深度挖掘医疗数据 实现医院智能化、信息化
虽然医院每天产生出大量的数据,但光有数据是不行的,只有对这些数据进行分析和深度挖掘,才能真正发挥出信息化的作用。
近年来,随着医院信息化的不断发展完善,笔者所在医院内部先后建立起了HIS(医院信息系统)、CIS(临床信息系统)、LIS(实验室信息系统)、PACS(影像归档和通信系统)、EMR(电子病历)等业务系统。随着这些业务系统的稳定运行,在规范医院诊疗流程的同时,各系统所收集的数据量也呈指数级增长。如何实现对这些大数据的有效利用,已经成为当下医院管理者极为关注的事情。
要使数据真正有管理意义,数据的质量非常关键。然而由于日常业务数据分散在不同的应用系统中,各应用系统上线的时间跨度大,各公司标准不统一,使得数据描述参差不齐。更糟糕的是,数据源还可能存在A系统记录的数据与B系统记录的数据有出入的情况。各部门品种繁多且频繁变动的报表与分析需求,让业务部门头痛,也让IT人员沮丧。
BI(商业智能)提供了一个解决问题的途径。由于BI的存储结构是“数据仓库”形式,具有多维度、矩阵化的特征,它将有直接关系的数据装载入同一矩阵中,各矩阵之间通过共同或关联数据建立联系,通过矩阵运算可以实现强大的数据整合、统计、分析等功能。
像其他企业一样,医院中不同层次的管理者对数据分析有着不同的需求。医院领导层希望实时监控医院的业务状况、科室工作量统计、科室和人员的收入分析、患者丢失分析、合理用药分析、单病种质量监测、成本核算与成本控制及医疗设备使用率等,希望商务智能平台能实时汇总医院整体医疗状况,并根据这些数据,对未来一段时间的医疗发展趋势做出分析预测,以辅助医院调整未来的医疗策略。而对于各临床业务部门来说,则需要及时获取各种准确的信息报表,如专病专科申报表、医生奖金统计表、工作完成进度等。
BI在指标计算方面存在巨大优势。如基于底层数据将相关数据进行挖掘、清洗、累加、汇总后,可精确计算门诊住院患者人次、病种分布、平均住院日、床位使用率、药费比、诊断符合率、治愈好转率等各项质量、效率指标。不仅如此,还可发现工作内容或工作流程缺陷,并追溯原因,如门诊患者住院率为什么低,患者丢失率为什么高等。
以门诊患者住院率为例,医院管理者面对住院率报表往往束手无策,因为可用的信息量太少,管理干预无从下手。而利用BI,则可在审视、保存所有门诊患者记录后,进一步筛选出其中住院治疗的患者,同时保存这些住院患者的所有信息;还可以进一步明确地告知医院管理者这些住院患者的诊断、门诊科室、门诊医师、诊疗费用、支付方式等详细数据,进一步将同类数据汇总、分析后,即可发现是哪一类患者易离院(从诊断、经济、就医需求等多角度分类)。笔者所在医院领导掌握了这些数据与报表,在加强临床重点学科发展的同时,采取了全面提升医疗质量,加强社保、新农合参合患者的管理,优化服务流程等有效的管理干预,将笔者所在医院门诊患者住院率成功提升了8%。
相关文章:
相关推荐:
网友评论: