醫(yī)療設(shè)備管理大數(shù)據(jù)應(yīng)用的實踐探索

廖曉斌，于 強

（惠州市中心人民醫(yī)院 醫(yī)學(xué)工程部，廣東惠州 516001）

醫(yī)療設(shè)備管理大數(shù)據(jù)應(yīng)用的實踐探索

廖曉斌，于 強

（惠州市中心人民醫(yī)院 醫(yī)學(xué)工程部，廣東惠州 516001）

目的：從大數(shù)據(jù)應(yīng)用的角度，完善在用的醫(yī)療設(shè)備管理系統(tǒng)，為決策者提供準(zhǔn)確的數(shù)據(jù)支持。方法：采用數(shù)據(jù)挖掘的方法，從數(shù)據(jù)分析和數(shù)據(jù)預(yù)測兩個方面，闡述了大數(shù)據(jù)在醫(yī)療設(shè)備管理的應(yīng)用。結(jié)果：給決策者提供直觀的統(tǒng)計圖和清晰的數(shù)據(jù)。結(jié)論：得到的統(tǒng)計圖和數(shù)據(jù)可以有效地指導(dǎo)科室制定醫(yī)療設(shè)備購置、維修、維護計劃。

大數(shù)據(jù)；數(shù)據(jù)挖掘；ARIMA

如今的時代是一個網(wǎng)絡(luò)化信息化高度發(fā)展的時代，在醫(yī)院醫(yī)療設(shè)備規(guī)模迅速發(fā)展的時代背景下，傳統(tǒng)的紙質(zhì)記錄方式已經(jīng)遠遠跟不上大量數(shù)據(jù)的存儲要求，為方便數(shù)據(jù)的查詢統(tǒng)計分析處理，醫(yī)療設(shè)備的信息化管理勢在必行。然而，現(xiàn)有的維修模式一直沿襲傳統(tǒng)的被動維修模式，即等機器出現(xiàn)故障后再查資料檢修，或出了故障不知道從何修起，這種模式既拖延時間，又存在盲目性[1]。隨著醫(yī)療設(shè)備管理系統(tǒng)的投入使用，隨著時間的推移，系統(tǒng)會存儲大量的醫(yī)療設(shè)備相關(guān)數(shù)據(jù)，有效利用的數(shù)據(jù)包括：數(shù)據(jù)統(tǒng)計分析和數(shù)據(jù)挖掘。大數(shù)據(jù)的數(shù)據(jù)挖掘是數(shù)據(jù)庫技術(shù)的重要應(yīng)用之一，將該技術(shù)應(yīng)用到醫(yī)療設(shè)備的管理當(dāng)中，能夠指導(dǎo)我們制訂醫(yī)療設(shè)備購置﹑維修﹑維護計劃，從而能更合理有效地對醫(yī)療設(shè)備實施管理。

1 醫(yī)療設(shè)備管理系統(tǒng)

大數(shù)據(jù)的時代“得數(shù)據(jù)者得天下”，靠傳統(tǒng)的﹑手工的紙質(zhì)數(shù)據(jù)根本無法體現(xiàn)出擁有數(shù)據(jù)的優(yōu)越性，不僅數(shù)據(jù)量不夠大，而且手工根本無法對大量的數(shù)據(jù)進行分析處理，因此醫(yī)療設(shè)備信息化管理的實現(xiàn)勢在必行。我醫(yī)學(xué)工程部2014年引入一套醫(yī)療設(shè)備管理系統(tǒng)，信息錄入主要包括三大模塊：設(shè)備信息﹑維修信息﹑效益分析信息。信息錄入的規(guī)范化可以得到規(guī)范化的數(shù)據(jù)，規(guī)范的數(shù)據(jù)是數(shù)據(jù)挖掘的前提。

