因子分析法结合加权TOPSIS法对医疗质量的综合评价_临床医学论文.docVIP

因子分析法结合加权TOPSIS法对医疗质量的综合评价_临床医学论文 因子分析法结合加权TOPSIS法对医疗质量的综合评价_临床医学论文 【摘要】 目的： 综合评价某医院2007年度1～12月份医疗工作质量，为医院制定长久的工作计划提供科学的决策依据，以创造更大的效益。方法： 应用因子分析法确定权重，然后结合加权TOPSIS法对该医院的医疗工作进行综合评价。结果： 该医院2007年度医疗工作质量以4、7、11月份较好，2、5、10月份较差。该结果与实际情况比较吻合，说明该法是可行的。结论： 研究表明，医院医疗质量综合评价需要一个科学的指标体系。应用因子分析法，结合加权TOPSIS法进行综合评价充分利用原始数据，不损失原指标的信息，更为客观，更具科学性、真实性。 【关键词】 因子分析； TOPSIS； 医疗质量； 综合评价 综合评价是当某个复杂系统同时受到多种因素影响时，根据多个相关指标对该系统进行总体评价。医院医疗工作统计指标很多，综合评价时因为不同指标的代表性和信息量不同，有时需要人为的赋予一定的权重，比如常用的加权TOPSIS法［1］，该法需要对评价指标赋予权重。而这种权重往往具有很大的主观性，比如常用的专家调查法（也称德尔斐(Delphi)法［2］）、层次分析法（AHP）［3］等，因而有时不能真实有效地对综合质量进行客观准确的评价。本研究应用统计学中的因子分析法［4］来确定权重，可以有效的弥补这一弊端，因子分析法是一种比较客观的定权法。我们利用该法结合常用的综合评价方法加权TOPSIS法对医院医疗工作质量进行综合评价和分析。事实证明，该方法更加客观，科学。 　　1 资料来源 　　资料来源于某医院2007年度1～12月份医疗统计报表［5］。从多项指标中选取了比较客观的10项主要医疗指标（表1），分别为：门诊人数(X1 )、出院人数(X2 )、治愈好转率(X3 )、病死率(X4 )、抢救成功率(X5 )、平均住院日(X6 )、病床周转次数(X7 )、床位使用率(X8 )、出入院诊断符合率(X9 )以及三日确诊率(X10 )。 　　表1 2007年1～12月份10项医疗工作指标（略） 　　2 方法 　　采用因子分析法在其运算过程中自然产生各因子的特征值及其方差贡献率，本研究以主因子的贡献率为权重，用得出的因子得分系数矩阵构造综合评价矩阵，而后结合加权TOPSIS法进行医疗工作治疗综合质量进行排序，排序结果充分利用了原始数据信息，结果量化准确［6］。具体步骤为： 　　2.1 指标进行同趋势化变换 　　医院工作指标中有高优指标和低优指标，未达到同趋势化要求，将低优指标病死率、平均住院日转换为高优指标。转化的方法可采用：①倒数法（多适用于绝对数指标，如工作指标中的平均住院日，本文做如下转换：100/X ）；②差数法（多适用于相对数指标，如工作指标中的病死率，本文做如下转换：100-X ）。转化后的矩阵为 ： 　　Y=14143104997.042.7554.7213.872.0290.1990.8598.76 　　934798198.301.7053.3313.802.5666.6291.8598.98 　　1378894098.301.4669.0514.401.9782.7793.4099.36 　　16506129698.980.8552.6313.212.3597.1492.7599.15 　　12820107497.061.2254.5513.932.3180.6891.6399.72 　581.6251.6113.282.1985.4493.2297.49 　871.0360.0013.272.7691.9397.9098.07 　　14967121497.931.8050.0013.702.5588.9294.5799.59 　　14068120698.791.0263.6414.202.3690.1692.1199.59 　　1382496698.471.4152.1713.072.0980.3393.5998.55 　　16261128698.231.5160.0013.052.3893.9896.1199.46 　　14476130097.741.9656.2512.252.4885.7698.2399.3112×10 　　2.2 对分析指标进行因子分析 　　利用SPSS软件［7］对同趋势化后的数据进行因子分析，得到各因子的特征根λj 及方差贡献率cj=λj/n ，其中 n为原始指标的个数。 　　结果如表2所示，前4个因子的特征根都大于1，其累积方差贡献率达到82.299%，即这4个因子已经包含了原始变量82.299%的信息量，说明能够