سنجش کارایی فنی بیمارستان‌های دانشگاه علوم پزشکی شهرکرد با استفاده از رویکرد ترکیبی تحلیل مولفه‌های اصلی و تحلیل پوششی داده‌ها

زمینه و هدف: سنجش کارایی بیمارستان‌ها با توجه به سهم بالای بودجه اختصاص یافته و نیز لزوم تضمین بهترین شیوه استفاده از منابع کمیاب، اهمیت ویژه‌ای دارد. هدف این مطالعه تعیین کارایی فنی بیمارستان‌های دانشگاه علوم پزشکی شهرکرد با استفاده از روش ترکیبی تحلیل مولفه‌های اصلی و تحلیل پوششی داده‌ها بود.روش پژوهش: این پژوهش یک مطالعه تحلیلی و از نظر زمانی مقطعی بود که به منظور سنجش کارایی فنی تمامی 8 بیمارستان تابعه دانشگاه علوم پزشکی شهرکرد انجام شد. اطلاعات مورد نیاز از واحد آمار و مدارک پزشکی هر بیمارستان جمع آوری گردید. جهت افزایش قدرت تمایز بین واحدهای کارا و ناکارا، افزایش دقت پژوهش و تمایز بیشتر بین بیمارستان‌ها از نظر کارایی، ابتدا با استفاده از روش تحلیل مولفه‌های اصلی و بهره‌گیری از نرم افزار spss 16 تعداد 17 شاخص ورودی و خروجی تعدیل و به 3 مولفه متناسب با تعداد بیمارستان‌های مورد بررسی تبدیل شدند. با انجام تحلیل مولفه‌های اصلی، 7 متغیر ورودی مورد مطالعه به 7 مولفه اصلی ورودی تبدیل شدند که از این میان، مولفه اول که حدود 83 درصد از پراکندگی داده‌ها را بازگو می‌کرد به عنوان مولفه اصلی ورودی انتخاب شد و چون تاثیر بیشتری از متغیرهای منابع انسانی گرفته بود به عنوان شاخص نیروی انسانی نام گذاری شد. همچنین از بین متغیرهای ستانده نیز 2 مولفه خروجی اول که 76 درصد از واریانس داده‌ها را بازگو می‌کردند به عنوان 2 مولفه اصلی خروجی برای ادامه مطالعه انتخاب شدند که به ترتیب بیشترین تاثیر را از متغیرهای تعداد پذیرش و مدت اقامت بیماران گرفته بودند. سپس مولفه‌های ورودی و خروجی تعدیل شده وارد نرم افزار windeap 2.1 شده و با فرض بازدهی ثابت و متغیر نسبت به مقیاس، کارایی فنی بیمارستان‌ها محاسبه و رتبه آن‌ها مشخص شد. به منظور بررسی تاثیر استفاده از روش ترکیبی به جای روش معمولی سنجش کارایی نتایج حاصل از انجام روش تحلیل مولفه‌های اصلی -تحلیل پوششی داده‌ها با نتایج حاصل از روش معمولی تحلیل پوششی داده‌ها مقایسه شد. یافته‌ها: نتایج انجام تحلیل پوششی داده‌ها روی مولفه‌های اصلی استخراج شده نشان داد ظرفیت ارتقاء کارایی فنی بیمارستان‌ها به میزان 15 درصد (کارایی فنی: 0/852) وجود دارد. همچنین در 1 بیمارستان از مجموعه مورد مطالعه بازدهی صعودی، 3 بیمارستان بازدهی نزولی و 4 بیمارستان بازدهی ثابت نسبت به مقیاس داشتند. 3 بیمارستان دارای کارایی فنی 1، 2 بیمارستان دارای کارایی فنی بین 0/80 تا 1 و 3 بیمارستان کارایی فنی کمتر از 0/80 داشتند. از نظر کارایی مقیاس 50 درصد بیمارستان‌ها و از نظر کارایی مدیریت نیز 62/5 درصد کارایی 1 داشتند.نتیجه گیری: میانگین کارایی فنی کل، کارایی مدیریت و کارایی مقیاس براساس روش معمول تحلیل فراگیر به ترتیب 0/999، 1 و 0/999 محاسبه شد؛ درحالیکه در صورت استفاده از روش ترکیبی میانگین کارایی فنی کل، کارایی مدیریت و کارایی مقیاس به ترتیب 0/852، 0/947 و 0/902 به‌دست آمد. نتایج موید این موضوع است که استفاده از روش تحلیل مولفه‌های اصلی با توجه به نقش مهمی که در کاهش هم‌خطی‌ها دارد موجب افزایش دقت در پژوهش و تمایز بیشتر بین بیمارستان‌ها از نظر کارایی می‌شود.

Measuring Technical Efficiency of Hospitals affiliated with Shahrekord University of Medical Sciences, Using a Combination Method Data Envelopment Analysis (DEA) – Principle Component Analysis (PCA)

Background: Measuring the efficiency of hospitals due to the high proportion of budget allocated to them on the one hand, and the need to ensure the best practices regarding the use of scarce resources on the other hand, is of particular importance. The purpose of this study is to evaluate the technical efficiency of the affiliated hospitals of Shahrekord University of Medical Sciences by using a combination of Principal Component Analysis and (PCA) Data Envelopment Analysis (DEA).Methods: This was an analytical and crosssectional study measuring the technical efficiency of all 8 hospitals affiliated to Shahrekord University of Medical Sciences. The required information was collected from the medical records unit of each hospital. For better differentiation between efficient and inefficient units, and the increase of research accuracy and further differentiation between hospitals in terms of efficiency, at first, 17 indicators were selected to assess and adjust these parameters to 3 components proportional to the number of the hospitals by using PCA and SPSS 16 software. After doing the PCA, 7 studied input variables became 7 principal components among which the first input component reflecting the 83 % of scattering data was selected as principal input component, and for being more influenced by human resource variables, it was named as a human resource index. Furthermore, among the output variables, the first 2 output components, which represented 76% of the variance of the data, were selected as the 2 principal components of the output for the study, which were mostly affected by these variables, respectively, the number of admissions and length of stay. Then, the modified input and output components were entered into the software Windeap 2.1 and the technical efficiency of hospitals and their rank were calculated by assuming constant and variable efficiency with respect to the scale. In order to evaluate the effect of using the combined method instead of the conventional method of efficiency measurement, the results of the PCA DEA method were compared with the results of the conventional DEA method.Results: The result of DEA on the selected components showed the capacity to upgrade the Technical Efficiency (TE) of hospitals is 15 % (TE: 0.852). Moreover, out of 8 hospitals, 1 hospital was increasing return to scale, 3 decreasing returns to scale and 4 constant returns to scale. The technical efficiency of 3 hospitals was 1 (TE = 1), 2 hospitals had the technical efficiency between 0.80 to 1 (1 > TE > 0.80) and that in 3 hospitals was less than 0.80 (TE < 0.80). The scale efficiency for 50 % of hospitals and the management efficiency for 62/5 % of them were equal 1.Conclusion: The average of total technical efficiency, management efficiency and scale efficiency were calculated to be 0.999, 1 and 0.999, respectively based on the usual comprehensive analysis method; while using the combined method, the average total technical efficiency, management efficiency and scale efficiency were 0.852, 0.947 and 0.902 respectively. The results confirm that the use of PCA method, due to its important role in reducing alignments, increases research accuracy and better differentiates between hospitals in terms of efficiency.