كفاءة المستشفيات بتحليل مغلف البيانات
- قدّمه
- Abraham Charnes, William Cooper, Edward Rhodes
- السنة
- 1978
- النوع
- Non-parametric frontier estimation technique
- العائلة
- Efficiency measurement, Operations management
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
تحليل مغلف البيانات (DEA) هو أسلوب برمجة خطية لقياس الكفاءة النسبية للعديد من المستشفيات باستخدام مدخلات ومخرجات متعددة. قدمه تشارنز وكوبر ورودس في عام 1978، وأصبح تحليل مغلف البيانات الطريقة المعيارية لقياس أداء المستشفيات في أنظمة الرعاية الصحية في جميع أنحاء العالم.
الفكرة الحدسية وراء الطريقة
يعمل تحليل مغلف البيانات عن طريق تحديد المستشفيات الأكثر كفاءة (تلك التي تقع على حدود الكفاءة) ومقارنة المستشفيات الأخرى بها. بدلاً من افتراض دالة إنتاج محددة مسبقًا، يتيح تحليل مغلف البيانات للبيانات نفسها تحديد معنى الكفاءة. تُعامل كل مستشفى كوحدة اتخاذ قرار (DMU)، وتقوم الطريقة ببناء معيار افتراضي مكون من مجموعات من المستشفيات الأفضل أداءً. تكون المستشفى ذات كفاءة 100% إذا لم تستخدم أي مجموعة من المستشفيات الأخرى مدخلات أقل لإنتاج نفس المخرجات.
التاريخ
تم تطوير تحليل مغلف البيانات بواسطة تشارنز وكوبر ورودس في جامعة تكساس عام 1978، بناءً على مفهوم فاريل للكفاءة الفنية. يفترض نموذج CCR (تشارنز-كوبر-رودس) عائدات ثابتة على الحجم. في عام 1984، قدم بانكر وتشارنز وكوبر نموذج BCC الذي يسمح بعائدات متغيرة على الحجم، مما أدى إلى تكييف تحليل مغلف البيانات للمستشفيات الأصغر وتلك التي تعمل على نطاقات مختلفة. منذ التسعينيات، تم تطبيق تحليل مغلف البيانات على نطاق واسع على أنظمة الرعاية الصحية في الولايات المتحدة وأوروبا وآسيا.
متى تُستخدم
استخدم تحليل مغلف البيانات عند مقارنة أداء مستشفيات متعددة ذات عمليات إنتاج معقدة تتضمن العديد من المدخلات والمخرجات. وهو مفيد بشكل خاص عندما لا تلتقط المقاييس المالية التقليدية التعقيد الكامل لعمليات الرعاية الصحية. يفترض تحليل مغلف البيانات أن المستشفيات ذات الخصائص المتشابهة يجب أن تُقارن بأقران متشابهين، وأن الكفاءة يمكن قياسها بدون شكل وظيفي محدد مسبقًا. تجنب تحليل مغلف البيانات إذا كان حجم العينة صغيرًا جدًا (أقل من 3 × (عدد المدخلات + المخرجات))، أو إذا كانت المتغيرات الفئوية هي السائدة، أو إذا تعذر ضمان تجانس الوحدات.
الحدود والاعتبارات
- النتائج حساسة لإدراج أو استبعاد المتغيرات؛ اختيار المتغيرات الخاطئ يمكن أن يشوه التصنيفات
- لا يأخذ في الاعتبار التباين العشوائي أو خطأ القياس
- يتطلب حجم عينة كبير نسبيًا (عادةً ما لا يقل عن 10 أضعاف مجموع المدخلات والمخرجات)
- يفترض التجانس عبر الوحدات؛ يمكن أن تؤدي أنواع المستشفيات المختلطة إلى درجات كفاءة مضللة
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يتعامل مع مدخلات ومخرجات متعددة دون الحاجة إلى أوزان محددة مسبقًا
- النهج غير البارامتري لا يفترض شكلاً وظيفيًا معينًا لدالة الإنتاج
- يحدد مستشفيات الأقران المحددة ويوفر أهداف تحسين قابلة للتنفيذ
- قوي تجاه القيم الشاذة مقارنة بالطرق القائمة على الانحدار
- مقبول على نطاق واسع في سياقات سياسة الرعاية الصحية وتحسين الجودة
التطبيقات
- مقارنة الكفاءة عبر شبكات المستشفيات لتحديد الأقل أداءً وأفضل الممارسات
- دعم قرارات تخصيص الموارد من خلال تحديد المستشفيات التي تتطلب تمويلًا إضافيًا أو إعادة هيكلة
- قياس أداء المستشفيات التعليمية مقابل مستشفيات المجتمع لمراعاة الاختلافات في المهمة وتعقيد المرضى
- تقييم تأثير الاندماج والتوحيد على كفاءة المستشفيات من خلال مقارنة درجات تحليل مغلف البيانات قبل وبعد الاندماج
- قياس فعالية مبادرات تحسين الجودة من خلال تتبع تغيرات الكفاءة بمرور الوقت
كيف يعمل
كيف يعمل
جمع بيانات المدخلات والمخرجات لجميع المستشفيات. تشمل المدخلات النموذجية عدد الموظفين، عدد الأسرة، تكاليف التشغيل، والمعدات. وتشمل المخرجات حالات الخروج للمرضى، أيام الإقامة في المستشفى، زيارات العيادات الخارجية، وحالات الطوارئ المعالجة.
