張 瑛，靳 娟，黃 瑋，趙 麗，卜 濤，張巖波，李麗霞，郜艷暉

衛(wèi)生服務(wù)滿意度是指人們由于健康、疾病及生命質(zhì)量等方面的需求而對醫(yī)療、衛(wèi)生保健服務(wù)的某種期望，對所經(jīng)歷的醫(yī)療、保健服務(wù)進行比較后形成的情感狀態(tài)的反映［1］。社區(qū)衛(wèi)生服務(wù)是社區(qū)建設(shè)的重要組成部分，為社區(qū)居民提供基本衛(wèi)生服務(wù)，其服務(wù)質(zhì)量的高低決定其是否能滿足社區(qū)居民的衛(wèi)生服務(wù)需求。反之，作為社區(qū)衛(wèi)生服務(wù)的直接接受者，社區(qū)居民的滿意度也可作為評價社區(qū)衛(wèi)生服務(wù)工作質(zhì)量的重要指標。通常社區(qū)衛(wèi)生服務(wù)滿意度評價體系包括服務(wù)態(tài)度、醫(yī)療技術(shù)、環(huán)境設(shè)備及服務(wù)價格等方面，是一套具有相關(guān)關(guān)系的多維評估指標［2］。傳統(tǒng)的聚類分析和近年來逐步發(fā)展的潛在剖面分析 (LPA)均可利用定量的多維指標對人群進行分類［3-4］。但聚類分析思想較樸素，實際應(yīng)用中容易受到距離系數(shù)算法選擇的困擾，且分類過程一般不涉及統(tǒng)計推斷。潛在剖面分析是一種基于混合模型的分類方法，它將群體分布看做是多個同質(zhì)總體的混合，利用最大似然估計法 (maximum likelihood estimate，MLE)估計各類別的概率和類內(nèi)總體分布的參數(shù)，再依據(jù)個體的后驗概率對人群進行分類，并對分類模型做出推斷。本研究對廣州市2 992名社區(qū)居民進行社區(qū)衛(wèi)生服務(wù)滿意度調(diào)查，采用潛在剖面分析，依據(jù)居民對社區(qū)衛(wèi)生服務(wù)各項工作的滿意度情況將其分為5類，分析不同類別居民對社區(qū)衛(wèi)生服務(wù)各項工作的滿意度情況，并探討其影響因素，為廣州市社區(qū)衛(wèi)生服務(wù)工作的發(fā)展和完善提供方向和參考。

1 對象與方法

1.1 研究對象 于2010年11月，在廣州市各區(qū) (市)按社區(qū)衛(wèi)生服務(wù)中心總數(shù)約40%的比例隨機抽取社區(qū)衛(wèi)生服務(wù)中心55家，在每家社區(qū)衛(wèi)生服務(wù)中心抽取其服務(wù)范圍內(nèi)的社區(qū)居民50～55名，最終確定居民數(shù)為2 992名。其中，男1 070名，女1 922名;平均年齡為(44±17)歲;就診居民和非就診居民比例為1∶1。納入標準:(1)年齡滿18周歲;(2)在相應(yīng)社區(qū)衛(wèi)生服務(wù)中心服務(wù)范圍內(nèi)居住1年以上;(3)本人或陪護其兒童，正在接受或1年內(nèi)曾接受過相應(yīng)社區(qū)衛(wèi)生服務(wù)中心的衛(wèi)生服務(wù)。排除有溝通或理解障礙的居民。

