基于大学生就医行为下的广州大学城医疗服务资源利用分析
基于大数据分析的医疗资源优化配置与调度研究
基于大数据分析的医疗资源优化配置与调度研究
随着大数据技术的发展和应用的广泛，如何利用大数据分析来优化医疗资源的配置与调度正成为医疗领域的重要课题。医疗资源的合理配置和高效调度是保障医疗服务质量和提高患者满意度的关键因素。本文将探讨基于大数据分析的医疗资源优化配置与调度研究，以期为医疗行业提供有效的解决方案。
一、医疗资源优化配置 医疗资源的合理配置是指通过调整医疗资源的数量、结构和空间分布等方面的因素，使其能够满足社会需求，提高医疗服务的效率和质量。基于大数据分析的医疗资源优化配置的关键是通过分析大量的医疗数据来得出合理的决策。
1. 数据采集与整合 为了进行医疗资源的优化配置，首先要进行大规模的医疗数据采集和整合工作。可以通过医院信息系统、电子病历系统、医保系统等来收集患者的就诊信息、疾病诊断信息以及医疗资源的分布情况等数据。通过对这些数据的整合分析，可以了解医疗服务的瓶颈以及需求的变化趋势。
2. 数据挖掘与分析 在医疗资源的优化配置过程中，数据挖掘和分析技术起到了重要的作用。通过对大量的医疗数据进行挖掘和分析，可以发现医院的疾病流行趋势、患者就诊特点以及医疗资源的利用率等信息。同时，还可以预测未来的医疗服务需求，为医疗资源的配置提供科学依据。
3. 模型构建与优化 利用大数据分析结果，可以构建医疗资源配置的数学模型，并通过模型的优化得出最佳的资源配置方案。模型可以考虑诸多因素，如医院的地理位置、资源的数量、质量和种类等。通过模型的求解，可以得出满足特定需求的医疗资源的优化配置方案。
二、医疗资源调度 医疗资源的调度是指根据患者的需求和资源的供给情况，合理安排医疗资源的分配与调度，以提高医疗服务的效率和质量。基于大数据分析的医疗资源调度可以帮助医院更好地安排资源，提高资源利用效率。
1. 数据分析与预测 通过对大数据的分析和预测，医院可以了解患者的就诊特点和需求趋势。通过分析患者的病情，诊断结果，就诊地点和时间等信息，可以预测未来的患者就诊数量和类型。这样可以有针对性地调度医疗资源，提前做好准备。
医疗资源大数据调研报告
医疗资源大数据调研报告医疗资源大数据调研报告随着科技的不断发展，大数据应用已经深入到各个行业领域。
医疗领域作为一个对数据要求极高的行业，也开始运用大数据来改善医疗资源的分配和利用。
本报告旨在对医疗资源大数据调研进行概述和分析。
首先，医疗资源大数据的定义是指通过收集和分析医疗领域的各种数据，包括患者就诊记录、医院资源分配情况、医生开药情况等，来提供医疗决策的支持和优化医疗资源的分配。
通过大数据的应用，可以更好地了解医疗资源的利用情况，使资源更加合理地分配。
其次，医疗资源大数据的应用主要体现在以下几个方面。
首先，通过分析大量的患者数据，可以帮助医生更加准确地诊断疾病，并进行个性化的治疗方案制定。
其次，通过对医院资源的分析，可以合理地调整医院的资源分配，提高医院的运营效率和服务质量。
再次，通过对医疗资源的需求预测，可以提前进行资源的调配，以应对不同时间段的需求变化。
最后，通过对医生开药情况的分析，可以发现并纠正过度开药的问题，实现合理用药。
此外，医疗资源大数据的应用也存在一些挑战和问题。
首先，数据的质量和隐私保护是一个重要的问题。
医疗领域涉及大量的敏感数据，如何保证数据的安全性和隐私性是一个亟待解决的问题。
其次，数据的整合和共享也是一个难题。
医疗数据来自于不同的源头，不同的数据格式和数据系统之间存在着差异，如何进行有效的数据整合和共享仍然存在一定的困难。
面对这些挑战和问题，我们可以采取一些措施来提高医疗资源大数据的应用效果。
