基于大數(shù)據(jù)的低值耗材庫存預測

衡婉瓊 陳 星

(南充市中心醫(yī)院,四川 南充637000)

1 概述

隨著國家對公立醫(yī)院試點改革的逐步深入,大型三甲醫(yī)院對信息化物資管理系統(tǒng)的要求越來越高。在醫(yī)療物資管理系統(tǒng)中,與高價值耗材的“先售后買,零庫存”管理模式相比較,低價值耗材使用頻率高,種類很多,需求量大。為了維持醫(yī)院臨床正常的診斷和治療,醫(yī)院必須要保持一定數(shù)量的庫存[1-2]。同時,又要從醫(yī)院要節(jié)省醫(yī)療成本的角度出發(fā),應優(yōu)化醫(yī)療物資庫存余量,減少醫(yī)院資金積壓,加快低價醫(yī)療耗材的流通周期,并提高了醫(yī)療物資存儲空間的利用率。鑒于低值醫(yī)療耗材在我市大多數(shù)醫(yī)院還是使用傳統(tǒng)的廣泛管理方法。在制定低值耗材庫存和采購計劃時,他們僅僅根據(jù)經(jīng)驗或以前的數(shù)據(jù)提出采購需求,這樣會導致許多問題,例如低值耗材庫存有的品種庫存過多,有的采購頻率又過高或某些物資又短缺。因此,建立科學的預測模型管理系統(tǒng)尤為重要[3]。

1.1 核心模型。醫(yī)療低價值易耗品的消耗受許多因素影響,例如患者總數(shù)、手術(shù)數(shù)量、門診人數(shù)、庫存、季節(jié)、等?？紤]到醫(yī)療低值耗材模型的高復雜性,為保證醫(yī)療低值耗材預測模型的準確性,本研究采用組合預測方法。在組合預測建模過程中,有必要在連續(xù)測試實踐中選擇有影響力的單個預測結(jié)果。在此過程中,可以使用包含測試理論來確定可以添加哪些單個預測模型,以及可以消除哪些單個預測模型。根據(jù)主流的單一預測方法,該項目涉及的兩種預測方法是回歸預測和時間序列預測。

回歸預測是回歸方程的重要應用。所謂預測是估計值將落入給定值的范圍。令變量具有線性關(guān)系,并且線性回歸方程的擬合度良好,是自變量和因變量。由于不是確定性關(guān)系,因此無法準確獲取任意變量的對應值,這是一種基于變量之間的相關(guān)性或因果關(guān)系的預測方法。回歸預測的研究量通?？梢杂靡粋€或多個變量來解釋,實際變量和研究量在時間上是平行的,時間變量和因子變量可以直接影響回歸預測的結(jié)果。

回歸預測方法有很多類型。根據(jù)相關(guān)性中自變量數(shù)量的不同分類,可以分為單回歸分析和多元回歸分析。單變量回歸分析中只有一個自變量,但多變量回歸分析中有兩個以上的自變量。根據(jù)自變量和因變量之間的相關(guān)性不同,可將其分為線性回歸預測和非線性回歸預測。

時間序列預測方法實際上是一種回歸預測方法,屬于定量預測,基本原理是:一方面,它認識到事物發(fā)展的連續(xù)性,利用過去的時間序列數(shù)據(jù)進行統(tǒng)計分析,并推斷事物的發(fā)展趨勢。另一方面,它充分考慮了偶然因素引起的隨機性,并且為了消除隨機波動的影響,它使用時間序列方法對歷史數(shù)據(jù)進行統(tǒng)計分析,并對數(shù)據(jù)進行適當?shù)奶幚?趨勢預測。時間序列預測的具體方法包括時間序列分解,指數(shù)平滑,灰度預測等。

在低價值消耗品的消費中,許多都有明顯的趨勢。例如,手術(shù)室通常在年初開始連續(xù)更換外科手術(shù)設(shè)備,導致組織剪刀,止血鉗,持針鉗,布巾鉗和其他消耗品的消耗量逐月減少。隨著門診病人數(shù)量的增加,口服消耗品全年呈增長趨勢,通風管道消耗品可能是由于季節(jié)性呼吸系統(tǒng)疾病引起的。周期性變化或流感季節(jié)不規(guī)則導致輸液器使用量激增。回歸預測或灰色預測可用于消耗量明顯增加或減少的消耗品[4-6]。對于周期性變化,可以使用移動平均法來處理數(shù)據(jù)以抵消周期性波動。對于波動范圍較大的耗材,應分析數(shù)據(jù)的固定值。例如,使用固定時間。有AR 模型和MA模型。如果數(shù)據(jù)不穩(wěn)定,則可以使用ARIMA模型或GARCH 模型。

1.2 組合模型構(gòu)建。構(gòu)建模型后是否將單個模型添加到投資組合模型中,需要通過包含測試來評估。多種競爭模型的比較是評估的主要方法。包含測試的核心思想是確定投資組合模型中是否包含其他模型的關(guān)鍵因素,以確定單個模型的數(shù)量。包含測試可以用公式(1)表示

1.3 權(quán)重修改。單項模型的影響程度可以用權(quán)重修訂,如果每個模型影響力相近,可使用等權(quán)重法,即每個模型賦予同樣的加權(quán)值,等權(quán)重法可用公式(2)表達:

如果利用k 種單項模型預測同一品種耗材n 期用量,其優(yōu)化模型可通過以下表達:

1.4 誤差分析。構(gòu)建組合模型后,需要對結(jié)果進行評估,可以將其分為以下三種評估方法:

平均絕對誤差(MAE)

如果將觀測數(shù)據(jù)和平均絕對誤差的算術(shù)平均值之間的差更改為絕對值,并且等式是第一個實驗數(shù)據(jù)和算術(shù)平均值之間的差,則兩者之間的差不會彼此抵消。

