【精品】医疗制度改革探讨.doc

【精品】医疗制度改革探讨 卫生保健系统评估摘要作为社会保障体系中重要组成部分的卫生保健系统，对促进社会稳定起着至关重要的作用。 因此建立卫生保健系统的评估体系，评价医疗服务质量，对评估、预测、改善卫生保健系统功能具有重要意义。 以中国卫生统计年鉴为基础，建立了一套合理的卫生保健系统的评价指标体系，包括6个一级指标和14个二级指标，为后面的综合评估奠定了基础。 建立了熵值法模型，以确定评价指标体的熵值与权重，在MATLAB软件上实现求解，从而得到各国各年卫生保健系统的综合得分。 为了找出卫生保健系统评估的主要指标，采用系统聚类分析法，并在SPSS软件上实现，聚类得到了3个主要的一级评价指标。 使用这3个主要的一级指标，比较了近期（xx年）日本、印度和美国的卫生保健系统的综合得分，其中日本意被认为具有较好的卫生保健系统，而印度被认为具有较差的卫生保健系统。 建立了BP神经网络预测模型，改变现有系统指标权重，以测试种种变化，并在MATLAB软件上实现了BP神经网络的求解，并就所得到的结果对改善现有系统功能提出了建议。 基于所建立的模型，求解、分析得到了以下结果与结论1)在建立卫生保健系统的评价指标体系的基础上，熵值法得到的各国卫生保健系统的综合得分排名与官方（WHO）公布的排名大致相同。 2)利用三个主要的评价指标所得的评价结果和利用五个评价指标所得的评价结果非常一致。 说明建立的熵值法和系统聚类分析模型合理的解决了医疗保障体系的综合评价问题。 3）收集现有数据，采取纵向和横向的对比，衡量了为保健系统发生的历史变迁，主要与经济发展和社会政策相关。 4）使用三个主要的一级指标，比较了xx年日本、印度和美国的卫生保健系统，得出美国最好、日本次之、印度最次。 得出的结果与世界卫生组织公布的2000排名大致相同。 建立卫生保健系统评估体系是合理的。 5）所建立的BP神经网络预测模型，经过训练后的网络的响应与输入输出样本吻合得非常好，完成了输入输出样本的映射，也说明BP神经网络对于非线性函数的逼近能力相当好。 6）建立了3个主要的一级指标对应的7个二级指标评价指标权重提高20%后，BP原始神经网络输出响应与原始输入对比，得到了非常理想的结果。 虽然熵值法和系统聚类分析模型、BP神经网络模型合理的解决了医疗保障体系的综合评价及系统预测问题，但由于卫生保健系统庞大，收集到的数据不够充分，评估体系还存在一定的问题。 另外，熵值法模型在建立了动态绩效评价模型等问题中得到了广泛应用；而BP神经网络在聚类、预测、控制等方面得到广泛应用。 关键词卫生保健系统；医疗服务质量；熵值法；系统聚类法；BP神经网络目录 一、问题重述不同国家医疗系统的建设存在着很大差异。 通常人们关注的问题是哪个系统更好，以及现有的系统是否可以得到改善？在不同国家，这些系统在很多方面是不同的，例如它们是如何提供资助；是否通过公共，私人或非营利组织来提供服务；是否所有居民都享有公共保险；谁有资格寻求帮助；都有什么保健项目；最新的医疗措施是否可供使用，以及有多少是需要交纳费用的。 还有一些其他因素，在讨论和判定医疗服务质量时往往也需要考虑，包括补充护理的覆盖率（配镜，牙科，假肢，处方药等）；哪些疾病是影响公共健康的最关键因素；国民生产总值中用于医疗保健部分所占的百分比；医疗保健费用中用于劳动、行政、医疗事故保险部分所占的百分比；公共与私人医疗服务支出的比例，人均卫生保健支出；人均卫生保健支出的增长；参与医师人数；人均病假天数；根据年龄，种族，性别，社会经济阶层的良好保健等。 除了上述因素决定医疗服务质量外，还应分析与健康相关的其它因素的混合作用，例如个人锻炼，粮食供应，气候，公民就业和吸烟习惯等。 联合国辖下的世界卫生组织（WHO），是一个针对卫生因素统计资料的。 一年一度的世界卫生报告，评估全球健康因素和世界卫生统计报告提供了联合国各成员国的卫生统计数据。 建立和公布卫生统计报告是WHO的一项重要功能。 对很多人来说，这些数据以及相关的分析被认为是针对整个世界的公正且十分有价值的信息。 此外，还有许多其他可靠的卫生统计数据可用。 请完成下述几个部分的要求第一部分描述几个不同的度量，它们可以用来有效评估一个国家的卫生保健体系，诸如居民的平均预期寿命。 