首先，加强数据的标准化和整合，促进不同数据源之间的协同工作。
其次，建立严格的数据安全和隐私保护机制，加强对数据的管理和监控。
再次，通过加强科研和技术的应用，提高大数据分析的能力和效果。
最后，加强政策和法规的制定，促进医疗资源大数据的应用和发展。
综上所述，医疗资源大数据的应用对于改善医疗资源的分配和利用具有重要意义。
面对医疗领域的需求和挑战，我们需要积极推进医疗资源大数据的应用，进一步完善相关的技术和机制，以实现医疗资源的优化配置和医疗服务的提升。
广州大学城调研报告
广州大学城调研报告广州大学城是广州市番禺区的一处大型高等教育聚集区，自部分学院于2004年开始迁入以来，目前已集中了大约20所高等学府。
随着南方地区高等教育规模的扩大以及大批年轻人的涌入，广州大学城越来越成为了一个人才聚集和培养的重要地区。
为了更好地了解该聚集区的发展现状和未来前景，我们进行了一次广州大学城的实地调研。
一、广州大学城的基础设施建设广州大学城地理位置优越，交通便利，基础设施良好，为学生和教职工的生活提供了便利。
大学城内有多个大型购物中心、餐饮店、娱乐设施等，为学生提供充足的物质生活条件。
同时，大学城内还配备了健身房、游泳馆、体育馆等，为学生提供了充足的锻炼空间和健康生活的基础设施。
值得一提的是，广州大学城内还构建了一套完善的公共交通体系，为学生和教职工的出行提供了方便。
学生们可以通过地铁、公交、自行车等多种方式前往学校和周边商圈，以及广州市内其他任何地方。
二、广州大学城的学术氛围广州大学城内有众多高校，这些高校雄厚的师资力量、严格的学术氛围和优质的教育资源为该区域带来了浓厚的学术氛围。
在大学城内，我们很容易发现这种学术氛围。
学生们总会在学校里、公共图书馆里、咖啡店里、甚至公园里专注地阅读书籍或谈论学术话题。
广州大学城的学术氛围激励着学生们遵循自己的兴趣和热爱，在学术方面不断探索和深入研究，深受广大学生和教职工的追捧。
三、广州大学城的发展前景尽管广州大学城已经初步形成了一个高等教育聚集区，但它还有很大的发展潜力。
未来几年，广州市政府将在广州大学城内引进更多的高等学府和研究机构。
近年来，广州市政府加大了扶持高等教育的力度，向大学城内的高校提供了更多的政策支持和经济投入。
这些举措令广大学生和教职工对广州大学城的未来充满信心，我们相信广州大学城将会继续成为一个人才集聚和培育的重要地区。
四、结语总之，广州大学城是一个高等教育的重要聚集区，拥有良好的基础设施、浓厚的学术氛围和广阔的发展前景。
我们相信，在广州市政府的支持下，未来几年广州大学城将会更加繁荣发展，并为广大学生和教职工带来更多的机遇和福利。
广州市医疗资源供给现状研究
广州市医疗资源供给现状研究作者：齐兰兰来源：《城市地理》2015年第09期摘要：本文基于地方发展并对比全国水平，对广州市医疗资源供给现状进行分析。
广州市医疗资源供给在全省和全国处于比较领先的水平，供给与经济发展和人口发展呈高度正相关，稍滞后于经济发展但是基本符合人口发展速度。
从空间分布上看，医疗资源空间分布不均衡，基本上呈现从中心向外围衰减的趋势。
关键词：广州市；医疗资源；供给医疗资源供给现状分析是医疗服务系统效率和公平分析的基础，为合理利用医疗资源提供依据[1]。
现有研究主要基于相应的指标如床位数、医务人员数等，研究医疗系统内部各层级、各类型医疗资源之间配置结构，关注对象包括不同等级医院资源、社区医疗资源、农村基层医疗资源等不同层级，也包括妇女、儿童医疗资源等不同类型，以及关注不同地区间的医疗资源配置均衡性问题[2-6]。
所涉及的方法包括描述性统计分析、较复杂的定量模型分析以及地理空间分析等。
本文基于地方发展、对比全国水平，对广州市医疗资源供给现状进行分析如下。
