中华医学科研管理杂志, 2022,35(5) 李日, 高歌, 郝晓梅, 等.
摘要
目的
通过主成分分析的方法，构建科研评价模型，探索科学的医院科研评价方法。
方法
收集2019—2020年吉林大学第一医院科研人员职称、学历、岗位以及科研产出信息，采用德尔菲专家咨询的方法，确定各变量的赋值，应用SPSS 21.0软件构建主成分分析模型并进行模型验证。
结果
研究共收集了1 882名科研人员的信息，效度检验的KMO值(0.731)及Bartlett球形检验(P<0.05)符合主成分分析要求；模型共获得7个主成分，其中，主成分一代表科研人员发表SCI论文、申请国家级、省部级科研项目和学会兼职情况，主成分二代表科研人员申请专利和发表论著的情况，主成分三代表科研人员科技获奖情况；按照学科对科研人员科研产出分值进行汇总排序，结果发现神经内科、内分泌代谢科、神经外科、普外科和骨科排名较好；模型验证结果发现职称为高级、学历为博士的科研人员中位加权综合评分最高(P<0.05)，提示职称等级越高、学历越高的科研人员综合科研产出评分越高。
结论
该研究构建的科研评价模型能为医院科研评价提供科学的数据参考。
医疗、教学和科研是医院发展的"三驾马车"，科研能力更是评价医院在医疗业务水平和发展潜力的重要指标之一[]。科学的科研评价体系有利于医院对科研资源合理、有效分配，激发医院科研创新活力以及构建健康的科研生态环境。2020年2月，科技部发文要求破除科技评价"唯SCI论文"导向，要求探索建立科学的评价体系，营造良好的创新环境[]。"不唯论文"并不是一刀切的摒弃对科研成果的评价，而是要通过建立科学有效的评价方法实现"破立并举"[]，探索多元化评价代替单一的论文评价方法，从而提升医院的科研质量、实现医院科研内涵式发展。
为此，本研究通过收集科研人员的论文、科研立项、教材专著、专利、学术兼职和科技奖项等方面信息，通过主成分分析的方法构建科研评价模型，并进行模型验证，旨在通过因素分析，寻找科学的医院科研评价方法，为医院的人才培养、学科建设中的科研评价提供科学的数据参考。
01
数据来源与研究方法
1.1 数据来源
数据来源于吉林大学第一医院的科研教学管理平台，数据统计时间为2019年1月1日至2020年12月31日。根据文献调研结果，确定收集吉林大学第一医院科研人员职称、学历、岗位及科研产出等信息[]。
从科研人员的论文、专著、课题、科技奖励、专利和学术兼职等方面收集信息评价科研人员的科研产出情况，包括：(1)论文：SCI论文、中华系列论文、Medline论文、EI论文、ISTP论文、核心期刊论文(北大、南大、统计源)和其他论文；(2)科研立项：国家科技项目、省市级科技项目和其他科技项目；(3)教材专著：主编和副主编书籍；(4)专利：发明专利、实用新型专利、外观设计专利和软件著作权；(5)学术兼职：中华医学会、中国医师学会、省级医学会和省级医师学会；(6)科技奖励：国家科学技术奖、省级科学技术奖和市级科学技术奖。
德尔菲法通常在缺少足够的背景信息和历史数据的背景下，通过广泛征求专家的意见，并经过反复的信息交流和反馈修正，使专家的意见逐步趋向一致，最终根据专家的综合意见进行分析统计，从而对评价对象进行的定性和定量结合的预测方法[]。本次调查抽取临床、科研、教学和行政管理方面的10名专家，发放两轮德尔菲法问卷，最终确立了6个一级指标，21个二级指标获得的赋值表(表1)。
1.2 统计学方法
本研究的统计学处理采用SPSS 21.0软件包完成。计量资料进行正态性分布检验，符合正态性分布的资料采用均数±标准差(±S)表示，不符合正态性分布检验的资料采用中位数(四分位间距)表示，计数资料采用率或构成比表示。为了避免所选用的指标存在信息重叠的现象，采用主成分分析的方法，利用降维的思想，从多个指标当中提取几个信息不重叠并更具有意义的主成分[]，将每个主成分所对应的特征值除以所提取的n个主成分特征值之和，计算每位科研人员的科研产出能力综合分值[]。对不同职称、不同学历的科研人员的科研产出综合分值采用Kruskal－Wallis H检验做差异性比较分析。研究采用双尾检验，检验水平设置为α＝0.05。
02
实证分析
2.1 数据基本情况
本研究共收集了1 882名科研人员的有效科研产出情况，职称以中级为主，学历以博士占比最高，岗位以医生人数最多。在科研产出平均值方面，论文为33.1分，科研立项平均分为6.7分，学会兼职平均分为4.7分(表2)。
2.2 模型构建
对研究数据效度检验结果显示，KMO值为0.731，大于临界值0.6，各变量间存在信息重叠情况，并且Bartlett球形检验的显著性小于0.05，各变量间具有较强的相关性，本次构建的模型良好，可进一步进行主成分分析。本研究选择特征值大于1，累积贡献率大于80%的特征值，主成分的统计信息见表3。
以主成分载荷矩阵中主成分数依次除以特征值的平方根，得到每个主成分系数，再乘以标准化处理后的变量，因子载荷系数见表4，得到主成分一的表达式：
F1＝0.246X1+0.149X2+0.143X3+0.131X4+0.129X5+0.128X6+0.12X7+0.108X8－0.001X9－0.025X10－0.022X11－0.006X12+0.054X13+0.094X14+0.069X15+0.089X16+0.037X17+0.084X18+0.066X19
以相同方法依次计算得出F2、F3、F4、F5、F6、F7的主成分表达式。其中，主成分1代表科研人员发表SCI论文、申请国家级、省部级科研项目和学会兼职情况，主成分2代表科研人员申请专利和发表论著的情况，主成分3代表科研人员科技获奖情况，主成分4代表科研人员与企业合作科研项目及发表Medline、EI等论文等情况，主成分5代表科研人员获得国家自然科学基金青年项目情况，主成分6代表科研人员发表核心论文(北大核心期刊论文和统计源核心期刊论文)情况，主成分7代表科研人员在省级3级学会兼职情况。将7个主成分所对应的特征值除以所提取的n个主成分特征值之和，计算每位科研人员的科研产出能力综合分值表达式：
P＝(9.136F1+8.788F2+7.282F3+7.153F4+6.543F5+6.422F6+5.604F7)/50.928
2.3 模型的应用
按照科室将科研人员科研产出的综合得分进行排序，分析2019—2020年的学科科研产出水平，结果发现神经内科、内分泌代谢科、神经外科、普外科和骨科排名较好(表5)。本研究模型构建的科研综合排名靠前的学科与2020年8月发布中国医院科技量值学科排名靠前的学科[]和国家卫生健康委员会评估的吉大一院的国家临床重点专科[]基本一致。通过对各学科的各主成分进行分析，发现主成分1的呼吸科得分最高，骨科的分值最低；主成分2的神经内科得分最高，肿瘤科的得分最低；主成分3的神经外科得分最高，最低的是神经内科；主成分4的骨科得分最高，最低的是神经内科；主成分5的神经内科得分最高，最低的是呼吸科；主成分6的肝胆胰内科得分最高，最低的是骨科；主成分7的内分泌科得分最高，最低的是神经内科。
表5各学科科室科研综合得分情况
2.4 模型的验证
对科研人员按照不同学历、不同职称进行加权综合评分进行差异性比较分析发现，职称为高级，学历为博士的科研人员中位加权综合评分最高，提示职称等级越高、学历越高的科研人员综合科研产出评分越高，符合目前医院学术产出情况[]，进一步验证了本次构建的计算模型的可靠性(表6)。
表6不同职称及学历的科研人员综合得分情况
03
讨论
3.1 科研评价体系构建的必要性
2020年科技部和教育部发布了《关于破除科技评价中"唯论文"不良导向的若干措施(试行)》。文件聚焦科研评价，直指当前的"唯论文"痼疾，改革的核心是通过建立科学合理的评价体系，营造有利于创新的学术生态环境[]。构建一套系统的、科学可行的医院科研评价方法，不仅能够帮助医院科研管理部门对医院科研能力进行动态评估，纵向性掌握医院的科研发展情况，而且可以提供医院之间的横向对比数据，为政府部门的行政决策提供数据参考。
3.2 科研评价体系的可行性和科学性
在评价指标选取方面，本研究涵盖了论文、科研项目、著作、专利、获奖及学术兼职等6大维度和19个指标，与黄洁珊[]和王广海[]等学者的研究相比，加入了学术兼职、参编教材等指标，并且在论文的分类方面除了纳入SCI论文和核心期刊论文，更细致区分了医学专业特有的Medline期刊、中华医学会系列期刊以及工程学EI等交叉学科的论文，利用多元化方法描述科研人员的科研产出情况，避免了既往"唯论文"等单一评价指标的弊端。在方法学应用方面，本研究在德尔菲专家咨询法的基础上采用主成分分析法构建评价模型，与高艳华[]和郭嫱[]等学者的研究相比，采用主成分分析法对学者的科研总体产出进行了信息浓缩，有效降低了各评价指标间因信息重叠计算造成的偏倚，由原来的19个评价指标降维至7个主成分，能更简明、精确地描述科研人员各维度的学术产出能力。
3.3 科研评价体系的应用范围
在个人科研成果评价方面，模型可提供科研人员科研总体产出的定量化数据，便于医院对科研人员的产出进行横向对比分析，为医院科研人才队伍建设、人才引进及人才评聘方面提供客观的数据支撑。同时，模型的各主成分分析结果，可以构建科研人员在不同维度的学术肖像，有利于科学评价科研人员学术产出方面的优势及劣势，正向引导科研人员均衡提高科研产出。尤其对于各主成分得分较高的科研人员，医院应挖掘其潜在科研能力并构建储备人才库，协助科研人员科学规划学术发展方向，激发科研人员的学术热情。
在学科科研成果评价方面，模型可应用于医院的学科评价，帮助医院发现学科建设中的薄弱之处及学科发展的工作重点。如主成分1得分低的学科应在科研产出方面鼓励科研人员加强SCI论文的发表、国家级和省部级项目的申请以及社会学术兼职的评聘。主成分2得分低的学科在今后的学科发展中应加强学科专利布局并调动科研人员积极参与学科相关的专著和论著的编纂工作，从而提高学科的科研影响力。主成分3得分低的学科应激励科研人员申请学术奖励。另外，评价模型可进行医院间科研产出数据的横向对比，帮助医院发现科研产出的弱势，完善科研政策的顶层设计，有的放矢地打造医院的重点学科，提高医院的核心竞争力。
04
结语
本研究通过收集科研人员的论文、科研项目、教材专著、专利、学术兼职和科技奖项等方面信息，在德尔菲专家咨询法基础上应用主成分分析的方法进行科研人员学术肖像的绘制和学科综合得分的计算，并对不同职称、不同学历的科研人员综合科研产出评分做差异性分析进行模型的验证。研究构建的模型可为医院科研人才队伍建设、人才引进及人才评聘方面提供客观的数据支撑，并且通过分析学科各主成分的情况，挖掘医院各学科的优势和不足，为医院进行科学的学科发展规划提供参考依据。
转自：“医学科研与管理空间”微信公众号
如有侵权，请联系本站删除！
