临床医疗数据论文

临床医疗数据论文（共8篇）

临床医疗数据论文 篇1

1 引言 (Introduction)

随着数据库技术的快速发展、信息环境的不断变化, 信息获取途径、信息的利用及服务的行为模式发生了巨大的改变。目前很多研究领域已经处理海量数据、复杂查询等方面取得了很大的成功。与此同时, 中医医疗案例是中医理论和实践的最好的载体, 它对中医现代化的发展发挥上不可预计的作用, 并且为中医的现代临床研究提供了最宝贵的信息资料。随着中医临床现代化研究的深入, 对中医临床案例信息的需求也越来越迫切。在长达5000多年的中医历史积累了大量, 甚至海量的医疗案例文献, 采用人工手工查找信息早已不能适应现代人的操作要求, 从而使用数据库技术对中医临床医疗案例信息进行存储、查询、分析和挖掘成为现代操作的重要手段[1]。那么建设中医临床医疗案例数据库也就成为现在中医临床研究的重点。

2 中医临床医疗案例需求分析 (Demand analysis of TCM clinical medical case)

随着中医现代化研究的深入, 中医个性化的医疗案例作为第一手中医临床资料, 越来越得到临床医生的关注。越来越得到临床医生的关注, 是值得分析的重点。

2.1 需求特点

我们对当地几大医院进行问卷调查, 并且收集到了大量的数量信息。临床医生在参照医疗案例时, 通常偏重古代医疗案例的人数远远高于偏重现代医疗案例者, 占被调查者的92.5%, 而古现代医疗案例两者兼顾的为85.1%。我们根据临床医生对病案的认可度中发现, 首选查阅名医经典医疗案例者125人, 偏爱医疗案例医理描述详细可信者93人, 侧重于标有疗效卓著医疗案例者42人。其中, 被调查者认为, 前者留下少量临床医疗案例病例, 是指导临床的宝贵资料, 更好地挖掘医疗案例病例, 找到契合度更好的病例, 对临床会有更大的指导作用, 可以给临床医生更好的诊疗思路和治疗药方。当然在调研过程中也发现了一些问题, 例如, 名老中医对古医籍的经典精准, 对网络数据化的中医医疗案例提出疑问, 因为编辑摘录或计算网络程序问题, 没有完全真正地体现出古代中医大师们的诊治精华, 在自己制定的诊疗计划时, 参照医疗案例的基础上, 都还会注意病人个体差异, 根据病人具体情况辨证诊治。

2.2 需求途径

当前, 计算机网络数据库方式检索医疗案例是大多数临床医生最直接的选择。高达94.6%的被调查者选择在知识、维普、万方等多种电子网络数据检索方式查找中医临床医疗案例, 只有少部分高年医生仍利用图书馆的纸质图书文献 (中医古籍、图书、期刊、会议论文集等) 及个人藏书等方式查找自己需要的中医医疗案例。在实际工作中, 约97.2%的临床医生非常渴望通过上述检索途径检索到与临床病例高相似度的医疗案例文献。但在查找的过程中, 占62.7%的临床医生认为现在网络文献数据库中医医疗案例文献内容一般不丰富, 中医经典古籍医疗案例信息以及名老中医专家的典型范例的远远不够, 无法满足自己临床需求。并且大约占65%的临床医生对有现有的数据检索方式不满意, 认为目前数据库检索方式不易检索到最想要的临床医疗案例, 就有更加便捷的检索窗口。

3 中医临床医疗案例库的搭建 (Construction of clinical medical case base in TCM)

3.1 中医医疗案例的特点

中医的发展贯穿整个中国古代史, 经历了中国五千年文化的变迁, 因而中医文献数量巨大, 收录散杂, 在内容和文字上不免也存在着讹、漏、误、衍等错误现象[2]。中医古医疗案例形式多样、内容丰富, 在这些杂乱的医疗案例中还是有一些共同之处的。例如医疗案例在行文上, 一般段落划分简单, 一个段落通常只讲述了比较完整的意思。另外, 由于中医医疗案例本身的特点, 在医疗案例论述时, 一般会将病人的症状, 证候、病因、病机、治法、方药等分出比较明显的特征词或段落来讲述, 这为医疗案例自动分词中的切分和标注提供了很大的帮助。

3.2 中医医疗案例数据库的功能

现有中医医疗案例数据库的功能主要有查询统计、医疗案例管理、系统管理和相关性分析。

查询统计是现在中医医疗案例数据库基本上都具有功能。主要技术方法是将中医医疗案例数据逐一录入数据库系统, 查询时通过字段检索, 获得医疗案例的原文, 同时对医疗案例的疾病、用药信息及其使用频次进行统计[3]。

中医医疗案例管理包括医疗案例信息的浏览、修改、增加和删除, 这是中医医数据库最基本的功能。

系统管理包括数据库的维护和医院系统的管理两种。系统管理功能是指系统用户的管理、医信息参数的管理、医院系统人力资源的档案管理和科室维护与查询进行维护管理。

3.3 中医医疗案例数据库分类

根据对医疗案例使用的不同方面可分类为:医疗案例专家数据库和疾病医疗案例数据库两类[4]。

医疗案例专家数据库建设, 是为了整理一派医家的医疗案例或一家医疗案例的数据库, 其数据库具有专指性。

疾病医疗案例数据库建设, 是围绕某一临床疾病的中医药治疗和某一中医疾病的相关医疗案例建立数据库的[5], 其数据库的专题性比较强, 并大多结合对其医疗案例数据的分析进行挖掘来深入研究该种疾病。

3.4 搭建医数据库的数据来源

选择了《续名医类案》《古今医疗案例按》《二续名医类案》等中医史上著名医家的医疗案例专辑共316本, 共录入医疗案例43513例为参考, 建立了一个中医医疗案例数据库。

4 结论 (Conclusion)

中医学有着5000年悠久历史, 对人类医学做出了巨大贡献。通过此数据库的建设, 我们做了大量的调查问卷、临床医生的建议和医疗案例的收集, 使我们了解到临床医生对中医医疗案例文献的认识程序, 掌握了对现有数字化中医医疗案例数据库的分类, 为我们建立一个中医医疗案例数据库提供了很好的参考依据。

参考文献

[1]王佑华, 等.中医医疗案例中的知识发现研究[J].中西医结合学报, 2007, 5 (4) :298-299.

[2]中医药数据库检索系统[EB/OL].[2007].http://cowork.citntem.com/engine/windex.jsp.

[3]郑健, 李其铿.基于本体的名老中医医疗案例研究应用系统[J].科技信息, 2008 (28) :425.

[4]姚孟君, 陈雪艳.网络环境下住院病案首页数据源的质量监控[J].中国数字医学, 2007, 2 (11) :27-29.

[5]包阳, 齐璇, 李海龙.大型软件系统数据质量问题研究[J].计算机工程与设计, 2011, 32 (3) :963-967, 987.