平均相對誤差(MPE)和平均相對誤差絕對值(MSPE)可以正負抵消,在對誤差進行分析:

當在允許操作的條件下使用MSE 時,當預測值和預測值之間的誤差方差最小時,預測值的波動范圍很小。

2 模型構(gòu)建

2.1 平穩(wěn)性檢驗。時間序列呈現(xiàn)出周期性的變化,從圖1 所示,每年的低點在4 和10 月,有明顯的周期性、反復性,通過相關(guān)數(shù)據(jù)分析,這種變化規(guī)律與醫(yī)院每月就診人數(shù)成正相關(guān),每月就診人數(shù)所在月受節(jié)假日等影響。自相關(guān)圖和偏自相關(guān)圖均未快速趨近于零,這說明觀測序列不平穩(wěn),需要對觀測序列進行差分。本次采用單位根檢驗的方法對一階差分序列進行平穩(wěn)性檢驗。單位根檢驗對應的P＜0.05,說明一階差分序列為平穩(wěn)序列。

2.2 模型定階。對一階差分之后的平穩(wěn)非白噪聲序列多次擬合ARIMA(p,d,q)模型,確定p、q 參數(shù)。本文采用BIC 信息準則進行模型定階。多次擬合ARIMA(p,d,q)模型,得到最小的BIC 值,從而得到最優(yōu)模型。

2.3 模型校驗。以某三甲醫(yī)院2017 年1 月～2017 年6 月為例,每月使用的實際數(shù)據(jù)為驗證集。將預測得到的數(shù)值同實際值進行對比,觀測到模型平均絕對誤差為8.58%,預測得到的數(shù)值同實際值還是接近的,模型的預測效果,在實際運用可以接受的范圍之內(nèi),能夠較好的反映出低值耗材月使用量隨時間的變化規(guī)律,可以采用此模型進行預測。

2.4 模型應用。在上述模型構(gòu)建完成后,實現(xiàn)對醫(yī)用低值耗材的需求量預測,其模型應用過程,見圖1。

圖1

(1)從醫(yī)院物資管理系統(tǒng)中定期抽取醫(yī)用低值耗材逐類逐月數(shù)據(jù)。(2)對定時抽取的數(shù)據(jù)進行數(shù)據(jù)預處理操作。(3)將預處理后的定期數(shù)據(jù)存放到模型的初始數(shù)據(jù)中,獲得模型的輸入數(shù)據(jù),調(diào)用模型對醫(yī)用低值耗材逐類逐月數(shù)據(jù)進行預測,預測后5 個月的使用量。

如圖2 所示,根據(jù)預測數(shù)據(jù),系統(tǒng)會自動生成采購量,醫(yī)院對低值耗材庫存進行決策,合理制定采購計劃。如無達到預警,則無需制定計劃,當庫存消耗達到預警值時,則按模型計劃采購,從而提高了工作效率。對于醫(yī)院管理人員來說,該應用程序可以根據(jù)預測的需求值計算耗材成本,并為每個部門的預算批準提供可靠的依據(jù)；對于制造商和供應商而言,可以根據(jù)預測值制定更合理的生產(chǎn)和庫存計劃,不僅可以減少庫存的積壓成本,還可以減少因應急備貨而產(chǎn)生的額外生產(chǎn)成本,從而降低成本有效改善醫(yī)療低價耗材供應鏈的管理[7]。

圖2

3 討論

3.1 結(jié)合醫(yī)療低價值消耗品的歷史消費量,住院人數(shù),專科病例數(shù)等因素,建立組合模型?？紤]到季節(jié),訂單周期和緊急情況的影響,將觀察時間延長至兩年以提高預測值的準確性?？紤]到涉及的數(shù)據(jù)量大和分析工作量大,這是第一次使用工作站構(gòu)建基于信息化平面數(shù)據(jù)庫的預測模型,通過Web 服務接口存儲數(shù)據(jù)庫,實現(xiàn)算法統(tǒng)計并實現(xiàn)預測功能。

3.2 這項研究首次將醫(yī)院的多部門數(shù)據(jù)結(jié)合在一起,將預測模型與大數(shù)據(jù)系統(tǒng)結(jié)合起來,從定性和定量兩個方面選擇并整合該模型,并對低價值消耗品的數(shù)據(jù)進行跟蹤和分析。驗證模型的魯棒性并使模型預測更準確。該研究有利于醫(yī)院數(shù)據(jù)集成和開發(fā)能力的提高。

3.3 研究中使用的組合模型比一般預測更為準確。根據(jù)不同低值易耗品的特點,選擇了多種單一預測模型,并建立了權(quán)變組合預測模型。組合模型的權(quán)重由“相對誤差的最小二乘和”確定,以減少誤差,提高組合預測模型的有效性。

4 結(jié)論

低價值易耗品的預測模型基于過去事物發(fā)展和變化的客觀過程和規(guī)律,參考已經(jīng)產(chǎn)生和正在產(chǎn)生的各種影響數(shù)據(jù),并使用現(xiàn)代管理,數(shù)學和統(tǒng)計方法來進行預測。對消耗品的可能趨勢和價值進行科學推測。由于信息管理水平低,大數(shù)據(jù)的挖掘,開發(fā)和使用仍處于探索階段。目前,我市大多數(shù)醫(yī)院仍然采用廣泛的方法來管理低價值的消耗品。他們僅根據(jù)經(jīng)驗或以前的數(shù)據(jù)提出采購需求,庫存和采購計劃,從而導致積壓,頻繁采購或材料短缺。因此,建立科學庫存管理的預測模型尤為重要和緊迫。