1.医疗资源供给总量分析机构、床位、人员是反应医疗资源的主要指标[7]。
截至2012年底广州市共有各级各类医疗机构2817个，各类床位共65378张，卫生技术人员98299人，市区内每千人口机构数为0.25个，每千人口床位数为5.84张，每千人口拥有卫生技术人员约9人。
2.医疗资源供给水平分析2.1在全国的地位卫生技术人员数量和床位数反映了一个国家或地区的基本医疗设施水平，也反映了一个国家或地区的基本生活质量状态[8]。
本文以广州市的这两个指标与全国、广东省以及国内其他重要城市作比较，以此衡量广州市医疗服务供给水平。
（1）医疗资源供给与全国和全省相比，处于领先水平以2011年末广州市和市区千人卫生技术人员数和床位数指标分别与全国、全省进行对比，可知广州市千人卫生技术人员数和床位数均远高于全省及全国水平（见表1）。
（2）医疗资源供给与其他代表性城市比较，处于全国先进水平一些地区统计千人卫生技术人员数和千人床位数时采用的是户籍人口数量，而很多大城市非户籍人口多于户籍人口，这影响对其医疗资源供给充足与否的判断，因此本文统一采取常住人口统计口径的千人卫生技术人员数和千人床位数，通过广州与北京、上海、深圳、重庆及七个省会城市的医疗设施供给基本情况比较分析，可知广州市的医疗资源供给处于较高水平（见表2）。
广州市各级医院医疗服务状况经济学分析及公正性评价
《中国医院管理》第28卷第4期(总第321期)2008年4月目前我国医疗卫生体制改革进入关键时期[1]。
这项涉及全局的重大改革,面临许多重点和难点问题。
例如,如何界定和保障居民的基本医疗需求,如何合理配置医疗资源,医学的目的和医疗体制改革的目标的关系是什么?如何实现公正性?本研究通过调查各级医院医疗服务状况,分析影响医疗服务需求、资源配置、利用及费用的因素,评价其经济学关系和卫生服务公正性。
1资料与方法1.1资料资料来源于广州市卫生信息中心,资料收集了2005年和2006年广州市76家各级医院的6项医疗业务指标实际完成情况。
其中,部属医院7家,省属医院11家,市属医院14家,区属医院28家,集体所有制医院9家,企业医院7家。
观察的指标包括:床位数、病床使用率、门诊总人次、门诊人均费用、总出院人数、人均住院费用等6项。
1.2统计方法每家医院数据录入数据库,用SPS S软件进行统计学处理。
2各级医院指标比较结果表1显示了2006年广州市各级医院6项医疗业务指标实际完成情况;表2显示了2005年广州市各级医院6项业务指标实际完成情况;2006年和2005年表现的情况大部分一致,即从医疗资源配置、利用和费用来看,不同级别医院之间显示明显差异,即门诊和住院资源主要集中在大医院,呈倒三角分布;医疗服务的利用表现为,医院级别越高利用率也越高;医疗服务费用的差别更大,医院级别越高费用也越高。
从表1和表2对2006年和2005年同一级医院的6项指标进行比较可以看出,住院人数和住院费用显示有差异,即2006年比2005年住院人数和住院费用均有增加。
3讨论3.1卫生经济学分析和评价6项医院业务指标基本反应了广州市医疗资源配置、利用和费用的总体情况。
广州市的医疗服务实际状况是:高级别医院,高资源、高要求、高利用;低级别医院,低资源、低需求、低利用。
其结果是:医疗费用持续高速增长,医疗服务需求仍得不到广泛满意。
为什么医疗价格或费用调节会失灵呢?这符合卫生经济学规律吗?这是由医疗服务市场的特点决定的。
医疗健康大数据分析：优化医疗资源与服务
医疗健康大数据分析：优化医疗资源与服务引言医疗健康大数据分析是指通过收集、整理、分析和利用医疗领域产生的大量数据，以提供更好的医疗资源与服务。
随着信息技术的飞速发展和医疗数据的快速增长，大数据分析在医疗健康领域的作用日益重要。
