卫生统计管理方法分析范文

本站小编为你精心准备了卫生统计管理方法分析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

本文作者：应桂英李恒段占祺潘晓平单位：四川省卫生信息中心四川成都湖北医药学院附属人民医院中国疾病预防控制中心妇幼保健中心

统计指标的准确性和及时性在很大程度上影响政府决策的正确性和有效性，卫生统计指标体系是建立卫生统计信息系统的基础和必要条件，科学合理地制定卫生统计指标体系，可为评价、衡量当地卫生工作情况，引导卫生政策、措施的制定和落实，促进相关政府部门对卫生工作进行科学管理提供依据［1］。为正确筛选出实用性、代表性强的指标，合理构建卫生统计指标体系，对常用卫生统计指标筛选方法进行评价。

目前，筛选统计指标构建指标体系的方法主要有两大类:一类是专家主观评定和判定法，适用于资料有限的情况下，主要依据专家的经验知识来确定指标;另一类是数理统计分析方法，适用于定量指标的筛选评价［2］。这两种方法各有优缺点。

1专家主观评定和判定法

在主观评定法中，指标的筛选方法主要以德尔菲(Delphi)专家咨询法和专家讨论(类似于头脑风暴法)为主。

1．1德尔菲(Delphi)专家咨询法

德尔菲法作为一种主观、定性的方法，不仅可以用于预测领域，而且可以广泛应用于各种评价指标体系的建立和具体指标的确定过程［3］。德尔菲专家咨询法的核心思想是通过匿名方式进行几轮函询征求专家们的意见，通过有组织地对每一轮专家意见的汇总整理和反馈，使专家们的意见趋于一致，最终得到一个比较一致且可靠性较大的结论或方案［4］。近年来，德尔菲专家咨询法在许多领域指标筛选的研究中被广泛应用，已经成为了一种成熟、公认的指标筛选方法。

1．1．1德尔菲专家咨询法实施的基本步骤

(1)成立专家小组。Brown．B指出，德尔菲专家咨询法中专家的选择是咨询成败的关键，应邀专家应该对研究的主题领域具有深刻的了解或拥有广博的知识或者丰富的实践经验，这样才能够提出正确的评价意见和有价值的判断。德尔菲法拟选择的专家一般是指在该研究领域从事10年以上技术工作的专业人员。专家选择一般由研究主体来决定，其人数根据研究项目的规模而定，一般情况下，评估或预测的精度与参加人数呈函数关系，即随着专家人数的增加而精度提高［5］。Murphy指出，专家的数量越多得出的结论可靠性越大，但尚没有实际证据证明两者之间的关系［6］。据有关文献报道，专家人数一般以15～50人左右为宜［7］，但是也有一些文献指出，当专家数接近15人时，进一步增加专家人数对预测精度的影响不大［8］。

(2)设计专家咨询问卷，准备有关资料。在查阅文献等的基础上，根据研究目的确定专家咨询问卷的内容。咨询问卷一般包括研究的背景介绍、专家基本情况、研究内容、专家判断依据以及对研究内容的熟悉程度等几个方面，另外还应该在问卷中设置一些开放性问题，以方便专家对研究课题和研究内容提出自己的意见和建议。

(3)发放问卷并回收。可以采取纸质问卷邮寄或以电子邮件方式将问卷及时发放给专家，专家根据自己的专业知识和实践经验应答，并提出自己的意见。一般要给每位专家留有足够的时间来填写问卷，请专家在规定时间内按时返回问卷;如若不能按时返回，要问明情况延长时间或者确定不能收回。

(4)整理专家初次判断的意见。对第一轮专家咨询问卷进行汇总、整理分析，设计第二轮咨询问卷，在第二轮问卷中附加上前一次的汇总结果，但不表明各种结果是由哪位专家提出的，以便各专家能直抒己见，不受其他专家影响。专家比较自己同其他专家意见的异同，对结果进行修改或者提出其他意见。也可以把各位专家的意见加以整理，或请身份更高的其他专家加以评论，然后把这些意见再分送给各位专家，以便他们参考后修改自己的意见［9］。

