基于時(shí)間序列分析的重大突發(fā)公共衛(wèi)生事件對(duì)醫(yī)療服務(wù)的影響研究

袁 磊 錢招昕 黃耿文

【提 要】 目的 以新型冠狀病毒肺炎(corona virus disease 2019,COVID-19)疫情為例,分析重大突發(fā)公共衛(wèi)生事件對(duì)湖南省某醫(yī)院醫(yī)療服務(wù)的影響。方法 采用中斷時(shí)間序列分析(interrupted time series,ITS)方法,分析疫情前(2019年1月-2020年1月)與疫情后(2020年2月-2020年12月)某醫(yī)院服務(wù)數(shù)量、醫(yī)療效率、疾病疑難程度、費(fèi)用水平等指標(biāo)的變化情況;建立自回歸滑動(dòng)平均混合模型(autoregressive integrated Moving average model,ARIMA)乘積季節(jié)模型,假設(shè)未發(fā)生COVID-19疫情情況下對(duì)2020年的出院量和門診量進(jìn)行預(yù)測(cè),通過對(duì)比預(yù)測(cè)值與實(shí)際值的差異,評(píng)估COVID-19疫情對(duì)醫(yī)療服務(wù)量的影響。結(jié)果 COVID-19疫情對(duì)醫(yī)療服務(wù)具有顯著的即時(shí)影響,該醫(yī)院醫(yī)療服務(wù)數(shù)量和醫(yī)療效率顯著下降,疑難危重患者增加,費(fèi)用水平升高,但后期均逐步恢復(fù)。ARIMA模型結(jié)果顯示,2020年出院量較預(yù)測(cè)值減少43038人次(25.62%),門診量減少806337人次(26.93%)。結(jié)論 突發(fā)重大疫情對(duì)綜合醫(yī)院醫(yī)療服務(wù)影響顯著,常態(tài)化疫情防控背景下全面恢復(fù)醫(yī)療服務(wù)面臨挑戰(zhàn)。建議醫(yī)院逐步建立“平急結(jié)合”醫(yī)療救治體系,大力發(fā)展互聯(lián)網(wǎng)+醫(yī)療的線上診療體系。

2020年初爆發(fā)的Covid-19疫情,是新中國成立以來傳播速度最快、感染范圍最廣、防控難度最大的重大突發(fā)公共衛(wèi)生事件,全國31個(gè)內(nèi)地省份均發(fā)現(xiàn)了確診病例,并全部啟動(dòng)了突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng),采取調(diào)整醫(yī)療策略、重新分配醫(yī)療資源等應(yīng)急措施[1]。此外,湖北、北京、江西等地爆發(fā)的嚴(yán)重院內(nèi)傳播事件[2-4],造成多名醫(yī)護(hù)人員、患者和家屬感染,為降低院內(nèi)感染傳播風(fēng)險(xiǎn),醫(yī)療機(jī)構(gòu)采取了嚴(yán)格的管控措施[5],使原有醫(yī)療服務(wù)秩序打亂,常規(guī)醫(yī)療服務(wù)供給受到影響。本研究選取湖南省某三甲綜合醫(yī)院作為研究對(duì)象,采用中斷時(shí)間序列分析(interrupted time series,ITS)方法,分析疫情前后醫(yī)院服務(wù)數(shù)量、醫(yī)療效率、疾病疑難程度、費(fèi)用水平的變化,建立ARIMA乘積季節(jié)模型,探討醫(yī)療服務(wù)量的恢復(fù)情況,定量評(píng)估COVID-19疫情對(duì)醫(yī)院醫(yī)療服務(wù)的影響,為醫(yī)療機(jī)構(gòu)應(yīng)對(duì)重大突發(fā)公共事件和做好常態(tài)化疫情防控下的醫(yī)療服務(wù)提供參考建議。

資料與方法

1.資料來源

數(shù)據(jù)來源于某醫(yī)院2015-2021年的醫(yī)療數(shù)據(jù)統(tǒng)計(jì)報(bào)表與DRGs 住院醫(yī)療服務(wù)監(jiān)測(cè)和分析系統(tǒng)。該醫(yī)院位于湖南省長(zhǎng)沙市,為三級(jí)甲等綜合醫(yī)院,同時(shí)是疫情期間湖南省首批發(fā)熱門診定點(diǎn)醫(yī)院和首批具有新冠病毒核酸檢測(cè)資質(zhì)的醫(yī)院,COVID-19疫情對(duì)該院醫(yī)療服務(wù)的影響在醫(yī)療機(jī)構(gòu)中具有較強(qiáng)的代表性。