打开医疗数据“黑匣子” 篇2

美国布鲁金斯学会对医疗数据公开十分关注。该学会医疗改革研究中心执行主任卡维塔·帕特尔于12月1日邀请专家学者召开研讨会，从微观层面探讨如何通过有意义的数据公开，促进医疗系统透明度。而技术创新研究中心主任、副会长达雷尔·韦斯特和研究员严亚拉（音译）早前发布研究报告《医疗领域的新兴革命》，从宏观层面分析了医疗数据公开面临的机遇和挑战，并提出了相关政策建议。

医疗数据逐步公开

美国总统奥巴马2013年签署了一项执行法令，要求所有新增政府数据都必须以电脑文件方式向公众开放。白宫管理预算办公室和科技政策办公室同时也颁布了开放数据政策，将封闭的政府数据向企业、研究者和公众开放。遵循这一法令，美国政府公开了大量医疗领域数据。最近，美国医疗保险及医疗补助中心（CMS），前所未有地向公众开放医生的酬劳明细以及医疗机构收益、医生开处方模式、手术与药物等医疗费用的详细数据。

从历史上看，医疗数据一直是个“黑匣子”。患者、医保机构甚至医院和诊所本身，都很难获取医疗服务和价格的实时、准确的信息。哪怕是告到法院，公众也很难获取医生的开方和酬劳信息。

帕特尔认为，CMS的做法是促进医疗市场透明度的重要一步。数据的公开对各方都有好处：对患者而言，可对各家医院和诊所的服务和价格进行对比;对医保机构而言，能识别医疗服务提供方的价格是否过高;对医院和诊所而言，可激发它们之间的竞争，提高医疗服务的整体效率。

《医疗领域的新兴革命》报告说，公开医疗数据顺应了当前两大趋势：一是病人参与疾病预防、保健、治疗的程度越来越高。病人越来越多地从网络和亲朋处获取信息，作为对医疗机构信息的补充。数字技术可赋权病人，扩大其搜索范围，使其获得更多、更新的数据，更积极地与医疗服务提供者商量治疗计划。这是“以病人为中心”式医疗的第一步。

二是病人越来越在各种网络平台上生产数据，例如，将自己的饮食、运动、病情等信息上传到网上。这种病人自我报告的数据对医疗有积极的作用：在网络上报告数据和询问可减少不必要的入院治疗;同时，这些数据对医疗机构进行研究也很有价值。

此外，美国监管者越来越重视医疗效果，政府开始惩罚重复入院率（即同一病人某段时间多次在医院治疗）高于平均值的医院，令其作出解释并提出改进计划。构建医疗数据公开系统可帮助医疗机构跟踪病人治疗效果，保证病人得到适当的治疗，提高治愈率。

“单单公开医疗数据不够”

尽管医疗数据公开对医疗改革有积极作用，但布鲁金斯学会的两项研究活动均表明：单单公开医疗数据是不够的，公开医疗数据目前还面临诸多挑战，需要多项政策支撑。

目前，医疗数据公开主要面临四大挑战。一是数据归谁所有。《医疗领域的新兴革命》报告认为，为了整个系统的利益，各方机构都应将信息拿出来共享。如果医院、医保机构、药店等将数据作为自己的敏感资产，那医疗数据公开的整个生态系统就无法建立。不过，帕特尔说，政府带头公开医疗数据对私营部门有“涓滴效应”，即通过提高整体利益，刺激私营部门也共享数据。

医疗数据由多方持有还带来技术层面的互操作性问题。上述报告说，各机构的数据管理系统在技术细节、语言、语义上都有很大差别，不同的信息系统难以联通和交换数据。帕特尔认为，各机构碎片化的数据应整合在一起，这样才便于人们对医疗机构进行全方位了解。

二是病人隐私和数据安全问题。上述报告认为，即使数据去除了个人识别信息，尊重隐私对数据公开仍至关重要。医疗数据可能包含药物记录、地理位置、消费习惯等各种信息，这些信息对用户来说是高度敏感的，一旦泄露，后果非常严重。问题在于，医疗数据公开系统还不完善，不像金融数据共享系统，有第三方来确保数据的储存和交换安全。而且一旦发生事故，第三方可对客户进行赔偿。

三是过于依赖医疗数据可能破坏医患关系。医生当面问诊病人的一大好处，是能跟病人建立情感连接。如果未来医疗领域过于依赖信息技术和数据分析，病患这种情感连接可能被破坏，治疗过程失去人性因素。病人会觉得被忽视，丧失对医生的信任感，影响诊疗效果。

四是费用问题。应用医疗大数据的目的是增强整体效率，但部署、维护、更新数据系统对某些医疗机构来说，可能是一笔巨大花费。

公开医疗数据挑战多多，但上述报告认为，只要对公开数据进行政策规范，其将对医疗改革有极大裨益。具体可从以下6方面着手：

使用大数据工具。每个病人的经历都可为有效治疗作贡献。相较于临床实验，医院可利用大数据工具，对大量公开的医疗数据进行分析，不仅节省费用，还能加快药物研发。

建立技术标准，解决互操作性问题。单个医院数据就像一个个孤岛，如不相联相通，数据公开的效果就大打折扣。而将各方数据系统打通，最重要的是政府要出台相应的技术标准。

注意患者教育。要防止出现“数字鸿沟”，帮助数字时代的弱势群体连接到医疗公开数据系统;此外，获取医疗公开数据的界面应设置成用户友好型。

数据记录多元化。建立以患者为中心的健康数据系统，不只是公开医疗机构、医保机构、药厂等组织的数据，患者本人的各种信息对诊疗也有很大帮助。数据公开平台应建立接口，将患者平时自我报告的如饮食、运动习惯、血压等健康相关数据上传。

保证患者隐私权和数据安全。患者的健康相关数据可能比金融数据更敏感，因而数据安全性要求更高。政府不仅要比照银行系统，建立更安全的数据系统，还要对医疗数据的使用，出台相应的政策和规范，避免医疗数据被不当使用。

医疗保险数据整合之后 篇3

由于医疗保险政策复杂, 联网环节多, 数据量大, 各地区普遍按照其业务需求开发了医疗保险管理信息系统, 这些信息系统在规划时缺乏全局性的考虑, 大多没有按照统一的数据标准建设, 使得各地区医疗保险数据在类型和格式上差别很大, 因此要推进医疗保险信息标准化建设, 推行全国统一的医疗保险数据规范就是当务之急。为此, 人力资源和社会保障部下发的《关于开展医疗保险生育保险联网指标上报工作的通知》 (人社部函【2009】136号) 中详细列出了医疗保险和生育保险数据整合的具体技术指标, 其中医疗保险19张表, 共计420个指标, 这些指标基本涵盖了支撑医疗保险信息系统的基础数据。各地区将根据这些数据指标开发相应的数据转换软件, 这样不论各地数据有多大差别, 经过转换后都可符合国家标准, 达到数据类型、数据格式及库表结构的统一。对于空项的数据, 各地可以逐渐调整政策, 规范业务流程, 在信息系统升级时将这些空项数据填补上来。

在实现市级统筹的基础上, 各市通过联网上报软件将数据集中到省级数据中心, 再由各省数据中心将全省数据上报到部数据中心, 从而达到了全国医疗保险数据的全面整合。这种方法简便易行, 可以不考虑各地区政策比例、缴费基数、结算办法以及各自信息系统的差别, 而单从医疗保险基础数据方面着手, 通过按照国家标准进行数据转换使各地区的数据在类型和格式上趋于一致。这样比较复杂的医疗保险数据在较短的时间内就可以达到一致并实现全国范围的数据整合。