你会使用什么尺度来比较现有的和潜在的系统？试着将多种衡量标准有机结合，使它们在能更好地衡量医疗系统的服务质量？第二部分筛选当前的数据提供的原始数据，这些数据需要用在计算第一部分提到的度量标准。 你可能需要基于这些可用的数据来修改你的度量标准列表.解释为什么你选择这些数据并显示它们如何能够?被用来评估和比较存在于不同的国家的相对有效的医疗保健系统。 第三部分至少选择三个最重要的、可行的度量来比较卫生保健系统.说明为什么这些度量是最有效的。 可以采取上述的任何一个措施来衡量现有的卫生保健系统上发生的历史变迁吗？将它们结合起来可以衡量吗？数据容易收集吗？第四部分使用你的3个（或更多）的标准，来比较美国与另外一个国家的卫生保健系统，该国家被认为是具有较好的卫生保健系统，用最近一年内你能找到的数据。 哪个国家有更好的卫生保健系统？你的回答确切吗？第五部分用你的度量，来比较美国与另外一个国家的卫生保健系统，该国家被认为是具有较差的卫生保健系统，用最近一年内你能找到的数据.哪个国家有更好的卫生保健系统？第六部分选一个国家（美国或其他）的卫生保健系统，根据你的衡量方法来改善现有的系统并作出调整。 建立预测模型，以测试种种变化，以确定是否改变将提高综合质量。 提出能够改善现有系统的建议。 二、问题分析2.1卫生保健系统评估体系模型卫生保健系统的评价指标体系是一个错综复杂的系统，应能够反应出卫生统计的一系列特定功能，并为论证、评价、控制和优化卫生工作提供依据。 根据世界卫生组织（WHO），卫生保健系统所要达到的目标是良好的健康、对公民期望的响应和公平的费用分摊。 再根据相关资料，我们卫生保健系统功能主要定义为改善公民健康状况，提高人均寿命；?让享受卫生保健系统服务的人员满意；?实现医疗费用的分摊。 而某个卫生保健系统的好坏就取决于这个体系以多大的程度了实现了上述的卫生保健系统的主要功能。 本题前半部分属于评价性问题，其主要意图是从总体或不同的角度评价卫生保健系统。 那么解决问题的核心思想即为通过数据信息的查找和筛选，建立描述卫生保健系统的评价指标模型，再选取能够描述该体系的度量，从不同角度或是不同国家对卫生保健系统进行评价。 再利用相关数据，得出对某个国家或一系列国家的卫生保健系统的总体绩效评价，并与现有数据做对比，再修改度量标准列表，从而建立更为准确的卫生保健系统的评估体系。 在此基础上，从纵向和横向的角度评价某个国家或对比不同国家对卫生保健系统。 根据中国卫生统计年鉴，同时参考卫生保健系统的功能，系统可分为三部分体系效率、体系服务质量和体系表征结果。 医疗卫生体系的质量取决于上述三部分。 而每一部分对应着一系列一级指标，而每个一级指标对应着一系列二级指标，从而形成了一个卫生保健系统评估指标体系。 由此，可以通过建立基于熵值法发的卫生保健系统评价模型，对医疗服务质量进行分析，不仅计算量小，还克服量化结果与定性分析结果不符的情况。 本文建立的模型从被评价对象的各个指标中选取最优值作为评价的标准，并应用熵值法计算各指标的权重，能克服信息的不完全性和不确定性，较好地排除数据的“灰色”成分，评价结果更加全面、客观、符合实际。 而系统聚类分析能够选出一些最重要、可行的度量标准来评价或比较卫生保健系统。 卫生保健体系是向人们提供健康服务的资源、组织、筹资和管理结合体的总和，范围很广泛。 决定一个国家卫生体制类型的主要因素是政治、经济、社会、文化等结构性因素，而且常常是政治、经济、社会、文化因素相互交织、相互影响，共同决定体系的类型。 按照雷默的分类标准，世界各国医疗卫生服务体系可以划分为企业型、福利取向型、综合性、社会主义型四大类1。 企业型:以美国为代表；福利取向型以德国、法国、日本、加拿大、澳大利亚为代表；综合性:以挪威、英国、新西兰、瑞典、意大利、西班牙为代表；社会主义型:以前苏联、波兰、捷克斯洛伐克等为代表。 为了使评价体系的适用性更强，能够反映不同国家之间差异，我们选取了处于不同经济发展水平及几种具有典型的医疗保障制度模式的9个国家作为样本?国家，这9个国家为日本、德国、美国、韩国、意大利、英国、新加坡、南非、印度。 2.2国家间卫生保健系统的比较国家间卫生保健系统的比较，即是各国卫生保健系统运转效能的比较。 在建立了体系模型之后，代入上一步骤统计的代表国家相关数据，计算综合得分。 