[发明专利]一种改进D-S算法的医疗机构服务质量测度方法

说明书

本发明公开了一种改进D‑S算法的医疗机构服务质量测度方法，包括对收集的评价指标进行预处理，得到评价医疗机构服务质量的关键指标；利用层次分析法、熵值法确定指标的主、客观权重，运用改进的D‑S算法合成指标的主、客观权重得到指标组合权重；将灰色关联分析法与改进D‑S算法相结合，构建信息不对称环境下的医疗机构服务质量测度模型，结合证据理论模型对评价结果进行排序。本发明基于改进D‑S算法和灰色关联分析法对医疗机构服务质量进行测度，有助于对各地区的医疗机构服务质量进行评价，帮助各地区及时发现影响医疗机构服务质量的瓶颈，针对薄弱环节，采取有效措施，提高医疗服务水平。

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