一种基于指数平滑模型的血液管理方法

朱 驰，赵皇伟，赵晓明，杨 冀△

(1.同济大学附属东方医院检验科，上海 200123；2.上海杨思医院内分泌科，上海 200123)

随着输血医学的高速发展，规范化、科学化、合理化使用血制品已成为临床科室质量管理的目标之一。同时，在血制品日益紧张的大环境下，为保证合理输血和安全输血，多学科、多区域的协作规划、大数据应用、输血评估体系等一系列措施也日趋完善[1-3]。输血科作为血站和临床科室中间的“枢纽站”，秉持“开源”与“节流”的中心思想，从建立源头节约用血的临床用血评价体系和合理的血液预订量出发，从而在临床合理化输血和血站统筹调配资源中发挥至关重要作用。如今，大多数输血科血液的预订量和对临床科室的用血管理基本依靠岗位人员的长期工作经验，缺乏有效可靠的科学手段。利用统计软件对数据进行分析预测是输血科今后血液管理发展的重要方向。时间序列分析方法是通过对历史数据的发展趋势进行分析以预测未来数据，指数平滑模型是时间序列分析的一种方法，通过对历史数据整体均值、整体趋势、季节性以及序列最邻近值进行分析，赋予离预测值较近的观察值较大的权数，离预测值较远的观察值赋予较小的权数，权数由近到远按指数规律递减[4]，根据预测值与观察值之间的时间长短来确定预测值的可靠性，使预测值既能反映最新数据，又能呼应历史数据，从而使预测结果更符合实际。本文就基于指数平滑模型的预测值发掘各临床科室用血趋势规律，以制订各科室的合理用血量和输血科的定血量，从而统筹管理血液资源，保证规范、科学、合理用血，加快患者限制性输血策略的落实，现报道如下。

1 资料与方法

1.1一般资料 数据资料来源于同济大学附属东方医院(下称本院)实验室信息系统(LIS)内2015年1-7月各临床科室用血出库量，血制品使用范围为悬浮红细胞，以单位(U)计算。

1.2方法 采用SPSS22.0统计软件，通过软件的分析-预测-创建模型，以2015年1月至2017年12月心外科、肿瘤血液科、中间监护室(ICU)、肝胆外科4个高用血量科室的月度用血量作为因变量。定义日期为年份、月份，采用专家建模器，更改条件为指数平滑法模型，以其每月用血量作为观察值，采用专家建模器指数平滑模型拟合最佳模型，预测2018年1-7月各临床科室用血量，并将预测值与实际值比较，分析基于指数平滑模型的血液管理方法的可行性和实用性。

2 结 果

2.1以每月各科室用血量为因变量，通过专家建模器，选择指数平滑模型，输出最佳拟合模型，模型参数如表1所示，模型属于可行性预测模型，预测效果良好。

表1 各科室每月用血量模型拟合及其参数

图1 2015年1月至2017年12月各科室用血量及模型拟合图

2.2如图1所示，2015年1月至2017年12月观测值都在拟合值的95%置信区间内；2018年1-7月的观测值也均落在拟合值的95%置信区间内。如表2所示，与实际值比较，肿瘤血液科的预测误差较大，心外科、中心监护室以及肝胆外科的预测误差在可接受范围内，预测效果良好。如图2所示，模型拟合后，残差序列的自相关和偏自相关系数均落于95%置信区间内，即模型适用于该项数据的拟合预测，为白噪声序列。

图2 模型拟合后残差序列自相关和偏相关分析

表2 2018年1-7月实际值与模型预测值结果比较(U)

续表2 2018年1-7月实际值与模型预测值结果比较(U)

3 结 论

随着血液供需差距的拉大，我国近年来出现血荒的城市已高达七十余个，且持续数十年以上，呈现无季节性、常态化供血紧张的趋势[5]。除了加强无偿献血全民教育[6]、对献血群体的人文关怀[7]等扩大血液来源途径外，医院合理化、规范化、科学化的血液管理也是解决“血荒”的重要手段。本次研究中，输血科根据各个科室的用血量预测值，对不同科室给予不同的月度供血指标，实现了科室个体化供血审核制度，促进了各个科室积极实施对患者的限制性输血策略，达到了科学用血、合理用血的目的。这样不仅可以减少因过多输血带来的不良反应，而且有节约血液资源，降低患者医疗费用等好处[8]。因此，准确预测各个科室的血液需求量，不但能满足临床用血需求，减少输血不良反应的发生，而且还能避免血液资源浪费[9]，提高血液资源的合理利用率等。本研究运用时间序列的指数平滑模型分析和预测了2018年1-7月本院心外科、肝胆外科、中心监护室和肿瘤血液科血制品的使用量，模型拟合的平稳R方均在0.75以上，证明了该模型的有效性和科学性，为今后本院输血科在对临床血液的合理管理和血液适量预订提供了科学依据。

本次研究表明，本院肿瘤血液科和肝胆外科的月用血量数据序列拟合最优模型为简单季节性，说明此序列具有线性时间趋势但无季节性变化，可能原因为本院肿瘤血液科和肝胆外科有许多长期输血的患者，故模型只能说明两科室用血量的线性发展趋势而无季节性改变。心外科拟合较好的模型为Holt-Winters相乘性，中心监护室拟合较好的模型为Holt-Winters 相加性，这两种模型都属于Holt模型，它在简单季节模型的基础上，考虑序列的周期性变化，加上季节性因子，相加性和相乘性在本质上没有优劣之分，需要根据问题的本身选择具体的方法，只是在预测时，相加模式是将水平项(历史序列的加权平均)、误差项(随机冲击)、趋势因子(历史走向)和季节因子相加，而相乘模式是将这些因子相乘。心外科和中心监护室用血量变化呈季节性变化也是有据可依的，如冬季是心脏病高发的季节，恶劣天气是各种突发事件暴发的重要因素等。

但是，在本次研究中，肿瘤血液科模型预测的误差较大，月预测量误差高达17个单位，且拟合时Ljung-Box检验P<0.05，说明肿瘤血液科的数据序列为非白噪声序列，观测值不是随机独立的，可能原因为本院肿瘤血液科以放、化疗患者居多，骨髓长期受到抑制，需定期输注异体血，从而导致有些患者周期性来本院输血，引起序列自相关，削减了指数平滑模型的准确性。不过，虽然在模型预测不够精确的情况下，即月预测量误差高达17个单位(平均到每周误差约为四个单位)，临床上还是可以通过建立合适的库存量保证该模型用于实际工作，且在输血科预订血液时，是以所有科室的用血量为预订量，可缓冲单个科室因数据较小而引起误差偏大的问题。当然，各科室的用血量还跟当期的住院人数、手术情况、医疗水平以及突发事件有关，模型的预测值只能作为一个参考依据，岗位人员在实际血液管理和血液预订时，需联系实际情况灵活运用、多面分析。另外，由于本次研究的观测值较少，可能对拟合程度产生一定的影响，长时间大数据的观测值序列分析将大大提高模型预测的准确度。