基于人工神经网络模型的卫生人力测算指标构建.docVIP

基于人工神经网络模型的卫生人力测算指标构建摘要：卫生人力具有复杂性、时变性的特征，基于人工神经网络模型的方法，经过文献评阅分析及专家小组讨论，通过指标筛选，确立了一套合理、有效的测算卫生人力需求量的指标体系。关键词：人工神经网络模型；卫生人力；人力资源测算卫生人力是指经过专业培训、在卫生系统工作、提供卫生服务的人员，包括直接从事医疗、卫生、保健服务的卫生技术人员以及管理、工勤等其他人员。由于卫生系统本身具有复杂性和时变性的双重特性，因此卫生人力受许多因素影响，如人口、经济、社会与文化、资源利用效率、健康状况等等，而且多个因素间相互作用、相互影响。我国的卫生事业虽然取得了很大的发展，但却存在明显的卫生人力资源失衡现象，突出表现在：卫生人员总量过剩、人员地区分布不均衡尤其是城乡差距较大、卫生人员总体素质不高。因而迫切需要加强卫生人力预测研究，使其更合理地从数量上、质量上和分布上调整现有存量、优化增量，以推动整个卫生事业的发展进程[1，2]。人工神经网络作为一种综合信息处理和模拟技术，其特有的非线性适应性信息处理能力，克服了传统方法的局限性，而且还具有学习预测精度高、容错能力强和预测速度快的特点[3]。本研究基于人工神经网络方法，构建出一套合理、有效的测算卫生人力需求量的指标体系。1人工神经网络简介人工神经网络基本组成单位是神经元（节点），神经元之间按一定的方式相互连接，构成神经网络系统，可以通过预先提供的一批相互对应的输入--输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果[4，5]。迄今为止，已有多种人工神经网络模型被开发和应用。本文应用较为成熟的误差反向传播学习算法人工神经网络（BP-ANN）。BP神经网络从模拟生物的神经网络出发[6]，其最基本的结构是3层前馈网络，即输入层、隐含层、输出层（见图1），层与层之间多采用全互连方式，同一层单元间不存在相互连接。图1 人工神经网络结构BP网络模型的应用过程包括训练和预测两个过程。训练时，输入信息从输入层经隐含层逐层处理，并传向输出层。如果输出层得不到期望的输出，则将误差信号沿原来的连接通道返回，通过修改各层神经元的连接权值，使得误差最小。网络重复以上过程进行迭代计算，直至收敛，由此构成了非线性映射模型，掌握了隐含在样本内部各元素间的特殊关系[7]。经训练后的人工神经网络不仅对拟合过的样本有效，而且对未经拟合的样本也可以较准确地预测。人工神经网络以其独特的信息储存方式、良好的容错性、大规模的非线性并行处理方式[8]以及强大的自组织自拟合和自适应能力，已应用于信号处理、模式识别、综合评价、预测分析等领域。2指标筛选本文的研究对象是卫生人力的数量。人工神经网络要求选择那些影响输出的主要因素作为输入层，选定的输入变量数必须足够且具有代表性[9，10]，基于这一点，经过文献评阅分析及专家小组讨论，本研究对于输入变量，即测算指标的选择主要从以下几方面进行：2.1人口数量变化 人口数量的变化是影响卫生人力需求量的最重要的因素。人口的增减会引起卫生服务需求量的增减，从而引起卫生人力需求量的波动。对应的变量选择了总人口数、就诊人次数、住院人次数。2.2经济发展水平 随着社会经济迅猛发展，居民的生活水平不断提高，人们对生活质量要求也逐步提高，而健康是衡量生活质量的重要指标之一，所以随着居民对健康意识的增强，卫生服务需求量将会加大，卫生人力的需求量也随之增加[11，12]。对应的变量选择了卫生总费用、人均卫生费用、人均国民生产总值。2.3医院发展规模 医院规模直接影响整个卫生人力需求量和卫生人力内部构成。医院规模的大小通常是以病床数来衡量的，而病床数又是人员编配的重要标准[13]。对应的变量选择了医院机构数、总床位数。2.4卫生人力供给 每年都有大量的医学生走向工作岗位，为医疗系统注入新的血液。对应的变量选择了高等医学院校毕业生数、中等医学院校毕业生数[14]。3结果与讨论得到卫生人力的测算指标包括总人口数（万人）、就诊人次数（亿次）、住院人次数（万人）、卫生总费用（亿元）、人均卫生费用（元）、人均国民生产总值（元）、医院机构数、总床位数（万张）、高等医学院校毕业生数、中等医学院校毕业生数10项指标。鉴于年鉴收录自国家及各省市地方统计局的历年统计资料，具有资料翔实，信息密集的特点，所有数据均从统计年鉴中获取，按照年份顺序进行整理，过滤缺失的数据，建立起从1990～2008年的有关卫生人力资源的数据库。参考文献：[1]薛娅，高歌，沈月平.常州市卫生人力需要量统计预测研究[J].中国卫生统计，2007，24（3）：287.[2]Francis Omaswa. Human resources for global health： time for action is now