Construction and application of combination forecasting model for human resources in a large public hospital_West China Medical Journal

Authors：

XIE Jing ¹ , CHENG Zirong ² , LEI Liyuan ¹ ,  YANG Cui ¹

1. Operation Management Department, West China Hospital, Sichuan University, Chengdu, Sichuan 610041, P. R. China;
2. Institute for Hospital Management of Tsinghua University / Tsinghua Shenzhen International Graduate School, Shenzhen, Guangdong 518055, P. R. China;

Corresponding?author：

YANG Cui, Email: yangcui@wchscu.cn

Keywords：

Human resources; large public hospital; grey model; autoregressive integrated moving average model; combination forecasting

DOI：

10.7507/1002-0179.202409150

Video：

Export PDF Favorites Scan Get Citation

Abstract Full text Figures/Tables Video References Cited by

Objective To understand the current status of healthcare human resources (HHR) in a large public hospital, predict the HHR demand aligned with the development of the hospital, and provide reference basis and feasible solutions for HHR planning for high-quality development of the large public hospital. Methods Based on grey model and auto regressive integrated moving average model, a variance reciprocal method for weight allocation was applied to set up the combination forecasting model. Different types of HHR demand of the large public hospital from 2024 to 2026 were predicted and the accuracies of the three different model predictions were compared. Results The numbers of total personnel, health technical personnel, physicians, nurses, and technicians predicted by the combination forecasting model for 2026 were 17654, 13041, 4389, 6198, and 2264, respectively. The corresponding average annual growth rates from 2024 to 2026 were 5.54%, 5.55%, 5.37%, 4.27%, and 5.60%, respectively. Compared with the two single forecasting models, the combination forecasting model had the smallest average absolute errors, mean squared errors, and mean absolute percentage errors for predicting the numbers of total personnel, nurses, and technicians. It also had the smallest average absolute error and mean absolute percentage error for predicting the number of health technical personnel, and the smallest average absolute error for predicting the number of physicians. Conclusions Compared with the single forecasting model, the combination forecasting model shows fewer system errors and better predictive results. The demand for total personnel, health technical personnel, physicians, nurses, and technicians of this large public hospital will continue to increase, so planning and reserving staff in advance is a key to high-quality development of the hospital.

Citation： XIE Jing, CHENG Zirong, LEI Liyuan, YANG Cui. Construction and application of combination forecasting model for human resources in a large public hospital. West China Medical Journal, 2024, 39(12): 1854-1859. doi: 10.7507/1002-0179.202409150 Copy

1.	彭博, 張鵬俊, 王辰. 我國衛生人力資源預測研究現狀分析. 人力資源管理, 2018(5): 257-258.
2.	徐凱. 基于灰色 GM(1,1)模型的某三甲綜合醫院人力資源需求預測分析. 中國衛生標準管理, 2023, 14(18): 58-62.
3.	賈貞琳. ARIMA 模型對中國衛生技術人員總量預測的研究. 社區醫學雜志, 2013, 11(4): 33-34.
4.	侯雅楠, 王丹, 陳蕓, 等. 山東省衛生人力資源組合預測模型構建及應用. 衛生軟科學, 2021, 35(4): 72-75, 79.
5.	朱泉同, 高山. 基于組合預測模型的江蘇省衛生人力資源需求預測探討. 中國衛生統計, 2020, 37(6): 862-865.
6.	鄧聚龍. 灰色系統理論簡介. 內蒙古電力, 1993(3): 51-52.
7.	呂邦亮, 湯質如, 彭婧, 等. 基于灰色 GM(1,1)模型的安徽省“十四五”期間醫療衛生資源配置預測研究. 衛生軟科學, 2024, 38(1): 52-57.
8.	陳娟, 李繼平. 最優加權組合預測法在護理人才需求預測中的應用. 中華護理雜志, 2009, 44(10): 903-906.
9.	田智得, 祁廣軍, 黃東亮, 等. 時間序列分析在蠶種銷售中的應用研究. 蠶業科學, 2009, 35(1): 211-217.
10.	劉松, 張帥. 運用 ARIMA 模型對股價預測的實證研究. 經濟研究導刊, 2021(25): 76-78.
11.	吳煥. 基于 ARIMA 模型的河南省衛生技術人員需求預測分析. 現代預防醫學, 2013, 40(9): 1664-1666.
12.	徐宏燕, 劉雅倩, 劉凱波, 等. 基于 ARIMA 模型的北京市產前超聲篩查人員情況預測. 中國醫學科學院學報, 2021, 43(4): 513-520.
13.	鄒小江, 趙寒, 王祈茵, 等. 基于 ARIMA 模型的重慶市流行性感冒預測研究. 重慶醫科大學學報, 2023, 48(12): 1425-1429.
14.	孫博, 滕沖, 馮麗平, 等. 2018-2022 年內蒙古自治區興安盟結核病流行特征及發病預測模型應用. 疾病監測, 2024, 39(2): 200-206.
15.	張倩茹, 朱紀榮, 朱美, 等. 空氣污染物對合肥市心律失常患者住院風險影響的時間序列研究. 中華全科醫學, 2023, 21(9): 1596-1600.
16.	吳瑞凱, 張瑩, 楊浩峰, 等. 晝夜溫差對烏魯木齊市慢性腎臟病日住院人次影響的時間序列分析. 醫學新知, 2024, 34(2): 137-148.
17.	劉鴻宇, 孫玉鳳, 王健. 衛生人力資源需求預測研究進展、問題探討及展望. 中國衛生事業管理, 2016, 33(11): 828-830, 860.
18.	侯月潔, 喬麗花, 余中光, 等. 國內衛生人力需求預測研究現狀分析. 中國醫院, 2015, 19(4): 74-76.
19.	毛瑛, 井朋朋, 吳靜嫻, 等. 我國衛生人力資源的組合預測模型構建及應用. 中國衛生經濟, 2015, 34(5): 21-24.
20.	白永梅, 王東博, 潘悅達, 等. 基于組合模型的北京市衛生技術人員數量發展趨勢預測. 衛生軟科學, 2018, 32(10): 27-32.
21.	楚美金, 徐文, 馬漫遙. 山東省中醫類醫院衛生人力資源需求預測. 中國衛生資源, 2023, 26(4): 404-409, 416.

