這學期我修了三門課，分別是「健康照護組織行為」(Advanced Health Services Organization Behavior)、「健康方案評估」(Health Program Evaluation)與「計量經濟學的群組追蹤與非線性方法」(Panel and Nonlinear Methods in Econometrics)。
健康照護組織行為
一般而言，組織理論被分為兩大類，一類是巨觀組織理論(macro organization theory)，另一類是微觀組織理論(micro organization theory)，前者是將每個組織當成一個個體，去探討組織與組織之間的互動；後者則是進入組織之內，探討組織內成員的認知與行為(如工作動機、主管與員工關係、決策方式、權力互動與組織文化)，因此又被稱為組織行為理論。
「健康照護組織行為」這門課主要就是在學習微觀組織理論，並將這些學說應用在健康照護機構內部的決策、領導、管理、規畫與運作。許多組織行為理論都來自組織心理學的研究，研究的對象包含各種不同產業的組織，不過健康照護機構(比如醫院)與其他產業的機構(如銀行、燈具工廠、工會、教會等)有很明顯不一樣的地方，特別是健康照護機構的成員與利害關係人非常多元，包括病人、醫師、護理人員、各種醫技人員、後勤支援人員、行政管理人員、志工、社區或社會中關切醫療健康的人士與團體，這些不同利益與背景的人員自然形成相當複雜的互動關係。而且，一般來說健康照護機構中的工作人員背景不僅很多元化，各個專業也很專精，光是醫師就又細分為很多專科；雖然這些專業人員通常都有很高的教育程度，但不同專業人員之間也有很微妙的權力運作關係，比如在醫院中，醫師是醫療處置的主要指揮者。此外，醫院內不僅有全職工作者，還有許多臨時員工、流動員工、外包員工以及義工，這都是其他產業的組織不常見的情況。也因為有這麼多元的成員，健康照護機構的組織行為呈現很多特殊的面貌，對許多組織行為理論研究者帶來不小的考驗，對管理或領導者也是一大挑戰。不過也因為如此，健康照護機構成為探討組織行為很有趣且豐富的場合，提供很多機會給研究者與管理者去實驗與瞭解組織的機會。
相對於巨觀組織理論只有幾個主要的學說，微觀的組織行為理論則有很多學說，而且不斷有新的學說被提出來。其實我覺得微觀組織行為的探討要比巨觀組織理論的研究要來得有趣，也比較有應用性。不過由於我們系上組織行為領域的師資很少，而且學術界要進行組織行為的研究需要組織內部成員的資料，比較不容易取得，因此我們系上絕大多數的博士論文是採用巨觀的組織理論，很少組織行為方面的研究。雖然如此，我們博士班組織理論資格考試則是要求學生對巨觀組織理論與微觀組織行為理論都要有一定程度的了解，並都列入考試內容中。其實對於在產業機構服務的研究人員來說，組織行為的研究有許多機構內部現成的資料可以使用，反而比較容易，而且這些研究的結果直接可以提供給機構做為決策或經營的參考，比較實用。
這門課每個禮拜都有好幾篇論文要讀，每位同學針對一篇不同的文章整理重點摘要，在課堂上介紹。此外整學期中，每個學生還被分配到三個組織行為理論，在課堂上簡報給其他同學。在作業方面，則有兩篇理論應用的報告，運用兩種理論分別去探討兩個健康照護機構內部的問題，最後期末有一篇研究計畫提案與口頭報告，針對自己感興趣的問題，運用某種組織行為理論的架構去提出研究的假設、設計與方法。
健康方案評估
這門課是屬於系上博士班的研究方法課程之一。在臨床醫學、醫務行政管理與健康服務研究方面，有許多的研究都是在探討某種衛生/醫療政策、健康方案、醫療/照護組織型態、管理措施或醫療處置是否真的有效(達到原來預期的效果或目標)，這些都可以包含在廣義的健康方案評估裡面。健康方案評估的結果有很多的用途，它可以給臨床人員做為醫療處置的依據，也可以幫助管理者或行政決策者決定採用、修正或停止某種管理措施的參考，並可以提供政策建議給政策制定者，做為健康與醫療資源分配的根據。