1.1 設(shè)備基本信息

設(shè)備的基本信息包括：設(shè)備編碼（唯一標(biāo)識）﹑設(shè)備名稱﹑設(shè)備型號﹑出廠編號﹑合同編號﹑廠家品牌﹑使用科室﹑啟用日期﹑設(shè)備原值﹑折舊方式﹑折舊年限（效益分析必要指標(biāo)）﹑殘值（方便通過設(shè)備價值統(tǒng)計折舊率）﹑計量編碼﹑操作規(guī)程﹑保養(yǎng)規(guī)程（為設(shè)備維修提供最基礎(chǔ)的解決方法，設(shè)備使用人員可以實施）。

1.2 維修信息

維修數(shù)據(jù)的規(guī)范化管理更為重要，包括的內(nèi)容：配件費用﹑維修費用﹑節(jié)約費用﹑故障原因﹑故障現(xiàn)象﹑維修內(nèi)容﹑廠家服務(wù)態(tài)度﹑技術(shù)水平﹑響應(yīng)速度。

（1）配件費用﹑維修費用方便以后的統(tǒng)計，同時也是效益分析中的設(shè)備成本；（2）故障原因標(biāo)準(zhǔn)化分類，實現(xiàn)數(shù)據(jù)歸一，方便數(shù)據(jù)挖掘的數(shù)據(jù)前期處理，故障原因分為15大類：正常損耗﹑使用不當(dāng)﹑系統(tǒng)故障﹑附屬配套設(shè)施故障﹑保養(yǎng)不及時﹑機械故障﹑常規(guī)維護保養(yǎng)﹑電路/電源故障﹑新設(shè)備安裝﹑機器質(zhì)量問題﹑管線路故障﹑控制系統(tǒng)故障﹑PC故障﹑外部環(huán)境影響﹑攝像系統(tǒng)故障[2]；（3）故障現(xiàn)象和維修內(nèi)容實現(xiàn)模板化管理，建立故障處理模板庫，同樣的故障現(xiàn)象及處理方式實現(xiàn)統(tǒng)一化；（4）廠家服務(wù)態(tài)度﹑技術(shù)水平﹑響應(yīng)速度可以有效的對各個設(shè)備廠家進行評價，通過這些數(shù)據(jù)可以挖掘廠商誠信度，為以后的設(shè)備購置提供決策支持。

1.3 效益分析信息

效益分析信息的基本內(nèi)容包括：采集日期﹑月使用天數(shù)﹑實際月治療人數(shù)﹑當(dāng)月總收入﹑材料費支出﹑人員費成本﹑水電費支出﹑維修費成本﹑月買保費用﹑房屋等其他支出。分析得出的信息包括：當(dāng)月利潤﹑月利潤率﹑設(shè)備使用率﹑設(shè)備效益值。月利潤率高低分為4個檔次：月利潤率 10%以上為優(yōu)秀﹑3%～10% 為良好﹑0%～3% 為一般，利潤率負值為差。利潤率分檔管理，能更好地對數(shù)據(jù)進行挖掘。

2 數(shù)據(jù)挖掘和應(yīng)用

2.1 數(shù)據(jù)統(tǒng)計分析

2.1.1 維修數(shù)據(jù)統(tǒng)計分析

以檢驗科維修數(shù)據(jù)為例，對檢驗科2014年5月至2015 年4月的維修數(shù)據(jù)進行分析，這一年總共維修351次，按照15種故障原因分類統(tǒng)計如圖1。