2.指標(biāo)選取

基于疫情防控舉措對(duì)就醫(yī)流程和醫(yī)療行為的影響,本研究從4個(gè)維度選擇12項(xiàng)指標(biāo)進(jìn)行評(píng)價(jià),分別是:服務(wù)數(shù)量(門診量、急診量、出院量、手術(shù)量),醫(yī)療效率(平均住院日、床位使用率、床位周轉(zhuǎn)次數(shù))、疾病疑難程度[病例組合指數(shù)(case mix index,CMI)],費(fèi)用水平(出院患者次均費(fèi)用、出院患者次均藥費(fèi)、門診患者次均費(fèi)用、門診患者次均藥費(fèi)),均為月度數(shù)據(jù),間隔均勻。

3.研究方法

ITS屬于準(zhǔn)實(shí)驗(yàn)設(shè)計(jì),能夠在缺少有效對(duì)照的情況下,得到穩(wěn)健的估計(jì)結(jié)果,在國內(nèi)外衛(wèi)生政策評(píng)價(jià)方面應(yīng)用廣泛[6-8]。構(gòu)建分段線性回歸模型,Yt=β0+β1X1+β2X2+β3X3+ε,其中Yt為因變量;β0為起始時(shí)刻水平的估計(jì)值;β1為開展干預(yù)前的斜率;β2為干預(yù)后的水平改變量;β3為干預(yù)后的斜率改變量,(β1+β3)為干預(yù)后的斜率;X1為時(shí)間序列,依次與觀測(cè)點(diǎn)相對(duì)應(yīng);X2為觀測(cè)點(diǎn)所處的干預(yù)階段,干預(yù)前為“0”,干預(yù)后為“1”;X3為干預(yù)后的時(shí)間序列,干預(yù)前為“0”,干預(yù)后依次與觀測(cè)點(diǎn)相對(duì)應(yīng);ε 表示隨機(jī)誤差,即模型無法解釋的隨機(jī)效應(yīng)。通過對(duì)比疫情前后服務(wù)數(shù)量、醫(yī)療效率、疾病疑難程度和費(fèi)用水平等維度的差異,以探討COVID-19對(duì)醫(yī)療服務(wù)的即時(shí)和長(zhǎng)期影響,其中2019年1月-2020年1月為干預(yù)前研究段,2020年2月-2020年12月為干預(yù)后研究段。采用Durbin-Waston法檢驗(yàn)相關(guān)變量是否存在自相關(guān),DW值的范圍為0～4,其值越接近2,表明越不存在自相關(guān)。若存在自相關(guān),則改用廣義最小二乘估計(jì),用Prais-Winsten法進(jìn)行擬合。

利用R軟件,建立ARIMA乘積季節(jié)模型ARIMA(p,d,q)×(P,D,Q)s,其中p、d、q與P、D、Q分別為非季節(jié)性與季節(jié)性自回歸、差分、移動(dòng)平均的階數(shù),s表示季節(jié)周期。ARIMA乘積季節(jié)模型是ARIMA模型的一種[9],能綜合考慮季節(jié)趨勢(shì)、隨機(jī)干擾等因素的影響,預(yù)測(cè)具有季節(jié)周期性的時(shí)間序列的效果較好[10]。本研究使用2015年1月-2019年12月的出院量、門診量數(shù)據(jù)建立模型,利用auto.arima函數(shù)進(jìn)行自動(dòng)定階,確定模型中p、d、q、P、D、Q等參數(shù)的取值。采用Ljung-Box檢驗(yàn)殘差序列的白噪聲,使用平均絕對(duì)百分比誤差(mean absolute percentage error,MAPE)進(jìn)行模型精確性評(píng)價(jià),以判斷模型的擬合優(yōu)度。使用forecast函數(shù)預(yù)測(cè)未發(fā)生疫情情況下,2020年1月-2020年12月該醫(yī)院的出院量、門診量,通過比較預(yù)測(cè)值與實(shí)際值的差異,定量評(píng)估對(duì)醫(yī)療服務(wù)量的影響。

4.統(tǒng)計(jì)學(xué)方法

利用Microsoft Excel 2016建立數(shù)據(jù)集,利用R4.0.5軟件進(jìn)行模型構(gòu)建與數(shù)據(jù)分析。檢驗(yàn)水準(zhǔn)為α=0.05。

