基于粗糙数BWM-GLDS集成决策方法的血液透析患者满意度评估研究

本研究针对血液透析患者满意度评估中主观性和不确定性问题，开发了集成粗糙数（Rough Number）、最优最劣法（BWM）和得失优势得分法（GLDS）的R-BWM-GLDS多属性群决策框架。通过构建包含13项指标的评估体系，对济南5家医院进行实证分析，结果显示医院A综合满意度最优。该方法为医疗服务质量评估提供了兼顾整体性能与单项指标表现的可靠工具，显著提升了患者中心化管理的科学性和可解释性。

　　

在当今以患者为中心的医疗模式转型中，患者满意度已成为衡量医疗服务质量的关键指标。特别是在血液透析这类需要患者长期频繁接受治疗的慢性病领域，治疗过程中的体验直接影响治疗依从性和健康结局。然而，传统的患者满意度评估方法面临三大挑战：患者评判存在天然主观性和不确定性；多准则权重确定过程复杂且一致性难以保证；现有决策方法往往无法同时兼顾整体表现和单项指标劣势。

为破解这些难题，来自济宁医科大学附属医院内分泌遗传代谢科的Jie Gao、山东第一医科大学附属山东省立医院感染科的Meihong Han以及济宁医科大学附属医院的Bo Ban研究团队，在《Scientific Reports》发表了创新性研究。他们首次将粗糙数理论与最优最劣法（Best-Worst Method, BWM）和得失优势得分法（Gained and Lost Dominance Score, GLDS）相结合，构建了R-BWM-GLDS集成决策框架，为血液透析患者满意度评估提供了更加科学可靠的方法学工具。

研究人员采用的关键技术方法包括：通过文献分析和专家咨询建立包含3个维度13个指标的血液透析患者满意度评估体系；使用粗糙数聚合多名患者和专家的语言评价信息以处理不确定性；采用粗糙BWM（R-BWM）计算准则权重，大幅减少比较次数并提高一致性；开发粗糙GLDS（R-GLDS）方法进行方案排序，同时考虑整体得优势和单项失优势。

研究结果

评估指标体系的建立

通过系统文献回顾和17名专家咨询，研究团队建立了包含3个一级维度、13个二级指标的血液透析患者满意度评估体系。 hemodialysis process（血液透析过程）维度包括Total waiting time（总等待时间，C₁₁）、Procedures before hemodialysis（透析前 procedures，C₁₂）等5个指标；Medical staffs of hemodialysis（医疗 staff，C₂）维度涵盖Arteriovenous fistula puncture comfort（动静脉瘘穿刺舒适度，C₂₁）、Service attitude（服务态度，C₂₂）等4个指标；Environment of hemodialysis room（透析室环境，C₃）维度包含Guide sign（导引标识，C₃₁）、Comfort of the hemodialysis room（透析室舒适度，C₃₃）等4个指标。

基于R-BWM的准则权重确定

邀请8名专家组成决策小组，使用粗糙数处理语言评判信息。专家被分为3个组别（G1、G2、G3），分别确定不同的最佳和最差准则。通过粗糙BWM计算得到各准则权重，其中Improvement of clinical outcome（临床结局改善，C₁₄）和Emergency response（应急响应，C₂₄）等临床相关指标权重较高，而环境类指标权重相对较低。所有专家的 consistency ratio（CR，一致性比率）均低于0.1，满足一致性要求。

基于R-GLDS的医院排序

收集济南5家医院（A1-A5）共501份有效患者问卷，使用七级语言术语集（从very bad到very good）进行评价。通过粗糙数聚合患者评价，构建粗糙决策矩阵。应用R-GLDS方法计算各医院的net gained dominance score（净得优势得分，DS₁）和net lost dominance score（净失优势得分，DS₂），最终得到综合得分（IS）。结果显示医院A1综合得分最高（IS₁=3.3658），其次为A2（IS₂=2.1734），A5得分最低（IS₅=-0.0466），排序为A1?A2?A3?A4?A5。

方法比较与敏感性分析

与粗糙TOPSIS（R-TOPSIS）和粗糙VIKOR（R-VIKOR）方法的比较结果显示，R-BWM-GLDS方法排序结果更加稳定可靠。敏感性分析表明，当准则权重和粗糙数边界在±10-15%范围内波动时，最佳和最差医院（A1和A5）的排序始终保持不变，中间位次医院仅有微小波动，证明该方法具有良好的鲁棒性。

研究结论与意义

本研究证实了R-BWM-GLDS方法在患者满意度评估中的有效性和优越性。该方法不仅减少了BWM所需的比较次数（从AHP的n(n-1)/2次减少到2n-3次），还通过粗糙数保留了决策信息的原始不确定性，避免了模糊集方法需要预先设定隶属度函数的局限性。

在实践意义上，该研究为医疗机构提供了系统化的血液透析服务评估工具：一方面帮助医院管理者识别服务短板（如医院A5在应急响应和设备完善度方面表现较差），另一方面为医疗资源优化配置提供了决策依据。研究表明，除了传统的临床结局指标，治疗过程的舒适性、 staff 的及时响应能力和环境秩序等因素同样显著影响患者满意度。

方法学上的创新使得患者语言评价能够被更真实地转化为量化数据，而GLDS方法的双维度考量（得优势与失优势）确保了排名靠前的医院不仅在整体表现上优异，在单个指标上也不会存在严重缺陷。这种特性对于医疗服务质量评估尤为重要，因为患者在某个关键指标上的极度不满意可能会抵消其他方面的良好体验。

该研究的框架可扩展应用于其他医疗场景的患者满意度评估，为 healthcare quality improvement（医疗质量改进）提供了科学依据，推动了 patient-centered care（以患者为中心的医疗）模式的实践发展。