基于大学生就医行为下的广州大学城医疗服务资源利用分析.docVIP

基于大学生就医行为下的广州大学城医疗服务资源利用分析 　　摘要：本文通过对广州大学城大学生就医行为的调查，利用SPSS运用多元线性回归对大学城医疗服务资源利用的情况进行分析。发现学生对大学城医疗资源的总体利用情况与学生对医疗资源分布的了解状况、大学城内就医是否方便、大学城内的就医环境以及大学城医院的诊疗设备有明显的相关关系。合理分配大学城医疗资源，实现资源共享，更加有效地指导和保障大学生健康，这也是打造大学城的目标之一。 　　关键词：就医行为；医疗资源；广州大学城 　　就医行为的研究始于Andersen模型，模型以人群卫生服务利用的理论框架，寻找促进和妨碍家庭或个人使用医疗服务的影响因素，衡量医疗服务的可及性。本文研究对象是广州大学城的大学生就医行为，属于对特定人群的就医行为研究。广州大学城聚集十所高校，共计十几万学子在这里学习和生活，伴随高校扩招和校区专业调整，其规模继续扩大，而学生患病后选择如何就医的行为，包含着学生对各级医疗机构和健康价值的认识趋向，同时反映出学校健康教育的深入程度和医疗机构的地位。文章重点分析就医行为背景下广州大学城医疗服务资源的利用情况。 　　1数据来源和描述统计 　　本研究数据来源于对广州大学城10所高校学生的大学城医疗服务资源利用分析的调查问卷。发放2700份问卷，回收2366份有效问卷，为研究的需要选取每所学校200个有效样本数据进行分析。其中性别和年级的频数分布如图1和图2所示。其中性别比例接近1：1；对于年级的分布，由于各高校研究生在大学城校区的比例较少，所收集的问卷中该人群极少，故排除在选样外，其中大一：大二：大三：大四=3：2：2：1，显示所选样本数据具有代表性和可分析性。 　　图1 性别分布 　　图2 年级分布 　　文章将以大学城学生就医行为为背景，主要通过对大学生医疗需求的现况、大学城医疗服务利用、大学城医疗现状分析等分析，发现广州大学城医疗服务体系的利用情况和存在问题。 　　2大学城医疗资源利用的多元线性逐步回归分析 　　2.1变量定义及模型构建 设因变量Y为是否选择大学城医院，是二分变量：l为是；0为否。自变量分别为X1、X2、X3、X4，均为分类变量，其赋值见表1。 　　因变量和自变量均为分类变量，因此，不能选取普通线性回归模型进行回归分析，本文采用多元线性逐步回归（Stepwise Multiple Regression Method）方法进行计量回归检验。回归方程表示为：Y=a+b1X1+b2X2+b3X3+……+bkXk[1]。其中，Y是否使用了大学城医院：各个系数bi表示解释变量对使用医疗服务的影响，其取值系数越大表示使用医疗服务的概率就越大。 　　2.2结果分析 首先进行相关分析，相关分析显示变量间的Pearson Correlation（皮尔逊相关系数）和显著性检验单尾P值及例数，见表1。 　　图3 相关分析 　　相关分析结果（如图3所示）显示是否选择大学城医院Y与是否了解大学城内医疗分布情况X1、大学城就医是否方便X2、大学城内就医环境X3、大学城医院诊疗设备X4的相关系数分别是：0.438，0.575，0.584，0.485，单尾P值为0.000.01，说明Y与X1、X2、X3、X4之间的相关性极其显著，具有线性关系。 　　图4 模型摘要 　　回归分析中判定系数反映了回归效果的好坏，若R2=1，拟合是完全的；若R2=0，则表示自变量x与因变量y完全无关；通常观测值都是部分的落在回归直线上，即0R21。R2越接近1，表明回归直线的拟合程度越好。而图4显示模型的判定系数（R Square）为0.623，因为00.6231，所以回归直线的拟合程度较好。 　　图5 方差分析 　　回归方程的显著性检验是对因变量与所有自变量之间的线性关系是否显著的一种假设检验。一般采用F检验，利用方差分析的方法进行。若对应的相伴概率（概率P值）小于显著水平α，说明自变量x与应变量y之间确有线性回归关系。而图5结果显示P=0.000.01，因此，在α=0.01水平，是否选择大学城医院y与是否了解大学城内医疗分布情况X1、大学城就医是否方便X2、大学城内就医环境X3、大学城医院诊疗设备X4四个变量具有线性回归关系。 　　图6 回归分析 　　图7 正态概率分布图 　　图6显示回归分析中的系数（Coefficients）。其中常数项（Constant）=-1.475；是否了解大学城内医疗分布情况（X1）、大学城就医是否方便（X2）、大学城内就医环境（X3）、大学城医院诊疗设备（X4）的回归系数（B）分别是：0.236、0.250、0.242、0.188；回归系数的标准误差（Std.Error）分别是：0.010、0.011、0.013、0.014；