医疗保险数据整合之后, 不但能为统计分析及宏观决策提供更为全面可靠的数据, 同时还为异地就医实时结算、医疗保险关系跨地区转移接续等医疗保险难点问题提供可行的解决办法, 最终为推进金保工程建设及实现社会保险“一卡通”奠定良好的基础。

一、为多元化的统计分析及宏观决策提供数据支持

由于这些集中上来的数据详细到每一个参保人的缴费和就诊信息, 数据全面可靠, 可以在此基础上开展多元化的统计分析工作。如开展参保人群及参保率比较分析、基金收支结余分析、单病种医疗费用分析, 门诊常用药分析等, 从而为制定覆盖全民的参保策略、基金风险调剂政策、重大疾病管控方法及门诊统筹政策提供有力的数据支持。这些统计分析不仅能够为国家宏观决策提供依据, 通过地区间的比较分析还可以为各地区查找问题, 指导各地区制定合理的政策比例, 促进区域间医疗保障水平的平衡发展。同时结合这些翔实可靠的数据, 还可以加强医疗保障审计监管工作的力度, 增强各地医疗保险经办机构业务操作的透明度, 通过信息公开, 接受社会各界广泛监督, 进一步规范经办机构行为, 建立更加和谐的医保、保患关系。

二、为异地就医及医疗保险关系转移接续问题提供可行的解决办法

异地就医监管和费用报销一直是医疗保险的一个难题, 在新医改方案中明确要求改进异地就医结算服务, 减轻参保人负担。异地就医实时结算是建立在数据统一和联网的基础上的, 在数据整合之后, 各地交换库中的数据实现了统一, 同时, 各地通过和省级数据中心及部数据中心的联网, 也间接实现了各地区的联网, 这个问题就可以得到解决。各地可以通过联网软件有选择的将省级或部数据中心的异地参保人员信息下载到本地交换库, 并标记为异地人员, 通过数据转换软件转入本地生产库, 此时异地参保人员就可以在当地住院, 所产生的医疗信息通过本地交换库上传到数据中心, 则参保人所在地医疗保险经办机构就可以通过和数据中心联网下载到这些信息, 实现异地医疗费用的实时监管及实时结算, 无需参保人垫付医药费, 同时医疗保险经办机构也大大减少了手工结算的工作量。

同理, 对于农民工及其他流动性较强人员的医疗保险关系跨地区转移接续问题, 各地医疗保险经办机构也可以通过与省级或部数据中心联网实现数据交换得到解决。各地区需按照本地实际情况制定出参保人医疗保险关系转移接续办法及合理的基金转移比例, 在本地医疗保险信息系统中增加相应的医疗保险关系转移接续功能, 利用从数据中心下载到的异地参保人数据, 对这些数据进行本地化处理, 实现参保关系的接续及个人账户和基金的转移, 消除地域限制, 方便参保人在各地参保及就医。

三、为推进金保工程建设及实现社会保险“一卡通”奠定基础

金保工程旨在全国范围内建立统一、规范的劳动和社会保障信息系统, 其中建设能够实现养老、失业、工伤、医疗、生育“五险合一”的社会保险信息系统是金保工程的一个目标。在这五个险种中, 医疗保险的数据最复杂, 整合难度最大。在医疗保险数据整合这个难关被攻克之后, 金保工程“五险合一”的建设就能够取得突破性的进展。在统一的数据标准和整合规范下, 各险种分别实现了全国范围的数据整合之后, 通过数据库表的逻辑对应关系, 就可以实现各险种之间的信息共享和数据交换, 从而可以开发统一的应用软件, 实现各险种之间的业务衔接, 达到“五险合一”的目标。

在各险种数据分别整合的基础上, 实现各险种的信息共享和业务衔接是“五险合一”的初级阶段, 在此基础上, 还要全面整合包含五大险种在内的社会保险数据, 逐渐以统一的交换库代替各自的生产库, 以社保核心平台为基础开发实用、高效的“五险合一”软件, 进一步提高信息和硬件设备的利用效率, 减少资源浪费。

社会保险“一卡通”是金保工程“五险合一”建设的目标, 全国联网和各险种间的数据共享是实现“一卡通”的基础, 在社保数据全面整合之后, 参保人在任何一个网点都能够使用社保卡办理社保业务, 配合“一卡通”的使用, 社保经办机构整合资源, 进一步简化业务流程, 从而为参保人提供更大的便利。

四、逐步提高统筹层次, 实现全民参保和全国统筹的最终目标

新医改方案中明确提出医疗保险建设的总体目标是逐步提高统筹层次, 实现制度框架的统一, 建立城乡一体、覆盖全民的医疗保障体系。这个总体目标的实现, 是中国社会经济发展的必然结果。目前, 除了一些地区实现了医疗保险市级统筹外, 大部分地区还停留在县级统筹水平, 新医改方案要求到2011年城镇职工医疗保险和城镇居民医疗保险基本实现市级统筹。实现市级统筹, 不但需要各级政府部门的协调和大力支持, 以及一些相关机构的积极配合, 还需要开发适合市级统筹业务模式的医疗保险信息系统, 将大量的繁琐复杂的数据整合在统一的市级数据库中。

医疗保险数据整合为市级统筹数据统一工作提供了可资借鉴的标准和规范, 各地可以直接按照国家公布的数据指标建立规范的生产库, 简化数据转换操作。在按照国家标准实现数据整合之后, 各地逐步升级各自的医疗保险信息系统, 逐渐以交换库代替生产库, 从而为将来的省级统筹乃至全国统筹打下良好的基础。

临床医疗数据论文 篇4

某三甲医院医疗影像信息系统(RIS/PACS)已应用数年,积累了大量影像检查数据,但如果没有相应的技术手段对其进行整理、分析就无法直接用于决策分析。本文借助Microsoft SQL Server 2008建立医疗影像信息数据仓库,围绕检查绩效关键指标,运用微软提供的功能控件进行数据处理及展示,辅助领导决策。

1 数据仓库结构

数据仓库(Data Warehouse)是面向主题的(Subject Oriented)、集成的(Integrated)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合,用于支持管理决策[1],近年来逐步应用到医疗领域[2,3]。

数据仓库一般采用3层体系结构,见图1。底层为数据仓库服务器,中间层为应用层,顶层为前端展现。底层数据仓库服务器从操作型数据库或外部数据源提取数据,对数据进行清理、转换、集成等,并装入到数据仓库中。应用层主要对某个特定的主题进行联机数据访问、处理和分析,即联机分析(OLAP)[4]。通过直观的方式从多个维度、多种数据综合程度将系统的运营情况展现给决策者,是数据仓库系统的核心。前端数据展现模块将数据展现给决策者,为决策者提供辅助分析功能,其工作原理主要是通过对数据进行分类、预测、钻取、挖掘等处理来产生可透析的各种展示数据,而这些数据可直观地反映决策者所分析探询的问题。

数据仓库一般须借助专业平台及工具支持,微软Microsoft SQL Server 2008为数据仓储、数据分析和报表生成提供了一整套可伸缩的数据平台[5]。具体包括:为大型数据提供高性能存储的SQL Server数据库引擎;进行提取、转换和加载(ETL)操作的SQL Server集成服务;用于联机分析处理和数据挖掘的SQL Server分析服务。