再通过度量与体系的计算模型，综合计算各个国家体系的运转效能，并与其他国家作对比。 指标，比较近期（xx年）日本、印度和美国的卫生保健系统的综合得分，其中日本意被认为具有较好的卫生保健系统，而印度被认为具有较差的卫生保健系统。 并说明可以采取上述的措施来衡量现有的卫生保健系统上发生的历史变迁，并分析这种变迁的原因。 2.3预测模型与现有体系的改善及优化BP神经网络采用非线性传递函数，相对线性网络具有更强的拟合能力，因此可以对熵值法求解卫生保健系统评估系统进行很好的逼近。 根据系统聚类分析，得到的重要卫生评价指标。 选择美国卫生保健系统，采用BP神经网络预测模型，训练测试各种变化。 三、模型假设1）在国家的卫生保健系统中，由以上6个核心度量（指标）来决定它的总体评价；它们各自独立，相互之间没有影响。 2）不考虑战乱、瘟疫等非人力可抗拒因素对评价的波动影响。 3）模型中的6个因素的权重短期内是固定，也不会因评估不同国家卫生系统而发生波动。 4）WHO提供的信息数据真实并且可以体现各国家现在的医疗卫生状况。 5）医疗体系只与我们选择的度量有关。 6）是否能够获得较好的治疗并且治愈的程度与个人的经济与健康状况有关。 7）卫生保健体系与经济状况紧密联系。 四、符号说明文中所用的符号及其意义如表所示。 表符号说明符号意义备注A原始指标数据矩阵()ij m nAa=R标准化处理数据矩阵()ij mnrR=ih第i个指标的熵ijf第j项指标在第i个评价对象中占的比重1ijijnijjrfr=jw第j个指标的权11ijmjihwmh=?=?is国家的综合得分1()miijijjsfw=pX pTpY E神经网络输入值神经网络输入值网络对应输出端的实际输出值总误差 五、模型建立5.1卫生保健系统评估体系的建立5.1.1评价指标确定由问题分析中所述，参考医疗卫生体系的功能，我们将体系分为三部分社会投入、系统服务质量和系统表征结果。 根据可比性和概括性的原则，我们将卫生保健系统的总体绩效评价标准分成6个一级指标及14个二级指标如表2所示。 评价一国卫生保健系统如何，主要有涉及6个核心指标，分别是健康状况、卫生覆盖率、环境危险因素、卫生资源、卫生经费。 这些指标具有较好的代表性，相互之间没有交叉影响。 对部分二级指标的解释如下1）卫生总费用所占GDP的比例，是指一个国家总的卫生保健支出（包括了个人现金支出、政府支出、社会等保险公司支出）与同一时期GDP的比例。 该指标被认为是了解一国卫生状况和问题的最有效途径之一2。 表2卫生保健系统评估体系评价指标系统体系组成一级指标二级指标卫生保健系统社会投入卫生资源每万人拥有的护士和助产士每万人拥有的医院床位卫生总费用所占GDP的比例政府卫生支出占政府总支出比例社会医保占政府卫生支出比例人均卫生费用熟练卫生人员接生比例每万人拥有的医师与口腔医师安全饮用水普及率卫生厕所普及率期望寿命死亡率60岁以上人口城镇人口比例卫生经费体统服务质量卫生服务覆盖危险因素系统表征结果健康状况人口与社会经济2）期望寿命，是指出生时预期未来寿命，是衡量一个社会的经济发展水平及医疗卫生服务水平的指标。 由现有年龄死亡率和生命表中的人口年龄构成计算的，不受现存人口年龄构成的影响。 3）卫生质量，主要由4个因素确定，分别是卫生服务管理、公共卫生信息报告机制、卫生保健筹资额、服务提供程度。 以婴儿的存活率来反映国家总体卫生质量的原因，一是各国跨时期的有关婴儿死亡率的数据获得途径较多而且具有权威性，二是婴儿自身生命力最脆弱，其存活率也能够代表所在国家的总体卫生质量。 4）卫生服务覆盖率，我们主要以“每万人拥有的医师与口腔医师”、“熟练卫生人员接生比例”2组数据综合处理得到卫生服务覆盖率。 5.1.2指标权重的设定熵值法熵权法原理是把评价中各个待评价单元的信息进行量化与综合后的方法；采用熵权法对各因子赋权，可以简化评价过程。 因此，本文采用熵值法对指标的权值进行确定。 熵是系统无序程度的度量，可以用于度量已知数据所包含的有效信息量和确定权重，在评价模型中得到了广泛的应用。 在卫生保健系统的模糊评价中，通过对“熵”的计算确定权重，就是根据各项卫生保健系统服务质量指标值的差异程度，确定各指标的权重。 