結(jié) 果

1.COVID-19疫情對(duì)醫(yī)療服務(wù)影響的ITS分析

(1)服務(wù)數(shù)量

如表1與圖1所示,COVID-19疫情發(fā)生后,醫(yī)療服務(wù)數(shù)量立即下降,其中門診患者減少約155859人次(P<0.001),急診患者減少約7634人次(P<0.001),出院患者減少8590人次(P<0.001),手術(shù)量減少4059人次(P<0.001),說明疫情對(duì)該醫(yī)院醫(yī)療服務(wù)數(shù)量具有顯著的即時(shí)影響。疫情干預(yù)前,門診量和急診量呈下降趨勢(shì),出院量和手術(shù)量呈上升趨勢(shì),但均不顯著。疫情干預(yù)后期,醫(yī)療服務(wù)數(shù)量的趨勢(shì)變化顯著,門診量(β3=20477.21,P<0.01)、急診量(β3=874.14,P<0.01)、出院量(β3=878.28,P<0.05)、手術(shù)量(β3=555.42,P<0.05)均呈顯著上升趨勢(shì),干預(yù)后門診每月增加約20159人次,急診每月增加約849人次,出院每月增加約1009人次,手術(shù)每月增加約588人次。

*:圖中豎線表示疫情干預(yù)開始時(shí)間。

表1 疫情對(duì)醫(yī)院醫(yī)療服務(wù)的影響

(2)醫(yī)療效率

從表1與圖2可知,疫情干預(yù)對(duì)醫(yī)療效率具有顯著的即時(shí)影響,平均住院日立即增加1.18天(P<0.05)、床位使用率立即減少46.77%(P<0.01)、床位周轉(zhuǎn)次數(shù)立即減少2.55次(P<0.001)。疫情干預(yù)前平均住院日、床位使用率、床位周轉(zhuǎn)次數(shù)隨時(shí)間變化不明顯,干預(yù)后床位使用率、床位周轉(zhuǎn)次數(shù)的趨勢(shì)變化,分別為6.98%(P<0.05)、0.28次(P<0.05),但對(duì)干預(yù)后的平均住院日的趨勢(shì)變化無顯著影響。

*:圖中豎線表示疫情干預(yù)開始時(shí)間。

(3)疾病疑難程度

從表1與圖3可知,疫情發(fā)生前該醫(yī)院CMI值趨于平穩(wěn),疫情發(fā)生后CMI值立即增加0.08(P<0.01),具有顯著性差異。隨著疫情緩解,醫(yī)療服務(wù)逐步恢復(fù)常態(tài),CMI呈下降趨勢(shì)但不顯著,每月下降約0.01。

*:圖中豎線表示疫情干預(yù)開始時(shí)間。

(4)費(fèi)用水平

由表1和圖4可知,疫情干預(yù)對(duì)出院、門診患者費(fèi)用水平具有顯著的即時(shí)影響,其中出院患者次均費(fèi)用、出院患者次均藥費(fèi)、門診患者次均費(fèi)用、門診患者次均藥費(fèi)分別立即增加3933.05元(P<0.001)、3275.70元(P<0.001)、145.38元(P<0.001)、125.69元(P<0.001)。出院患者次均費(fèi)用在干預(yù)前呈顯著下降趨勢(shì),每月下降211元(P<0.05),干預(yù)后呈下降趨勢(shì)但不顯著。出院患者次均藥費(fèi)在干預(yù)前后均呈下降趨勢(shì)但不顯著。門診患者次均費(fèi)用在干預(yù)前呈上升趨勢(shì)但不顯著,干預(yù)后趨勢(shì)變化顯著(β3=-14.29,P<0.001),每月下降13.23元。門診患者次均藥費(fèi)在干預(yù)前呈下降趨勢(shì)但不顯著,干預(yù)后趨勢(shì)變化顯著(β3=-9.66,P<0.05),每月下降13.91元。

