大数据在医疗质量管理中的应用研究
分享到:
发布人:administrator 发布时间:2020/5/22 9:24:36  浏览次数:1953次
【字体: 字体颜色

大数据在医疗质量管理中的应用研究

——徐乐1陈飞2苏皖2*

【摘要】在数据驱动决策的时代背景下,将大数据应用于医院医疗质量管理实践的“1+2+4模式”,以质量与安全为核心,从顶层设计、组织平台两方面提供保障,推进决策精细化、监管精确化、诊疗精准化、服务精心化,可提高医疗服务质量,提升医疗服务水平,更好地满足人民群众健康需求。
【关键词】医院管理;大数据;医疗质量;质量与信息化
中图分类号:R197.324文献标识码:B
Application of Big Data in Medical Quality Management/XU Le,CHEN Fei,SU Wan.//Chinese Health Quality Management,2020,27(2):78-80,83
AbstractWith the advent of a new era of data-driven decision making, it has launched the "1+2+4 model" that applied big data to medical quality management practice. With quality and safety as the core, it provides protection from the top-level design and organization platform. Fine decision-making, precise supervision, precise diagnosis and treatment, and meticulous service are aimed at improving the quality of medical services, improving the level of medical services, and better meeting the higher-level health needs of the people.
Key wordsHospital Administration;Big Data;Medical Quality;Quality & Information
Firstauthor's addressSchool of Health Policy & Management,Nanjing Medical University,Nanjing,Jiangsu,211166,China


医疗质量管理是医院管理最核心的内容。加强医疗质量管理,提高医疗服务质量,是提升医院核心竞争力、提高患者满意度的有效手段。
大数据时代给医疗卫生领域带来了前所未有的机遇[1]。医学是数据密集型行业,医疗健康活动会产生大量医疗数据[2],这些数据对于保障医疗安全,提升医疗质量具有重要的价值。如何将大数据有效应用到医院管理实践,如何利用医疗大数据提升医疗质量,以改善人民健康福祉,满足人民日益增长的健康需求,是当前的热点话题。

1当前医疗质量管理面临的挑战

(1)管理决策主观。目前医疗质量管理方法不系统、不规范等,以及从业人员专业知识架构不完整,医疗质量管理经验不足等问题,加剧了管理决策风险。
(2)干预措施滞后。目前,医疗质量管理主要以终末质量控制为主。通过对医疗服务结果进行检查和分析来发现问题,然后再采取纠正措施[3]。这种“发现问题,整改问题”的方法存在滞后性。
(3)评价指标片面。有研究指出,我国缺乏科学、有效、统一的指标体系[4],存在部分评价指标缺乏客观性、定义不明确、灵敏度不高,部分指标数据真实性不可靠、来源不准确等问题。
(4)信息系统孤立。近年来,我国医疗机构尤其是三级医疗机构信息化建设水平显著提高,信息化建设保障体系日趋完善[5]。然而,在医疗信息互联互通和信息共享方面还有很大的提升空间,很多医院信息系统数据处于孤岛状态,无法实现数据交互,无法实现对数据信息的合理利用[6]。如何有效运用医疗数据,让医疗数据发挥应有的价值,图1大数据的5V特征是丞待解决的难题[7]。

2医疗健康大数据发展状况

2.1大数据特点
“大数据”是一种高容量、高速度和多变量的信息资产。有三种不同的数据类型:一是结构化,具有固定架构的有组织数据格式,如RDBMS;二是半结构化,部分组织的数据,没有固定的格式,如XML、JSON;三是非结构化,具有未知架构的无组织数据,如音频、视频文件等。
大数据可以概括为5V特征(图1):(1)大量(Volume),数据体量大,通常会超过10TB;(2)高速(Velocity),数据总量高速增长,增长速度接近每年50%;(3)多样(Variety),不同的信息系统、不同的存储方式和不同的事件类型,导致数据来源和形式的多样化;(4)准确(Veracity),数据的不一致和不确定性;(5)价值(Value),准确有用的数据。另外还具有5V特性:有效性(Validity),数据的正确性;可变性(Variability),动态行为;波动性(Volatility),随时间变化的趋势;漏洞(Vulnerability),易受攻击或攻击;可视化(Visualization),可视化有意义的数据使用。

2.2大数据在医疗领域的应用
大数据在医疗领域的应用主要是将各个层次的医疗信息和数据,利用互联网以及大数据技术进行挖掘和分析,为医疗服务提升提供有价值的参考依据,使医疗行业运营更高效、服务更精准、医疗支出更合理[8]。
据统计,中国医疗健康大数据市场规模2014年为6.06亿元,2016年为10亿元,2017年为41.15亿元,预计2020年达390亿元[9]。如此庞大的市场规模,如此惊人的增长速度,必然与政策支持密不可分。2015年3月,国务院办公厅印发《全国医疗卫生服务体系规划纲要(2015-2020年)》;2015年8月31日,国务院常务会议通过《促进大数据发展行动纲要》 [10]等政策文件,从国家战略角度,对大数据在医疗领域的应用进行了规范和指导,也提供了支持与保障。