当各评价对象的某项指标值相差较大时，熵值较小，说明该指标提供的有效信息量较大，其权重也应较大；反之，若某项指标值相差较小，熵值较大，说明该指标提供的信息量较小，其权重也应较小。 当各被评价对象的某项指标值完全相同时，熵值达到最大，这意味着该指标无有用信息，可以从评价指标体系中去除3。 熵值法去定权重的步骤如下步骤1原始数据矩阵归一化。 选取n个评价指标，m个评价对象，则ijx为第i项的第j个指标的数值。 形成原始指标数据矩阵()ij mnAa=由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，我们先要对它们进行标准化处理,即把指标的绝对值转化为相对值，并令ijijxx=，从而解决各项不同质指标值的同质化问题。 而且,由于正向指标和负向指标数值代表的含义不同(正向指标数值越高越好，负向指标数值越低越好)，因此，对于高低指标我们用不同的算法进行数据标准化处理。 其具体方法如下()ij mnrR=对大者为优的指标而言，归一化公式为minjaminjmaxjijijijijijaara?=?而对小者为优的指标而言，归一化公式为ij?aminjmaxjminjijijijijaara?=步骤2定义熵。 在有m个指标、n个被评价对象的评估问题中，第i个指标的熵为1ln()niijijihkff=?式中第j项指标在第i个评价对象中占的比重1,(1,2,1,2,)ijijnijjrfin jmr=其中，1ln()kn=.步骤3定义熵权。 定义了第j个指标的熵之后，可得到第j个指标的熵权11ijmjihwmh=?=?且有101,1niiiww=步骤4计算各国家的综合得分1(),(1,2,.)miijijjsfwin=.5.1.3系统聚类分析系统聚类法，也称层次聚类法。 由于类与类之间的距离计算方法灵活多样，使其适应不同的要求。 该方法是目前实践中使用最多的。 这该方法的基本思想是先将n个样本各自看成一类，并规定样本与样本之间的距离和类与类之间的距离。 开始时，因每个样本自成一类，类与类之间的距离与样本之间的距离是相同的。 然后，在所有的类中，选择距离最小的两个类合并成一个新类，并计算出所得新类和其它各类的距离；接着再将距离最近的两类合并，这样每次合并两类，直至将所有的样本都合并成一类为止。 这样一种连续并类的过程可用一种类似于树状结构的图形即聚类谱系图来表示，由聚类谱系图可清楚地看出全部样本的聚集过程，从而可做出对全部样本的分类4。 系统聚类法的步骤如下步骤1计算n个样品之间的距离ij d，共有2nC个。 得样品间的距离矩阵D (0)，初始n个样品各自构成一类，类的个数kn=，此时类间的距离就是样品间的距离。 步骤2选择D (0)表中最小的非零数，不妨假设pqd，于是将pG和qG合并为一类，记为,rpqGG G=步骤3最短距离聚类，是在原来的mn距离矩阵的非对角元素中找出，把分类对象pG和qG归并为一新类rG，然后按计算公式的类间距离min,(,)p qrkpkqkdddk=计算原来各类与新类之间的距离，这样就得到一个新的 (1)m?阶的距离矩阵；再从新的距离矩阵中选出最小者ij d，把i G和jG归并成新类；再计算各类与新类的距离，这样一直下去，直至各分类对象被归为一类为止。 欧式距离为()()2,id xyiiyx=?.5.2BP神经网络预测模型BP神经网络，即多层前馈式误差反传播神经网络，通常由输入层、输出层和若干隐含层构成，每层由若干个结点组成，每一个结点表示一个神经元，上层结点与下层结点之间通过权联接，同一层结点之间没有联系。 如图1所示。 图1三层神经网络的拓扑结构BP神经网络的学习过程分为信息的正向传播过程和误差的反向传播过程两个阶段。 外部输入的信号经输入层、隐含层的神经元逐层处理向前传播到输出层给出结果。 如果在输出层得不到期望输出，则转入逆向传播过程，将实际值与网络输出之间误差沿原来联结的通路返回，通过修改各层神经元的联系权值，使误差减少，然后再转入正向传播过程，反复迭代，直到误差小于给定的值为止5。 BP神经网络的建模步骤如下步骤1设图1中输入层、隐含层、输出层节点数分别为m、l、n。 设输入学习样本为q组12,pqX XXX，其中1(,)ppppmiXxxx=；其对应希望输出值为12,pqT TTT,其中1(,t,)ppppknTtt=.