*:圖中豎線表示疫情干預(yù)開始時(shí)間。

2.疫情后期醫(yī)療服務(wù)量恢復(fù)情況分析

(1)模型構(gòu)建

采用auto.arima函數(shù)進(jìn)行自動(dòng)定階,出院量擬合模型結(jié)果為ARIMA(2,1,2)(0,1,0)12,門診量擬合模型結(jié)果為ARIMA(0,1,2)(1,1,0)12。Ljung-Box檢驗(yàn)的統(tǒng)計(jì)量均無統(tǒng)計(jì)學(xué)意義,P值分別為0.915、0.697,表明殘差序列為白噪聲,MAPE分別為2.02%,3.96%,說明模型擬合良好,預(yù)測(cè)精度較高,具體見圖5、圖6。

*:圖中黑色實(shí)線為實(shí)際值,藍(lán)色實(shí)線為預(yù)測(cè)值,灰色與淺灰色區(qū)域分別為預(yù)測(cè)值的80%和95%置信區(qū)間。

*:圖中黑色實(shí)線為實(shí)際值,藍(lán)色實(shí)線為預(yù)測(cè)值,灰色與淺灰色區(qū)域分別為預(yù)測(cè)值的80%和95%置信區(qū)間。

(2)醫(yī)療服務(wù)量恢復(fù)情況分析

基于構(gòu)建的模型,假設(shè)在未發(fā)生疫情的情況下,分別對(duì)2020年該醫(yī)院的出院量、門診量進(jìn)行預(yù)測(cè)。結(jié)果顯示,2020年出院量、門診量將分別達(dá)到167970人次、2994103人次。而2020年實(shí)際出院量為124932人次、實(shí)際門診量為2187766人次,與假定在未發(fā)生疫情的預(yù)測(cè)值相比,分別減少43038人次(25.62%)和806337人次(26.93%),其中1-6月分別減少30427人次(38.17%)、656207人次(45.28%)。全年中2、3月縮減最為顯著,實(shí)際出院量較預(yù)測(cè)值減少幅度分別為83.04%、73.71%,實(shí)際門診量較預(yù)測(cè)值減少幅度分別為93.27%、76.69%,后期逐漸恢復(fù),但除9月份門診量超預(yù)期值增加0.47%外,其余月份均未超過預(yù)期值。具體見圖7、圖8和表2。

圖7 2015-2020年某醫(yī)院出院量變化趨勢(shì)與恢復(fù)情況

圖8 2015-2020年某醫(yī)院門診量變化趨勢(shì)與恢復(fù)情況

表2 某醫(yī)院2020年出院量和門診量的實(shí)際值與預(yù)測(cè)值對(duì)比情況

討 論

1.突發(fā)重大疫情對(duì)綜合醫(yī)院醫(yī)療服務(wù)影響顯著

本研究醫(yī)院位于湖南省,疫情防控形勢(shì)嚴(yán)峻。作為受湖北疫情輸出影響最大的省份[11],湖南省于2020年1月23日啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng),成為全國第三個(gè)啟動(dòng)一級(jí)響應(yīng)的省份。作為發(fā)熱門診定點(diǎn)醫(yī)療機(jī)構(gòu),該醫(yī)院確診了湖南省首例Covid-19社區(qū)感染病例,累計(jì)收治疑似患者226例,其中確診患者31人。為落實(shí)疫情防控要求,避免交叉感染,降低院內(nèi)傳播風(fēng)險(xiǎn),疫情流行期間,醫(yī)院相應(yīng)調(diào)整服務(wù)模式和就醫(yī)流程,嚴(yán)格分區(qū)管理、分級(jí)防護(hù),并采取了嚴(yán)格的防控措施,如單人單間收治、預(yù)留應(yīng)急隔離房間、全預(yù)約制分時(shí)段診療、一患一診室等措施?；颊邠?dān)憂進(jìn)入醫(yī)院會(huì)增大自身感染機(jī)率的心理因素等,導(dǎo)致門診量、出院量、手術(shù)量等醫(yī)療服務(wù)數(shù)量指標(biāo)大幅下降,2月份該醫(yī)院床位使用率驟降至18%。有研究顯示[12],北京市公立醫(yī)院2020年1-6月實(shí)際出院量較假定未發(fā)生疫情情況下的預(yù)測(cè)值減少了50.8%,與本研究中38.17%接近。同時(shí),因執(zhí)行入院患者篩查肺部CT[13]、流行病學(xué)史調(diào)查等防控措施,也使得醫(yī)療效率立即下降,平均住院日增加1.18天。此外,隨著疑難危重患者增加,就診患者呈現(xiàn)“重癥化”特征,CMI值顯著升高,醫(yī)療費(fèi)用也相應(yīng)提高,住院、門診患者次均費(fèi)用分別增加3933.05元、145.38元,其中住院、門診患者次均藥費(fèi)分別增加3275.70元、125.69元,這主要是因?yàn)樵谝咔榉揽仄陂g,為減少病人到醫(yī)療機(jī)構(gòu)就診配藥次數(shù),根據(jù)國家醫(yī)保局發(fā)布的《關(guān)于優(yōu)化醫(yī)療保障經(jīng)辦服務(wù)推動(dòng)新型冠狀病毒感染的肺炎疫情防控工作的通知》[14],醫(yī)院臨時(shí)放寬出院帶藥時(shí)限,調(diào)整門診醫(yī)囑用量,由最長(zhǎng)不超過1個(gè)月調(diào)整為最長(zhǎng)不超過3個(gè)月。

