2019年7月，《国务院关于实施健康中国行动的意见》发布，提出“要把人民健康放在优先发展的战略地位”。保障居民享受卫生服务、提升健康素养的关键践行者是卫生工作者，而社区卫生服务在卫生系统中首先与人群接触，社区卫生工作者在提供初级卫生保障方面起着重要作用，是卫生体系的基础和核心^[1]，本文中所预测的社区卫生人力资源具体指社区卫生人员与社区卫生技术人员。

目前已有不少卫生人力资源预测的研究，从单模型到组合模型，预测模型的使用也呈现多元化，如毛瑛等^[2]利用方差倒数法对灰色模型、二次回归和反向传播（back propagation, BP）神经网络分配权重构建起组合模型进行卫生人力资源预测，白永梅等^[3]对ARIMA模型和GM（1，1）模型加权平均后作为组合模型预测，侯雅楠等^[4]以时间序列、灰色预测、二次回归预测方法建立组合预测模型。社区卫生人力资源受多种因素影响，系统复杂，上述方法多基于最小二乘法求解，而BP神经网络的非线性拟合能力是其无法比拟的^[5]。BP神经网络结构简单，可调整参数多，非线性映射能力强，经遗传算法（genetic algorithm, GA）优化后可弥补BP算法易陷入局部极小的缺点，故本研究运用结合灰色模型的GA优化BP神经网络模型预测并分析2021—2023年我国社区卫生人力资源的发展趋势，以期为健康中国建设提供参考。

1 资料与方法 1.1 数据来源和应用软件

资料来源于2011—2012年《中国卫生统计年鉴》、2013—2016年《中国卫生和计划生育统计年鉴》和2017—2020年《中国卫生健康统计年鉴》中全国社区卫生数据。采用Excel 2019对数据进行整理和简单计算，利用GSTA V 7.0实现灰色关联度计算，使用MATLAB 2018 A软件建立模型，进行相关预测研究。

1.2 指标选取

基于相关性原理预测社区卫生人力资源，即根据借助与研究对象存在相关联系的其他对象来进行预测。社区卫生人员的需求量与社区卫生机构的经营发展情况息息相关。从机构自身发展资源来看，机构规模变化可引起卫生人力资源变动，可选取机构数量及机构床位数为具体分析指标；从经营状况来看，诊疗人次数和入院人数是衡量医疗服务量的重要指标；为促进分级诊疗制度实施，政府大力开展家庭医生签约服务，主要由社区卫生机构和农村卫生院等提供签约服务^[6]，以家庭卫生服务人次数表征卫生人力资源需求量。因此，初步选取社区卫生机构数、床位数、诊疗人次数、入院人数和家庭卫生服务人次数5个指标作为社区卫生技术人力资源的影响因素。

1.3 研究方法

首先利用灰色关联分析法对社区卫生人员及卫生技术人员数的影响因素进行关联度计算，确保预测模型的输入变量均为重要因素，提高预测准确度，并利用灰色GM（1，1）模型对重要因素进行预测；然后建立GA-BP神经网络模型，对模型进行训练及测试；最后将各重要因素预测值输入网络，得到卫生人员和卫生技术人员预测值。

1.3.1 灰色系统

灰色预测模型（grey model）是基于我国学者邓聚龙的灰色系统理论^[7]建立，GM（1，1）作为其核心模型有操作简便、所需数据少等优点，具体原理现有文献^[8]已有介绍。

灰色关联分析可弥补数理统计方法分析时所需数据较多的缺憾，分析时对样本量的大小和样本规律均无要求，计算方便。基本思想是通过对比分析各指标变化对参考指标的影响，判断其相关性，可找出影响参考指标变化的主要因素，灰色关联度越大，则指标间相关性就越大^[9]。计算时，首先对参考指标序列x_i（k）进行无量纲化处理，i＝1，2，…，5，代表文章选取的5个影响因素指标，k＝1，2，…，10，代表2011—2020年10个年度。其次逐个计算被测指标序列与参考指标序列对应元素的绝对差值（k），记最大值M和最小值m，最后依据公式求出灰色关联系数γ_0i（k），和灰色关联度γ_0i^[10]，取分辨系数ζ= 0.5。公式为

$ \begin{array}{c} {\gamma _{0i}}\left( {{x_0}(k), {x_i}(k)} \right) = \frac{{m + \xi \cdot M}}{{{\Delta _i}(k) + \xi \cdot M}}, k = 1, 2, \cdots , n\\ {\gamma _{0i}} = \frac{1}{n}\sum\limits_{k = 1}^m {{\gamma _{0i}}} (k), i = 1, 2, \cdots , m \end{array} $