تنظيف البيانات، إزالة القيم الشاذة، التحقق من الاتساق، توحيد الوحدات، والتأكد من أن جميع المتغيرات على المقاييس المناسبة. التأكد من عدم وجود قيم سلبية وأن تصنيفات المستشفيات متسقة.
تحديد المجموعة المرجعية (المستشفيات الفعالة) وتجميع المستشفيات حسب النوع إذا لزم الأمر (الرعاية الأولية، المستشفيات التعليمية، إلخ) لضمان مقارنات عادلة.
صياغة وحل مسائل البرمجة الخطية لكل مستشفى، إما في نموذج CCR (عائدات ثابتة على الحجم) أو BCC (عائدات متغيرة على الحجم)، وحساب درجات الكفاءة من 0 إلى 1.
تفسير النتائج، تحديد الأقران (المستشفيات المعيارية)، تحليل مصادر عدم الكفاءة، تطوير أهداف التحسين، وتوصيل النتائج لإدارة المستشفى.
الأخطاء الشائعة
- اختيار عدد كبير جدًا من المدخلات أو المخرجات يؤدي إلى تضخيم درجات الكفاءة (لعنة الأبعاد)
- تفسير درجات الكفاءة بشكل خاطئ كقياسات مطلقة للجودة بدلاً من مقارنة الأقران النسبية
- الفشل في مراعاة العوامل الخارجية (شدة مزيج حالات المرضى، الجغرافيا، قيود السياسة) التي تؤثر على المدخلات والمخرجات
الأسئلة الشائعة
ما الفرق بين نموذجي CCR و BCC؟
يفترض نموذج CCR عائدات ثابتة على الحجم (مضاعفة المدخلات تضاعف المخرجات)، بينما يسمح نموذج BCC بعائدات متغيرة على الحجم وهو أكثر ملاءمة للمستشفيات ذات الأحجام المختلفة. استخدم BCC عند مقارنة المستشفيات التي تعمل على نطاقات مختلفة بشكل كبير.
كم عدد المتغيرات التي يجب أن أدرجها في تحليلي؟
القاعدة العامة هي أن يكون لديك ما لا يقل عن 10 إلى 20 ملاحظة لكل تركيبة مدخلات ومخرجات. عدد كبير جدًا من المتغيرات يضخم درجات الكفاءة؛ وعدد قليل جدًا قد يفوت أبعادًا مهمة للأداء. ابدأ بالقياسات الأساسية وتحقق من صحة النتائج من خلال تحليل الحساسية.
هل يمكن لتحليل مغلف البيانات أن يأخذ في الاعتبار الاختلافات في مزيج حالات المرضى؟
لا يقوم تحليل مغلف البيانات نفسه بتعديل مزيج الحالات مباشرة، ولكن يمكنك دمج مخرجات مرجحة بمزيج الحالات (مثل حالات خروج المرضى المعدلة حسب المخاطر) أو تقسيم المستشفيات حسب النوع لضمان مقارنة عادلة للمؤسسات المتشابهة.
ماذا تعني درجة الكفاءة 0.85؟
درجة الكفاءة 0.85 تعني أن المستشفى يستخدم مدخلات أكثر بنسبة 15% مما هو ضروري لإنتاج مستواه الحالي من المخرجات مقارنة بأكثر الأقران كفاءة. يمكنه نظريًا تقليل المدخلات بنسبة 15% مع الحفاظ على نفس مستوى المخرجات.
كيف أحدد المستشفيات التي تعتبر معايير؟
يحدد تحليل مغلف البيانات تلقائيًا المجموعة المرجعية أو مجموعة الأقران لكل مستشفى غير فعال. هذه هي المستشفيات الفعالة (تلك التي تقع على الحدود) التي تشبه مجموعتها من المدخلات والمخرجات بشكل وثيق المستشفى غير الفعال.
طرق ذات صلة
المصادر
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444.
افتح مرجع DOIتم النسخ.Bannick, R. R., & Ozcan, Y. A. (2008). Efficiency evaluation of long-term care facilities. Health Care Management Science, 11(2), 81–91.
افتح مرجع المنشورتم النسخ.Ozcan, Y. A. (2014). Health Care Management: A Quantitative Approach (4th ed.). John Wiley & Sons.
افتح مرجع المنشورتم النسخ.