2 数据仓库模型设计

2.1 确定主题

数据仓库中的数据是按分析主题来组织数据的,因此,确定主题是数据仓库建设的首要任务。根据影像科业务需求[6],分析各科室检查量、设备使用情况和病人检查情况等,确定检查绩效主题。对于某三甲医院决策者关心的医疗影像检查绩效关键指标,我们设计医疗影像关键指标表(Medical Image KPI)用于存储月检查量、报告阳性率、随访率、设备开机率、平均检查用时、检查费用等指标数据。所需要的原始数据来自该院RIS/PACS数据库,对应的数据表主要有“影像检查表EISStudies”、“检查结果表EISResults”、“检查报告表EISReports”、“检查项目表EISService”等,这些原始数据通过ETL工具加载到数据仓库中。

2.2 多维数据集模型

多维数据模型采用常规星型模型,由事实表和维表组成。除关键指标集外,根据检查绩效主题的应用需求,对设备、费用、用时、质量分别建立星型模型。以设备检查情况为例,对数据进行初步整理,设计事实表和维表:设备事实表Fact Service主要包括设备编码、检查日期、检查部门、检查项目、检查费用等使用记录;维度表主要有设备维Dim Dervice(编码、名称、类型、规格、厂商)、时间层次维Dim Date(编码、年、月、日)、科室维Dim Department(编码、名称)。

2.3 数据处理

2.3.1 数据清理

由于多年的数据使用、维护、迁移时缺乏必要的数据校验,再加上软件功能模块是逐步上线以及工作人员录入数据时的人为失误,都可能导致数据的缺失、不完整和错误。所以为保证数据的质量,要对数据进行必要的清理。数据清理包括填充空缺值、识别孤立点、消除奇异值等。

为了不影响分析效果,我们把明显错误的数据予以删除,对于重要事实数据的缺失值进行填充。将数据缺失值分为两类,数值型缺失和非数值型缺失。对于非数值型缺乏的记录并且非数值型的属性对于OLAP的维,我们删除此记录。对于存在缺失数值的记录,可根据已有的数据记录和属性对应关系填充,如对于检查费用缺失项,根据其对应的检查项目,找出已记录的检查费用进行填充。而对于检查时间,可以计算此数据集对应属性数值的平均值,以平均值填充。

2.3.2 数据集成

一般情况下,决策者既要掌握总体数据,也要了解一定的细节:既要知道各医疗影像科室的各项指标数据,也要找出各项指标的变化趋势。如院领导要了解医院的月检查人次、设备开机率、报告阳性率和月平均检查用时等一些关键指标,就需要对数据进行集成。数据的集成是个复杂而关键的工作,既有简单的数据求和、平均,也有复杂的统计计算。检查人次和报告阳性量可直接从检查表累加得到;月检查时间需要根据登记时间和审核时间计算检查用时,再求均值得到;设备月开机率由月开机数/设备总量求得。

3 OLAP在线联机分析处理

OLAP分析主要通过对多维组织后的数据进行切片、切块、聚合、上卷、下钻、旋转等分析动作,使决策者能从多种角度,多个侧面、多数据综合查看数据,从而了解数据背后的规律,为决策提供帮助。下面围绕科室设备检查量就切片和钻取两个动作进行数据展示。

3.1 切片

多维数据是由多个维度组成,如果在某一维度上选定一个取值,则多维数据就从n维下降到n-l维,我们称多维数组的子集(维度1、维度2、…维度i-l、维度i+l、…维度n、度量变量)为多维数组在维度i上的切片。对科室维切片,取放射科和胃肠镜室,见图2。我们可以发现两科室的检查量都逐年增加,说明医院的医疗规模在不断扩大,而胃肠镜室在2008年以前没有检查量,说明医院在08年前RIS/PACS还没有覆盖胃肠镜室。

3.2 钻取

多维数据是具有层次性的,维度的层次实际上反应了数据的综合程度。维度层次越高,代表的数据综合程度就越高,细节就越少,数据量也越少;维度层次越低,则代表的数据综合度越低,细节越充分,数据量越大。数据钻取就是改变维度层次观察数据的方法。从较高的维度层次下降到较低维度层次上来观察多维数据为下钻,从较低的维度层次上升为较高维度层次上来观察多维数据为上卷。如图3是对图2在时间维度上的钻取。从图中可以看出,胃肠镜室在2~3月份,检查量有明显的上升,而3月份的检查量在各月份中也是最多的,说明在春节期间的暴饮暴食,节后出现肠胃问题的人较平时有明显的增加。对比分析其他影像科室,发现2月份的检查量相比其他月份都是最低的,可见春节期间就诊人数普遍减少,决策者可利用此分析结果合理安排科室人员调休和设备保养,使医疗资源得到更好利用。

4 图表形式的KPI数据展示

图表形式的数据展示,一般包括仪表盘、直方图、趋势图、饼图、散点图、圆环图、雷达图和曲面图等。这里结合实际介绍仪表盘、趋势图和雷达图等3种应用。

4.1 仪表盘

仪表盘主要用于实时显示监控数据,观察者能一目了然地了解系统或设备运行状况,应用最多的就是驾驶仪表盘。我们可以把仪表盘应用于影像科日常管理中,用于显示待检人数和待审人数等实时信息。通过从RIS/PACS数据库中提取病人检查的登记时间(Register Time)、检查完成时间(Execute Time)、报告审核时间(Approve Time)建立病人检查时间表(Patient Time),实时显示当前待检人数和待审人数。影像检查仪表盘,见图4。决策者可从中清楚地了解到科室当前时刻的待检人数和待审人数,了解科室运行情况。如超过警戒限度,则立即安排人手疏导检查,以维护良好的检查秩序。

4.2 趋势图

趋势图一般用来显示一定时间范围(1 d、1 w或1个月)内所考察指标的变化情况。一般以指标数值为纵轴,以时间值为横轴绘制图形。趋势图就像不断改变的记分牌,它的主要用处是确定各种类型问题是否存在重要的时间模式,以辅助决策分析。

根据影像科的业务需求,针对设备使用、检查量、检查费用、检查用时等设计各类趋势图。在此,就每日待检待审情况和全年不同病人类型检查量进行趋势图展示说明。

影像科每天都接待大量的病人,病人就检时大部分时间用在排队等候上,如何减少病人无谓的等候时间,提高服务品质,是医患共同关心的问题。决策者可通过了解病人待检和报告待审随时间变化的趋势图(图5),分析检查和审核高峰期,合理安排工作人员,减少病人等候时间,以提高服务效率。

不同病人类型检查量在2011年的变化趋势,见图6。从图中可以了解一年来检查量的变化情况,体检病人的检查在6月份和9月份会出现高峰,门诊病人的检查有冬夏之分,住院和急诊全年基本平稳。

4.3 雷达图

“雷达图”分析法结合多个指标进行直观、形象的综合分析与评价。为了院领导能更直观地了解影像检查各关键指标的变动情形,设计采用雷达图对医疗影像检查关键指标进行展示,见图7。决策者通过医院2010年和2011年11月份关键指标的同时显示,可以进行同期对比,掌握各阶段关键指标的变化情况,有助于根据医院实际情况进行持续改进。

5 结束语

本研究根据某三甲医院对影像检查绩效分析的需求,利用Microsoft SQL Server 2008建立了面向检查绩效主题的数据仓库。该数据仓库的应用,围绕医疗影像检查绩效开展关键指标数据展示研究,利用多维数据模型开展切片、钻取等OLAP分析,利用仪表盘/趋势图/雷达图等形式对医疗影像检查关键指标进行展示,为决策者提供直观的图表数据,以提高医院管理水平和服务效率。下一步将结合聚类/分类、关联和决策树等模型开展数据挖掘研究,以提高对信息的深层利用。

参考文献

[1]W.H.Inmon.Building the Data Warehouse[M].王志海,林友芳,译.北京:机械工业出版社,2006.