24%的故障是管線路問題，所占的比例最大，查看原始數(shù)據(jù)發(fā)現(xiàn)，管線路問題主要集中發(fā)生在生化﹑血常規(guī)﹑尿常規(guī)三種機器上，針對這三種機器故障制定保養(yǎng)計劃，將常見的故障點列入到一級保養(yǎng)規(guī)范中，二級保養(yǎng)將容易發(fā)生問題的部件深入清潔保養(yǎng)，可以更換的管路半年更換一次，并檢查部件狀態(tài)作好記錄。18%的故障原因是機械故障，機械故障中15%的故障是外部環(huán)境太臟導(dǎo)致故障的發(fā)生，針對這一現(xiàn)象，建議科室盡量保持科室環(huán)境的封閉。15%的故障原因是正常損耗，正常損耗中70%損耗是易損配件，針對此故障，建議對易損配件保持隨時有備貨，比如生化燈泡﹑生化離子電極﹑血常規(guī)穿刺針﹑血常規(guī)泵管等，從而有效的防止長時間的停機影響正常使用率。6%的故障是由于使用不當(dāng)導(dǎo)致故障發(fā)生，這一部分故障完全可以通過完善培訓(xùn)機制，加強培訓(xùn)解決（圖1）。

圖1 故障原因分類統(tǒng)計

2.1.2 效益分析統(tǒng)計分析

隨著醫(yī)療設(shè)備管理系統(tǒng)投入使用，我科初步實現(xiàn)了50萬元以上醫(yī)療設(shè)備的效益分析。對1年的效益原始數(shù)據(jù)分析如圖2。

圖2 年效益原始數(shù)據(jù)分析

由圖可見，我院50萬元以上醫(yī)療設(shè)備中80%的在折舊期限內(nèi)是可以回收成本；28%的設(shè)備效益優(yōu)秀，可以在9個月內(nèi)回收成本，效益優(yōu)秀的設(shè)備見表1。

效益優(yōu)秀的設(shè)備共21臺，全部為檢查類設(shè)備，涉及科室：檢驗科10臺，超聲醫(yī)學(xué)科4臺，放射科3臺，內(nèi)鏡中心3臺，產(chǎn)前診斷1臺。涉及科室全部為醫(yī)技類科室，因此，從設(shè)備購置的角度，醫(yī)技類設(shè)備是重點購置的對象。這類設(shè)備可以很快的為醫(yī)院帶來經(jīng)濟效益，同時該類設(shè)備的購置也可以縮短患者的檢查等待時間，也可以為醫(yī)院帶來更好社會效益。

效益差的設(shè)備如表2，其中全自動血細胞分析儀屬于檢驗科，其他的血細胞分析儀全部都是效益優(yōu)秀的，查看該設(shè)備發(fā)現(xiàn)該設(shè)備是2003年購置的設(shè)備，已經(jīng)12年。目前該科室只用來復(fù)查標(biāo)本使用，由于該設(shè)備會周期性地自動沖洗，不做標(biāo)本也會有消耗，從效益分析的角度，要求科室每天至少做20個標(biāo)本才可以不虧損；彩色多普勒診斷儀作為檢查設(shè)備效益差，要求科室增加設(shè)備的使用率，并且在下次同樣設(shè)備購置前應(yīng)充分評估；其他效益差的設(shè)備一類是為其他設(shè)備服務(wù)的，比如模擬機，模擬機定位是直線加速器腫瘤治療的前提，而直線加速器的效益良好，因此在這類設(shè)備的購置前要充分考慮其關(guān)聯(lián)的經(jīng)濟效益；另一類效益差的設(shè)備主要是新技術(shù)的開展，體現(xiàn)社會效益，比如醫(yī)用氧艙應(yīng)用，是顱腦損傷治療的重要手段，腹腔鏡是微創(chuàng)手術(shù)的必須設(shè)備，微創(chuàng)手術(shù)室的發(fā)展是當(dāng)今醫(yī)療的趨勢。