1. 彭博, 張鵬俊, 王辰. 我國衛生人力資源預測研究現狀分析. 人力資源管理, 2018(5): 257-258.
2. 徐凱. 基于灰色 GM(1,1)模型的某三甲綜合醫院人力資源需求預測分析. 中國衛生標準管理, 2023, 14(18): 58-62.
3. 賈貞琳. ARIMA 模型對中國衛生技術人員總量預測的研究. 社區醫學雜志, 2013, 11(4): 33-34.
4. 侯雅楠, 王丹, 陳蕓, 等. 山東省衛生人力資源組合預測模型構建及應用. 衛生軟科學, 2021, 35(4): 72-75, 79.
5. 朱泉同, 高山. 基于組合預測模型的江蘇省衛生人力資源需求預測探討. 中國衛生統計, 2020, 37(6): 862-865.
6. 鄧聚龍. 灰色系統理論簡介. 內蒙古電力, 1993(3): 51-52.
7. 呂邦亮, 湯質如, 彭婧, 等. 基于灰色 GM(1,1)模型的安徽省“十四五”期間醫療衛生資源配置預測研究. 衛生軟科學, 2024, 38(1): 52-57.
8. 陳娟, 李繼平. 最優加權組合預測法在護理人才需求預測中的應用. 中華護理雜志, 2009, 44(10): 903-906.
9. 田智得, 祁廣軍, 黃東亮, 等. 時間序列分析在蠶種銷售中的應用研究. 蠶業科學, 2009, 35(1): 211-217.
10. 劉松, 張帥. 運用 ARIMA 模型對股價預測的實證研究. 經濟研究導刊, 2021(25): 76-78.
11. 吳煥. 基于 ARIMA 模型的河南省衛生技術人員需求預測分析. 現代預防醫學, 2013, 40(9): 1664-1666.
12. 徐宏燕, 劉雅倩, 劉凱波, 等. 基于 ARIMA 模型的北京市產前超聲篩查人員情況預測. 中國醫學科學院學報, 2021, 43(4): 513-520.
13. 鄒小江, 趙寒, 王祈茵, 等. 基于 ARIMA 模型的重慶市流行性感冒預測研究. 重慶醫科大學學報, 2023, 48(12): 1425-1429.
14. 孫博, 滕沖, 馮麗平, 等. 2018-2022 年內蒙古自治區興安盟結核病流行特征及發病預測模型應用. 疾病監測, 2024, 39(2): 200-206.
15. 張倩茹, 朱紀榮, 朱美, 等. 空氣污染物對合肥市心律失常患者住院風險影響的時間序列研究. 中華全科醫學, 2023, 21(9): 1596-1600.
16. 吳瑞凱, 張瑩, 楊浩峰, 等. 晝夜溫差對烏魯木齊市慢性腎臟病日住院人次影響的時間序列分析. 醫學新知, 2024, 34(2): 137-148.
17. 劉鴻宇, 孫玉鳳, 王健. 衛生人力資源需求預測研究進展、問題探討及展望. 中國衛生事業管理, 2016, 33(11): 828-830, 860.
18. 侯月潔, 喬麗花, 余中光, 等. 國內衛生人力需求預測研究現狀分析. 中國醫院, 2015, 19(4): 74-76.
19. 毛瑛, 井朋朋, 吳靜嫻, 等. 我國衛生人力資源的組合預測模型構建及應用. 中國衛生經濟, 2015, 34(5): 21-24.
20. 白永梅, 王東博, 潘悅達, 等. 基于組合模型的北京市衛生技術人員數量發展趨勢預測. 衛生軟科學, 2018, 32(10): 27-32.
21. 楚美金, 徐文, 馬漫遙. 山東省中醫類醫院衛生人力資源需求預測. 中國衛生資源, 2023, 26(4): 404-409, 416.

West China Medical Journal

Construction and application of combination forecasting model for human resources in a large public hospital

Abstract Full text Figures/Tables Video References Cited by

Previous Article

Next Article

Format

Content