通过网络对应输出端的实际输出值为12,pqY YYY其中1(,)pppkpnYyyy=置所有可调参数(权和阈值)为某种形式的较小数值。 步骤2正向计算将第(1,2,)qpp=个样本顺序输入到图1的网络中，按下式分别计算隐含层、输出层各神经元的激活值和输出值隐含层各神经元的激活值1ij1j1mpjpiiSx?=1,2,;n1,2,;l1,2,kjpq=式中，1ij为输入层至隐含层连接权；1j为隐含层节点的阈值。 激活函数常采用S型的sigmoid()函数1()f u1ue?=+将激活值代人激活函数可得隐含层第j节点的输出值1ij1j1()()mpjpjpiihf Sfx?=同理，可求得输出层第k节点的激活值pj S和输出值pky2jk2k1lppjkjSh?=2jk2k1()()lppjkjyf Sfh?=式中，2jk为隐含层至输出层连接权；2k为输出层节点的阈值。 步骤3计算总误差2111 (2)qnppkkpkEty=?若E步骤4反向计算当输出层的实际输出值与希望输出值不一样时就要对网络进行校正。 校正是从后向前进行的。 BP算法采用的是学习规则，即利用误差的负梯度来调整连接权，使其输出误差单调减少。 计算各层误差，对已知样本的输出目标可得输出层校正误差为(允许误差)，则停止迭代；否则执行第 (4)步。 () (1)pppkpkpkkktyyy=?隐含层校正误差为2jk11ij1j (1)npjppjpjkjpjpipjhhx?=?=?按下式修改各层的权值和阀值输出层至隐含层连接权和输出层阈值校正量分别为2jkppkjh?=1kpk?=隐含层至输入层连接权和隐含层阈值校正量为1ijpjpix?=1jpj?=式中,为学习步长(学习率)，01。 六、模型求解6.1卫生保健系统综合评估体系的求解6.1.1MATLAB实现熵值法确定指标权重熵值法是完全根据指标间的离散程度，用信息熵来确定指标权重的，该方法是一种比较客观的综合指标评价法，它不仅可以克服一些主观赋值法所带来的结果不稳定的现象，在一定程度上改善和提高了综合评价的质量。 根据问题分析，权衡世界不同的卫生保健系统，选取英国、德国、美国、日本、韩国、新加坡、南非、印度、意大利九国为代表，采用熵值法计算卫生保健系统的综合得分，并在MATLAB上实现。 九国代表的二级指标数据如表3所示。 表3九国代表的二级指标数据期望死亡熟练接生人安全饮用寿命787877817678581566611311791率789791812546866649员接生比例80100991001001009147991水普及率10010099100929989821001卫生厕所普及率10010010010095995723991医师护士和助产士680989544444113691英国德国美国日本韩国新加坡南非印度意大利续表医院254343283118974316880床位3983311398632289391卫生总费用占GDP7.210.313.27.64.53.48.14.38.11政府卫生支出占总支出14.818.219.515.79.467.93.412.71社会医保支出占政府卫生支出087.334.180.978.44.83.35.70.11人均卫生费用1782238245702827486790237191547160岁以上人口22261829151477261城镇人口89757965801005728671注上表中的所有数据中国卫生统计年鉴。 由于正向指标数值越高越好,负向指标数值越低越好。 因此,对于正向指标和负向指标，我们用不同的算法进行数据标准化处理。 并且由于数据中有负数，为了避免求熵值时对数的无意义，需要对数据进行平移等非负化处理。 根据前面建立的熵值法评价模型，计算出二级指标标准化后的数据如表4所示，这样就可以将不同量纲的数据放在一起比较了。 