文献调研慢病患者就医行为预测：就医选择行为有哪些？预测什么？如何预测？慢病患者？

Posted 2023-03-03 Tabitha_Xing

文章目录

• 0 吾日三问
• 1 基于医保数据的就医行为预测及推荐模型的研究
• • 1.1 摘要
  • 1.2 基于张量CP分解的就医行为分组预测模型
  • 1.3 总结
• 2 居民就医行为主要影响因素的调查研究
• • 2.1 摘要
  • 2.2 相关内容
• 3 分级诊疗背景下多病共存患者就医机构选择行为及其影响因素研究
• 4 急性缺血性卒中患者就医行为决策现状及影响因素研究进展
• • 4.1 摘要
  • 4.2 相关内容
• 5 基于SEM的东莞市居民基层首诊就医行为影响因素分析
• 6 智慧医疗背景下慢性病患者就医行为优化及展望
• 7 总结
• 8 参考文献

0 吾日三问

主题为集成特征选择的慢病患者就医选择行为预测模型：

• 集成特征选择算法研究现状、如何创新？
• 就医选择行为有哪些？预测什么？如何进行预测？
• 为什么要强调慢病患者？慢病患者的就医行为与其他患者有何不同？

1 基于医保数据的就医行为预测及推荐模型的研究

1.1 摘要

• 背景：基于医保数据（包含参保人的多个就医序列，其中每个就医序列包含多个就医编码、诊断、就医医院、药物等多个不同的属性）预测患者未来的就医行为成为医保领域中的一个重要研究内容； 该研究内容最大的挑战是如何根据具有高维时间特性的医保数据进行建模并解释预测结果。
• 研究现状：使用递归神经网络（RNNs）对就医序列进行建模，但是当病人的就医序列长度较大时，RNNs不能有效地解决长期的依赖关系，预测性能会有所下降；同时RNNs忽略了就医序列内部时间间隔的航段对住院就医行为预测的影响；没有很好的实现结果的可解释性，还忽略了某些不同群体的特定信息；预测结果是否有意义仍需要进一步验证。

1.2 基于张量CP分解的就医行为分组预测模型

本文在已提出研究的基础上，对ATB-LSTM模型进行改进，提出一个基于张量CP分解的就医行为分组预测模型（GATB–LSTM）。

• 数据：参保人属性、所在地区发展水平、历史就医数据
• 根据历史就医数据构建异构信息网络，采用张量分解的方法实现相似性人群分组，然后分别对各组人群进行就医行为预测（具体指什么），从而提高模型的预测性能。
• 分别对各组人群实现多任务就医行为预测，即疾病预测和住院就医行为预测。
• 最后通过实验对模型性能进行验证。

1.3 总结

• 就医行为如何理解：文中对于就医行为的定义是说：病人出现身体不适或患有某种疾病等问题时，为了治愈疾病或缓解不适而发生寻求医疗帮助的过程。只看定义就医行为是指一个过程，如何对过程进行预测听起来有些模糊；但在后文的就医行为分组预测模型等相关内容中，对于预测输出的描述并不多，笔者还是不太清楚就医行为预测到底是指什么？从图来看，可能是指狭义的选择医疗机构就医？
  

• 数据特点：

  • 未提及部分是否要考虑：在就医行为预测部分，并未提及不平衡、不完备或其他数据特点，是否要考虑该特点？
  • 提及部分：在后文所提及的基于双层ＣＮＮ框架的就医迁移推荐模型相关内容中，提到先采用BW-SMOTE算法对医保数据进行不平衡处理，降低数据分布的不平衡度。然后根据前两部分研究内容得到的预测结果，即发生就医迁移的情况，通过相似性学习的方法，在发生就医迁移和未发生就医迁移的人群中，找到与测试病人就医行为相似的参保人。通过特征对比的方法，得出预测的参保人是否值得发生就医迁移。
  • 提及部分如何描述：发生就医迁移的数据与未发生就医迁移数据的分布是不平衡的，即发生就医迁移的数据集与未发生就医迁移的数据集的不平衡占比可达到1000:1，甚至10000:1，这种不平衡情况使发生就医迁移情况的数据信息不能充分的表达，并且严重影响了后面阶段的相似性学习性能。
  • 那么，仅仅就就医行为来看，或者说文中所说的医疗机构的选择问题是否是不平衡的呢？感觉不是。

• 应用病种：根据历史就医数据选择总花费靠前的4种疾病（肿瘤、冠心病、糖尿病、肺炎）患者的就医数据进行验证（花费最多，且均为慢性病，可能需要考虑一下为什么都是慢病）。
  

2 居民就医行为主要影响因素的调查研究

2.1 摘要

• 动机：建立就医行为预测模型，提高居民就医积极性，对影响居民就医行为的因素进行相应研究（只是说研究影响因素，没有说如何将建立预测模型；但是对于就医行为应该有相关定义）。
• 方法：通过深度访谈确定健康信念、就医污名、健康素养三个就医行为的主要影响因素，运用相应量表对受试者进行调查，并以健康信念总均分、就医污名总均分、健康素养总均分为自变量，就医行为总均分为因变量进行回归分析，最终确定了就医行为主要预测因素模型。

2.2 相关内容

• 定义：就医行为（medical behavior）是指居民在感到身体不适或出现某种疾病症状，或者即便现在没有感到不适，可是感觉到有潜在患病危险时而釆取的寻求医疗帮助的观念、表现和行动。
• 就医行为量表：该量表参考了戴晓阳等和郝志红等的研究，采用案例型量表的形式编制，编制过程中首先通过深度访谈，搜集民众对就医的看法，找出相对普遍的问题，编制案例型量表。通过项目分析、探索性因素分析及信效度检验等确定最终题项。正式量表共10个项目，包括自我治疗和不治疗两个维度，与总均分相关系数分别为0.878和0.931【也就是说是否去就医】。
• 就医行为预测模型：探究某些影响因素对于就医行为的影响（正向/负向预测作用）
  
