化的規(guī)律，并預測未來的走勢。ARIMA 模型是時間序列預測方法中的一種，其基本思想是將時間序列視為一組依賴于時間的隨機變量，是自回歸模型與移動平均模型的有效組合[5-6]。通過觀察（圖1）2015年1月至2019年6月住院醫(yī)師各月出科考核折線圖，明顯呈現(xiàn)帶有波動的遞增趨勢，為典型的平穩(wěn)時間序列數(shù)據，是一個既含有季節(jié)效應又含有長期趨勢效應的簡單序列。由于序列的季節(jié)效應、長期趨勢效應和隨機波動之間存在復雜的相互影響關系，通常采用ARIMA乘積季節(jié)模型，即ARIMA（p，d，q）（P，D，Q）s，其中d 和D 為差分和季節(jié)性差分次數(shù)，而q、p、P 和Q 分別表示連續(xù)模型和季節(jié)模型中的自回歸階數(shù)和移動平均階數(shù)，s 是季節(jié)周期。在本研究利用2015年至2018年數(shù)據進行建模，然后利用2019年上半年的數(shù)據做檢驗。

3.2.3.1 序列的平穩(wěn)化 對該連續(xù)變量進行1 階差分（相當于連續(xù)變量1 階求導，過分差分將導致有效信息損失，一般從d=1 開始進行差分），1 階差分將變量序列中蘊含的確定性（周期性）信息進行充分提取，可理解為使用自回歸方式提取規(guī)律性信息。在此，將出科考核綜合成績進行自然對數(shù)轉化，作1 階12 步差分之后，序列呈現(xiàn)出平穩(wěn)特征（圖3），因此出科考核綜合成績的初步模型為ARIMA（p，1，q）（P，1，Q）12。

圖3 1 階12 步差分之后序列Figure3 Time series diagram of first-order 12-step difference

3.2.3.2 模型識別和參數(shù)估計 根據綜合成績差分后的自相關圖及偏自相關圖（圖4），觀察圖形狀態(tài)得知ACF 截尾，PACF 拖尾。通過R 語言auto 分析后進行初步判斷：p=0；q=1。季節(jié)性模型中的P、Q 值一般不大于2，分別將P、Q 值組合后逐個測試模型，根據擬合優(yōu)度檢驗結果以BIC 最小準則來選擇模型。窮舉篩選后，出科考核綜合成績的最優(yōu)模型為ARIMA（0，1，1）（0，1，1）12，BIC=104.64。通過顯著性分析可知6 階、12 階延遲下LB 統(tǒng)計量的P 值都顯著大于0.05，可以認為這個擬合模型的殘差序列屬于白噪聲序列，即該擬合模型顯著有效。其中參數(shù)顯著性檢驗結果都顯著有效[6]，擬合模型為：

圖4 自相關圖及偏自相關圖Figure4 ACF and PACF

3.2.3.3 模型診斷 運用ARIMA（0，1，1）（0，1，1）12 模型預測2019年1月至6月出科考核成績（表3），結果顯示，每月份綜合成績的實際數(shù)值在95%置信區(qū)間內，平均相對誤差為-0.29%，模型擬合效果較好。

表3 2019年廣州中醫(yī)藥大學附屬中山醫(yī)院每月出科考核綜合成績實際值與預測值Table3 Actual value and predicted value of 2019 monthly departmental examination results in Zhongshan hospital of TCM

3.2.3.4 模型預測 利用上述模型對2019年6月后出科考核綜合成績進行預測（表3 和圖5），預測2019年下半年出科考核綜合成績均值達84.91 分，同比增長1.16%，意味未來的住院醫(yī)師綜合能力水平有了正向的提升。

圖5 2019年下半年出科考核綜合成績預測模型Figure5 Prediction model of departmental rotation examination score in the second half of 2019

3.2.3 十字坐標軸縱軸（X）+縱軸（Y）有機融合構建動態(tài)可視化 以時間序列數(shù)據點為十字坐標的關聯(lián)點，十字坐標定位某線性上的點，可展現(xiàn)出該點（即該次出科考核）住院醫(yī)師的綜合能力或競爭值，以及推斷其今后的綜合能力情況。本研究目前正在研發(fā)引入智能算法的APP，方便不同人群進行查詢使用，針對不同的人群對象，建立不同的觀測角度。如針對學員：數(shù)據庫的記錄對象為個人成績；針對基地醫(yī)院：數(shù)據庫的記錄對象調整為該基地所有住院醫(yī)師的綜合成績；針對用人單位：數(shù)據庫的記錄對象調整為該用人單位錄用人員的成績；針對住培事業(yè)項目建設者：數(shù)據庫的記錄對象調整為全國住院醫(yī)師的成績。

4 討 論

隨著中醫(yī)住培模式的發(fā)展，國家、省、市各層管理機構對培訓成效的日益重視，廣州中醫(yī)藥大學附屬中山醫(yī)院培訓基地經過持續(xù)改進的實踐探索，獲得一定的初步成效，2015年1月至2019年6月每月出科考核綜合成績呈現(xiàn)總體上升趨勢?？紤]出科考核綜合成績作為原始數(shù)據，在各家培訓基地中容易采集，可進行同方法的研究與驗證，具有一定推廣度。首先，雷達圖分析法得出結果參數(shù)，能夠較為直觀地比較住院醫(yī)師之間不同維度的競爭差異，具有很好的應用度。其次，時間序列分析法得出的結果參數(shù)呈上升趨勢，主要受到住培制度的不斷完善，師資隊伍的能力提升以及住院醫(yī)師的考試綜合能力提升的影響。期間呈現(xiàn)出一些值得關注的現(xiàn)象，如周期波動、每年中旬出現(xiàn)下降趨勢等，需考慮到該事件是否存在周期性的適應期或調整期。出科考核綜合成績一般受到多種因素影響，部分因素不便掌握、收集，難以通過其他因素進行估算，一般預測工具難以反映其周期性變化規(guī)律。另一方面，ARIMA 乘積季節(jié)模型是預測精度較高的時間序列預測方法之一，本研究結果顯示，每月份綜合成績的實際數(shù)值落在95%置信區(qū)間內，平均相對誤差為-0.29%，模型擬合效果較好。

綜上所述，雷達圖分析法及時間序列分析法能很好地應用于培訓成效的評價，但由于模型主要是依據歷史數(shù)據和現(xiàn)有數(shù)據做推斷，不能預估類似“黑天鵝事件”的影響。與此同時，為了得到更精準的效果評價，下一步需通過回顧性分析方法，對在廣州中醫(yī)藥大學附屬中山醫(yī)院住培模式下已結業(yè)的住院醫(yī)師進行追蹤，探討結業(yè)后的住院醫(yī)師的綜合能力是否與預測值趨勢相符。本研究希望未來引進更多種類的數(shù)據可視化模型，并引入智能算法及機器學習方法，使計算機能夠開展神經網絡運算預測，開發(fā)計算機APP 及手機APP，將數(shù)據驅動的理念和成果推廣至有需要的人群與機構。