本文将详细探讨医疗健康大数据分析在优化医疗资源与服务方面的应用和意义。
用大数据分析优化医疗资源1. 人口统计与疾病预测通过收集和分析大量的人口统计数据，例如年龄、性别、地理位置等，可以帮助医疗机构更好地了解人口的健康状况和需求。
根据这些数据，医疗机构可以有针对性地优化医疗资源的配置，以满足人们不同的健康需求。
同时，通过分析历史疾病数据和趋势，医疗机构还可以进行疾病预测，提前采取措施进行防治。
2. 医疗设备的智能调配医疗机构通常拥有各种各样的医疗设备，但在实际使用过程中，有些设备可能被闲置或者过度使用，导致资源利用效率不高。
通过大数据分析，可以对医疗设备的使用情况进行全面监控和分析，以了解设备的利用率和负载情况。
在此基础上，医疗机构可以合理调配医疗设备，使其得到更充分的利用，提高服务效率和质量。
3. 医疗人员的合理分配医疗人员是医疗资源中最宝贵的一部分。
然而，很多时候，医疗人员的分配可能存在不合理的情况，如有些科室人满为患，而有些科室却人手不足。
通过大数据分析，可以对医疗人员的工作量、专业特长等进行评估和分析，从而实现医疗人员的合理分配，提高医疗服务的效率和质量。
4. 医疗资源的区域优化配置医疗资源的分布在很大程度上决定了医疗服务的水平和质量。
通过大数据分析，可以深入了解不同地区的医疗资源的分布情况，包括医院数量、床位数、医生数量等。
在此基础上，可以对医疗资源进行合理的配置和优化，使得不同地区的人们都能够享受到更好的医疗服务。
大数据分析优化医疗服务1. 制定个性化治疗方案每个人的身体状况和治疗需求都是不同的，而传统的医疗服务往往是一刀切的，无法满足每个人的个性化需求。
通过大数据分析，可以对病人的病历数据、基因数据等进行综合分析，从而制定个性化的治疗方案，提高治疗的效果和成功率。
基于个体行为的城市居民就医空间及规划思考——以广州中心城区为例
REFLECTIONS ON SPACE OF MEDICAL SERVICE FOR URBAN RESIDENTS AND ITS PLANNING BASED ON INDIVIDUAL BEHAVIOR： A CASE STUDY OF CENTRAL DISTRICT OF GUANGZHOU 作者： 高军波;韩勇;王义民;张迁
作者机构： 信阳师范学院地理科学学院
出版物刊名： 城市规划
页码： 46-52页
年卷期： 2017年 第10期
主题词： 个体行为 医疗服务 消费空间 广州
摘要：基于微观个体行为的城市公共服务消费空间研究，有助于从需求角度审视公共服务设
施配置的有效性及公平性。
以广州中心城区为例，通过问卷调查数据系统探讨转型期城市居民
的医疗服务消费空间特征，结果表明：广州城市居民对公立和民营医疗服务消费的可接受距离
差异显著，医疗消费出行空间随年龄增加呈先增后减变化趋势，较高收入和受教育水平的城市
居民医疗消费空间更大，且外来人口比户籍居民出行距离更远，出行方式选择是医疗消费空间
差异的关键。
总体上看，转型期中国城市居民医疗服务消费行为具有显著的空间分异特征，形
成了三带四圈层的空间结构模式。
因此基于需求导向视角，要求城市医疗服务设施配置逐步完
善城市居民基本医疗消费空间的混合供给、提升一般医疗消费空间服务品质、提高重要医疗消
费空间利用效率和凸显关键医疗消费空间服务特色，共同促进城市医疗服务的公平及有效供
给。
当代中国大学城学生行为空间研究——以广州大学城为例
以广 州 大学城 为例
口 王 保 森
［ 摘
要］ 通过对广州大学城学生的行为空间特征及机制等 的研究可知，大学城学生行为空间
现 “ 大学城”现象。
