Page 103 - 《中国药房》2021年13期

109 份慢病管理政策。运用 ROSTCM 6.0 词频分析工 有利于接下来对慢病管理政策的评价进行全面系统地
具，对导入文本数据库的政策文本进行合并与分词处 衡量，具体如表1所示。
理，首先剔除对本研究无意义的虚词和通用词，然后提 表1 慢病管理政策量化评价体系的变量设置
取高频词汇和行特征，建立语义网络，进一步深度挖掘 Tab 1 Setting of quantitative evaluation variables of
政策文本的核心内容与联系，为变量选取和参数确认提 evaluation system for chronic disease manage-
供可靠依据。图1所示即为本文建立的慢病管理政策社 ment policy
会网络图谱，其中“服务”处在核心位置，是慢病管理政
主要变量 二级变量编号及名称 变量来源
策关注的热点，与之紧密联系的关键词有“社区”“家庭 政策性质X1 X1，1建议 基于文献[18]修改
医生”“诊疗”“预防”与“防治”等；“医疗”是慢病管理政 X1，2预测
X1，3指导
策的保障，辐射关键词“人员”“管理”“体系”“健康教育”
X1，4描述
等；“公共卫生服务”是慢病管理政策侧重的方向，相关 政策时效X2 X2，1长期（＞5年） 基于文献[21]修改
词有“资源”“建设”“基层”“卫生机构”“医院”等。 X2，2中期（3～5年）
X2，3短期（＜3年）
X3，1国务院 基于文献[16]修改
发布机构X3
X3，2国家卫生健康委
X3，3国家医保局
X3，4其他
X4，1慢病监管防治体系 基于文献[22]修改及文本挖掘
政策内容X4
X4，2医疗服务人员支持
X4，3医疗服务体系建设
X4，4试点社区/示范项目
X4，5医保服务体系建设
X4，6家庭医生签约服务
X4，7互联网+慢病管理
X4，8分级诊疗服务
图 1 2009－2020 年 109 项慢病管理政策文本挖掘网 X4，9标准规定
络图 X4，10健康教育
政策组合X5 X5，1一项 基于文献[23]修改
Fig 1 Text mining network diagram of 109 chronic X5，2两项
disease management policies from 2009 to 2020 X5，3两项以上
X6，1内容详实 基于文献[24]修改
政策评价X6
本研究根据以上社会图谱中政策高频词和关键词 X6，2规划科学
的辐射情况，并结合政策自身的特点以及参考现有学者 X6，3目标明确
X6，4权责清晰
关于构建 PMC 指数模型的文献，建立慢病管理政策量
政策视角X7 X7，1宏观 基于文献[25]修改
化评价体系，结果共设置了 10 个一级变量和 40 个二级 X7，2微观
变量。其中一级变量为政策性质 X1、政策时效 X2、发布 政策领域X8 X8，1经济 基于文献[17]修改
X8，2政治
机构 X3、政策内容 X4、政策组合 X5、政策评价 X6、政策视 X8，3技术
角X7、政策领域X8、激励方式X9、政策公开X10。明确一级 X8，4社会
X9，1共享资源 基于文献[26]修改及文本挖掘
激励方式X9
变量的内涵之后，设定二级变量，在设定时尽可能考虑
X9，2机构融资
多方面影响因素，不忽视任何一个变量的作用，然后采 X9，3人才激励
X9，4法律保障
用二进制系统方法对二级变量进行赋值评价。当政策
X9，5财政投入
内容包含或符合相关变量时，取值为 1；若与变量无关， X9，6土地供应政策
则取值为 0（X10无二级变量，若政策公开则取值为 1，反 政策公开X10 基于文献[22]修改
之为0），如表1所示。 2.3 PMC指数的计算
[22]
2.2 多投入产出表的建立 参考 Estrada 等 关于 PMC 指数模型的计算方法，
多投入产出表的本质是一种数据分析框架，其能够 运用文本挖掘技术建立一级变量和二级变量并放置于
储存大量的数据，并用多维度变量来量化任何一个单独 多投入产出表中，然后根据每项政策的具体内容，结合
[24]
变量 。结合本文设置的一级变量和二级变量建立多 公式①和公式②确定各项政策的每个二级指标的具体
投入产出表，其中每个一级变量和二级变量的权重相 数值；根据公式③计算一级变量的值；最后根据公式④
同，可以根据一级变量指标内涵选择n个子变量，没有先 分别计算每项政策的PMC指数。
后名次之分，并且没有数量限制。多投入产出表的构建 X～N[0，1] … … … … … … … … … … … … … 公式①

中国药房 2021年第32卷第13期 China Pharmacy 2021 Vol. 32 No. 13 ·1629 ·