(5)发放第二轮咨询问卷，再次修改，循环进行，直到专家不再提出修改意见为止。一般地，经过两三轮反馈，专家的意见就会趋于稳定。

(6)将专家意见综合处理，得出结果或评价。

1．1．2德尔菲专家咨询法的优缺点

德尔菲专家咨询法同常见的召集专家开会、通过集体讨论得出一致预测意见的专家会议法既有相同之处又有所区别。

德尔菲法能发扬专家会议法的优点，可以充分发挥各位专家的作用，集思广益，所得结果准确性高;同时又能把各位专家意见的分歧点表达出来，取各家之长，避各家之短。另外，德尔菲法还能避免专家会议法的某些缺点:一是权威人士的意见可能会影响他人的意见;二是有些专家碍于情面，不愿意发表与其他人不同的意见;三是出于自尊心而不愿意修改自己原来不全面的意见［10］。在资料有限，特别是数据收集困难的情况下，合理运用德尔菲法能够得到较好结果。德尔菲专家咨询法的主要缺点是其实施过程比较复杂，一般需要至少经过两轮甚至三四轮的专家咨询才能得到稳定结果，花费时间较长，耗费成本高。并且由于主观性太强，因此在挑选专家时应注意挑选在该课题领域具有精深专业知识的代表，同时还应该考虑专家的不同层次，因为专家咨询结果直接影响到研究质量。此外要注意专家的权威程度和对课题研究内容的熟悉程度，否则，得出的结果或评价的可信性就不够。

1．2专家会议法

［11］专家会议法是指根据规定原则挑选一定数量的专家，按照一定方式来组织专家会议，发挥专家集体的智能结构效应，对预测对象未来的发展趋势及状况作出判断的一种方法。“头脑风暴法”就是专家会议法的一项具体运用。

1．2．1专家会议法挑选专家的原则

参加专家会议的人选应按照以下三个原则来进行选取:(1)如果参加者相互认识，要从同一职位(职称或者级别)的人员中去选取，领导者不应参加，否则可能会对参加者造成某种压力，不敢发表自己的意见;(2)如果参会者之间互不认识，则可以从不同职位(职称或级别)的人员中选取，这时不应宣布参加人员职称，不论成员的职称或级别的高低，都应同等对待;(3)参加者的专业应力求与所论及的决策问题相一致，这并不是专家组成员的必要条件。但是，专家中最好包括一些学识渊博，对所论及问题有较深理解的其它领域的专家。

1．2．2专家会议法的实施过程(1)专家会议前，组织者须向应邀专家提供书面资料，并对研究主题进行介绍;(2)围绕所研究问题全面邀请专家。确定专家会议的最佳

人数和会议进行的时间、地点。专家小组人数一般以10－15人为宜，会议时间一般以进行20－60分钟效果最佳;(3)专家在会议前准备好发言提纲，不同意见可以互相讨论;(4)会议主持者要虚心，以听取意见为主，不发表任何导向性意见或对专家意见和看法予以评价;(5)记录整个会议过程，最好是双录入，以保证资料的完整性和准确性。对各位专家的看法和意见进行汇总整理，得出结论或评价。

1．2．3专家会议法的优缺点

专家会议法有助于专家们之间交换意见，通过互相启发，可以弥补个人意见不足;通过内外信息交流与反馈，产生“思维共振”，从而将产生的创造性思维活动集中于讨论对象，可以在较短时间内得到富有成效的创造性成果，为决策提供预测依据。但是，专家会议法也有其不足之处:(1)由于参加会议的人数有限，因此代表性不够充分;(2)易受专家权威程度的影响，若参加者中有较有名望的专家，可能会压制不同意见的发表;(3)易受专家语言表达能力的影响，从而使得一些有价值的意见未能得到充分重视;(4)由于个人自尊心等因素影响，容易使会议出现僵局;(5)易受潮流思想的影响等。

2数理统计分析方法

2．1变异系数法

变异系数法又称之为离散趋势法，这是从指标的敏感性角度来挑选指标。分别计算各备选指标的变异系数，如果指标的变异系数(CV)太小，用于评价时的分辩能力就较低，不能把各地区的差距拉开，因此剔除变异系数较小的指标，选入那些变异系数较大的指标［12］。变异系数的计算公式为:

2．2综合指数法和界值法

相乘模式的综合指数法是将算术均数、满分比和变异系数这三个指标综合成一个指数，其目的是为了找到一个共同的测量尺度便于多个指标之间的相互比较;界值法，是根据以上三个指标的特性确定界值，规定指标的剔除标准，严格的剔除标准，可以避免重要的指标被淘汰［13］。综合指数法的计算公式为Kj:表示j指标的满分比;mj＇:表示给满分的专家数，mj:表示评价的专家数;Kj取值在0－1之间，Kj可作为Mj的补充指标，Kj越大，说明对该指标给满分的专家比例越大，该指标也越重要。