1.3.2 GA-BP模型

BP神经网络是目前广泛应用的神经网络，结构由输入层、隐含层和输出层组成^[11]，隐含层神经元个数不同，模型性能不同，主要是利用激活函数实现输入数据到隐含层的映射，再将期望输出值通过线性传递函数映射到输出层，并与实际值比较得出误差函数后反向传播，借助梯度下降等算法调节网络权值和阈值，反复训练直到达到目标误差或最大迭代次数等。但BP神经网络的缺陷表现在学习收敛速度较慢、无法确保收敛到全局最小点和不易确定网络结构3方面，同时随机化的初始权值和阈值对网络后续训练产生较大影响，故采用GA进行优化^[12]。

GA是在达尔文生物进化论的自然选择和遗传学机制基础上，模拟生物进化过程搜索最优解的计算模型，拥有较好的全局优化搜索能力^[13]。GA-BP建模流程见图 1^[14]。本文中GA参数值：初始种群规模为40，进化迭代次数为100，交叉、变异概率分别为0.8和0.1。

2 结果 2.1 灰色关联分析及灰色GM（1, 1）预测

通过GSTA V 7.0计算各指标与社区卫生人员数与卫生技术人员数的灰色综合关联度，γ均大于0.5，均与社区卫生人员数、卫生技术人员数密切相关。

选取卫生人员数、卫生技术人员数2011—2020年数据和其他各指标2015—2020年数据建立灰色GM（1, 1）模型，预测2021—2023年数据，经检验诊疗人次数指标精度不合格，故舍弃。见表 1。

2.2 GA-BP模型

首先对数据矩阵x进行预处理，利用y =（x-x_min）/（x_max-x_min）将10组数据归一化至[0, 1]范围内，得到处理后数据矩阵y，并按年份顺序划分为7组训练集和3组测试集。

2.2.1 确定隐含层最佳神经元个数

影响因素指标确定为4个，即神经网络输入层有4个神经元，输出层1个神经元，依据经验公式：$L = \sqrt {m + n + a} $，其中，L、m、n分别为隐含神经元个数、输入层和输出层神经元数量，a为不大于10的任意正整数^[15]，则L的取值范围为3~12。将以卫生人员数指标建立的BP神经网络命名为网络1，以卫生技术人员数指标建立的BP神经网络命名为网络2。为了提高模型精度，以模型的均方误差（mean squared error, MSE）为衡量指标，分别在3~12个神经元的情况下运行BP神经网络20次，得出网络1和网络2的隐含层神经元个数为6和8时，平均MSE最小，取L₁=6，L₂=8。

2.2.2 BP神经网络模型结果

确定网络1和网络2为输入层、隐含层、输出层分别为4-6-1和4-8-1结构，将社区卫生机构数、床位数、入院人数、家庭卫生服务人次数4个变量输入模型，将社区卫生人员数和卫生技术人员数作为输出。由于BP神经网络的初始权值和阈值随机化，故多次运行模型，以MSE和平均绝对百分比误差（mean absolute percentage error, MAPE）为评价指标，记录指标值较小的10次结果，见表 2。

2.2.3 GA优化的BP神经网络

GA优化后的BP神经网络经过100次迭代后，目标函数已趋于收敛，训练完成后将测试集作为模型预测样本输入，比较预测值与实际值，发现BP神经网络经遗传算法优化后误差减小，效果较好。经计算得到网络1和网络2模型MSE分别为0.020 6、0.019 5，MAPE分别为0.216 2%、0.167 4%，R值分别为0.992 2、0.988 5，说明模型精度较高，输出值和目标值密切相关，测量准确。

2.3 模型预测比较及评价

以网络2为例，模型的预测结果见表 3，各模型的MSE和MAPE见表 4。可以看出，经过遗传算法优化后的BP神经网络模型预测结果与实际值更接近，比较MSE和MAPE及平均相对误差可发现BP神经网络和灰色预测模型数值相近，GA-BP神经网络模型误差最小，说明GA-BP神经网络模型稳定性较好，预测精度也较高。

2.4 灰色-GA-BP神经网络模型预测

将灰色GM（1, 1）模型获得数据输入训练好的网络模型中，预测我国2021—2023年的社区卫生人员数和卫生技术人员数，结果见表 5。预测数据表明我国社区卫生人员数和卫生技术人员数均保持增长趋势，2023年可分别达到71.403 8万人和60.029 0万人。

3 讨论与建议 3.1 灰色-GA-BP神经网络模型结果相对准确，社区卫生人员数量呈上升趋势

研究基于关联度分析确定了社区卫生人力资源影响因素指标的相关性，分别通过灰色系统GM（1, 1）模型、BP神经网络模型和灰色-GA-BP神经网络模型对我国社区卫生人力资源进行预测，以MSE和MAPE为评价指标，显示灰色-GA-BP神经网络模型指标值最低，表明该模型在预测精度、误差和稳定性方面优于灰色GM（1, 1）模型和BP神经网络模型，但由于复杂系统易随时间、环境变化而变化，故该模型不可能完全准确预测人力资源发展情况。

