朱泉同 高 山

【提 要】 目的 了解當前江蘇省衛(wèi)生人力資源供給現(xiàn)狀，預(yù)測衛(wèi)生人員變化趨勢，為江蘇省衛(wèi)生人力資源供需平衡提供合理建議。方法 分析比較灰色模型預(yù)測、二次回歸預(yù)測和Holt-Winters非季節(jié)預(yù)測模型，并在此基礎(chǔ)上運用“預(yù)測誤差平方和倒數(shù)法”構(gòu)建江蘇省衛(wèi)生人力資源組合預(yù)測模型，分別預(yù)測分析江蘇省衛(wèi)生人員、衛(wèi)生技術(shù)人員、執(zhí)業(yè)(助理)醫(yī)師、注冊護士總量的變化趨勢。結(jié)果 與單項預(yù)測模型相比，組合預(yù)測模型預(yù)測誤差最小，穩(wěn)定性最好，是相對最優(yōu)的衛(wèi)生人力需求預(yù)測模型。江蘇省衛(wèi)生人力需求將來還會逐年持續(xù)增加。結(jié)論 江蘇省對于衛(wèi)生人力需求仍然很大，應(yīng)該加強衛(wèi)生專業(yè)人才全面建設(shè)，提高衛(wèi)生人力整體素質(zhì)，合理配置衛(wèi)生人力資源。

衛(wèi)生人力資源是提高醫(yī)療衛(wèi)生服務(wù)能力，保障公民健康，促進衛(wèi)生事業(yè)健康發(fā)展的關(guān)鍵。近幾年，經(jīng)濟發(fā)展迅速，醫(yī)療衛(wèi)生服務(wù)體系也在不斷健全，衛(wèi)生人力也得到了很大的改善，但是衛(wèi)生人力資源短缺，衛(wèi)生人力資源分布不均等問題依然存在。因此，對衛(wèi)生人力未來需求的預(yù)測研究，科學(xué)合理制定衛(wèi)生人力規(guī)劃對于解決衛(wèi)生人力不足，合理配置衛(wèi)生資源具有重要意義。

衛(wèi)生人力資源的預(yù)測一直是研究的熱點。高歌等應(yīng)用醫(yī)院規(guī)劃模式法對衛(wèi)生人員進行預(yù)測研究，給相關(guān)部門中長期規(guī)劃提供理論依據(jù)[1]。馬瑞等采取人力/人口比值法對寧夏衛(wèi)生人力資源需求量進行預(yù)測研究[2]。張瑞華等人基于灰色模型與ARIMA模型對四川省衛(wèi)生人力資源進行預(yù)測[3]。上述方法雖然在預(yù)測時取得有效的結(jié)果，但大部分的研究為單個模型的運用，預(yù)測結(jié)果的精確度和穩(wěn)定性難免會受到影響。采用多種模型組合的方式，可以克服單一模型的缺陷，提高預(yù)測準確度[4]。本文首先運用灰色預(yù)測模型、二次回歸預(yù)測和Holt-Winters模型分別對江蘇省衛(wèi)生人員進行擬合預(yù)測，然后采用預(yù)測誤差平方和倒數(shù)法來確定單項模型的權(quán)重大小，進而建立組合預(yù)測模型對江蘇省衛(wèi)生人力進行中短期預(yù)測。

資料與方法

1.資料來源

本研究所用的資料主要來源于2007-2018年的《江蘇衛(wèi)生計生年鑒》，選取了衛(wèi)生人力資源相關(guān)數(shù)據(jù)。本文中的衛(wèi)生人力資源主要指衛(wèi)生人員、衛(wèi)技人員、執(zhí)業(yè)(助理)醫(yī)師、注冊護士，數(shù)據(jù)見表1。

表1 2006-2017年江蘇省衛(wèi)生人力資源數(shù)據(jù)(單位：萬人)

2.研究方法

本文主要運用Matlab 7.0、SPSS 21.0和excel軟件建立灰色預(yù)測模型、二次回歸預(yù)測模型、Holt-Winters模型和組合預(yù)測模型，預(yù)測2018-2022年的衛(wèi)生人力，并選擇平均絕對誤差(MSE)、平均絕對百分比誤差(MAPE)兩項指標對模型預(yù)測結(jié)果進行評價和分析。

(1)單項模型構(gòu)建

①灰色模型構(gòu)建

灰色模型(grey dynamics model，GM)對樣本量要求低，對數(shù)據(jù)的分布類型沒有任何要求，只要數(shù)據(jù)是非負單調(diào)就可以擬合。它是在隨機原始序列的基礎(chǔ)上，通過一次累加，求其均值形成新的有規(guī)律的時間序列，并建立一階線性微分方程模型，最后再擬合預(yù)測，并通過后驗差比值(C值)和小誤差概率(P值)評價模型精度[5-6]，具體結(jié)果見表2。