[2]郭庆,谷岩.数据挖掘技术在医院信息系统的统计分析与决策中的应用[J].中国医疗设备,2010,25(5):64-67.

[3]冯嵩.数据仓库技术在医疗管理分析系统中的应用研究[D].长沙:中南大学,2007.

[4]Thomsem E,Splfford G,Chase D.Microsoft OLAP Solutions[M].Wiley Computer Publishing,1999.

[5]Jamie MacLennan,ZhaoHui Tang,Bogdan Crivat.Data Miningwith SQL Server2008[M].董艳,程文俊,译.北京:机械工业出版社,2010.

[6]戈欣,吴晓芬,许建荣.数据挖掘技术在放射科医疗管理中的潜在作用[J].中国数字医学,2009,4(1):60-61.

[7]吴德贻.数据挖掘技术及其在医院管理里中的应用[J].中国医疗器械信息,2009,(7):67-71.

大数据推动个人医疗信息开放 篇5

今天上医 院看病基 本上都离 不开“医 疗数据”,国内外医疗服务已走到数据驱动的年代,不管是数据获取,还是诊断、检测及后期的治疗干预。利用最新的云计算和大数据技术进行诊疗越来越常见。然而医疗健康数据的开放至今仍是一大难题,个人是否应该获得自己的医疗数据信息?如何获得其完整的医疗健康数据?目前前景还很模糊,但是充分利用IT技术和医疗相结合,已经是正在发生的事实。

潘多拉的盒子?

在3月27日博鳌亚洲论坛《智能医疗与可穿戴设备》分论坛上,华大基因CEO王俊表示医疗和IT实现完美结合,最重要的基础是数据、数字化,生命中很多体征都是可以被数字化的。他说,“这并不是硅谷型的IT,更多的是以生命为基础的IT。其实生命自己本身又何尝不是建立在代码和基因排序基础上的呢?我们可以用计算机分析众多的数据。比如移动医疗穿戴设备是很好的媒介,可以实时传达和生命、健康有关的信息,和医院实现互联互通。”

大数据与健康的关系日益紧密,用王俊的“基友论”来解释,这也意味着硅基数据对碳基生命越来越重要了。医疗信息涵盖许多,包括CT、核磁共振、血液检测、基因检测结果,接种经历,医生诊断,手术视频……这些数据都是无价之宝。

开放数据的价值,不仅在于病人可以从电子病历中获得数据,他们同样也可以向电子病历提供数据,辅助诊断。

开放数据的价值,不仅在于病人可以从电子病历中获得数据,他们同样也可以向电子病历提供数据,辅助诊断。目前市场上已有一些应用和项目,比如苹果的Health Kit,能够让用户定期提交健康数据,而且苹果已和Cerner和Epic Systems等电子病历系统建立合作,这对用户进行慢性病管理能起到一定作用。除了Health Kit之外,苹果还针对医护人员发布了Research Kit,医学研究者可通过苹果终端收集各类病患的健康数据,辅助诊断疾病。

一些医疗机构还提供一种“以病人为核心”的解决方案,开放公共应用程序接口,帮助人们在不同平台间共享数据。这一项目还努力打造一种保护患者隐私的工具。“如果患者的健康数据需要被应用程序或者其他设备分享,他们能够知情并选择是否同意这种做法”。

据了解,开放医疗数据遇到的阻力既来自医生,也来自医院方面。首先医生担心会提高沟通成本。其次,担心是否会影响医院的“生意”。再次,是否会让患者进行不当的自我诊断/评价。最后,也是最重要的,数据安全性是否有保障。

类似于这样的担心非常多,那么个人医疗数据真的就像打开潘多拉的盒子那样释放魔鬼了吗?答案显然不是,随着近年来医疗事业发展和大数据分析的逐渐增加,业界仍有不少声音在呼吁开放个人医疗数据。

值得一提的是,我国最高人民法院在2014年10月10日公布实施的网络侵权司法解释中,再次强调了对包括基因在内个人信息的保护力度,即任何人不得非法公开。业内人士在分析之后认为,用户行为信息和实时监控信息是典型的大数据信息,只要这些信息在搜集、使用或利用时符合《关于加强网络个人信息保护的决定》规定的合法性、正当性和必要性的基本原则,没有将这些信息公开特定化到个人,那么运用大数据信息的行为不仅不是非法的,甚至应该是得到鼓励的。

如何把数据还给个人?

目前,我国患者难以得到来自不同医院完整的个人健康数据,加之数据格式不一致,难于管理和充分应用,亟待规范。为了推动医疗、健康产业信息开放、共享、开源,国内出现了一些民间非盈利性组织,由国内优秀的相关HIT及医疗健康应用开发商、各类医疗及健康服务机构、医疗器械及健康类消费电子产品生产商、运营商、互联网公司、媒体等相关产业链机构和个人组成。开放医疗与健康联盟(OMAHA)就是这样一个组织。

在今年3月14日OMAHA成立大会上,其筹备会负责人郑杰呼吁,医疗数据应该还给患者。“当前一些机构的健康数据泄露问题是很突出的,比如一些云计算企业经常爆出存在大面积账户数据泄露问题。从安全的角度来看,我们提倡把个人的数据还给个人,个人为自己的数据安全负责。数据大集中管理的方式是双刃剑,虽然会带来一些方便性,但是数据泄露几率也比较高。”

由于国内医院已经实施了不同规范的HIS独立信息化平台,患者个人难以获得、自主管理自身的电子病历等电子健康档案,同时手写病历难以辨认,不方便查询、统计,会影响医患关系和服务质量,要解决该问题,需要完整、统一、普适的电子病历标准,及综合性强的操作平台系统,以及实用性强的运行机制。

因此,医疗信息数据的完整性对患者治疗非常关键,并有助于多专科协作。郑杰介绍,OMAHA联盟将推动数据开放,让老百姓可以用U盘拷取个人健康信息;推动建立源代码开放的电子生物档案,希望整合医院、健康管理机构,甚至包括可穿戴设备收集的数据在内的全民健康数据,构建个人全生命周期的“健康云”。

全世界在健康信息存储和使用方面,价值取向趋同。《美国联邦政府医疗信息化战略规(2015~2020)》中提到,要建立一种电子健康信息存储和使用文化, 营造安全、全面的健康信息交换和使用的环境,使每个人都能受益于简单、及时、公平、高效及恰当的信息获取和分享,并通过鼓励创新和竞争培养优质的医疗信息化解决方案。另外,苹果公司的researchkit就是源代码开放的数据存储模式,数据的使用者要自己解决海量数据的保存及传输问题,数据存储与公司服务器无关,符合美国医疗电子交换法案中关于个人健康信息的隐私保护标准及规定。

