门诊量预测中对时间序列预测模型的应用分析

摘要：目的分析门诊量预测中对时间序列预测模型的应用。方法对我院门诊从2009~2011年就诊的月门诊量数据，建立时间序列的预测模型,并用该时间序列模型进行预测比对。结果该时间序列预测模型中，对于下1年前6个月内医院的的门诊量很接近实际的门诊量,其之间误差较小，时间序列预测模型中预测的我院2012年门诊量为328520人次。结论在医院统计工作中，运用时间序列预测模型，不仅对统计医院门诊量方面有很好的预测效果,而且也能够提高医院的管理水平，为医院管理提供可行的预案以及有效的决策依据。

关键词：时间序列预测模型；门诊量；预测近年来，对于医院门诊量进行科学的预测，准确地分析医院的门诊量的动态，对医院在工作计划制定以及统筹安排医护人员方面，可以提高决定性的决策依据,对提高门诊工作效率、减少患者候诊时间有重要意义[1]。以下本篇就对我院门诊在2009~2011年收治的月门诊量数据进行分析, 探讨在门诊量预测中对时间序列预测模型的应用，具体报告如下。

1资料与方法

1.1一般资料我院门诊在2009年到2011年就诊的月门诊量数据，见表1。

1.2方法医院在门诊管理中门诊量作为重要的指标,预测门诊量对医院的门诊资源部署起到重要的作用[2]。然而，在医院门诊量会随着季节变动而产生一定的转变，因此以下在门诊量的预测中，还应该考虑季节时间的因素，以提高门诊量预测的准确性。以下是具体的方法：

预测模型：Yt=f(Tt,St,Ct,It)，首先就是建立以时间为主的序列预测模型：其中Yt表示在相对时间点t中的门诊人次数,利用Tt来表示长期的趋势,St作为季节指数,Ct作为周期循环指数,It用来表示误差项。在本研究中用乘积模型进行预测：Yt=Tt×St×Ct×It

长期趋势[3]：对于医院的门诊量，会在较长的时间内存在上升以及下降的趋势,这种长期发展趋势可为直线，也可以为曲线,通过对门诊量数据、时间(t)施行拟合，便会得到长期趋势模型：Tt=f(t)。

季节指数：门诊量受会季节变动形成长度、幅度固定的波动周期。本次研究中对于季节波动长度多为12个月,对于季节指数的计算，首先采用移动平均法算出月平均门诊量，之后用二次移动平均算出居中月的平均门诊量，在采用实际月门诊量除居中月平均门诊量，最后就可以得出出月门诊量指数。

周期循环指数[4]：由于门诊量还会受其它因素影响，因此会形成有明显周期特征的波动，对于周期循环指数计算公式为:C=TC。

误差项：由于在对门诊量预测的时间序列模型中，会因为受偶然因素的影响，因此而形成一种随机的波动。

2结果

门诊量长期趋势估计结果为：(R2=0.50,P=0.0001)；门诊量长期趋势方程为：Tt=19111.04+236.603*t。门诊量预测值结果如下表2中所示：

解释：先用原数据跟t的一次，二次，三次分别回归，得到预测值后，发现用t的一次进行拟合是比较适合的，这样得到T值，然后用原始数据得到季节指数（即12个月的指数）S，然后计算周期指数C=Y/T/C.。对于预测，T就用回归方程进行预测，S不变，C用简单移动平均法预测，然后计算出Y_pre=T_pre*S*C_pre。

在门诊量预测中，其实际门诊量与总体预测值结果比较，其预测误差较小，在医院门诊统计中有实际应用价值。

3讨论

在医院中，门诊量作为衡量门诊医疗工作质量的重要指标，不仅可以,反映出一个医院的规模以及医疗水平，而且还有助于提高医院的管理水平以及工作效率[5]，以便医院管理者根据门诊量变化合理配置人力、物力资源,从而更加有效的促进医院门诊量提高。

由上可知，运用时间序列预测模型，可以有效统计出医院的门诊量，其结果的准确度极高，与实际的误差率较小，值得在实际中推广应用。

参考文献：

[1]周忠彬，吕红梅，邹郢.ARIMA干预模型在医院门诊量预测中的应用[J].中国医院统计，2012，07(18)：41-42.

[2]任月红，赵晓娟，张雅琼.门诊诊疗人次季节变化动态分析[J].中国病案，2011，14(12)：76-77.

[3]袁瑞良，王玉贵，邓琼.某儿童医院门诊量变动特征及对策[J].医院管理杂志，2010，21(14)：56-57.

[4]刘雅，田玉兔，于晓荣.时间序列预测模型在门诊量预测中的应用[J].中国病案，2013，06(34)：45-46.

[5] 姚水娟.门诊工作量季节变化的简析[J].中国农村卫生事业管理，2012，24(08)：31-32.