2.常態(tài)化疫情防控背景下全面恢復(fù)醫(yī)療服務(wù)面臨的挑戰(zhàn)

我國疫情防控取得階段性勝利,社會(huì)生活和經(jīng)濟(jì)運(yùn)行逐步恢復(fù),轉(zhuǎn)入大流行背景下的“后疫情時(shí)代”。但由于境外疫情擴(kuò)散蔓延,對(duì)我國的輸入壓力持續(xù)增大[15];同時(shí)由于新冠病毒具有傳播力強(qiáng)、傳播速度快、潛伏期長(zhǎng)[16],且無癥狀的感染者也能成為傳播源等特性[17],也進(jìn)一步增大了疫情防控難度,國內(nèi)聚集性病例此起彼伏,黑龍江、北京、遼寧、新疆、河北等地相繼發(fā)生了局部疫情反彈,多家醫(yī)院出現(xiàn)院內(nèi)聚集性疫情。而綜合性醫(yī)院?？崎T類齊全,來院就診患者數(shù)量龐大且來源較為復(fù)雜,人員聚集性和易感性決定了醫(yī)療機(jī)構(gòu)內(nèi)發(fā)生聚集性疫情的高風(fēng)險(xiǎn)性。因此,盡管在恢復(fù)正常醫(yī)療秩序后,多數(shù)醫(yī)療機(jī)構(gòu)仍要求入院患者進(jìn)行核酸、肺部CT等篩查,繼續(xù)實(shí)行預(yù)檢分診、分時(shí)段預(yù)約診療等措施,合理控制線下醫(yī)療服務(wù)量規(guī)模。本研究結(jié)果顯示,隨著后期醫(yī)療秩序步入正軌,醫(yī)療服務(wù)量有所恢復(fù),但除9月份門診量超預(yù)期值0.47%,其余月份均未超過預(yù)期值。王俊[18]等研究顯示2020年8月北京市某醫(yī)院的出院量達(dá)到同期水平的70%,手術(shù)量達(dá)到同期的80%。提示常態(tài)化防控背景下,綜合醫(yī)院醫(yī)療服務(wù)的全面恢復(fù)仍然面臨挑戰(zhàn)。