在健康方案評估時，有三個很根本且重要的準則與目標：(1)有效性(effectiveness)、(2)效率(efficiency)、(3)公平(equity)。在這裡，有效性是指健康照護措施能夠促進病人或群眾的健康的程度；我們也經常用品質來描述健康照護的有效性；效率是指健康促進程度相對於所投入的資源的關係，也就是：效率=有效性/所投入資源的成本；公平則是指健康照護有沒有造成不同群組(比如台灣的平地人與原住民；美國的白人與黑人)之間有健康差異的情形(這是結果實質平等的概念)，或者在達成促進健康(有效性)的過程與結構上是否有不公平的情況(這即是程序公平的概念)。
在這三個原則中，有效性是最核心的一點。如果某種醫療照護措施或健康方案無法產生預期的效果，那就算多麼經濟也沒有用，而且缺乏效果的平等並沒有任何實質上的意義。效率與公平都是在有效的前提下再去做進一步的討論，因此我們先要確定某種健康促進或醫療照護的措施是有效，才再來探討該種措施的效率是如何，以及所造成的健康不均等的情況是否存在。
有時候，這三個原則的目標是一致的，有時候，它們的方向是互相衝突的。比如有兩個措施所投入的成本相近，其中較有效的一個便有較高的效率；而且較有效率的方案表示可以用較少的資源達成同樣的效果，因此所節省下來的資源就可以用來照顧更多的人，拉近健康或照護資源分布不均的差距。可是，有時候當我們想要提高某種措施的有效性時，我們需要投入更多的成本，當額外投入的成本所產生的效益低於成本時，效率就降低了；有些時候我們為了提高措施或方案的效果與效率，而將資源投入到可以產生最高效益的對象，因此忽略了另外的對象，造成不公平的問題。如果這三個原則可以兼顧，那是最好的狀況，如果不能兼顧的時候，我們必須瞭解當中的取捨關係，以找出最恰當的平衡點。
這門課所學習的內容應該也是很實用的，可以用來探討臨床處置、機構管理措施、組織型態、健康方案與衛生政策的效果、效率與平等。探討或評估的場合或對象可以是醫師個人的治療方法、醫院內部的措施、社區中的健康促進計畫、以及國家的醫療政策。當然這當中有許多問題會影響到評估的正確性與否，因此必須特別注意，學界也已經發展出許多相關的評估方法去提高評估的正確性。這也是這門課主要的重點。
這門課每個禮拜也有不少篇論文要唸，上課要一起討論。另外整學期每位學生有兩篇論文要做整理與報告，老師針對健康結果與平等這兩個主題，分配給每位學生各一篇論文，在課堂上進行口頭報告。期中有一份成本資料分析的作業，期末要完成一份健康方案有效性研究的計畫提案並做口頭報告。
計量經濟學的群組追蹤與非線性方法
在研究方法中，群組追蹤研究(panel study)是指針對一群由相同個體所組成的集合(panel)，重複收集不同時間點的資料來做分析，以探討各種變數之間的關係；這裡的個體可以是人，也可以是家庭、班級、醫院、學校、公司、都市甚至國家等等。Panel study同時包括橫斷面(cross sectional)的資料與時間縱斷面(longitudinal)的資料，橫斷面的資料是指來自許多個體的資料(比如員工A, B, C, …N)，縱斷面的資料則是指每一個個體都有一個時間點以上的資料(時間點1, 2,3…T)，因此一般來說我們總共會有N*T筆資料[1]。
Panel study最大的好處，就是可以讓研究者控制每個個體不太隨時間改變的因素，如個人的性別、基因(體質)、能力與種族等，學校的師資、設備、地點等，國家的文化、制度與自然資源等。這些因素對我們所關切的變數與關係通常有很大的影響，可是在大多時候很難客觀加以衡量與掌握，因此無法在一般的迴歸模式中被納入而予以控制，這時我們的計量模式便出現嚴重的「變數欠缺」(missing variables)問題，所得到的估算值會有誤差。Panel data可以讓我們將這些個體不隨時間改變的因素排除掉[2]，使我們的計量模式達到比較準確的地步。
