一种改进D-S算法的医疗机构服务质量测度方法

技术领域

本发明涉及改进D-S算法的医疗机构服务质量测度方法，属于医疗卫生领域。

技术背景

我国医疗卫生服务体系不断健全，基本形成了覆盖城乡的医疗卫生公共服务体系。据国家卫健委相关数据显示，截至2019年底，全国医疗卫生机构(以下简称医疗机构)总数达1007545个，其中医院34354个，基层医疗卫生机构954390个，专业公共卫生机构15924个，医疗服务可及性明显改善。如何科学合理的评估医疗卫生服务体系，发现医疗卫生机构存在的问题和矛盾，从根本上提升医疗服务水平是医疗机构迫切需要解决的问题

信息不对称环境下的医疗机构服务质量测度方法主要包括模糊粗糙集 (FuzzyRough Sets，FRS)理论、层次分析法(Analytic Hierarchy Process，AHP)、熵值法(EntropyMethod，EM)、灰色关联分析法(Grey Relational Analysis,GRA) 和D-S证据理论等。其中D-S证据理论是1967年Dempster在结合多值映射导出的上、下限概率等概念的基础上所提出，是一种处理不精确、不完全信息的有效方法，能将大量繁杂的不确定信息转化为确定性的决策结果。经过不断的推广完善，D-S证据理论被广泛地应用于多属性决策、安全检测、绩效评价、信息融合以及军事领域的目标检测、识别、跟踪、态势评估和决策分析等。

目前，D-S证据理论在进行信息融合时会由于冲突系数k不能准确的表示证据间的冲突程度，合成结果可能得到反直观的结果。针对Dempster合成规则中存在的问题，一些学者基于Pignistic概率距离、证据不确定度、证据相关系数以及证据相似性等证据冲突度量方法对D-S证据理论进行改进，有效解决了完全冲突和完全一致证据的融合问题，但无法准确度量多个证据体高度冲突问题。如何有效解决证据高度冲突情况下，D-S证据理论无法融合的问题，成为D-S证据理论能够正确进行医疗机构服务质量测度的关键。

发明内容

本发明为了解决在信息不对称环境下医疗机构服务质量无法准确测度的问题，提出了基于改进D-S算法的医疗机构服务质量测度方法。

本发明采用如下步骤予以实现：

步骤M1：构建医疗机构服务质量评价指标体系

查阅相关文献和各地区卫生统计年鉴，考虑医疗服务可及性、服务性价比、治疗效果、患者特征、医疗资源配置、医疗机构基础质量等因素，以美国学者 Avedis Donabedian提出的质量评价层次理论，从医疗机构基础服务质量、医疗服务过程质量、医疗终末质量三个维度构建医疗机构服务质量评价指标体系。

步骤M2：指标筛选

根据步骤M1建立医疗机构服务质量评价指标，由于影响医疗机构服务质量的因素较多，存在对评价结果影响较小或含有相同信息的指标，需要对指标体系进行约简。粗糙集理论通过对数据的分析和推理提取潜在的规律，同时保证在对象分类能力不变的基础上剔除重复的属性，实现对属性的约简。但经典粗糙集属性约简只适用于离散属性，而评价医疗机构服务质量的指标值可以量化为实数，故采用模糊粗糙集方法，将实值属性转化为模糊属性，用模糊相似关系代替经典粗糙集中的等价关系，利用变精度粗糙近似集来进行属性约简。

步骤M3：确定指标权重

利用AHP法确定评价指标的主观权重ω

步骤M4：构建指标的mass函数

设有识别框架Θ'＝{x

步骤M401：构造决策矩阵。构建决策矩阵v＝(v

步骤M402：计算灰色关联系数。设X

r

其中

步骤M403：计算信息的不确定度。由所有点的灰色关联系数r

指标c

步骤M404：构造基本信任分配函数。指标c

步骤M5：医疗机构服务质量测度的证据组合算法

根据收集的相关指标数据和组合权重，建立指标的基本信任分配函数，即 mass函数。然后利用改进D-S算法对各指标的mass函数进行合成，得到各地区的医疗机构服务质量测度结果。

本发明采用上述步骤，与现有方法相比具有如下优点：

(1)通过FRS对数据进行分析和推理，提取出潜在的规律，去除对医疗机构服务质量评价结果影响较小或含有相同信息的指标，保留了对评价结果有重要影响的指标，减少了计算的复杂度。

(2)运用AHP和EM确定指标的主、客观权重，并运用了改进的D-S算法合成指标的主、客观权重，得到指标的组合权重。这样既体现了专家的意见，也体现了样本数据的重要性，保证了指标权重的可靠性与准确性。

(3)利用GRA计算指标的不确定度，将指标的权重和具体数值相结合来构造指标的mass函数，这样避免专家人为确定基本信任分配函数的主观性，保证了最后合成结果的可靠性与准确性。

(4)鉴于医疗服务信息不对称的本质特征，构建基于改进的D-S算法的医疗机构服务质量测度方法，降低了信息不对称对医疗机构服务质量评价结果的影响，提高评价结果的准确性。

附图说明

图1是多源医疗服务信息融合流程图；

图2是证据数据流向图。

具体实施方式

下面参照附图1和图2，以江苏省13个地级市医疗机构为例，说明基于改进D-S算法的医疗机构服务质量测度方法的具体实施步骤：

步骤M1：构建医疗机构服务质量评价指标体系

在遵循系统性、实用性、可行性和可比性的指标体系构建原则基础上，以美国学者Avedis Donabedian提出的质量评价层次理论，从医疗机构基础服务质量、医疗服务过程质量和医疗终末质量三个维度构建医疗机构服务质量评价指标体系，如表1所示。

表1医疗机构服务质量评价指标

步骤M2：基于FRS的指标筛选

根据步骤M1建立的医疗机构服务质量评价指标体系，收集相关数据，利用 FRS对指标进行筛选，步骤如下：

步骤M201：设U＝{x

步骤M202：计算模糊相似类。评价对象x

其中1-χ为对象x

步骤M203：计算变精度γ下近似集。将包含所有指标的分类记作X，删除某些指标后的分类记作D，给定阈值0.5＜γ≤1，一般取γ＝0.9，则X的变精度粗糙集下近似集为R

步骤M204：计算近似分类质量。近似分类质量表示为

步骤M3：改进D-S算法综合确权

以江苏13个地级市医疗机构为例，利用FRS方法对医疗机构服务质量评价指标进行筛选，从30个评价指标中筛选出13个指标，运用AHP法和EM求解13个指标的主、客观权重，AHP法确定的主观权重记为ω

表2医疗机构服务质量评价指标及相关权重

步骤M4：构造mass函数

对筛选后的13个评价指标数据进行归一化处理，得到归一化决策矩阵Y。根据归一化决策矩阵和指标的组合权重信息，利用步骤M401～步骤M404，计算得出各评价指标不确定度，进而得到各地区医疗机构服务质量的mass函数矩阵 M。

步骤M5：医疗机构服务质量测度的证据组合算法

利用步骤S1～步骤S5分别合成各地区的mass函数，得到各地区医疗机构服务质量评价结果，见表3。

表3江苏省各地区医疗机构服务质量评价结果

可见本发明能够有效测度各地区的医疗机构服务质量，同时合成后的确定化信息为97％。