据了解,OMAHA联盟将联合健康报社移动健康研究院,在全国范围内征集志愿者,对国内三级以上医院的数据开放情况进行调研,了解患者拿到的数据类型及方式,如纸质病例、打印报告、在线浏览、可下载电子档案等,并了解患者所得数据的完整性及方便性。该调研活动产生的数据结果将纳入健康报社移动健康研究院倡导的“医患友好度”评价体系中,成为该评价体系的一个重要维度指标。

大数据在医疗行业中的应用场景

近年来很多国家都在积极推进医疗信息化发展,这使得很多医疗机构有资金来做大数据分析。因此,医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。

通过全面分析病人特征数据和疗效数据,然后比较多种干预措施的有效性,可以找到针对特定病人的最佳治疗途径。研究表明,对同一病人来说,医疗服务提供方不同,医疗护理方法和效果不同,成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集,可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER,将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式),以及治疗不足。从长远来看,不管是过度治疗还是治疗不足都将给病人身体带来负面影响,以及产生更高的医疗费用。

大数据分析技术将使临床决策支持系统更智能,这得益于对非结构化数据的分析能力的日益加强。比如可以使用图像分析和识别技术,识别医疗影像(X光、CT、MRI)数据,或者挖掘医疗文献数据建立医疗专家数据库,从而给医生提出诊疗建议。此外,临床决策支持系统还可以使医疗流程中大部分的工作流流向护理人员和助理医生,使医生从耗时过长的简单咨询工作中解脱出来,从而提高治疗效率。

数据分析可以带来业务流程的精简,通过精益生产降低成本,找到符合需求的工作更高效的员工,从而提高护理质量并给病人带来更好的体验,也给医疗服务机构带来额外的业绩增长潜力。

大数据技术在医疗领域的应用 篇6

1 医疗卫生信息领域的大数据

我国卫生部在《全国卫生信息化发展规划纲要2003-2010年》中指出，“区域卫生信息系统是包括电子政务、医保互通、社区服务、双向转诊、居民健康档案、远程医疗、网络健康教育与咨询、实现预防保健、医疗服务和卫生管理一体化的信息化应用系统”。[1]遵循这一纲要我国各个地区的医疗信息化逐步朝区域医疗的方向发展。在区域医疗的生态系统中，产生数据的主要角色有提供医疗服务的医院、便民服务性质的社区医疗机构、作为总体医疗制定者和监督者的政府卫生部门、研究和开放各类药物的医药公司、医疗器械制研发公司和为医疗保险公司等。除了这些传统的与医疗相关的机构能产生医疗数据以外，随着科技的进步，体感设备被研发投入使用。人们可以通过佩戴装有体感装置的设备，来记录自身的日常运动、活动和各项生理指标，比如心跳、脉搏等，以此来记录个体的健康状态，这种基于记录消费者体能数据的服务行业也成为医疗数据的产生者。

2 我国医疗大数据现状

我国以政府牵头为主的区域医疗信息化得到了一定的发展，区域医疗领域内的数据得到一定的流通实现，数据的跨部门和单位的共享。医疗系统各司其职的过程中，产生大量的医疗数据。

医院、社区医疗机构的EMR(Electronic Medical Record，电子病历）系统、LIS(Laboratory Information Management System，实验室信息管理系统）和PACS(Picture Archiving and Communica tion Systems，医学影像存储与传输系统）等系统，存储着病人的就医记录、体检和检验信息，地方的疾控中心数据库里可能存储着一些与地方流行病、传染并和地方病相关的医疗数据，随着医疗信息化的深入发展，这些数据逐渐收到重视，区域医疗内的数据也实现了在各个不同医院和医疗机构之间的共享。目前的应用主要是在于区域医疗的双向转诊、病历和检验检查资料的共享，还有一些小范围的数据挖掘。面对目前的医疗大数据，如何深入研究和利用这些信息，以提高临床上的治疗的效果，是目前面临的重要课题。

政府的各级卫生部门，如各级卫生厅局，其拥有区域内的流行病信息和地方上的医疗卫生政策信息，并全面掌控着区域医疗资料的分配等信息。通过对医疗信息资源进行有目的的分析和挖掘来揭示疾病的发展规律、家族和地方病基因、地区人口迁移、公民健康情况；对于国家医疗资源分配、药品价格监管等政府政决策和政策的制定起到数据方面的支持作用，这些都是未来医疗领域大数据研究需要解决的问题。

医疗领域医药和医疗器械的研究和开发过程，通常需要收集大量的基础数据，同时又产生大量的研究数据，我国在该领域的研究相对落后于发达国家。这些我国的医疗企业不善于采集、利用数据是分不开的，随着技术和观念的进步，在市场的号召下，医疗研发越来越受到重视，医疗研发领域的信息处理也是大数据目前面临的挑战。

医疗保险公司，也是医疗领域的数据产生者，他们主要掌握了病人消费信息的数据，这部分数据主要能从区域大范围内掌握消费者即病人的病况、医疗费用投入、支付能力等信息。这些信息是医疗大数据极重要的一环，其涉及到民生福祉。

3 医疗大数据的应用

大数据在医疗行业的应用，主要有以下几个场景[2]：临床操作、付款和定价、研发、商业模式和公众健康、政府卫生部门对医疗机构的监控等。

临床操作这一方面，传统的医疗业务的展开主要依赖医务工作人员的工作经验，医疗业务的优劣很大程度上受限于个人的学习能力、工作的经历等。EMR、LIS和PACS等电子信息系统的引入，为临床诊断和治疗提供了辅助作用，提高了医疗流程的效率，临床诊断治疗建议和临床路径优化分析的基础系统之一。而大数据医疗分析，为更进一步的辅助临床诊断和治疗提供了广阔空间。EMR、LIS和PACS等完成的是医疗数据的收集过程和最初步的比较分析，大数据则可深入分析和处理临床EMR、LIS和PACS数据和治疗路径，并结合疗效指标数据来智能化计算相对有效的治疗手段和临床路，实现对医务工作的指导。大数据的发展最终可实现临床决策支持系统（Clinical Decision Support System,CDSS),CDSS是将医学知识与临床观察数据相结合，并通过运算为医生提供决策支持的软件系统，其主旨在于辅助医生提高临床治疗效率和效果。

大数据在医药研发和商业模式上的应用主要集中于生命科学领域的研究以及制药公司的商业策略上。通过对医疗卫生数据更专业的处理，实现对患者生理、心理上的细节化测量，挖掘一定人群内患者的症状特别、行为习惯、喜好和地方病、流行病的特点，找到更适合的药物。研发的后续工作中，大数据的另一个重要应用是对于药物副作用的跟踪和分析。传统的药物副作用的跟踪，主要通过临床试验、采集样本、分析研究这样的方法来实现。大数据分析的出现，可能带来更广泛的采集样本，例如体感设备的应用可以随时将病人的一些信息传送到数据中心，大数据技术扩大了数据采集样本的数量、减少传统方法的不利因素，使得更简便的药品副作用分析成为可能。另外，在药品的研究阶段，通过大数据的收集和分析来确定公众对于医疗用品的需求趋势，从而有利于制药和医疗器械公司确定合理的资源配置模式，优化研究、开发、生产的流程管理。