的边 界 和 标 志 总体 表 现 出多 元 性 、 模 糊 性 ， 不 同学 生在 对大 学 城 空 间的 范 围 和 使 用 强 度 上存 在 较 大 差 异 。 为 满足 不 同群 体 的 需 求 ， 我 国 大学 城 建 设 迫 切 需 要 引 入 公 众 参 与机 制 ， 重 视 对 空 间实 际利 用者 的 研 究， 加 强规 划决 策 与空 间使 用 者 之 间 的互 动衔 接 ， 从 实践 入 手 指 导 管理 、 保持弹 性、实现优化控制 。
Ｃａ ｅＳｔｄ ｆ ａ ｇ ｈ ｕ Ｕｎｖ ｒｉ ｏ ／ ｎ ａ ｓ ｎ ｓ ｕ ｙｏ Ｇｕ ｎ ｚ ｏ ｉｅ ｓｔ Ｔ ｗｎＷａ ｇＢ ｏ ｅ ｙ
ｍ ｍ＿ Ｔ ｒｕ ｈｔ ｅｒｓ ａｃ ｎｃ ｌ ｇ ｔｄ ｎｓ ｂ ｈ ｖｏ ｐ ｃ ｎ ｃ ａ ｉｍ ｔ ａ ｇ ｈ ｕ 咖 ｈｏ ｇ ｅ ｒｈｏ ｏｌ ｅｓｕ ｅ ｔ’ ｅ ａ ｉｒ ａ ｅａ ｄｍｅ ｈ ｎｓ ａ ｈ ｅ ｅ ｓ Ｇｕ ｎ ｚ ｏ
工建设，投资 １ ０多亿元，仅用 １ 个月就 ５ ９ 建成了面积达 ２ ０ ３ 万平方米的 １ １ 栋现代 ４
一
般而言，大学城 的发展过程可划分 化建筑、６ ｍ的城市市政道路 、１ ０Ｋ ６ｋ ２ ｍ 的校区ｉ略 、８ ６ｋ ０ 酋 ． ｍ 的大学园区。大学城 由１ 所大学组成，截至 ２ ０ 年第三季度 ０ ０６ 已有学生 １ ９７ ８人、大学教师 ３９ ０ １ ２ ５ 人
医疗行业大数据分析优化医疗资源分配
医疗行业大数据分析优化医疗资源分配随着信息技术的不断发展，医疗行业也逐渐开始利用大数据进行资源分析和优化。
大数据分析可以为医疗机构提供准确的数据支持，帮助医疗决策者更好地了解医疗资源的分配情况，并基于数据分析的结果进行资源优化。
本文将探讨医疗行业大数据分析优化医疗资源分配的重要性和潜在效益。
一、大数据分析在医疗资源分配中的作用医疗资源分配是指将有限的医疗资源合理地分配到不同的医疗机构和地区，以满足不同地区和人群的医疗需求。
而大数据分析可以提供实时、准确的医疗数据，对医疗资源的需求与分配情况进行深度分析，从而帮助决策者更好地制定资源分配策略。
首先，大数据分析可以帮助医疗机构了解人口健康状况及需求变化。
通过分析大量的医疗数据，可以获得人口的健康状况、患病率、患病趋势等信息。
这些信息可以帮助医疗机构预测未来的医疗需求，以及确定不同地区和人群的医疗资源需求。
其次，大数据分析可以协助医疗决策者了解医疗资源分布情况。
通过对各个医疗机构的资源分布进行大数据分析，可以了解不同地区和机构的医疗资源供给特点。
这些数据可以帮助决策者发现医疗资源的不足或过剩，并进行资源的优化和调整。
最后，大数据分析可以帮助医疗机构评估医疗资源的利用效率。
通过对医疗机构的就医流程、医疗服务质量、诊断和治疗效果等进行数据分析，可以评估医疗资源的利用效率和质量水平。
这些数据分析结果可以帮助医疗机构改进流程和服务，提高医疗资源的利用效率。
二、大数据分析优化医疗资源分配的实践案例近年来，大数据分析在医疗行业得到广泛应用，并取得了显著的成效。
下面将介绍一些国内外的实践案例。
在美国，一家医疗保险公司利用大数据分析工具，对特定慢性病患者的医疗数据进行分析，评估其医疗需求和医疗资源使用情况。
通过这些分析结果，医疗保险公司可以为慢性病患者提供定制化的医疗计划，并将有限资源优先分配给最需要的患者，从而提高医疗资源的利用效率。
在中国，一些医疗机构也开始利用大数据分析来优化医疗资源分配。
大数据分析在医疗资源调度与医疗服务优化中的应用
大数据分析在医疗资源调度与医疗服务优化中的应用
一、引言
随着信息技术的快速发展，大数据分析在医疗领域的应用日益广泛。
本文将着