研究结果显示，社区卫生人员和卫生技术人员数逐年递增，预测到2023年分别可达71.403 8万人和60.029 0万人，我国社区卫生人力资源数量保持增长态势。2020—2023年社区卫生人员和卫生技术人员的年均增长率分别为3.29%和2.44%，低于多因素灰色模型预测的社区卫生技术人员总量的增长速度^[16]，除模型差异外，也在于影响因素的不同侧重，后者以人口或经济因素为主，本研究以医疗机构资源量和医疗服务量为主。人力资源依托与机构资源提供医疗服务，而资源量和服务量的增长滞后于人口、经济增长速度，因此产生上述差异。

3.2 医疗服务需求量的增加对社区卫生人力资源提出更高要求

2011—2019年我国社区卫生医疗机构诊疗人次数以5.82%的年均增长率上升，医师日均担负诊疗人次从2011年的14人次上升到2019年的15.9人次，社区医疗卫生机构医师存在负担重、强度高现象。2020年受新型冠状病毒肺炎疫情影响，社区诊疗人次数和医师日均担负诊疗人次均有大幅度下降，但仍不影响基层医疗服务需求的上涨，这对医疗服务人员提出了更高的要求。灰色GM（1, 1）模型预测结果显示社区入院人数保持2017年以来的下降趋势，可能由于基层医疗卫生机构过多重视基本公共卫生服务考核^[17]，发展过程中专科减少，基本手术开展率低，削弱了服务能力，相应地影响了居民入院的意愿。而家庭卫生服务人次数大幅增长，2020—2023年，家庭卫生服务人次数的年均增长率高达11.21%。家庭医生签约服务政策与基层医疗卫生服务体系密不可分，可实现高效利用有效医疗资源，服务目标逐步从治病走向“治未病”^[18]，同时《“十三五”卫生与健康规划》^[19]中指出，“十三五”期间我国人口结构性问题日益突出、老龄化愈发严重，在以居家养老为基础、社区养老为依托的养老服务体系下，对家庭医生的服务质量和数量需求均会保持增长趋势。

建议政府相关部门对社区卫生人力资源布局进行宏观调控，加强人才培训及继续教育工作，提升社区医疗服务水平，同时合理安排机构考核目标，适当提升社区人力资源待遇，提升其获得感和幸福感，更好地为居民提供医疗服务，更好地满足居民的基本医疗服务需求。

3.3 社区医疗卫生机构在新型冠状病毒肺炎防控中起着重要作用

自2020年以来，新型冠状病毒肺炎疫情时常反复，不断出现变异毒株，严重威胁人类生命安全和健康，这要求基层医疗卫生机构发挥好“第一道防线”作用，做到平时和疫情应急响应时“双时在线”，传染病和社区常见病“两病共管” ^[20]。周瑞等^[21]梳理政策发现，基层医疗卫生机构尤其是社区卫生服务机构在疫情防控中承担着多项工作，如会同社区做好疫情防控工作、重点人群健康监测工作、核酸检测样本采集和送检，耗费了大量的人力和物力。在疫情常态化防控的背景下，社区医疗卫生机构应加强公共卫生领域人才培养和储备，提升卫生应急能力，提高家庭医生自身应急能力及突发传染病知识、心理干预知识等储备，做好基层医疗协调者。

3.4 分级诊疗政策实施推动社区卫生人力资源发展

构建科学有序的就医格局离不开分级诊疗制度的实施，离不开“基层强”的分级诊疗服务体系。王敏等^[22]的调查研究发现，基层医疗卫生机构的接诊能力不够是分级诊疗制度实施最大的障碍，提高基层医疗卫生机构接诊能力的关键在于社区卫生人才。“十三五”期间，国家通过多项措施多方位加强基层人才队伍建设，缓解基层医疗卫生机构人才短缺的问题，推动了社区卫生人力资源的发展。随着分级诊疗政策的不断推进，“小病进社区、大病进医院、康复回社区”格局正逐渐成型，社区作为三级医院病患压力的分担者，充足的卫生人力资源是提供医疗、康复服务的基础保障^[23]。为保障居民就诊体验及医护人员健康，保证社区卫生人力资源的有效供给，须加大卫生人才培育力度，以居民医疗需求为导向优化各专业技术型人才的教育结构，培育具有社会针对性的卫生人才，同时需调整基层人才招聘和引入政策，保障社区卫生人员切身利益，做到“留住人、提升人”，适应医药卫生事业的发展，提升社区医疗服务能力，满足居民多元化的医疗卫生服务需求。

· 作者声明本文无实际或潜在的利益冲突