1.2 研究方法 由經(jīng)過統(tǒng)一培訓的調(diào)查員在相應(yīng)社區(qū)衛(wèi)生服務(wù)中心服務(wù)范圍內(nèi)，采用偶遇方式對居民進行問卷調(diào)查。查閱國內(nèi)外相關(guān)文獻，掌握居民社區(qū)衛(wèi)生服務(wù)滿意度研究現(xiàn)狀和廣州市過往相關(guān)調(diào)查情況，制定《廣州市城市居民社區(qū)衛(wèi)生服務(wù)滿意度調(diào)查表》。問卷內(nèi)容包括服務(wù)態(tài)度 (5個條目)、服務(wù)水平 (3個條目)、服務(wù)環(huán)境 (1個條目)、服務(wù)方便性 (3個條目)、服務(wù)價格 (3個條目)、隱私保護 (1個條目)、投訴方便 (1個條目)及服務(wù)設(shè)施 (2個條目)共8個方面，19個條目。問卷計分采用Likert 5點計分法，從“非常不滿意”到“非常滿意”依次計為1～5分。有能力閱讀問卷的居民由本人填寫，不能閱讀問卷的居民由調(diào)查員在訪談后代其填寫。共發(fā)放問卷3 023份，回收3 008份，因問卷填寫漏項剔除16份，最終確定有效問卷2 992份，問卷有效回收率為99.0%。

公式 (1)為潛在剖面模型，潛在類別概率ηj、條件均向量ηj、條件方差陣∑j為待估參數(shù)，潛在變量x解釋了P維顯變量間的相關(guān)。參數(shù)估計采用最大似然估計法，模型評價采用赤池信息準則 (akaike information criteria，AIC)、貝葉斯信息準則 (bayesian information criteria，BIC)、調(diào)整BIC、Lo-Mendell-Rubin似然比統(tǒng)計 量 (Lo-Mendell-Rubin likelihood ratio test，LMRT)及熵 (entropy)等指標。其中，AIC、BIC及調(diào)整BIC是反映模型擬合優(yōu)度的指標，其值越小表明模型擬合越好;熵為反映分類質(zhì)量的指標，其值越接近1表明分類越明確;LMRT用于T類模型和T-1類模型的比較，P＞0.05表明T類模型的擬合較優(yōu)。各指標顯示的最優(yōu)模型不一致時，需綜合判斷［4］。

模型建立后，利用貝葉斯原理計算每個觀測類別歸屬的后驗概率，并將觀測歸為后驗概率最大的那個類別。后驗概率為:

1.4 統(tǒng)計學方法 采用Epidata軟件進行數(shù)據(jù)錄入;采用M-plus統(tǒng)計軟件進行潛在剖面分析［5］，依據(jù)居民對各條目的滿意度評分進行居民分類;采用SAS 8.1統(tǒng)計軟件對數(shù)據(jù)進行分析，計量資料和計數(shù)資料采用描述性統(tǒng)計分析，人口學特征對社區(qū)衛(wèi)生服務(wù)居民滿意度的影響分析采用有序多分類Logistic回歸分析。

2 結(jié)果

2.1 2 992 名居民對社區(qū)衛(wèi)生服務(wù)各條目的滿意度評分 隱私保護和投訴方便2個條目，回答“不知道”的比例＞20%，故不納入潛在剖面分析。其余17個條目的滿意度評分見表1。

表1 2 992名居民對社區(qū)衛(wèi)生服務(wù)各條目的滿意度評分 (±s，分)Table 1 Satisfaction scores of the subjects on various items of community health service

表1 2 992名居民對社區(qū)衛(wèi)生服務(wù)各條目的滿意度評分 (±s，分)Table 1 Satisfaction scores of the subjects on various items of community health service

條目評分服務(wù)態(tài)度1患者被尊重 3.8±0.7 2醫(yī)務(wù)人員責任感 3.8±0.7 3工作人員服務(wù)態(tài)度 3.8±0.7 4醫(yī)務(wù)人員的解釋 3.7±0.8 5醫(yī)護人員可信任度 3.6±0.8服務(wù)水平6就診者可選擇醫(yī)生 3.5±1.0 7提供預防保健知識 3.6±0.8 8醫(yī)務(wù)人員技術(shù)水平 3.5±0.8服務(wù)環(huán)境9看病環(huán)境 3.7±0.7服務(wù)方便性10就診地點方便 4.0±0.7 11就診流程便利 3.7±0.8 12排隊等候時間 3.5±0.8服務(wù)價格13服務(wù)費用 3.3±0.8 14總就診費用 3.2±0.9 15服務(wù)費用公開 3.2±0.9服務(wù)設(shè)施16醫(yī)療設(shè)施人性化 3.5±0.8 17醫(yī)療設(shè)備3.2 ±0.8