重探讨大数据分析在医疗资源调度与医疗服务优化中的应用，探讨其意义与前景。
二、医疗资源调度
1. 数据来源
医疗资源包括人员、设备、药品等方面的资源。
通过数据的采集、整合和分析，可以更好地理解医疗资源的分布、利用率和需求。
2. 优化调度
利用大数据分析技术，可以对医疗资源进行智能调度，使得资源利用达到最佳
状态。
通过分析历史数据和实时数据，可以调整医疗资源的分配，避免资源的浪费和短缺。
三、医疗服务优化
1. 患者需求预测
通过分析患者大数据，可以准确地预测患者的就诊需求，包括就诊时间和就医
科室。
这有助于医院提前准备，提高就诊效率。
2. 个性化医疗服务
根据患者的个人数据和健康状况，医院可以提供个性化的医疗服务。
大数据分
析可以帮助医院精准地提供针对性的治疗方案和健康管理建议。
四、结语
大数据分析在医疗领域的应用已经取得了可观的成果，为医疗资源调度与医疗
服务优化提供了有力支持。
未来，随着技术的不断发展，大数据分析在医疗领域的应用将更加广泛和深入，为提升医疗服务质量和效率带来新的机遇和挑战。
以上是本文对大数据分析在医疗资源调度与医疗服务优化中的应用的探讨，希
望对读者有所启发。
如果您对该话题感兴趣，欢迎关注我们的公众号，获取更多相关文章和讨论。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于大学生就医行为下的广州大学城医疗服务资源利用分析
作者：杜珠英
来源：《医学信息》2014年第21期
摘要：本文通过对广州大学城大学生就医行为的调查，利用SPSS运用多元线性回归对大学城医疗服务资源利用的情况进行分析。
发现学生对大学城医疗资源的总体利用情况与学生对医疗资源分布的了解状况、大学城内就医是否方便、大学城内的就医环境以及大学城医院的诊疗设备有明显的相关关系。
合理分配大学城医疗资源，实现资源共享，更加有效地指导和保障大学生健康，这也是打造大学城的目标之一。
关键词：就医行为；医疗资源；广州大学城
就医行为的研究始于Andersen模型，模型以人群卫生服务利用的理论框架，寻找促进和妨碍家庭或个人使用医疗服务的影响因素，衡量医疗服务的可及性。
本文研究对象是广州大学城的大学生就医行为，属于对特定人群的就医行为研究。
广州大学城聚集十所高校，共计十几万学子在这里学习和生活，伴随高校扩招和校区专业调整，其规模继续扩大，而学生患病后选择如何就医的行为，包含着学生对各级医疗机构和健康价值的认识趋向，同时反映出学校健康教育的深入程度和医疗机构的地位。
文章重点分析就医行为背景下广州大学城医疗服务资源的利用情况。
1数据来源和描述统计
本研究数据来源于对广州大学城10所高校学生的"大学城医疗服务资源利用分析"的调查问卷。
发放2700份问卷，回收2366份有效问卷，为研究的需要选取每所学校200个有效样本数据进行分析。
其中性别和年级的频数分布如图1和图2所示。
其中性别比例接近1：1；对于年级的分布，由于各高校研究生在大学城校区的比例较少，所收集的问卷中该人群极少，故排除在选样外，其中大一：大二：大三：大四=3：2：2：1，显示所选样本数据具有代表性和可分析性。
图1 性别分布
图2 年级分布
文章将以大学城学生就医行为为背景，主要通过对大学生医疗需求的现况、大学城医疗服务利用、大学城医疗现状分析等分析，发现广州大学城医疗服务体系的利用情况和存在问题。
2大学城医疗资源利用的多元线性逐步回归分析
2.1变量定义及模型构建设因变量Y为"是否选择大学城医院"，是二分变量：l为是；0为否。
自变量分别为X1、X2、X3、X4，均为分类变量，其赋值见表1。
