基于PSO-SVM模型的我国医疗资源配置的评价与预测

摘要

目的 对我国医疗资源配置进行评价与预测，为医疗资源分配决策提供参考。方法 利用泰尔指数构建综合指标T，描述我国医疗资源配置的区域差异，利用时空分析法探讨历年各省市医疗资源的时空分布特征，并构建粒子群算法优化-支持向量机（particle swarm optimization-support vector machine,PSO-SVM）组合模型预测2025年的医疗资源配置状况。结果 我国医疗卫生指标增长显著，但区域间资源配置不均衡问题依然突出。经济发达的东部地区医疗资源相对充足，中西部地区资源短缺，北京的综合医疗资源最为丰富，安徽最为不足。PSO-SVM模型预测显示，2025年这种不均衡现象将继续存在，四川将拥有最多的三级医院（278所），西藏最少（39所）；黑龙江每千人口床位数最高（8.345张），广东最低（5.365张）；北京每千人口卫生人员数（17.264人）和医院人员数（11.465人）领先全国，福建最低（9.699人和5.959人）；广东的卫生总费用（7805.882亿元）和医疗卫生机构总支出（5918.449亿元）最高，西藏最低（619.804亿元和405.390亿元）。进一步结合人口比例，辽宁、黑龙江等老龄化严重的地区老年人医疗资源不足，广东、新疆等年轻人口比例高的地区人均医疗资源较弱，安徽、河北、河南等经济欠发达且人口众多的省份医疗资源短缺问题尤为突出。结论 我国医疗资源配置不均问题亟待解决，需根据各区域的实际情况优化资源配置，促进医疗服务体系的协调发展。

关键词

医疗资源配置 / 泰尔指数 / 时空分布 / PSO算法 / SVM模型

基金资助

国家自然科学基金（82173621;81872716）; 重庆市自然科学基金重点项目（cstc2020jcyj-zdxmX0017）