表4二级指标标准化后的数据期望死亡熟练接生人寿命1.0630.5961.0630.5951.0500.5811.1000.7511.0380.547率员接生比例0.8981.1001.0901.1001.1001.1001.0090.5651.090安全饮用水普及率1.1001.1001.0901.1001.0191.0900.9890.9181.100卫生厕所普及率1.1001.1001.1001.1001.0491.0900.6660.3221.090医师护士和助产士0.1520.9141.1001.0690.5430.5430.5120.2240.801英国德国美国日本韩国新加坡1.0630.686南非0.8130.100印度0.8500.263意大利1.0750.661续表医院床位用占GDP0.3750.6080.6940.8620.3171.1001.1000.6410.7160.3870.3250.2970.2960.6820.1580.3700.3750.682熵值法是完全根据指标间的离散程度，用信息熵来确定指标权重的，是一种比较客观的综合指标评价法，它不仅可以克服一些主观赋值法所带来的结果不稳定的现象，在一定程度上改善和提高了综合评价的质量。 由熵值法确定的二级指标权重如表5所示。 二级指标权重分布图如图2所示。 从图中可以看出，社会医保支出占政府卫生支出比例在综合评估体系中占有重要比例，当一个国家的社会医保份额很高时，就会有相对更多的的经费去提高医疗服务质量，从而提高卫生保健系统的综合得分。 表5二级指标权重与熵值二级指标寿命亡率员接生比例水普及率权重0.030.0630.011熵0.9980.9590.9930.6711.1001.1000.7430.8140.5050.2900.2431.100卫生总费卫生支出占总支出0.8461.0301.1000.8950.5540.3700.4730.2300.732社会医保支出占卫生支出0.1001.1000.4911.0270.9980.1550.1380.1650.101人均卫生费用0.4900.6211.1000.7190.2060.2730.1520.1040.43860岁以上人口0.8500.9930.7071.1000.6000.5640.3140.3140.993城镇人口0.9890.8470.8880.7460.8981.1000.6660.3730.767期望标化死熟练卫生人安全饮用卫生厕所普及率0.0320.979医师护士和助产士0.0010.9990.0730.0960.9530.937续表医院床位0.1060.106卫生总费用占GDP0.0510.998政府卫生支出占政府总支出0.0640.959医保支出占政府卫生支出0.2690.993人均卫生费用0.1510.99960岁以上人口0.0550.0230.979城镇人口0.9530熟练卫生人员接生比例0.050.10.150.20.250.3期望寿命标化死亡率安全饮用水普及率卫生厕所普及率医师护士和助产士医院床位卫生总费用占GDP政府卫生支出占政府总支出社会医保支出占政府卫生支出人均卫生费用60岁以上人口城镇人口系列1图2二级指标权重分布图最后得到九个国家的综合得分如表6所示。 表6九国综合得分国家日本德国美国韩国意大利英国新加坡南非印度得分0.1860.180.1530.1360.0960.0820.0720.0540.04由表6可以看出，日本与德国的卫生系统的综合评价得分分别是0.186和0.180，数值基本相同，它们是九个国家中卫生系统体系最好的，其次是韩国和美国，它们综合评价得分分别为0.153和0.136，卫生保健系统最差的是印度，它的综合评价得分仅为0.04。 从客观实际情况来看，日本、德国、美国都是经济高度高度发达的国家，对国内又非常重视医疗保健卫生系统的建设，因此这些国家靠前在情理之中。 而南非，地处非洲，虽然近年经济飞速发展，但基础设施建设跟不上经济发展的步伐；印度是拥有世界上第二多人口的人口大国，经济基础薄弱，自然卫生保健系统的建设落在了后面。 九国综合得分趋势如图3所示。 00.020.040.060.080.10.120.140.160.180.2日本德国美国韩国意大利英国新加坡南非印度图3九国综合得分趋势图官方公布的九国卫生保健系统综合排名如表7所示。 表7九国卫生保健系统官方综合排名国家日本德国美国韩国意大利英国新加坡南非印度排名10253758首先，以0.186为第1名，0.04为191名，将0.186至0.04这段数据（纵坐标）等分为190等分；横坐标为1至191，就得到如（1,0.186）这样的191个点，在图2中直观表现为一条直线。 