2.2 居民分類和命名 采用潛在剖面分析，嘗試擬合1～7個類別 (將居民分為1～7類)的模型。AIC、BIC及調(diào)整BIC顯示，6類別模型的擬合較優(yōu);熵顯示，3類別模型的擬合較優(yōu);LMRT顯示，5類別模型的擬合較優(yōu) (P＞0.05，見表2)?？紤]到模型的簡潔性和實際意義，選擇5類別模型為最終模型。確定的5個類別分別為非常滿意型、較滿意型、較滿意的一般型、一般滿意型及不滿意型，居民數(shù)分別為321人 (10.7%)、1 107人 (37.0%)、805人 (26.9%)、160人 (5.4%)及599 人 (20.0%)。

2.3 各類別居民對社區(qū)衛(wèi)生服務(wù)各條目的滿意度評分情況 非常滿意型、較滿意型、較滿意的一般型、一般滿意型及不滿意型居民對社區(qū)衛(wèi)生服務(wù)各條目的滿意度評分平均值依次降低，趨勢基本相同;較滿意的一般型居民在患者被尊重、醫(yī)務(wù)人員責任感及工作人員服務(wù)態(tài)度3個條目的滿意度評分與一般滿意型居民差距較大，而其他條目的滿意度評分均較接近。滿意度評分均較高的條目為就診地點方便;均較低的為總就診費用和醫(yī)療設(shè)備 (見圖1)。

表2 探索性潛在剖面分析模型的擬合統(tǒng)計量Table 2 Fit statistics of exploratory latent profile analysis

圖1 社區(qū)居民對社區(qū)衛(wèi)生服務(wù)滿意度評分的類別均值剖面圖Figure 1 Cross-section graph of the means of five satisfaction degrees on community health service

2.4 人口學特征對社區(qū)衛(wèi)生服務(wù)居民滿意度的影響以不滿意型居民為參比，采用有序多分類Logistic回歸分析探討人口學特征對社區(qū)衛(wèi)生服務(wù)居民滿意度的影響。結(jié)果顯示，年齡和付費方式對社區(qū)衛(wèi)生服務(wù)居民滿意度的影響有統(tǒng)計學意義 (P＜0.05，見表3)。

3 討論

潛在剖面分析是分類潛變量模型的一種，可將多個連續(xù)變量降維成一個分類潛變量，并基于概率對研究對象進行分類，不需要將變量標準化，分類較客觀，避免了傳統(tǒng)聚類分析中采用不同距離定義導致聚類結(jié)果不一致等困擾。近年來，潛在剖面分析在醫(yī)學、心理學及社會學等領(lǐng)域被廣泛應(yīng)用［6-7］。本研究采用潛在剖面分析對廣州市居民的社區(qū)衛(wèi)生服務(wù)滿意度進行研究，在概括多項社區(qū)衛(wèi)生服務(wù)條目的基礎(chǔ)上，將廣州市居民分為5個不同類別。結(jié)果顯示，對社區(qū)衛(wèi)生服務(wù)評價為較滿意及以上的居民達到47.7%，但仍有20.0%的居民表示不滿意，且年齡較小的居民對社區(qū)衛(wèi)生服務(wù)的滿意度較低。這可能是因為:(1)不同年齡居民對社區(qū)衛(wèi)生服務(wù)的需求和評價標準不同，年齡較小的居民對衛(wèi)生服務(wù)的要求和期望更高;(2)年齡較小的居民對社區(qū)衛(wèi)生服務(wù)的了解較少;(3)大部分40歲以上居民屬社區(qū)衛(wèi)生服務(wù)機構(gòu)重點服務(wù)人群，隨著社區(qū)衛(wèi)生服務(wù)工作的不斷發(fā)展，社區(qū)衛(wèi)生服務(wù)機構(gòu)為重點服務(wù)人群提供的衛(wèi)生服務(wù)工作日漸成熟，故年齡較大的居民滿意度較高。本研究結(jié)果還顯示，付費方式為自費的居民對社區(qū)衛(wèi)生服務(wù)的滿意度較低。這可能是因為相對于非自費居民而言，自費居民承擔著更重的醫(yī)療負擔。政府部門應(yīng)完善居民基本醫(yī)療衛(wèi)生制度，落實相關(guān)保障政策，擴大基本醫(yī)療保險覆蓋面。社區(qū)衛(wèi)生服務(wù)機構(gòu)是居民醫(yī)療保險定點機構(gòu)，居民就診時能夠使用醫(yī)療保險，將有效減輕居民，特別是自費居民在社區(qū)衛(wèi)生服務(wù)機構(gòu)的就診負擔［8］，適宜的醫(yī)療保險政策可以對居民的首診機構(gòu)進行調(diào)控。