  

3 分级诊疗背景下多病共存患者就医机构选择行为及其影响因素研究

• 研究对象：采用随机抽样法，选取 2019-06-01至 2020-01-01 在上海市杨浦区中心医院医疗联合体（上海市杨浦区中心医院和上海市杨浦区定海、延吉、长白社区卫生服务中心）就诊的多病共存患者为研究对象。
• 数据收集：采用自设问卷对其进行调查，收集多病共存患者的一般资料，了解其对分级诊疗政策的认知情况及实际遵守情况，在不同疾病控制状况下至社区卫生服务中心首诊的意愿情况，以及其选择就诊医疗机构时考虑的因素等。
• 方法：采用二分类 Logistic 回归分析多病共存患者此次因病就医是否选择至社区卫生服务中心首诊的影响因素。

4 急性缺血性卒中患者就医行为决策现状及影响因素研究进展

4.1 摘要

本文从缺血性卒中患者就医行为决策的概念、现状及其影响因素这3个方面进行总结，分析目前急性缺血性卒中患者就医行为决策中存在的问题，讨论认知、环境、心理等因素对患者就医行为决策的影响及原因，为制订针对性的干预措施提供参考。

4.2 相关内容

• 就医行为决策：就医行为决策界定为患者在觉察出疾病症状后，综合评估自身资源和社会环境而做出的当前最恰当的选择。
  • 就医时机决策（是否就医）:鉴于急性卒中的发病特点，患者多会选择就医，故本文仅对就医时机进行讨论。
  • 就医工具决策（如何就医）：目前在我国的卒中急救诊疗中，急救车的利用率尚有待提高，未来应注重引导患者对卒中症状的正确认识，鼓励其将联络急救医疗服务作为发病后的首选就医工具，以缩短就医时间。
  • 就医机构决策（去哪就医）：就医机构决策需患者权衡医院级别与就医距离做
    出综合判断。

5 基于SEM的东莞市居民基层首诊就医行为影响因素分析

探讨东莞市居民基层首诊就医行为的影响因素，为加强分级诊疗制度管理提供参考。

• H1：居民的基层首诊认知度对居民的基层首诊忠诚度有正向影响。
• H2：居民的基层医疗机构信任度对居民的基层首诊忠诚度有正向影响。
• H3：居民的基层首诊支持度对居民的基层首诊忠诚度有正向影响。
• H4：基层首诊认知度在基层医疗机构信任度和居民忠诚度之间起中介作用。
• H5：基层首诊支持度在基层首诊认知度和居民忠诚度之间起中介作用。
• H6：基层首诊支持度在基层医疗机构信任度和居民忠诚度之间起中介作用。

6 智慧医疗背景下慢性病患者就医行为优化及展望

• 提出有必要利用智慧医疗服务模式的信息化优势，通过整合健康知识宣教全媒体资源、强化弱势群体的社会支持、优化医疗服务的群体性联动，进而弥补慢性病患者群体的能力“短板”，优化其就医行为，实现医疗服务资源的有效利用（可参考文中关于慢性病特点、研究现状、研究需求等的相关表述）。
• 慢性病患者就医行为相关理论：
  • 动机理论基于内因和外因的二分法：患者就医行为由自身需求出发，同时又受到社会环境的影响。
  • 计划行为理论：为患者个人的主观态度与理性表现的结合。
  • 消费者行为理论：基于经济学的视角，强调通过实证方法考察人们在就医过程中的决策行为，该理论认为就医行为在本质上是消费医疗服务的过程。
  • Anderson 卫生服务利用行为模型：慢性病患者就医行为理论框架包含环境因素、人群特征、就医行为（就医机构、就医频次）、健康结果 4 个部分。

7 总结

• 就医行为可以理解为就医时机决策（是否就医/时间/频率）、就医工具决策、就医机构决策等就医行为决策；
• 对于患者就医行为的影响因素探讨较多，对于预测模型的构建相关研究较少，相关研究多聚焦于是否就医、是否去基层首诊、去哪个就医机构；
• 上述文献并未提及不平衡、半监督等数据特点，建议结合实际要研究的点，确定类标签，分析是否存在不平衡不完备等特点，最后设计相应的方法。

8 参考文献

[1] 程林. 基于医保数据的就医行为预测及推荐模型的研究[D].山东大学,2019.
[2] 黎杰,段如琢,胡逍逸,韩星,杨智星,郝志红.居民就医行为主要影响因素的调查研究[J].医学与哲学(A),2018,39(09):77-80.
[3] 朱玉琴,金花,于德华.分级诊疗背景下多病共存患者就医机构选择行为及其影响因素研究[J/OL].中国全科医学:1-8[2023-02-11].http://kns.cnki.net.ezproxy.lib.szu.edu.cn/kcms/detail/13.1222.R.20230210.0858.002.html.
[4] 张伯煜,郭玉成,崔玉霞等.急性缺血性卒中患者就医行为决策现状及影响因素研究进展[J].中国卒中杂志,2022,17(10):1127-1132.
[5] 黄秋虹,甘奇慧,蒋菲.基于SEM的东莞市居民基层首诊就医行为影响因素分析[J].卫生职业教育,2022,40(18):141-144.DOI:10.20037/j.issn.1671-1246.2022.18.51.
[6] 陈芸,许伟杰,田怀谷等.智慧医疗背景下慢性病患者就医行为优化及展望[J].中国全科医学,2022,25(28):3484-3487.