因变量和自变量均为分类变量，因此，不能选取普通线性回归模型进行回归分析，本文采用多元线性逐步回归（Stepwise Multiple Regression Method）方法进行计量回归检验。
回归方程表示为：Y=a+b1X1+b2X2+b3X3+……+bkXk[1]。
其中，Y是否使用了大学城医院：各个系数bi表示解释变量对使用医疗服务的影响，其取值系数越大表示使用医疗服务的概率就越大。
2.2结果分析首先进行相关分析，相关分析显示变量间的Pearson Correlation（皮尔逊相关系数）和显著性检验单尾P值及例数，见表1。
图3 相关分析
相关分析结果（如图3所示）显示是否选择大学城医院Y与是否了解大学城内医疗分布情况X1、大学城就医是否方便X2、大学城内就医环境X3、大学城医院诊疗设备X4的相关系数分别是：0.438，0.575，0.584，0.485，单尾P值为0.00
图4 模型摘要
回归分析中判定系数反映了回归效果的好坏，若R2=1，拟合是完全的；若R2=0，则表示自变量x与因变量y完全无关；通常观测值都是部分的落在回归直线上，即0
图5 方差分析
回归方程的显著性检验是对因变量与所有自变量之间的线性关系是否显著的一种假设检验。
一般采用F检验，利用方差分析的方法进行。
若对应的相伴概率（概率P值）小于显著水平α，说明自变量x与应变量y之间确有线性回归关系。
而图5结果显示P=0.00
图6 回归分析
图7 正态概率分布图
图6显示回归分析中的系数（Coefficients）。
其中常数项（Constant）=-1.475；是否了解大学城内医疗分布情况（X1）、大学城就医是否方便（X2）、大学城内就医环境（X3）、大学城医院诊疗设备（X4）的回归系数（B）分别是：0.236、0.250、0.242、0.188；回归系数的标准误差（Std.Error）分别是：0.010、0.011、0.013、0.014；标准化回归系数（Beta）分别是：0.324、0.352、0.307、0.203；回归系数t检验的t值分别是：23.176、23.142、18、855、13、106；P=0.00大学城内就医环境>是否了解大学城内医疗分布情况>大学城医院诊疗设备情况，反映了大学生在选择大学城医院时各因素的影响。
3结论
根据以上分析结果，建议：①合理安排到达医疗服务点的路线。
针对离大学城医院远的学院，可适当增加公交线路和发班班次，使往来交通更便捷。
②各高校新生入学教育增设讲座来宣传大学城医疗服务资源的分布，包括位置、范围、服务对象、服务评价等内容，从而提高学生对大学城内医疗卫生服务资源的了解。
③各高校医疗资源共享。
因大学城十所高校专业性质差异性，建议医药类院校的校医开放对其他院校的学生服务，从根本上实现资源的共享[2]。
④提升医院的服务能力。
通过增设科室、医护力量以及其他医疗设施等提高大学城内医疗卫生服务的质量。
⑤健全大学生医疗保障制度。
高校和大学城管委会应在目前的医疗保障制度下，分析人群就医特征，结合实际经济状况，适当对某些疾病进行财政补贴，或者与商业保险公司合作，为大学生定制合适的保险产品，以保障学生患病后得到及时有效地治疗[3]。
影响学生就医行为的因素具有多重性和复杂性，信息系统详细地记录了各类就医数据，对这些十分繁杂、大量的数据进行系统地分析和挖掘，从中发现有价值的信息，更加有效地保障学生的身心健康，患病后得到良好的医治。
参考文献：
[1]马庆国.管理统计[M].北京：科学出版社， 2011.
[2]林嫔，梁镇.广州大学城 10所高校医疗机构现状调查[J].中国校医， 2008，（01）：44-47.
[3]饶克勤.中国城市居民医疗服务利用影响因素的研究-四步模型法的基本理论及其应用[J].中国卫生统计，2000，17（2）：70-73.
编辑/申磊。