大数据在医疗在合理分配资源方面起的作用不仅仅体现在制药这个方面，还体现在健康消费的方方面面，如健康药物和保健产品、商业保险和社会保险产品等，甚至涉及到饮食、卫生、健身等各个领域。关于健康保健产品的市场定位，通过大数据技术对数据的收集分析，来确定消费者健康、心理、购买力、被消费产品之间和消费习惯直接的内在联系，从而合理分配资源并制定利益最大化的商业模式。在商业保险、社会保险领域，类似地，保险相关公司和部门，通过对一定范围人群健康水平、生活水平和总体病患的情况了解，合理制定保险产品。甚至新兴的基于体感器的健康产品，也是通过对于收集数据的分析，向消费推送相关产品和服务。这些，都是大数据未来在医疗领域的应用场景。

我国目前医患关系紧张的一个重要原因，就是消费者、医疗机构、政府医疗管理部门直接信息流通地不对称，大数据技术将改善这个局面。大数据首先能保证数据的收集更加完善，政府相关部门通过对于病患消费者的疾病、保险、消费习惯等数据的全面收集和对于医疗机构药物、检查费用等信息的获取，确保全面准确地掌握该方面数据，从而有利益制定合理的药物、治疗的价格制定政策，从而消除医院拿药品回扣这种不道德行为。同时，通过对这些方面数据的采集、分析，也为政府相关部门制定合理的社会保险、保障体制，为百姓谋福利。

医疗大数据还可运用在对于流行病爆发的预警[3]、地方病的防治等各个与日常健康相关的方方面面。

4 结语

医疗大数据技术的发展势必推动医疗领域未来的信息化、智能化发展，但同时也要看到，医疗大数据技术的发挥首先建立在完备的数据采集上，这不仅需要软硬件技术的支持、甚至需要相关法律法规的认可，其中还涉及保护个人隐私和个人信息的保护等问题，原始数据和经分析后可利用的信息其归属问题，这些都是未来需要进一步研究的课题。

摘要：文章通过分析目前我国医疗信息领域的发展情况,厘清我国医疗领域大数据的几大产生来源,并基于此探讨医疗大数据的几大应用场景。

关键词：大数据,医疗信息,信息利用

参考文献

[1]卫生部办公厅.卫办发[2003]74号[EB/OL].(2003-03-24).[2012-04-10].

[2]刘颖.医疗行业大数据应用分析的初探[J].装饰,2014(6):40-43.http://www.moh.gov.cn/publicfiles/business/htmlfiles/mohbgt/s6693/200804/23876.htm

临床医疗数据论文 篇7

网络条件下，病案质量管理要做好质量监控，它是一个过程模式，数据质量问题不应等到输出结果后解决，而是在产生过程、服务过程中解决。每个环节都应第一次就把事情做对，发现问题立即纠正。输入符合要求，过程得到控制，输出必定合格。因此，过程控制就是质量管理的主线，过程就等于流程。

综合分析我院在医疗数据质量上存在的问题主要是质量监控过程不合理，环节质量监控不到位，没有一个有效的流程来落实，存在滞后性。从这一认识出发，为确保网络数据质量，我们探索出一些网络数据质量环节监控的方法和措施。

1 规范质量监控管理，明确分工，提供有效方便的技术保障平台

目前我院质控的重点是对出院病历的终末质控，这种质量管理模式，有其必要性，但存在质量控制的滞后性和不可弥补性，因为出院病历的终末质控检查即便发现问题，也只能做一些适当的修正处理，对医疗质量没有起到实时监督作用，达不到质控的目的。针对这些问题，我们及时调整质控管理办法，加强了全过程管理，对质量管理控制进行了三个层次的责任划分，并选择使用了现有实用的《病案质量监控系统》和《数据质量核查系统》做为技术保障工具。

我们采取三级质控，层层抓落实，将问题消灭在各数据点发生的环节。科主任负责对本科所有在科病历质量进行实时监控；院质量管理办公室设置专人负责对全院在院病历进行实时质量监控；信息科对全院出院病历进行终末质量监控。

临床科室在主任办医生工作站模块上进行环节质量实时监控检查，并督促主管医生及时修改、完善;院质量管理办设置两台工作站终端，使用《病案质量监控系统软件》浏览全院在院病人，每天有目的按科室、床号、入院日期进行滚动检查，真正起到实时监控的作用;信息科做为数据管理部门，使用《综合统计信息服务系统》中的数据核查软件进行全面地数据核查，保证归档和上报数据的完整性、准确性。

2 监控信息反馈及时，保证效果

环节质量监控发现的问题，及时通知当事人主管医师，立即修正错误，做到把问题及时消除，确保病案质量。《病案质量监控系统》软件是一个很好的监控工具，通过它，质量管理人员可以实时查阅医生的病案记录、医嘱、护理记录、病人的检查、检验结果等信息，对病案记录的及时性、规范化进行检查；对发现的问题可以通过系统直接反馈给医生工作站，使医生能及时知晓并改进；病案质量检查结果可以进一步进行统计分析。通过本系统可以建立病案质量的反馈控制，将传统的终末管理发展到环节质量管理，为提高医疗质量提供了有效手段。要很好地利用它，就需要对"质控反馈信息字典"进行详细地规范，我们尽可能收集病历常见错误的类型及问题，制定了质量管理控制标准化检查内容，并把此标准制成表格文件印发到全院，以便在实际工作中认真对照执行。同时对质控人员必须检查的内容及科室医生修正的时限做了要求。质控人员在检查过程中及时将发现的问题反馈给科室主管医师本人，主管医师接到信息提示后，24小时内必须修改，如不按规定时限修正，医务处将在科室质量管理中扣分，进行处罚。

3 根据电子病历的使用特点，规范质量控制流程

我们发现打印出的纸质病历与电子病历内容不一致，分析原因就是质量控制流程不合理。病人办理出院时，科室打印病历交核算室办理结算，病历在医生工作站移出"提交"。如果终末质控发现问题，所做修改、补充也仅仅是对病案首页的完善，且都是在微机上进行的，此时，修改后的电子病历无法再重新打印，造成纸质病历与电子病历内容不一致的现象发生。对此，我们认真做了分析调查，及时地调整了工作流程和质控流程。

3.1 临床科室医师在病人出院医嘱下达第2d，将病案首页全部内容填写完毕（除疾病、手术编码外），完善所有的电子病历内容。填写出院通知单和出院结算单，交核算室办理病人出院结算。首页中病人的基本信息由住院登记处在病人办理入院登记时完成。

3.2 质控室在病人出院后第3d内完成对其病历的终末检查，并向科室反馈修改意见。临床科室根据修改意见，完善出院病历，做最后检查修改。

3.3 病案室在病人出院的第4d内完成对出院病历的诊断编码。

3.4 临床科在病人出院后的第5d内打印病历首页，并完成各级医师的手写签名。

3.5 完整地打印病历，在病人出院后的第6d内由科室交病案室，同时电子病历从科室医生工作站移出"提交"。

3.6 打印病历在交至病案室后，进行最后的质控检查，整理装订、归档入库。

3.7 死亡病人病历可推迟到第8天完成上述过程。

4 保证电子病历的安全性和一致性

病人出院后，电子病历不按时限提交归档，有的甚至长达二、三个月，医生可以随时对病历进行修改，严重地影响了电子病历的法律效力和安全性，是一个非常严重的问题。为了杜绝此类事情的发生，我们针对病历的管理要求，开发了"出院病历自动提交"软件，对未按时限要求提交的出院病历每天晚上8时，由系统自动启动软件，对在病人出院6天后未提交的病历进行提交处理，并记录下自动提交病人病历的科室、主治医师、ID号、病人姓名，出院日期, 提交日期等情况，月终由质量管理室提交医务处进行科室质控管理扣分，对当事人进行处罚。这样，有效地保证了电子病历的安全性和与纸质病历的一致性。病案归档入库后，如需再修改，必须经过严格的审批手续，对何人何时修改的病案内容记录在案，这种修改只针对纸质病历而言，电子病历一旦"提交"入库是不准修改的。所以，要求主管医师一定要在时限范围内完成电子病历，使归挡的电子病案为最终稿本。