大数据在医疗质量管理中的应用研究——徐乐陈飞苏皖《中国卫生质量管理》第27卷第2期(总第153期)2020年03月大数据在医疗质量管理中的应用研究——徐乐陈飞苏皖《中国卫生质量管理》第27卷第2期(总第153期)2020年03月3大数据在医疗质量管理中的应用

如何提高医疗质量管理水平,是摆在医院管理者面前的复杂工程。医院要提高医疗质量管理水平,就必须与时俱进,探索大数据环境下的新型的医疗质量管理模式。对此,东部战区总医院创新提出“1+2+4模式”,将大数据应用于医疗质量管理实践中。

3.11个核心:质量与安全
维护患者生命健康的核心是医疗质量和医疗安全,这是医疗服务的根本所系,也是医院技术水平、工作效率和综合实力的集中体现,是评价医院整体医疗水平的核心指标,会影响到医院的信誉和综合效益。应用大数据优化医疗质量管理方法,首先要抓牢的就是质量与安全这一核心。

3.22个保障:顶层设计、组织平台
该院从顶层设计和组织平台两个方面,保障大数据有效应用于医疗质量管理实践。在顶层设计方面,要求医院根据国家相关文件标准[11],确定大数据平台总体架构,如图2所示。
在组织平台保障方面,一是成立组织领导机构,成立由院长任组长,由医院机关、相关职能和临床科室组成的领导小组,明确责任分工,建立考核机制,制定协作流程;二是组成技术攻关团队,包括管理运行团队、专家顾问团队和技术支持团队;三是建立高效运行机制,成立大数据和人工智能实验室,确保信息技术在医院快速高效应用推广。

3.34个推进:推进决策精细化、监管精确化、诊疗精准化、服务精心化
3.3.1 推进决策精细化 传统的HIS系统已不能完全适应当前医院管理精细化的要求,无法准确且直观地向决策者提供全面的、一致的决策信息。因此,该院引进基于商业智能(Business Intelligence, BI)的决策与分析系统,助推决策精细化。
BI系统是在整合医院现有信息系统的基础上,应用BI工具,实现图2医院医疗大数据平台总体架构对医院信息资源的深加工。通过对医院内部跨平台、多异构系统的集成、整合和扩充,全面实现了数据归集与挖掘,确保能够协助医护人员和管理者进行数据分析。该院BI系统主要有医疗质量、人力资源、卫生经济、物资管理、综合信息查询、关键指标预警等九大功能模块,可分析各项主要指标的完成情况、全院人力资源的分布和配备情况、全院计价经济和核算的完成情况等,这样能够保证医院运营情况清晰可视,管理决策有证可循。BI系统自2014年上线以来,通过实时监管和预警,医疗质量与安全持续改进,医疗投诉和纠纷数量总体下降了30%。此外,通过系统还可以与其他医院的进行比对,以减少决策盲目性,避免“拍脑袋决定”。
3.3.2 推进监管精确化 该院积极响应国家卫健委医政医管局开展医院智慧服务的号召,推出合理用药Rbase系统,助理药品监管精确化。
该系统对关键指标数据进行挖掘,实行关键指标个性化定义及可视化展示,能够实现药品消耗预警分析,多维度关联查询,实现多角度聚类、分组、排序及可视化展示。对于全处方及医嘱筛查问题,可以灵活的审核规则,进行处方或医嘱的全面筛查,实现快速定位。系统上线后实现了审方前置,处方(医嘱)审核关口前移,使干预措施不再滞后,优化了患者就诊流程,减少了医疗纠纷,规范了用药行为,确保了患者用药安全。同时,搭建信息交互平台,可在医疗三监管之前,对不合理用药行为提前进行处理,有效节约医疗资源,降低问题处方成本。统计结果显示,2017年10月-2018年9月,该院达成药占比下降6%,重点监控药品品种使用下降8%,抗菌药物围术期预防使用率下降16%,住院抗菌药物使用强度逐步达标。
3.3.3推进诊疗精准化 该院在影像诊断、专科专病等临床实践及质量管理实践中,应用医疗大数据推进诊疗精准化。
在医学影像方面,结合大数据技术和AI技术,推出医学影像AI辅助诊断。以肺部CT为例,通过人工智能优化肺部CT分析诊断流程。据统计,2018年7月1日-2019年4月30日该院AI辅助诊断共检查54 031例肺部CT,发现605 147个肺结节,其中毛玻璃病变24 205个,病变大小为3mm~6mm结节为主。医学影像科每月约有8 000例胸部检查,胸组两个审核医生,平均每人每天需要审核90 370张图片(不计算骨窗及厚层图像阅片),平均3~4幅/秒。通过AI技术推算后,薄层图像基本不需要再次观察,仅观察AI提示的病变部位,其余通过厚层图像阅片,不仅提高了工作效率,还减少了对微小结节的漏诊。
该院重点科室——肾脏科,建设有41家单位、526家网络成员单位参与的国家肾脏疾病临床医学研究中心协作网,已累计收集肾脏疾病肾活检病例共94 565例,肾脏疾病生物样本共17万份,肾脏科充分发挥协作网作用,整合协作医院肾脏疾病数据,并纳入746篇国内外文献研究,于2019年3月发布了基于大数据应用的《中国慢性肾脏病矿物质和骨异常诊治指南》,以规范诊疗行为,提升协作医院诊疗水平,推动肾脏科同质医疗建设。在国际合作方面,建构基于数据平台的国际合作研究网络,参与IgAN牛津分类制定,主导国内多中心成人和儿童的IgAN牛津分类验证,完成IgAN牛津分类更新,开展牛津分类在紫癜性肾炎中的应用研究。
该院急性胰腺炎共享数据平台于2018年11月成立,是全球急性胰腺炎研究领域第一个数据共享平台。依托2010年-2018年累积的10 000例,共享2 000例,涵盖了从“ICU→普通病房→康复中心”的全病程。肾脏病和胰腺炎数据共享平台的建设,实现了数据的互联互通、互享互惠,破除了信息孤岛。
3.3.4 推进服务精心化 该院通过智慧病房、移动医疗平台建设,利用大数据推进服务精心化,提升患者就医体验。
建设基于数据平台的智慧病房,心脏频谱血压计系统、智能病服、无线床边传感器等智能生理数据搜集设备,将收集到的信息上传归档至医院信息系统,并进行大数据分析。通过智慧化生理监测设备和人工智能的及时数据监控,实现生理数据实时监测、病房信息的实
(下转第83页)
(上接第80页)
施提取,从而提升医疗服务能力。智慧病房AI系统正稳步运行,后台数据集合已经有量级显示,为疾病治疗、康复管理提供了前所未有的AI临床视角。此外,该院还致力于构建移动健康医疗平台,提供健康e+健康包、移动随访等移动医疗服务,以让患者获得更加精心的服务。