嚴格來說，panel data不一定是有時間縱斷面的資料，而可以是其他面向的資料。舉例來說，如果我們想要研究大學生的曠課率與課堂成績表現的關係，其中學生的能力會影響曠課率(能力好的學生認為自修就可以，不太需要去上課，因此雖然曠課率高，仍然有不錯的成績表現)，照理說我們必須加以控制。可是我們不容易找到客觀衡量學生能力的指標，這時我們可以針對每位學生(或相同的學生樣本)，收集其所修的各個課程的資料(曠課率與成績)，藉由這份panel data的分析，我們便能夠將學生能力的因素加以去除。在這份panel data中，我們有許多不同學生的資料，同時有每位學生不同課程的資料，但沒有使用每位學生不同時間點的資料。
由於Panel study是一種動態的分析方法，因此當研究者要進行方案或政策有效性評估時(探討結果改變的方向與程度)，panel study是很有用的方法。比如我們想要探討某種新的健保措施(如論質給付)對於糖尿病人的血糖控制是否有顯著的改善時，照理說我們必須考慮病人的年齡、自理能力、健康意識、家庭支持度等等。可是除了年齡以外的大多數因素經常不容易取得或客觀衡量。這時如果我們可以取得病人在此措施實施前後的血糖控制情況的資料，便能夠將這些觀察不到的固定因素加以排除，得到措施實施與血糖控制情況改變之間的關係。
這門課還會介紹到非線性的迴歸模式的應用。基本的計量經濟學或迴歸分析模式是線性模式，這是假設應變數與自變數(與控制變數)之間的關係的呈現線性關係的情況(即當自變數改變時，應變數會以一定比例隨之變化)。但在許多實際的狀況中，這個前提是不存在的。有時候應變數與自變數的關係是非線性的關係(比如當自變數剛改變時，應變數改變得很快，但後來改變程度減緩，甚至反方向改變)。另外一個常見的非線性關係是當應變數不是連續變數資料時，比如是1與0 (是與否)，整數(如病人的就診次數、住院次數)，或排序值(如非常滿意、滿意、普通、不滿意、非常不滿意)，這時也必須採用相關的非線性的迴歸計量模式。
我們經常在研究論文中看到非線性模式的使用，特別是醫務管理的研究有很多情況是處理非線性關係。我相信這門課也會是很實用，對於了解別人的研究以及自己從事研究都很有幫助。
這三門課除了都很實用之外，另外的一個共同點就是授課老師都是美女教授。「健康照護組織行為」的授課老師Dr. Tanvi Gautam是我們系上的新任助理教授，她是印度人，曾在澳洲留學，並在美國取得博士學位。在來VCU之前她是在匹茲堡大學做研究工作。她人相當幽默與爽朗，上課很活潑生動，而讓我最高興的是我聽她的英語聽得很清楚，沒有濃厚的印度腔或澳洲腔。
「健康方案評估」的老師是Dr. Jan Clement，是我們系上兩位Drs. Clement其中的一位，這兩位老師是同一年來到我們系上，是我們系裡面的資深教授，兩人都非常親切，對學生很好，但是她們兩人之間沒有親戚關係。Dr. J. Clement的主要背景是機構財務，但她在大學與碩士課程分別唸過經濟學與社區健康。他曾經在密西根大學、德州大學奧斯丁分校、北卡羅萊納大學從事研究與擔任教職。由於我也在密西根大學念過醫務管理，有許多老師都曾經是她以前的同事，所以我和Dr. J. Clement就是從聊這些共同認識的老師開始打開話匣子的，希望她會看在這些因素的份上，對我的分數打得鬆一點。
「計量經濟學的群組追蹤與非線性方法」的老師Dr. Leslie Stratton是商學院經濟系的老師，她畢業於麻省理工學院(MIT)，專長是勞動經濟。我聽過一位修過她的課的學生說她的頭腦裡面充滿各種數學公式(她大學是唸數學)，不過聽她上課倒不會覺得很生硬或枯燥。她對學生也很幫忙，上課時都是笑笑的。只不過她的作業聽說都不是很容易，經常讓學生想破頭，更可怕的是這些作業佔了整個課程一半的分數。
[1] 不過panel data有分為兩種，一種是balanced data，另一種是unbalanced data，前者是指當所有個體都有同樣時間點的完整資料，這時的總資料筆數是N*T；後者是指當有些個體的時間點資料不完整時，這種情況下總資料筆數就會少於N*T。
[2] Panel study有好幾種模式可以將這些不隨時間改變的因素排除掉，最常見的一種方式就是將同一個體中不同時間點的資料相減，如此一來在不同時間點中相同數值的變數便都變成零。
沒有留言:
張貼留言