我们通过改进质控流程，加强网上各环节监控管理力度，狠抓病案质量，不断完善病案管理，确保了电子病案的完整性、准确性。以上是我们调整质量控制流程的一点体会与思考，还有许多深入细致的工作有待与大家一起探讨与实践。

参考文献

[1]曹荣桂, 朱士俊.医院管理学质量管理分册.北京:人民卫生出版社, 2003.

临床医疗数据论文 篇8

在激烈的市场竞争中, 正确及时的决策是医院生存与发展的关键。医院日常的业务处理系统中存储了大量的数据, 但是因为它是面向业务操作设计的, 无论是查询、统计还是生成报表, 其处理方式都是对指定数据进行简单的处理。虽然简化了具体操作人员的劳动强度, 但不能对这些大量数据所包含的内在信息进行提取, 医院并没有获得真正的决策支持。

调查研究表明, 大多数医院并不缺少数据, 而是受阻于过量的冗余数据和数据不一致, 甚至大量的历史数据被束之高搁。随着数据量的快速增长, 数据变得越来越难于访问、管理和用于决策支持。利用现有的医院数据资源建立医院的数据仓库系统, 可以很好地解决这些问题。数据仓库系统主要实现OLAP功能, 用于对数据进行多维分析。数据仓库建模是整个数据仓库系统的核心。数据仓库建模用于组织和管理数据, 以提高数据的分析和汇总效率。数据仓库的建模反映出数据仓库主题的逻辑规则以及用户对查询范围和查询深度的需求。

1 概念模型设计

数据仓库的概念模型是面向企业全局建立的, 一方面, 要对企业现有数据库中的数据内容有一个完整而清晰的认识, 另一方面, 要充分了解决策者对数据分析的需求, 通过确定系统边界和定义主题域反映出数据仓库的概念模型。

1.1 界定系统的边界从建立数据仓库的初衷来看, 医院领导迫切需要掌握医疗费用的分布情况、药费占整个医疗费用的比例以及大型医疗设备的利用情况, 以便控制不合理的费用增长, 针对不同类型的患者调整收费项目和收费标准, 从而达到提高服务质量、优化医院经营管理环境的目的。因此, 系统设计应满足上述需求。此外, 医疗费用从另一个方面反映了全院各科室的医疗收入情况, 据此可以评价科室工作业绩, 评估收入分配指标, 便于制定合理的医疗设备配置方案。

1.2 确定主要的主题域通过对医院管理数据库系统进行认真分析, 确定了以“住院医疗费用分析”为主题建立医院数据仓库。以“医疗费用分析”为主题建立数据仓库的多维概念视图设计为按时间维、患者维和医疗费用维组织的多维数据集, 其中, 时间维分为年、季、月、日四个级别;患者维分为医院管理小类和管理大类两个级别:费用类别维分为医院管理细节类和医保大类两个级别。通过在各维间建立交叉组合进行多维数据的动态分析, 用于分析不同时间、不同就医人群采用不同医疗方式所产生的各项医疗费用。

2 逻辑模型设计

2.1 数据的组织结构数据仓库中的数据存在不同的综合级别。一般将数据仓库中的数据分为四个级别:早期细节级、当前细节级、轻度综合级、高度综合级。源数据经过转换装入数据仓库后, 首先进入当前细节级, 并根据具体要求进一步综合, 从而进入轻度综合级乃至高度综合级, 老化的数据将进入早期细节级。

2.2 粒度 (Granularity of Data) 划分进行粒度划分可以提高数据仓库的查询效率, 数据粒度的划分要根据用户的业务需求而定。在划分粒度时, 首先, 估算数据仓库中数据的行数和DASD (Direct Acce s s Storage De vice) 数;其次, 由估算出的数据量和DASD数, 决定如何划分粒度;再次, 需要根据DASD以及用户的业务需要来确定是采用单一粒度还是多重粒度、以及粒度划分的层次。

经过分析, 医疗费用分析数据仓库系统应该采用双重粒度划分的方法。具体作法是, 每月月初将源业务处理系统当前数据加载到数据仓库中, 源业务处理系统中医疗费用数据记录是根据医生医嘱随时录入的, 所以一天当中, 可能会出现多笔相同类型的医疗费用 (如各种药费) 。进行数据集成时, 对每位患者当日发生的医疗费用按照医疗费用详细类别进行汇总, 以减少数据行数。每月进行一次数据追加, 年底以月为基本粒度单位进行综合汇总。例如, 当前年度内的数据是以日为单位记录的, 成为当前详细数据层, 由源业务处理系统数据库中析取和集成后直接导入;一年以上数据以月为单位进行综合, 成为历史数据层, 用于纵向对比分析和预测。

2.3 数据模型系统采用星型模式的逻辑数据模型。在星型模式中, 维表直接与中心事实表连接, 避免了维度中的级别被分散在若干个表中, 因此可以优化数据仓库的查询响应时间, 提高查询性能。星型逻辑模型如下图所示。

3 物理模型的设计

基于逻辑模型的设计, 在物理模型的设计上系统采用星型模式建模。

星型模式由事实表和维表组成, 多个维表之间形成多维数据结构, 星型模式的数据体现了空间的多维立方体。星型模式的好处是, 进行信息检索的连接更少, 通过数据预连接和建立有选择的数据冗余, 简化了数据访问和分析过程, 这种高度集中的数据为各种不同决策需求提供了有用的分析基础。星型模式可以优化数据仓库的查询响应时间, 提高查询性能。

星型模式由一个事实表和若干个维表组成, 事实表包含OLAP多维数据集中所有的度量以及由各维度表主键构成的组合主键;每个维度表都有一个主键, 而且该主键作为事实表中组合主键的一部份:每个维度表通过一个关键字直接与事实表关联, 维度关键字是用于查询事实表数据的唯一标识符。“医疗费用分析”星型模式的数据结构如下图所示。

4 结语

利用医院现有的数据系统, 设计“医疗费用分析”数据仓库的各种模型, 为进一步建立医院数据仓库系统提供了基础。

参考文献

[1]林宇.数据仓库原理与实践[M].北京:人民邮电出版社, 2003.

[2]石丽, 李坚.数据仓库与决策支持[M].北京:国防工业出版社, 2003.

[3]吴静等.基于Web的HIS系统低端数据库访问方法研究[J].数理医学杂志, 2003, 16 (1) :72-73.

[4]冯诗齐.数据仓库技术在医院药库管理中的应用[J].中国药房, 1998, 9 (1) :24-25.