3.后疫情時(shí)代醫(yī)療機(jī)構(gòu)發(fā)展方向

(1)建立“平急結(jié)合”的醫(yī)院醫(yī)療救治體系

在COVID-19疫情流行初期,我國現(xiàn)行醫(yī)療體系面臨重大考驗(yàn),以武漢市為例,盡管武漢市有二級(jí)以上醫(yī)療機(jī)構(gòu)59家,編制床位32071張,但能直接用于收治傳染病的床位數(shù)卻很少,負(fù)壓病房床位僅有33張[19]。這主要是由于目前我國醫(yī)療體系仍以“治病為中心”,重治療、輕預(yù)防;此外,多數(shù)綜合醫(yī)院的建筑布局也不具備收治經(jīng)空氣和飛沫傳播疾病患者的能力[20],平時(shí)救治普通患者的醫(yī)療體系無法適用于傳染病患者,難以快速轉(zhuǎn)化為戰(zhàn)時(shí)狀態(tài)收治傳染病患者的問題,導(dǎo)致了醫(yī)療機(jī)構(gòu)難以高效應(yīng)對(duì)突發(fā)重大公共衛(wèi)生事件。此外,疫情初期發(fā)生的多起院內(nèi)聚集性病例事件,暴露了醫(yī)院在院感防控存在的短板。因此,進(jìn)入后疫情時(shí)代,醫(yī)院要加強(qiáng)頂層設(shè)計(jì)和戰(zhàn)略規(guī)劃,建立和健全“平急結(jié)合”戰(zhàn)略下醫(yī)療救治機(jī)制。在硬件上優(yōu)化布局,探索設(shè)立分院區(qū)、院中院等形式,以及建立符合院感要求,滿足應(yīng)對(duì)突發(fā)公共衛(wèi)生事件的醫(yī)院建筑,如設(shè)計(jì)“三區(qū)兩通道”的病房,在發(fā)生重大傳染病時(shí)迅速進(jìn)行“平急轉(zhuǎn)換”,有效利用醫(yī)療資源應(yīng)對(duì)突發(fā)重大公共衛(wèi)生事件,并減少對(duì)醫(yī)療機(jī)構(gòu)的沖擊和影響。在軟件上著力提升突發(fā)公共衛(wèi)生事件應(yīng)對(duì)能力,制定科學(xué)規(guī)范的群體性不明原因疾病、重大傳染病疫情應(yīng)急預(yù)案,儲(chǔ)備應(yīng)對(duì)重大突發(fā)公共衛(wèi)生人才隊(duì)伍,定期開展公共衛(wèi)生、院感防護(hù)等知識(shí)培訓(xùn),以便在“戰(zhàn)時(shí)”快速動(dòng)員相應(yīng)人才,參與突發(fā)公共事件的應(yīng)對(duì)處置。

(2)建立互聯(lián)網(wǎng)+醫(yī)療的線上診療體系

疫情流行期間,互聯(lián)網(wǎng)+醫(yī)療的新模式在減少人群聚集,避免交叉感染,以及滿足慢性病、常見病患者診療等方面發(fā)揮了重要作用[21]。2020年國家衛(wèi)生健康委相繼出臺(tái)了《關(guān)于在疫情防控中做好互聯(lián)網(wǎng)診療咨詢服務(wù)工作的通知》和《關(guān)于進(jìn)一步推動(dòng)互聯(lián)網(wǎng)醫(yī)療服務(wù)發(fā)展和規(guī)范管理的通知》等政策。COVID-19疫情在一定程度上培養(yǎng)了患者的線上就醫(yī)習(xí)慣,加速了醫(yī)療與互聯(lián)網(wǎng)的深度融合[22],從長(zhǎng)遠(yuǎn)來看,互聯(lián)網(wǎng)醫(yī)療將迎來重要發(fā)展機(jī)遇。醫(yī)療機(jī)構(gòu)要把握政策導(dǎo)向,加強(qiáng)信息化建設(shè),借助5G、大數(shù)據(jù)、人工智能等技術(shù),布局線上診療服務(wù)平臺(tái),將線下的品牌口碑轉(zhuǎn)化為線上影響力,為人民群眾提供線上診療、線上購藥[23]、健康宣教、遠(yuǎn)程會(huì)診等服務(wù),延伸醫(yī)療服務(wù)的廣度。

本研究尚存在一定的局限性。本研究基于湖南省某三甲綜合醫(yī)院數(shù)據(jù)進(jìn)行分析,為單中心研究,對(duì)整體醫(yī)療機(jī)構(gòu)的代表性及外推結(jié)果仍有一定的限制。此外,由于數(shù)據(jù)的可及性限制,本研究未分析疫情對(duì)就診病種與患者來源地等其他方面的潛在影響。今后,可以進(jìn)一步擴(kuò)大研究醫(yī)院和分析指標(biāo),更加深入全面地評(píng)估COVID-19疫情對(duì)醫(yī)療服務(wù)的影響。

綜上所述,本研究以COVID-19疫情為例,分析了重大突發(fā)公共衛(wèi)生事件對(duì)醫(yī)院的服務(wù)數(shù)量、醫(yī)療效率、疾病疑難程度、費(fèi)用水平的影響,探討了疫情后醫(yī)療服務(wù)量的恢復(fù)情況,突發(fā)重大疫情對(duì)綜合醫(yī)院醫(yī)療服務(wù)影響顯著,常態(tài)化疫情防控背景下全面恢復(fù)醫(yī)療服務(wù)仍面臨挑戰(zhàn),這提示醫(yī)療機(jī)構(gòu)在繼續(xù)做好常態(tài)化疫情防控的同時(shí),應(yīng)逐步建立“平急結(jié)合”醫(yī)療救治體系,大力發(fā)展互聯(lián)網(wǎng)+醫(yī)療的線上診療體系。