Skip to content
Назад к результатам поиска

Эффективность больниц по методу DEA

Автор метода
Abraham Charnes, William Cooper, Edward Rhodes
Год
1978
Тип
Non-parametric frontier estimation technique
Семейство
Efficiency measurement, Operations management

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Анализ данных методом оболочки (Data Envelopment Analysis, DEA) — это метод линейного программирования для измерения относительной эффективности множества больниц с использованием множества входов и выходов.

Разработанный Charnes, Cooper и Rhodes в 1978 году, DEA стал стандартным методом для бенчмаркинга эффективности работы больниц в системах здравоохранения по всему миру.

Интуиция метода

DEA работает путем выявления наиболее эффективных больниц (тех, что находятся на границе эффективности) и сравнения с ними остальных. Вместо предположения о заранее заданной производственной функции, DEA позволяет данным самим определять, что означает эффективность. Каждая больница рассматривается как единица принятия решений (decision-making unit, DMU), и метод конструирует виртуальный эталон из комбинаций больниц с наилучшими показателями. Больница считается на 100% эффективной, если ни одна комбинация других больниц не использует меньше входов для производства того же объема выходов.

История

DEA был разработан Charnes, Cooper и Rhodes в Техасском университете в 1978 году на основе концепции технической эффективности Farrell. Модель CCR (Charnes-Cooper-Rhodes) предполагает постоянную отдачу от масштаба. В 1984 году Banker, Charnes и Cooper представили модель BCC, допускающую переменную отдачу от масштаба, адаптировав DEA для небольших больниц и тех, что работают в разных масштабах. С 1990-х годов DEA широко применяется к системам здравоохранения в США, Европе и Азии.

Когда применять

Использовать DEA при сравнении эффективности множества больниц со сложными производственными процессами, включающими множество входов и выходов. Он особенно полезен, когда традиционные финансовые показатели не отражают всей сложности работы системы здравоохранения. DEA предполагает, что больницы со схожими характеристиками должны сравниваться со схожими аналогами, и что эффективность может быть измерена без заранее заданной функциональной формы. Избегать DEA, если размер выборки очень мал (менее чем в 3 раза превышает (количество входов + количество выходов)), если преобладают категориальные переменные или если однородность единиц не может быть гарантирована.

Ограничения и замечания

  • Результаты чувствительны к включению или исключению переменных; неправильный выбор переменных может исказить ранжирование
  • Не учитывает случайные колебания или ошибки измерения
  • Требует относительно большого размера выборки (обычно не менее чем в 10 раз больше суммы входов и выходов)
  • Предполагает однородность единиц; смешанные типы больниц могут привести к вводящим в заблуждение показателям эффективности

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Обрабатывает множество входов и выходов без необходимости предварительного задания весов
  • Непараметрический подход не предполагает определенной функциональной формы производственной функции
  • Выявляет конкретные больницы-аналоги и предоставляет действенные цели по улучшению
  • Более устойчив к выбросам по сравнению с методами, основанными на регрессии
  • Широко признан в контексте политики здравоохранения и улучшения качества

Применение

  • Сравнение эффективности в сетях больниц для выявления отстающих и лучших практик
  • Поддержка решений по распределению ресурсов путем выявления больниц, нуждающихся в дополнительном финансировании или реструктуризации
  • Бенчмаркинг учебных больниц по сравнению с общественными больницами для учета различий в миссии и сложности пациентов
  • Оценка влияния слияний и консолидации на эффективность больниц путем сравнения показателей DEA до и после слияния
  • Измерение эффективности инициатив по улучшению качества путем отслеживания изменений эффективности с течением времени

Как это работает

Как это работает

1

Собрать данные по входам и выходам для всех больниц. Типичные входы включают количество персонала, количество коек, операционные расходы и оборудование. Выходы включают количество выписанных пациентов, койко-дни, амбулаторные посещения и количество обслуженных случаев в отделениях неотложной помощи.

2

Очистить данные, удалить выбросы, проверить согласованность, стандартизировать единицы измерения и убедиться, что все переменные находятся в соответствующих масштабах. Подтвердить отсутствие отрицательных значений и согласованность классификаций больниц.

3

Определить референтный набор (эффективные больницы) и при необходимости сгруппировать больницы по типу (например, первичная медико-санитарная помощь, учебные больницы) для обеспечения справедливых сравнений.

4

Сформулировать и решить задачи линейного программирования для каждой больницы, либо в ориентации CCR (constant returns to scale — постоянная отдача от масштаба), либо BCC (variable returns to scale — переменная отдача от масштаба), рассчитав показатели эффективности от 0 до 1.

5

Интерпретировать результаты, определить аналоги (эталонные больницы), проанализировать источники неэффективности, разработать цели по улучшению и довести выводы до руководства больницы.

Частые ошибки

  • Выбор слишком большого количества входов или выходов завышает показатели эффективности (проклятие размерности)
  • Неправильная интерпретация показателей эффективности как абсолютных мер качества, а не как относительного сравнения с аналогами
  • Неспособность учесть внешние факторы (сложность случая пациента, географическое положение, ограничения политики), влияющие на входы и выходы

Часто задаваемые вопросы

В чем разница между моделями CCR и BCC?

Модель CCR предполагает постоянную отдачу от масштаба (удвоение входов приводит к удвоению выходов), в то время как модель BCC допускает переменную отдачу от масштаба и более подходит для больниц разных размеров. Используйте BCC при сравнении больниц, работающих в существенно разных масштабах.

Сколько переменных следует включить в мой анализ?

Практическое правило — иметь не менее 10–20 наблюдений на каждую комбинацию входов-выходов. Слишком много переменных завышают показатели эффективности; слишком мало может упустить важные аспекты производительности. Начните с основных показателей и проверяйте результаты с помощью анализа чувствительности.

Может ли DEA учитывать различия в структуре случаев пациентов?

Сам по себе DEA напрямую не корректирует структуру случаев, но вы можете включить взвешенные по структуре случаев выходы (например, количество выписанных пациентов с учетом риска) или стратифицировать больницы по типу, чтобы обеспечить справедливое сравнение схожих учреждений.

Что означает показатель эффективности 0,85?

Показатель эффективности 0,85 означает, что больница использует на 15% больше входов, чем необходимо, для производства текущего объема выходов, по сравнению с наиболее эффективными аналогами. Она потенциально может сократить входы на 15%, сохраняя тот же уровень выходов.

Как определить, какие больницы являются эталонными?

DEA автоматически определяет референтный набор или группу аналогов для каждой неэффективной больницы. Это эффективные больницы (находящиеся на границе), чья комбинация входов и выходов наиболее близка к неэффективной больнице.

Похожие методы

Источники

  1. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444.

    Открыть ссылку DOI
    Скопировано.
  2. Bannick, R. R., & Ozcan, Y. A. (2008). Efficiency evaluation of long-term care facilities. Health Care Management Science, 11(2), 81–91.

    Открыть ссылку на публикацию
    Скопировано.
  3. Ozcan, Y. A. (2014). Health Care Management: A Quantitative Approach (4th ed.). John Wiley & Sons.

    Открыть ссылку на публикацию
    Скопировано.