根據國家衛生健康委數據統計，2019年1～11月，全國公立醫院出院人數達15308.6萬人，同比上升4.3%。醫院服務量不斷上升，加之對于提高優質醫療服務能力的需求，促使醫院加強門診和住院服務力量統籌，合理分配優質醫療資源滿足老百姓看病需求。國家衛生健康委在《進一步改善醫療服務行動計劃》中提出要縮短住院患者等候時間，讓患者享受更便捷的診療服務。但有研究發現，等候時間長仍是降低患者滿意度的主要因素之一。本文旨在以我院外科病房為例，探索住院患者等待時間情況及等待入院天數影響因素，為進一步提高醫院服務質量提供參考。

1 對象與方法

1.1 研究對象

2016年起我院住院通知單試行上線。從我院數據中心抽取開具住院通知單并在該病房住院的患者5919人次。我院自2015年以集成平臺為信息協同手段，建立基于Hadoop構架大數據技術的全量實時數據中心，結合Spark Steaming等高性能計算框架和Sqoop ELT等大數據工具，整合臨床數據，集中存儲統一管理，數據量已超過22.79億，累計海量數據14.8TB。通過數據清洗和歸檔，將患者院前、院中和院后數據進行串聯，通過數據治理，優化數據質量。從數據中心抽取本研究患者資料，包括年齡、性別、患者來源、婚姻狀況、住院次數、門診診斷、住院類別、入院目的、入院途徑、醫生類型、開住院通知單時間、入院時間。通過醫院數據查詢審批后獲得數據，數據僅供本研究使用。

1.2 研究方法

本研究為回顧性研究。患者數據均已去隱私，以患者編號作為患者唯一標識。數據原始來源為門診醫生站和住院電子病歷，數據中心從住院電子病歷病案首頁抽取年齡、性別、患者來源、婚姻狀況、住院次數、門診診斷、住院類別、入院目的、入院途徑和入院時間，從HIS抽取開住院通知單時間，所有變量在業務流程中均為重要必填項或參考項，保證了數據的真實性和完整性。對抽取后的數據與原始數據進行二次核對，保證數據的一致性。醫生類別根據臨床醫師組進行劃分。

1.3 統計學分析

用SPSS 26.0進行數據統計分析。兩兩比較分析采用非參數檢驗。采用多元線性回歸對住院患者等候時間及其影響因素進行分析。檢驗水準α=0.05。住院等候時間以患者入院時間和患者開住院通知單時間的差計算。

2 結果

2.1 基本情況

患者男性3364人次，女性2555人次，分別占56.83%和43.17%。患者平均年齡37.67歲，年齡最大的患者89歲，年齡最小的患者1歲，21～40歲患者所占比例最高（37.17%），共2200人次。未婚患者2014人次，占34.24%，已婚患者3785人次，占63.95%。除西藏自治區、寧夏回族自治區、香港、澳門和臺灣外，其余各省均有患者分布。本市患者2844人次，占48%；非本市患者3075人次，占52%。

患者等候入院時間平均數為18.98天，中位數8.89天（P??=3.67，P??=21.93）。手術患者5730人次，占96.81%。入院時情況一般患者5795人次，急者50人次，危者2人次，分別占99.11%、0.86%和0.03%。門診入院患者5589人次、急診入院患者250人次，分別占94.42%和4.22%。

2.2 住院患者等候時間單因素分析

不同性別患者等候入院時間差異無統計學意義。相較其他年齡段患者，21～40歲患者等候時間[10.93(3.99，26.67)]更長，80歲以上患者等候時間[0.06(0.02，5.25)]更短，差異有統計學意義(χ2=115.59，P＜0.05)。入院時病情急[0.03(0.01，0.38)]、危[0.025(0.02，0.03)]者等候時間很短。入院目的為手術者等候時間[9.01(3.89，22.86)]較入院目的為觀察[0.03(0.01，1.54)]和治療[0.03(0.01,0.70)]者等候時間更長，差異有統計學意義(χ2=283.51，P＜0.001)。門診診斷個數為2的患者等候時間最長，此后診斷個數越多等待時間越短。相較于副高職稱醫生[10.36(4.70，20.95)]和帶組醫生[10.14(4.90，25.71)]，主治醫生的患者等候入院時間[5.70(0.07，14.76)]更短，差異有統計學意義(χ2=137.43，P＜0.001)。詳見表1。

表1 住院患者等候時間單因素分析 

2.3 影響因素分析

以住院患者等候時間作為因變量，根據單因素分析的結果，結合文獻綜述發現的可能和住院患者等候時間有關的影響因素，被篩選進入模型的變量為：患者來源、住院次數、門診診斷個數、住院類別、入院目的、入院途徑、醫生類型。

