应用趋势季节模型预测门诊处方量.docVIP

应用趋势季节模型预测门诊处方量[关键词]门诊处方量；趋势季节模型 [中图分类号]R311[文献标识码]C [文章编号]1673-7210（2007）05（c）-148-02 医院门诊处方量直接反映着医生及药剂人员的实际工作情况，对处方量的调查分析是医院管理工作的重要内容。随着医院管理现代化的发展，对门诊处方量进行预测、预报，展望和推算今后一个时期门诊医生与患者之间合理配置及不同人群药物使用的规律性，为安排门诊人员、药物采购等提供参考依据。为了探索医院门诊医生单位时间内，对患者疾病作出诊断后正确书写处方的量，使每一张处方在为病人服务的整个流程中合理、有效，采取整群抽样调查的方法，以我院2002-2004年门诊开出的处方量为基础，应用趋势季节模型法进行运算，并对2005年门诊处方量进行预测。通过对2005年第一季度门诊处方的实际完成值来看，在预测值范围内。门诊在安排工作时要注意医生的合理配置，给医生留出合理诊断、处置病人的时间，本文运用趋势季节模型，从理论上预测门诊处方量在一定时期内持续变化的趋势性和季节性变动，以指导门诊工作的合理安排及组织管理。 1 资料与方法 1.1 资料来源 取自我院1998～2000年门诊月处方汇总表。处方种类包括：口服药、注射药、外用药、小儿药、精神毒麻药等。 1.2 方法介绍 1.2.1 采用趋势季节模型预测= ×SI±t0.05（N-1）×SE式中：是t期的预测值，是t期的趋势预测值，SI是季节比率，SE是误差，t0.05（N-1）是概率为0.05时，在自由度为(N-1)时的t值(取双侧)。 1.2.2求趋势预测值 =a+bt式中：a是处方数的起点值；b表示时间每增加一个单位时，平均增加的处方数；t 是时间变量值，即季节序号。 通过数学分析中求函数极值的方法，可以按下式确定a、b两值。 a=∑ｙ／ｎ-ｂ×∑ｔ／ｎ b=[n∑ty-(∑t)( ∑y)]/[n∑t2-(∑t)2] 1.2.3 计算季节比率（SI）采用①移动平均数：用4项移动平均修匀；②趋势值的剔除：由于在时间数列中常存在着长期趋势的影响，故应剔除长期趋势的影响后，再求季节比率SI。这样才能保证计算结果的准确性。③计算季节比率SI。SI的含义是各季平均数对总平均数的比例，表明各季水平比全期总水平高或低的程度。即季节变动的一般规律。 1.2.4 预测指标误差SE的计算 预测误差的计算公式：SE=■ 按趋势季节模型进行预测的预测范围。 2 结果 根据数据进行运算得： a=3503.44(张/季度） b=206793(张/季度) 所求趋势预测值 =206793+3503.44t 本例求季度比率ST时，在没有明确的趋势模型的资料中，最好用移动平均数作趋势值，用4项移动平均修匀,便可进行SI的计算。 将其按年别、季别重新列后，求各季的平均数，它们的和应该是400%，否则应加以校正，本例各季平均数之和是398.81，不是400%，需校正。校正系数是400/398.81=1.002984，以此乘各季度平均数，得季节比率，其和正好是400%。 根据表2 的数据运用预测误差公式进行计算，算出趋势季节模型的预测误差，见表2第(5)栏。SE=23445.83(张/季度)。从表4可以看出我们预测的2005年第一季度处方量范围是170175-273384张，为了检验趋势季节模型预测处方数的可靠性，现于第一季度报表中查得我院处方数为260715张，其在预测值范围内，所以证实此预测是可行的。 3 讨论 趋势季节模型多用于门诊人数的预测，国内报道较多，也收到了明显效果。鉴于上述，为了寻求一个简便模型，我们将此方法应用于对处方量进行预测。通过此次的理论预测与实际完成值相对比，说明了一定的数学模型对处方量进行预报、预测是可行的。趋势季节模型不仅可以用于门诊诊疗人次的预测，还可用于门诊处方量的预测。通过分析在一个时间数列中，凡存在长期趋势及季节变动影响的，都可用这一模型进行预测。如医院某个时期内住院病人人数的预测，某些疾病的流行病学预测以及医院收入的预测等。它有着广泛的应用前景，值得在基层医院工作中推广应用。 从本文计算出的季节比率来看：第一季度最低为87.89%，说明本季度门诊诊疗人次相对减少，处方数降低。分析发现，造成门诊诊疗人次相应减少的原因之一是本季度节假期时间较长，门诊工作日时间较短。其次是北方地区本季度气候寒冷，由于路途及其他不便因素，小病及常见病多在家自行解决，使本季度门诊量减少，从而处方量也明显少于其他季度。从表3可以看出，第二季度以后，处方量就有大幅度回升。第三季度是一年中的最高峰，主要因素是本季度气温升