2．3主成分分析法

主成分分析是用较少独立性的综合指标来代替原来较多的相关指标，是进行信息提取与综合的一种有效方法，它从指标的代表性角度筛选指标，先计算指标的主成分，然后选择主成分的个数。这主要根据累积贡献率的大小来确定，一般累积贡献率大于80%为好，或者直接选取特征值大于1所对应的主成分，然后进行最大方差旋转(雅可比旋转)挑选因子负荷绝对值较大的指标入选，使它们尽可能多地保留原始变量的信息，并且彼此之间不相关［14，15］。在实际应用中，主成分分析主要用于综合评价，除了解决变量间共线性和减少分析变量外，其更主要的优点是为综合指标提供了可供参考的变量权重。

2．4因子分析法

因子分析法与主成分分析一样也是从代表性的角度来筛选指标。因子分析是从多个实测的原变量中提取出较少数的、互不相关的、抽象的综合指标，即因子，每个原变量可用这些提取出的公共因子的线性组合表示。根据各个因子对原变量的影响大小，亦可将原变量划分为等同于因子数目的类数，由于因子数目小于或等于原变量数目，故因子分析既可以达到降低变量维数的目的，又可以对变量进行分类［16］。

2．5相关系数法

相关系数法是从代表性与独立性的角度挑选指标。计算任意两个指标间的相关系数并作假设检验，以与之相关的指标个数较多和较少者作为被选指标。因为前者有代表性，可以提供较多的信息;后者有独立性，为其它指标所不能代替。如果各指标服从正态分布或经变换后服从正态分布，可用Pearson的积矩相关系数r来进行分析，否则可以采用Spearman或Kendall的等级相关系数进行分析［12］。

2．6聚类分析法

聚类分析是研究“物以类聚”的一种方法，在国内有人将它称之为群分析、点群分析、簇分析等。聚类分析的目的就是把相似的东西分成类，其实质上就是寻找一种能够客观的反映元素间亲疏关系的统计量，然后根据这种统计量把元素分为若干类［17］。在聚类分析中，不同类型变量的处理方式不同。总的来讲，提供给计量资料的方法较多，而分类资料和等级资料的处理方法较少。根据实际需要，聚类分析有两种类型，一是对样品聚类(称为Q－型聚类)，一是对变量聚类(称为R-型聚类)。而系统聚类法作为聚类分析诸方法中使用最多的一种，主要用于小样本间的聚类及对变量进行聚类。从变量聚类方面来说，这即是从代表性的角度进行指标筛选，在指标体系构建中运用比较广泛。其基本思想是首先采用系统聚类法将指标聚为一定数目的类别，然后选择每一类中具有代表性的指标作为入选指标，选择每类中的相关系数平方的均数较大而类间的相关系数较小的代表性指标［12，18］。相关系数平方的均数表示为r2，其计算公式为:

2．7类成分法

指标的代表性是指所选指标能反映该类指标的绝大多数信息。指标的独立性是指选入的指标相互不能代替。根据该思想，赵光临、倪宗瓒［19］提出了一种新的代表性定量指标筛选方法－类成分法，将其运用于医院工作评价指标的筛选，并与传统指标筛选方法进行了比较，结果表明此法较为合理，筛选出来的指标既有类内指标的代表性又有类间指标的独立性。与传统方法不同，类成分法的计算是首先从专业上将指标按其属性分类，每一类各代表一个方面，从每一类中选出一个代表性指标，称为局部代表性指标。选出的指标各代表一个方面．而每一方面均有代表性指标入选，因此，该指标体系具有全面代表性。使用类成分法，能保证所选指标既包含了该类的最大信息，又与最邻近类成分之间的相关程度最小，从而使所选指标既具备类内指标的代表性又保证了类间的独立性。

2．8多元回归法

回归是研究变量与变量间关系的一种手段，通过回归方程表达变量与变量在数量上的共变关系。而建立指标体系的目的是用这些指标单个地和综合地解释和预测所研究事物所对应的现象，多元回归法是解决这个问题的一个重要思路和重要方法。多元回归法对解决指标间信息重迭问题的特殊意义在于，它可独立地解析出各个指标对事物的影响力和作用．在各个指标相互控制的条件下，观察它们各自相对独立的效果［20］。多元回归方程法就是根据每个指标相对贡献或者解释效力的大小来进行变量的筛选［21］。指标筛选的方法较多，上述是一些常用的指标筛选方法，包括主观和客观两大方面。各种方法各有其优缺点，在实际运用中，可以根据研究内容、目的、资料收集情况选择适合的方法，可以选择其中的一种，也可以把几种方法结合起来进行分析，这些方法可以同时分别进行，也可以纵向先后进行，根据研究的具体情况来确定。