表2 GM(1，1)模型擬合結(jié)果

②多項式回歸預(yù)測模型

多項式回歸模型是非線性回歸預(yù)測技術(shù)，優(yōu)點是可以通過增加高次項對實測點進行逼近，直至滿意為止，目前被廣泛應(yīng)用在經(jīng)濟、衛(wèi)生等方面[7-8]。結(jié)合散點圖，根據(jù)2006-2017年江蘇省衛(wèi)生人力資源變化趨勢，本文采用二次回歸對其進行預(yù)測。結(jié)果顯示，四個模型都具有統(tǒng)計學(xué)意義，模型擬合的比較好，見表3。

表3 二次回歸模型擬合結(jié)果

③Holt-Winters非季節(jié)預(yù)測模型

Holt-Winters非季節(jié)預(yù)測法是屬于時間序列預(yù)測模型，主要通過對原始數(shù)據(jù)提取時間序列的平滑項、周期項和趨勢項，進而建立預(yù)測模型對時間序列數(shù)據(jù)進行預(yù)測[9-10]。用SPSS 21.0按照預(yù)測誤差平方和最小的原則計算平滑系數(shù)，并建立預(yù)測模型。結(jié)果見表4。

表4 Holt-Winters非季節(jié)預(yù)測模型擬合結(jié)果

(2)組合預(yù)測模型

組合預(yù)測模型是指利用兩種或兩種以上的預(yù)測方法對同一組數(shù)據(jù)進行預(yù)測，然后通過數(shù)學(xué)方法確定每個單項模型權(quán)重，并將其進行信息組合，以更好地捕捉數(shù)據(jù)之間的潛在趨勢，取長補短。本文主要通過預(yù)測誤差平方和倒數(shù)法求取灰色模型、多項式回歸模型和Holt-Winters非季節(jié)預(yù)測模型的權(quán)重系數(shù)。其中針對衛(wèi)技人員預(yù)測模型擬合誤差平方和依次為：7.808，8.256，9.544。同理求得執(zhí)業(yè)(助理)人員、注冊護士和衛(wèi)生人員預(yù)測模型的誤差平方和依次為2.434，1.930，4.118；1.777，1.037，1.014；20.855，11.666，20.880。模型構(gòu)建如表5。

表5 組合模型擬合結(jié)果

結(jié) 果

1.江蘇省衛(wèi)生人力資源現(xiàn)狀分析

由統(tǒng)計數(shù)據(jù)可知，2006-2017年江蘇省衛(wèi)生人力由33.45萬人增長到69.28萬元，增加了107.12%。衛(wèi)生技術(shù)人員由27.54萬人增加至54.8萬人，人數(shù)為原來的1.99倍，但在衛(wèi)生人員中的比重下降了3.23%。其中，執(zhí)業(yè)(助理)醫(yī)師所占的比重下降了2.12%，注冊護士所占比重上升了12.05%。在這12年間，江蘇省衛(wèi)生技術(shù)人員、執(zhí)業(yè)(助理)人員、注冊護士和衛(wèi)生總?cè)藛T的數(shù)量都是逐年遞增的，年均增長率分別為6.49%、6.03%、9.68%和6.94%，注冊護士的增長速度高于執(zhí)業(yè)(助理)人員。從2013年開始，每年護士的人數(shù)都超過了執(zhí)業(yè)助理人員的數(shù)量，醫(yī)護比從2006年的1.34∶1變成2017年的1∶1.09。