然后，以日本为例，横坐标为官方公布排名10，纵坐标为熵值法计算出的综合和得分0.186，即坐标为（10,0.186），在图10中位于左上角。 其他八国的位置如图4所示。 2186175112图4从图中可以看出，距离红线越近，表示熵值法得到的结果就越接近官方公布的数据。 从整体上看，结果还较为吻合。 医疗系统是一个庞大复杂的系统，但由于数据量有限，本模型考虑的指标较少，因此与官方数据有些出入。 6.1.2SPSS实现系统聚类法为了选出三个最重要的、可行的指标来评估和比较卫生保健系统，采用的时系统聚类法。 对如表8所示的原始数据进行标准化变换处理，经过运算使数据标准化，使它的每列数据的平均值为0，方差为1，这样原始数据具有不同量纲、不同数量级的数据就能放在一起比较；其次用经过标准化处理后的6个一级指标数据求出欧氏距离。 假定将6个一级指标分为6类，应用wald离差平方和法，求得每个地区的离差平方和及总的类离差平方和，按照使总的类内离差平方和增加最小的原则。 使得累的分法逐渐减小，最终的计算结果决定了聚类图中纵轴6个一级指标的前后顺序，二横轴表示的样本点之间的距离。 用SPSS完成以上步骤，得到聚类分析的结果如下系列图表所示。 近似矩阵表示给出各类之间的距离或相似测度值，近似矩阵如表9所示。 表8原始数据危险因素100.00100.0099.96100.0094.89健康状况卫生服务覆盖80.00100.0099.00100.00100.00卫生资源23.7271.3657.681307.1194.1856.71卫生经费504.06717.53人口与社会经济41.7040.4135.9439.5934.12英国752.10德国754.00美国773.86日本521.87韩国825.00新加坡南非1487.74印度1246.13意大利839.02177.76619.37100.0099.0032.50225.8339.2991.0047.0058.1925.2027.539.8770.099.0321.7013.18656.4099.0099.0450.58437.8038.06表9近似矩阵矩阵文件输入案例健康状况卫生服务覆盖危险因素卫生资源卫生经费人口与社会经济健康状况.000-39.176-39.467-44.559-23.009-45.711卫生服务覆盖-39.176.000-.010-.212-17.779-.292危险因素-39.467-.010.000-.221-17.600-.289卫生资源-44.559-.212-.221.000-20.147-.051卫生经费-23.009-17.779-17.600-20.147.000-21.477人口与社会经济-45.711-.292-.289-.051-21.477.000聚类表（凝聚状态表）的第一列表示聚类分析的第几步；第二列、第三列表示本步聚类中哪两个样本或小类聚成一类；第四列是相应的样本距离或小类距离；第五列、第六列表明本步聚类中，参与聚类的是样本还是小类。 0表示样本，数字n(非0）表示由第n步聚类产生的小类参与本步聚类；第七列表示本步聚类的结果将在下面聚类的第几步中用到。 基于原始数据的聚类表如表10所示。 表10聚类表群集组合系数群集1群集2阶首次出现阶群集下一阶群集1群集2123-.010003246-.051003324-.179124425-7.808305512-18.000040聚类状态表显示聚类过程的每一步合并的类或样品、被合并的类或样品之间的距离以及样品或变量加入到一类的水平。 纵向冰柱图把聚类信息综合在一张图上，参与聚类的个体各占一列，标以样品号或标签，聚类的过程中每一步占一行，标以步的顺序号。 冰柱图因其样子非常像冬天房顶垂下的冰柱得名，它以图形的方式显示层次聚类分析结果，一般从冰柱图的最后一行开始观察，第一列表示类数。 两样品之间的“”表示将其两边的样品(类)联结起来聚成新类。 SPSS得出的冰柱图如图4所示。 图4冰柱图树形图表明每一步中被合并的类及其系数值，把各类之间的距离转换成1至25之间的数值。 最终聚类的结果为1、5、6,4,3,2，聚类树状图如图6所示。 