表3 人口學特征對社區(qū)衛(wèi)生服務(wù)居民滿意度影響的有序多分類Logistic回歸分析Table 3 Ordinal multi-classification logistic regression analysis of the influence of demographic characteristics on satisfaction degree

本研究結(jié)果顯示，居民對就診方便性條目的滿意度評分較高，對總就診費用和醫(yī)療設(shè)備條目的滿意度評分較低。就診費用可以影響到居民的就診機構(gòu)選擇，可能會導致社區(qū)衛(wèi)生服務(wù)機構(gòu)就診量降低和一定程度的醫(yī)療資源浪費。社區(qū)衛(wèi)生服務(wù)機構(gòu)是社會公益性的非營利醫(yī)療機構(gòu)，政府投入處于主導地位。應(yīng)在政府部門的支持下，加速衛(wèi)生資源向基層社區(qū)衛(wèi)生服務(wù)機構(gòu)轉(zhuǎn)移，優(yōu)化現(xiàn)有資源配置，逐步完善社區(qū)衛(wèi)生服務(wù)籌資和補償機制［9］。此外，本研究中較滿意的一般型和一般滿意型居民對多數(shù)條目的滿意度評分均較接近，但對服務(wù)態(tài)度3個條目的滿意度評分差距較大，是區(qū)別兩類人群的主要特征?；颊呃蒙鐓^(qū)衛(wèi)生服務(wù)，不僅僅是來“看病”也是來“看醫(yī)生”，有良好的人際服務(wù)是患者的基本需求，全科醫(yī)學應(yīng)加強對患者的人文關(guān)懷。提供有效的醫(yī)療服務(wù)是獲得患者認可的前提，而對患者的尊重是良好醫(yī)患關(guān)系建立的基礎(chǔ)。

［1］ Neugarten BL，Havighurst RJ，Tobin SS.The measurement of life satisfaction ［J］.J Gerontol，1961，16(2):134-143.

［2］劉玉秀，徐少青.TOPSIS法用于醫(yī)院工作質(zhì)量的多指標綜合評價［J］.中國衛(wèi)生統(tǒng)計，1993，10(2):12-15.

［3］ Bartholomew DJ.Latent variable models and factor analysis ［M］.England:Wiley，2011:119-182.

［4］ Skrondal A，Rabe-Hesketh S.Latent variable modelling:a survey［J］.Scandinavian Journal of Statistics，2007，34(4):712-745.

［5］ Muthén LK，Muthén BO.Mplus user's guide ［M］.Los Angeles:Muthén ＆ Muthén，2010:141-196.

［6］ Pastor DA，Barron KE，Miller BJ，et al.A latent profile analysis of college students'achievement goal orientation ［J］.Contemporary Educational Psycholog，2007，32(1):8-47.

［7］ Wade TD，Crosby RD，Martin NG.Use of latent profile analysis to identify eating disorder phenotypes in an adult Australian twin cohort［J］.Arch Gen Psychiatry，2006，63(12):1377-1384.

［8］毛瑛，范文斌，王楓葉，等.西安市社區(qū)衛(wèi)生服務(wù)滿意度評價研究［J］.中國衛(wèi)生統(tǒng)計，2008，25(4):406-408.

［9］沈筱玲，王秋琳.湖州市區(qū)依托三級醫(yī)院舉辦社區(qū)衛(wèi)生服務(wù)的探討［J］.浙江預防醫(yī)學，2007，19(10):57-59.