
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于层次凝聚聚类方法构建VHA临床资源中心区域类型学及其与项目结果差异的关联
《BMC Health Services Research》:Understanding regional variations in the veterans health administration’s clinical resource hub program using hierarchical agglomerative clustering
【字体: 大 中 小 】 时间:2026年10月08日 来源:BMC Health Services Research 3.3
编辑推荐:
摘要 背景 退伍军人健康管理署(VHA)等大型医疗系统有潜力通过区域化来优化资源配置和提高效率。VHA的临床资源中心(CRH)是一个基于区域的计划,在VHA的18个行政区域中每个区域各设一个"枢纽";这些枢纽负责填补各区域内"辐点"门诊护理站点的临时人员缺口。了解现有区域特
退伍军人健康管理署(VHA)等大型医疗系统有潜力通过区域化来优化资源配置和提高效率。VHA的临床资源中心(CRH)是一个基于区域的计划,在VHA的18个行政区域中每个区域各设一个"枢纽";这些枢纽负责填补各区域内"辐点"门诊护理站点的临时人员缺口。了解现有区域特征聚类与观察到的项目结果之间的关系,可以为项目设计和评估提供依据。然而,现有的聚类方法难以解释和实际应用。我们旨在作为一项概念验证,检验无监督的层次凝聚聚类(HAC)是否能够(a)揭示可解释的区域类型学,并(b)在学习CRH项目结果差异方面显示出表面效度。
我们首先开发了一组与区域CRH差异假设有联系的特征。基于这些特征,我们通过对退伍军人相关数据进行汇总来创建区域变量。我们还纳入了相关的现有区域定义的VHA数据变量。我们采用主成分分析(PCA)进行降维,并开发可解释的特征载荷。我们应用HAC在保留变量中识别区域聚类,并迭代测试聚类的表面效度。我们比较了CRH实施前后(FY19和FY23)的就诊可及性和利用情况(FY23)在基于HAC的聚类间的差异。
HAC识别出四个聚类,即区域特征画像(例如:老年/病重/农村 vs. 年轻/人口增长/女性比例更高)。对可及性和利用率结果差异的分析显示,不同聚类间存在明显差异;例如,一个聚类在可及性得分的变化幅度最低,同时其可及性得分也最低,暗示该区域存在可及性挑战。
基于PCA的HAC方法生成了可解释的区域类型学,这些类型学与运营领导层的洞察相一致,并与CRH项目在可及性和利用率方面的差异结果相对应。然而,未来仍需进一步研究,以确认该方法作为一种理解基于区域的项目中结果差异的方法,是否具有更广泛的实用性。