4小结

东部战区总医院为应对管理决策主观、干预措施滞后、评价指标片面、信息系统孤立等问题,推出了“1+2+4模式”,利用大数据提升医疗质量管理水平,获得了良好的效果。然而,医疗质量管理没有终点,它随着人们需求的变化而改变,随着社会的发展而要求更高。
尽管大数据技术在医疗质量管理中的应用还在起步阶段,但是从国家和行业政策支持的角度,以及医院自身发展的需求来看,必然会获得更大的发展,从而提高管理决策科学性、医院运营效率,辅助诊疗决策和管理决策,实现医疗质量的全面提升。

参考文献
[1]Raghupathi W, Raghupathi V. Big data analytics in healthcare: promise and potential[J].Health Information Science and Systems, 2014, 2(1):3.
[2]孟群,胡建平,董方杰,等.我国健康医疗大数据资源目录体系建设研究[J].中国卫生信息管理杂志,2017,14(3):387-391.
[3]谭光明,谢春燕,徐舒曼,等.前馈控制在医疗保健服务质量管理中的作用[J].现代医院,2017,17(9):1266-1268.
[4]焦翔, 田卓平. 三级医院医疗质量评价指标体系的构建及优化[J].中国医院管理, 2015, 35(10):43-45.
[5]王才有,汤学军,董方杰,等.全国三级医院信息化情况调查研究[J].中国卫生信息管理杂志,2016,13(4):342-347.
[6]惠华强, 郑萍, 张云宏. 医疗大数据研究面临的机遇与发展趋势[J].中国卫生质量管理, 2016, 23(2):91-93.
[7]Batarseh F A , Latif E A . Assessing the Quality of Service Using Big Data Analytics: With Application to Healthcare[J].Big Data Research, 2016, 4:13-24.
[8]Hansen M M , Miron-Shatz T , Lau A Y S , et al. Big Data in Science and Healthcare: A Review of Recent Literature and Perspectives[J].IMIA Yearbook, 2014, 9(1):21-26.
[9]孟群,毕丹,张一鸣,等.健康医疗大数据的发展现状与应用模式研究[J].中国卫生信息管理杂志,2016,13(6):547-552.
[10]曾强,唐明全,汪海波.健康医疗大数据及其应用[J].中国国情国力,2018(3):51-54.
[11]国家卫生健康委员会.《全国医院信息化建设标准与规范(试行)》:明确医院信息化建设内容和建设要求[J].医学信息学, 2018, 39(4):98.

通信作者:
苏皖:东部战区总医院院长
E-mail:swnj66@163.com
收稿日期:2019-09-27
修回日期:2019-12-04
责任编辑:姚涛