图6聚类树状图（谱系图）由上面的计算与讨论可知，对卫生保健系统评价所选取的5个一级指标，对于评价的综合得分的影响是不一样的，为了找出对医疗保障体系评价的主要指标，我们对选取的9个国家的5个一级指标进行聚类分析，采用相关系数的测量技术，利用spss软件，先显示各变量间的相关系数，然后显示类间平均链锁法的合并进程.。 最终的聚类结果是健康状况、卫生经费、人口与社会经济、卫生资源、危险因素、卫生服务覆盖率。 由聚类分析可知，人口与社会经济、卫生资源、危险因素、卫生服务覆盖率聚合成一类,并相关系数的计算知选择卫生服务覆盖率作为典型指标。 因此选用健康状况、卫生经费、卫生服务覆盖率作为医疗保障体系评价的主要指标。 选取3个最重要的指标，按照熵值法同样的方式得到三个一级指标对应的二级指标权重如表11所示。 表11主要指标对应的权重熟练卫生人员接生比例0.0180.084同样，利用MATLAB得到综合评分，如表12所示。 期望寿命标化死亡率卫生总费用占GDP政府卫生支出占政府总支出0.105社会医保支出占政府卫生支出0.439人均卫生费用0.2460.0060.103表12综合得分国家德国日本美国韩国英国意大利新加坡南非印度得分0.1960.1920.1660.1450.0780.0760.0610.0460.040按照图1000同样的方式，得到由主要指标计算出的得分与官方数据对比图，如图7所示。 图7由主要指标计算出的得分与官方数据对比由表6和表12可知，在对十个国家的医疗保障体系的综合评价中，考虑3个主要评价指标和考虑6个评价指标的熵模型评价排名顺序基本是一致的。 这说明聚类分析找到的健康状况、卫生经费、卫生服务覆盖率指标确实是医疗保障制度综合评价的主要指标，并且卫生保健系统的熵值法综合评价是非常有效的方法。 6.2卫生保健系统间的比较以美国、日本、印度为代表国家，分别计算各国的度量和体系效能，并作分析和对比。 其中，日本被认为是具有较好的卫生保健系统，而印度被认为具有较差的卫生保健系统。 选取xx年的数据分别做横向比较，原始数据如表13所示。 表13日本、印度和美国的原始数据熟练人员接生比例用占GDP1008474.19915.71根据WHO给出的卫生保健系统的2000年排名日本 （10），印度 （112），美国 （37），对应我们计算出来的数据，考虑到发达国家差距不大，可以看到我期望寿命死亡率816177卫生总费卫生支出占政府总支出81.326.245.5医保支出占卫生支出78.717.227.9人均卫生费用2751407285日本79印度58美国75们计算的结果基本符合官方的排序，故可认为熵值法模型是合理。 2对于“政府卫生支出占政府总支出”、“社会医保支出占政府卫生支出”，我们看到美国与日本存在非常大得差距，印度与之差距更大，这也反映出目前国际医疗保障系统状况，即发展中国家与发达国家有较大的差距，尤其是在卫生保健投入方面。 3对于期望寿命，日美发达国家远高于印度。 这是由国家整体医疗水平决定的，日本稍微高于美国，也从某个角度体现出日本卫生保健系统的医疗服务质量。 按照前面所将的熵值法得到xx年三个国家的综合得分如表14所示。 表14xx年三个国家的综合得分国家日本综合得分0.348这个排名与2000的排名稍有差距，但印度最后没有改变。 因为，日美本就是发达国家，医疗体系有相差不多，因此差距不大。 但改变不了印度的落后，但近年经济发展，加大了这方面的投入，缩小了差距。 印度0.203美国0.4496.3BP神经网络预测求解BP神经网络采用非线性传递函数，相对线性网络具有更强的拟合能力，因此可以对熵值法求解卫生保健系统评估系统进行很好的逼近。 根据系统聚类分析，得到的重要卫生评价指标。 选择美国卫生保健系统，采用BP神经网络预测模型，训练测试各种变化。 美国近期卫生指标原始数据如表15所示。 表15美国近期卫生指标原始数据期望寿命亡率接生比例用占GDP2000778299913.2xx7782910015.2xx77.581210015.2xx7881210015.3xx7881210015.71011上表中最后一行表示指标相关性，其中“1”正相关，“0”表示负相关。 在MATLAB中得到了原始输入输出响应与卫生评价指标改变后的输出响应，具体结果如表16所示。 表16综合得分年份A BC D20000.174320.17