2.各模型預(yù)測分析結(jié)果

選取2006-2017年的江蘇省衛(wèi)生人力資源數(shù)據(jù)，用上述四種預(yù)測模型進行預(yù)測，并對預(yù)測結(jié)果進行對比分析。表6～表9為不同衛(wèi)生人員在不同的預(yù)測模型下的預(yù)測值以及相對誤差。結(jié)果顯示，四個模型針對不同的衛(wèi)生人員進行預(yù)測時，預(yù)測的相對誤差均在10%以內(nèi)，而且95.3%的相對誤差控制在5%以內(nèi)，可知四個模型擬合結(jié)果都較好。本文組合預(yù)測模型預(yù)測相對誤差，與單預(yù)測模型相比，雖然個別不是最小的，但從總體評價指標MSE和MAPE來看(表10)，組合預(yù)測模型的這兩個評估指標是最低的，說明預(yù)測誤差最小，預(yù)測效果最優(yōu)。在單項模型中，對于衛(wèi)技人員的模型預(yù)測，灰色模型預(yù)測的精度更好點，其次是二次回歸的預(yù)測效果。對于執(zhí)業(yè)(助理)人員的模型預(yù)測，二次回歸模型預(yù)測指標值較小，預(yù)測效果也較為理想，Holt-Winters模型和灰色模型預(yù)測效果次之，對于注冊護士的模型預(yù)測，二次回歸和Holt-Winters這兩種模型預(yù)測穩(wěn)定性更好點。而對于衛(wèi)生人員來說，最好的單項模型是二次回歸。綜合比較，衛(wèi)生人員的單項模型預(yù)測，結(jié)合其類別和特點，各有相對適合的單項模型?？傮w來說，二次回歸預(yù)測結(jié)果表現(xiàn)更為出色。但這三種單項模型的任何一個，都比組合模型的預(yù)測遜色。組合預(yù)測模型在衛(wèi)生人力資源預(yù)測的應(yīng)用中，更全面地融合了各種單項模型的思想和樣本的信息，預(yù)測結(jié)果更合理、更準確、更穩(wěn)定。具體結(jié)果見表10。

表6 江蘇省衛(wèi)技人員擬合比較結(jié)果

表7 江蘇省執(zhí)業(yè)(助理)醫(yī)師擬合比較結(jié)果

表8 江蘇省注冊護士擬合比較結(jié)果

表9 江蘇省衛(wèi)生人員擬合比較結(jié)果

表10 四種模型預(yù)測效果評價

3.基于組合模型的江蘇省衛(wèi)生人力資源預(yù)測

通過上述分析結(jié)果可知組合預(yù)測模型預(yù)測效果相對最好。采用組合預(yù)測模型對江蘇省2018-2022年衛(wèi)生人員的數(shù)量進行樣本外預(yù)測(表11)。通過計算可知，衛(wèi)技人員、執(zhí)業(yè)(助理)、注冊護士和衛(wèi)生人員年均增長率分別為6.58%、6.95%、7.59%和5.12%。與2006-2017年衛(wèi)生人員年均增長率相比，雖然2018-2020年衛(wèi)生人員年均增長率有所下降，但2022年各類衛(wèi)生人員的數(shù)量比2018年上升幅度大，約為1.3倍。

表11 江蘇省2018-2022年衛(wèi)生人力資源預(yù)測值(單位：萬人)

結(jié) 論

組合預(yù)測模型預(yù)測精度的進一步提升有很大的研究價值。一是改進單項預(yù)測模型本身；二是綜合考慮其他社會因素。本文僅考慮人口因素的影響，而其他因素對于衛(wèi)生人力資源有著直接的影響，如社會人口老齡化，衛(wèi)生人才的結(jié)構(gòu)與質(zhì)量及衛(wèi)生政策的改變等，所以引入這些因素可完善預(yù)測模型；三是結(jié)合衛(wèi)生人力的特點提供針對性的預(yù)測模型，同一單項預(yù)測模型在不同的衛(wèi)生人力數(shù)據(jù)方面，精確度不一樣，所以可以分類選擇最有效的預(yù)測模型。

衛(wèi)生人力培養(yǎng)工作是促進衛(wèi)生事業(yè)發(fā)展和提高人民健康水平的重要保障，是健康江蘇建設(shè)中最為重要的一環(huán)。為了扎實推進健康江蘇建設(shè)，應(yīng)合理制定醫(yī)療衛(wèi)生人員隊伍的中長期發(fā)展規(guī)劃，強化衛(wèi)生人才保障。一是規(guī)范醫(yī)學(xué)人才培養(yǎng)體系，建立醫(yī)學(xué)人才供需平衡機制，優(yōu)化人才培養(yǎng)結(jié)構(gòu)；二是優(yōu)化醫(yī)護比配置。從2013年開始，醫(yī)護比倒置的局面已經(jīng)扭轉(zhuǎn)，但護士總量仍然不能滿足，與歐美發(fā)達國家相比還是有一定差距的，依據(jù)《“健康江蘇2030”規(guī)劃綱要》要求，到2020年醫(yī)護比要達到1∶1.25以上，每千常住人口注冊護士數(shù)達到3.34以上，到2030年，每千常住人口注冊護士數(shù)要達到5人以上，因此護理人才發(fā)展空間很大。所以江蘇省應(yīng)大力加強護士隊伍建設(shè)，科學(xué)合理配置護士人力，滿足臨床工作需求；三是完善衛(wèi)生人才使用激勵政策。改善醫(yī)療衛(wèi)生人員條件，建立合理的薪酬和績效考核制度，調(diào)動衛(wèi)生人員工作積極性，穩(wěn)定衛(wèi)生人才隊伍。