表1 優(yōu)秀效益設(shè)備

表2 差效益設(shè)備

表3 2014年細菌室預(yù)測結(jié)果

圖3 時序分析模型擬合結(jié)果注：從右到左分別為2012﹑2013﹑2014﹑2015年的結(jié)果，單位為月份

2.2 數(shù)據(jù)分析預(yù)測

數(shù)據(jù)挖掘（Data Mining）就是從大量的﹑不完全的﹑有噪聲的﹑模糊的﹑隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的﹑人們事先不知道的﹑但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘算法主要有：粗糙集﹑決策樹﹑聚類﹑關(guān)聯(lián)分析﹑神經(jīng)網(wǎng)絡(luò)﹑時間序列分析等。效益分析模塊取得檢驗中心細菌室2012-2014年度每個月的標(biāo)本量（人次），人次隨時間的變化量，因此引入基于時序的模型[3]：ARIMA，ARIMA模型全稱求和自回歸移動平均模型（Autoregressive Integrated Moving Average Model）， 簡記為ARIMA（P，d，q）模型，是由博克思（Box）﹑詹金斯（Jenkins）于20世紀(jì)70年代初提出的著名時間序列預(yù)測模型，又稱為Box-Jenkins模型，亦簡稱B-J模型。其中AR是自回歸，P為自回歸項；MA為移動平均，q為移動平均項數(shù)，d為時間序列成為平穩(wěn)時間序列時所做的差分次數(shù)。ARIMA（p，d，q）模型的實質(zhì)就是差分運算與ARMA（p，g）模型的組合，即ARMA（p，g）模型經(jīng)d次差分后，即為ARIMA（p，d，q）模型[4]。本研究選用12的序列周期，利用時序算法ARIMA （12，1，2）（0，0，0），基于2012-2013年的數(shù)據(jù)預(yù)測2014年每個月的標(biāo)本量（人次）。結(jié)果如表3所示，擬合結(jié)果如圖3所示。

由圖3可見：使用該時序分析模型預(yù)測值與實際值的誤差在4%，可以認為該模型能夠較準(zhǔn)確的進行預(yù)測。

本文以我院實際積累的數(shù)據(jù)為基礎(chǔ)，對數(shù)據(jù)進行分析統(tǒng)計及預(yù)測，為領(lǐng)導(dǎo)層的決策提供支持，可見大數(shù)據(jù)在醫(yī)療設(shè)備管理行業(yè)有廣泛的應(yīng)用前景，對醫(yī)療設(shè)備采購﹑安裝﹑驗收﹑使用﹑更新﹑報廢的全生命周期實現(xiàn)數(shù)據(jù)管理，為醫(yī)療設(shè)備管理提供強有力的工具。

［1］ 王洪柱. 維修管理系統(tǒng)的完善及對它數(shù)據(jù)挖掘的意義[A]. 見: 2012中華臨床醫(yī)學(xué)工程及醫(yī)療信息化大會暨中華醫(yī)學(xué)會醫(yī)學(xué)工程學(xué)分會第十三次學(xué)術(shù)年會論文集[C]. 寧波， 2012.

［2］ 吳向陽， 張超群， 張方林，等.醫(yī)療設(shè)備數(shù)據(jù)庫中的統(tǒng)計圖制作[J]. 中國醫(yī)療設(shè)備，2009， 24（9）: 15-17.

［3］ 霍洪波， 何必仕， 吳斌， 等. 基于數(shù)據(jù)倉庫的醫(yī)療設(shè)備績效統(tǒng)計分析[J]. 中國醫(yī)學(xué)裝備，2013， 28（9）: 27-30.

［4］ 薛冬梅. ARIMA模型及其在時間序列分析中的應(yīng)用[J].吉林化工學(xué)院學(xué)報， 2010， 27（3）: 80-83.

Practice and exploration of big data in medical equipment management

LIAO Xiaobin，YU Qiang
（Huizhou Central Hospital， Medical engineering Department，Huizhou Guangdong 516001）

Objective：From the perspective of big data， we want to improve medical equipment system so as to provide the leaders with accurate data.Methods：we use data-mining method to descript the application of big data in medical equipment management from the two aspects of data analysis and prediction.Results：It provides the leaders with intuitive statistics and clear data.Conclusion：The graph and data we get can effectively guide the leader to make the plan of medical equipment purchase and maintenance.

big data; data mining; ARIMA

TP399

B

1002-2376（2015）12-0001-03

2015-09-16