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, 张鹏俊, 王辰. 我国卫生人力资源预测研究现状分析. 人力资源管理, 2018(5): 257-258.
2.	徐凯. 基于灰色 GM(1,1)模型的某三甲综合医院人力资源需求预测分析. 中国卫生标准管理, 2023, 14(18): 58-62.
3.	贾贞琳. ARIMA 模型对中国卫生技术人员总量预测的研究. 社区医学杂志, 2013, 11(4): 33-34.
4.	侯雅楠, 王丹, 陈芸, 等. 山东省卫生人力资源组合预测模型构建及应用. 卫生软科学, 2021, 35(4): 72-75, 79.
5.	朱泉同, 高山. 基于组合预测模型的江苏省卫生人力资源需求预测探讨. 中国卫生统计, 2020, 37(6): 862-865.
6.	邓聚龙. 灰色系统理论简介. 内蒙古电力, 1993(3): 51-52.
7.	吕邦亮, 汤质如, 彭婧, 等. 基于灰色 GM(1,1)模型的安徽省“十四五”期间医疗卫生资源配置预测研究. 卫生软科学, 2024, 38(1): 52-57.
8.	陈娟, 李继平. 最优加权组合预测法在护理人才需求预测中的应用. 中华护理杂志, 2009, 44(10): 903-906.
9.	田智得, 祁广军, 黄东亮, 等. 时间序列分析在蚕种销售中的应用研究. 蚕业科学, 2009, 35(1): 211-217.
10.	刘松, 张帅. 运用 ARIMA 模型对股价预测的实证研究. 经济研究导刊, 2021(25): 76-78.
11.	吴焕. 基于 ARIMA 模型的河南省卫生技术人员需求预测分析. 现代预防医学, 2013, 40(9): 1664-1666.
12.	徐宏燕, 刘雅倩, 刘凯波, 等. 基于 ARIMA 模型的北京市产前超声筛查人员情况预测. 中国医学科学院学报, 2021, 43(4): 513-520.
13.	邹小江, 赵寒, 王祈茵, 等. 基于 ARIMA 模型的重庆市流行性感冒预测研究. 重庆医科大学学报, 2023, 48(12): 1425-1429.
14.	孙博, 滕冲, 冯丽平, 等. 2018-2022 年内蒙古自治区兴安盟结核病流行特征及发病预测模型应用. 疾病监测, 2024, 39(2): 200-206.
15.	张倩茹, 朱纪荣, 朱美, 等. 空气污染物对合肥市心律失常患者住院风险影响的时间序列研究. 中华全科医学, 2023, 21(9): 1596-1600.
16.	吴瑞凯, 张莹, 杨浩峰, 等. 昼夜温差对乌鲁木齐市慢性肾脏病日住院人次影响的时间序列分析. 医学新知, 2024, 34(2): 137-148.
17.	刘鸿宇, 孙玉凤, 王健. 卫生人力资源需求预测研究进展、问题探讨及展望. 中国卫生事业管理, 2016, 33(11): 828-830, 860.
18.	侯月洁, 乔丽花, 余中光, 等. 国内卫生人力需求预测研究现状分析. 中国医院, 2015, 19(4): 74-76.
19.	毛瑛, 井朋朋, 吴静娴, 等. 我国卫生人力资源的组合预测模型构建及应用. 中国卫生经济, 2015, 34(5): 21-24.
20.	白永梅, 王东博, 潘悦达, 等. 基于组合模型的北京市卫生技术人员数量发展趋势预测. 卫生软科学, 2018, 32(10): 27-32.
21.	楚美金, 徐文, 马漫遥. 山东省中医类医院卫生人力资源需求预测. 中国卫生资源, 2023, 26(4): 404-409, 416.

1. 彭博, 张鹏俊, 王辰. 我国卫生人力资源预测研究现状分析. 人力资源管理, 2018(5): 257-258.
2. 徐凯. 基于灰色 GM(1,1)模型的某三甲综合医院人力资源需求预测分析. 中国卫生标准管理, 2023, 14(18): 58-62.
3. 贾贞琳. ARIMA 模型对中国卫生技术人员总量预测的研究. 社区医学杂志, 2013, 11(4): 33-34.
4. 侯雅楠, 王丹, 陈芸, 等. 山东省卫生人力资源组合预测模型构建及应用. 卫生软科学, 2021, 35(4): 72-75, 79.
5. 朱泉同, 高山. 基于组合预测模型的江苏省卫生人力资源需求预测探讨. 中国卫生统计, 2020, 37(6): 862-865.
6. 邓聚龙. 灰色系统理论简介. 内蒙古电力, 1993(3): 51-52.
7. 吕邦亮, 汤质如, 彭婧, 等. 基于灰色 GM(1,1)模型的安徽省“十四五”期间医疗卫生资源配置预测研究. 卫生软科学, 2024, 38(1): 52-57.
8. 陈娟, 李继平. 最优加权组合预测法在护理人才需求预测中的应用. 中华护理杂志, 2009, 44(10): 903-906.
9. 田智得, 祁广军, 黄东亮, 等. 时间序列分析在蚕种销售中的应用研究. 蚕业科学, 2009, 35(1): 211-217.
10. 刘松, 张帅. 运用 ARIMA 模型对股价预测的实证研究. 经济研究导刊, 2021(25): 76-78.
11. 吴焕. 基于 ARIMA 模型的河南省卫生技术人员需求预测分析. 现代预防医学, 2013, 40(9): 1664-1666.
12. 徐宏燕, 刘雅倩, 刘凯波, 等. 基于 ARIMA 模型的北京市产前超声筛查人员情况预测. 中国医学科学院学报, 2021, 43(4): 513-520.
13. 邹小江, 赵寒, 王祈茵, 等. 基于 ARIMA 模型的重庆市流行性感冒预测研究. 重庆医科大学学报, 2023, 48(12): 1425-1429.
14. 孙博, 滕冲, 冯丽平, 等. 2018-2022 年内蒙古自治区兴安盟结核病流行特征及发病预测模型应用. 疾病监测, 2024, 39(2): 200-206.
15. 张倩茹, 朱纪荣, 朱美, 等. 空气污染物对合肥市心律失常患者住院风险影响的时间序列研究. 中华全科医学, 2023, 21(9): 1596-1600.
16. 吴瑞凯, 张莹, 杨浩峰, 等. 昼夜温差对乌鲁木齐市慢性肾脏病日住院人次影响的时间序列分析. 医学新知, 2024, 34(2): 137-148.
17. 刘鸿宇, 孙玉凤, 王健. 卫生人力资源需求预测研究进展、问题探讨及展望. 中国卫生事业管理, 2016, 33(11): 828-830, 860.
18. 侯月洁, 乔丽花, 余中光, 等. 国内卫生人力需求预测研究现状分析. 中国医院, 2015, 19(4): 74-76.
19. 毛瑛, 井朋朋, 吴静娴, 等. 我国卫生人力资源的组合预测模型构建及应用. 中国卫生经济, 2015, 34(5): 21-24.
20. 白永梅, 王东博, 潘悦达, 等. 基于组合模型的北京市卫生技术人员数量发展趋势预测. 卫生软科学, 2018, 32(10): 27-32.
21. 楚美金, 徐文, 马漫遥. 山东省中医类医院卫生人力资源需求预测. 中国卫生资源, 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