引入變量后，患者來源、住院次數、門診診斷個數、住院類別、入院途徑和醫生類別會對住院患者等待時間產生影響。本模型常數項回歸系數為32.07。本市患者比非本市患者等待時間多2.09天，住院次數每增加1，等待時間增加0.3天；相較其他住院類別，住院類別為急和危的患者等待入院時間分別減少14.49天和9.11天。入院途徑間比較，門診、急診和其他途徑入院患者等待時間分別減少14.27天、17.35天、24.23天。醫生類別間比較，相較于其他類型醫生，主治醫生的患者等待時間更短。詳見表2。

表2  住院患者等待時間的多元線性回歸結果

3 討論

3.1 等候入院時間差異大，本地患者等待時間長，主治醫生的患者等待時間短

等候時間差異大，主要原因是患者病情差異大，病情危急患者等待時間較短，需較長時間占據床位的非手術患者，等候時間較長。外地來京患者旅途奔波、經濟負擔高，除醫療費外還有交通費、護工費、陪護親屬住宿費和誤工費等支出。為提高外地患者就醫的便捷性，在病情一般的情況下，外地患者等待時間通常短于本地患者。但這也會造成本地患者的流失。主治醫生患者相較于副高職稱醫生和帶組醫生的患者，等候時間更短，經與臨床醫生訪談，得知患者住院前會多次專家門診就診以決定最終治療方案，雖然開具住院通知單但患者仍未決定是否住院，導致開住院通知單到患者實際入院的時間較長；但通常找主治醫生開具住院通知單時患者已決定住院，因而主治醫生等待時間更短。

3.2 通過信息系統實現手術患者預住院管理

預住院模式是針對需要住院治療的且病情相對穩定的患者在沒有空床不能立刻收治的情況下，完成正式住院診治所需要的相關檢驗檢查，患者在完成必要檢查和處置后，根據床位情況安排正式入院。傳統醫療管理模式下，患者需在正式住院后才能接受檢驗檢查和會診評估，并且在正式住院后仍需排隊等候手術或治療安排，整個住院周期消耗時間較長。預住院模式可降低患者的術前住院日、減少患者流失率、提高床位利用率。在醫院建立預住院信息系統，實現患者就醫全流程追蹤，便于患者管理。醫生可在系統中總覽患者情況、合理統籌床位和入院時間。有研究表明信息需求與焦慮水平呈正相關，提供信息越充足患者焦慮程度越低，患者就醫體驗越好。在醫院信息建設中可增加提醒功能，通過短信提醒、電話隨訪等方式提示患者預住院進度、注意事項等，提升服務質量，提高就醫體驗，減少流失率。

3.3 加強管理，統籌患者安排

細化科室管理，優化績效考核，醫生明確待入院患者人數、病情、開住院通知單情況，合理安排患者入院。根據開住院單情況和待入院患者人數明確床位預留計劃，根據患者病情和患者來源綜合考慮患者預入院時間，優化醫療資源配置減少醫生間的等待入院時間差異。做好患者的溝通和交流工作，告知患者入院流程、注意事項，以保證溝通的流暢性和診療信息的及時傳遞。另外，科室可制定管理方案，增加人力輔助住院管理，全面統籌患者安排。績效考核是醫院管理的一個重要組成部分，做好績效考核對調動員工的積極性和主動性具有十分重要的作用；建立具有可操作性的績效考核體系，促使各個臨床醫技單元主動提升“戰斗力”和“持久力”。臨床科室可完善績效考核中關于患者滿意度的評價，綜合床位數、待入院患者數綜合制定績效考核指標，減少無效住院通知單數量，加強醫生對于提升待住院患者滿意度的意識。

3.4 通過大數據分析輔助住院管理

醫院信息化的建設積累了大量醫療數據，通過數據挖掘與綜合分析輔助醫院管理、完善醫療體系是發展的關鍵所在。目前對于住院等候時間的預測較少，但有研究者通過神經網絡等方法預測患者住院天數或術后住院天數，模型結果對于臨床診療有提示作用，可對患者管理起到輔助作用，提高工作效率。針對縮短患者等待時間的需求，可借鑒其他研究者的經驗，通過文獻學習結合臨床經驗，充分利用醫院數據資源，通過大數據分析預測患者等待入院時間，幫助醫生安排患者入院，也能給予患者提示，減少患者心理負擔。此外，也可通過數據模型規劃床位管理，將人工智能技術與臨床需求相結合，通過智能提醒輔助住院管理工作，提高工作效率。

2016年住院通知單逐步上線，因而2016年數據并不是全年所有患者數據，僅有開住院通知單患者數據。未按門診診斷分層進行影響因素分析。門診診斷需要臨床專業知識判斷，且患者會有多個門診診斷，無法判斷哪個是主診斷。后續會繼續收集數據擴大樣本量，并邀請臨床醫生參與門診診斷處理。在醫院信息化建設方面，通過信息系統實現手術患者預住院管理，利用大數據預測模型輔助臨床日常工作，加強管理，統籌患者安排，提升服務質量。