體檢大數(shù)據(jù)在企業(yè)團(tuán)體體檢后流程中應(yīng)用的研究

張冬+錢君+闕挺

摘 要 目的：研究如何應(yīng)用大數(shù)據(jù)將體檢結(jié)果進(jìn)行發(fā)掘和分析，提高針對(duì)企業(yè)團(tuán)體的體檢服務(wù)質(zhì)量。方法：以上海郵電醫(yī)院2011—2016年體檢數(shù)據(jù)為基礎(chǔ)，進(jìn)行大數(shù)據(jù)分析并應(yīng)用到體檢服務(wù)中。結(jié)果：企業(yè)員工獲取體檢報(bào)告時(shí)間縮短了80%，報(bào)告的制作效率提高了50%，醫(yī)院通過體檢大數(shù)據(jù)分析進(jìn)行客戶隨訪，客戶滿意率和預(yù)約就診人數(shù)上升。結(jié)論：企業(yè)團(tuán)體的體檢大數(shù)據(jù)，在檢后流程中對(duì)個(gè)人、企業(yè)、醫(yī)院都有很高的應(yīng)用價(jià)值和發(fā)展前景。

關(guān)鍵詞 體檢 大數(shù)據(jù) 企業(yè)團(tuán)體

中圖分類號(hào)：R194.3 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1006-1533（2017）23-0061-03

Application of big data from collective medical examination of enterprise in the following process*

ZHANG Dong， QIAN Jun， QUE Ting

（Information Centre， Shanghai Postal and Telecommunication Hospital， Shanghai 200040， China）

ABSTRACT Objective： To study how to dig out and analyze the result of medical examination through big data calculation so as to improve the quality of medical examination service for enterprise group. Methods： The big data from medical examination performed from 2011 into 2016 in our hospital were analyzed and the results were applied to the medical examination service. Results： The time for the employees to get medical report was shortened by 80%， the efficiency for making enterprise report increased by 50%， and patient satisfaction rate and the number of visiting doctor by appointments were increased by analysis of these data and then the follow-up. Conclusion： The analysis of big data from medical examination possesses high application value and prospect to individuals， enterprises and hospitals.

KEY WORDS medical examination； big data； enterprise group

上海郵電醫(yī)院作為一家由企業(yè)創(chuàng)辦的二級(jí)甲等醫(yī)院，每年為超過5萬人次企業(yè)職工提供體檢服務(wù)，為了不斷提高體檢服務(wù)質(zhì)量，醫(yī)院希望結(jié)合互聯(lián)網(wǎng)和移動(dòng)應(yīng)用技術(shù)，為企業(yè)和職工提供更全面的企業(yè)整體和個(gè)人的體檢數(shù)據(jù)和評(píng)估分析，并能幫助醫(yī)療人員更快、更精準(zhǔn)地發(fā)現(xiàn)有健康問題的企業(yè)職工[1]。目前，醫(yī)院的體檢業(yè)務(wù)已基本實(shí)現(xiàn)信息化操作，但沒有更深層次的數(shù)據(jù)發(fā)掘，為此，我們將研究如何通過大數(shù)據(jù)計(jì)算將體檢結(jié)果數(shù)據(jù)進(jìn)行發(fā)掘和分析，生成針對(duì)企業(yè)、個(gè)人、醫(yī)生三種不同角色的體檢分析數(shù)據(jù)，并將最終數(shù)據(jù)通過互聯(lián)網(wǎng)安全地發(fā)送數(shù)據(jù)到不同的用戶終端。

1 研究方法

此次我們研究的重點(diǎn)是大數(shù)據(jù)技術(shù)在體檢后的應(yīng)用模式和效果分析，同時(shí)對(duì)所涉數(shù)據(jù)庫和軟件開發(fā)技術(shù)做必要說明，主要分析實(shí)際運(yùn)行效率。

根據(jù)目前上海郵電醫(yī)院體檢系統(tǒng)的環(huán)境，我們將任務(wù)分解成以下步驟，并逐一研究其中涉及的互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)：①建立索引。建立體檢個(gè)人、團(tuán)隊(duì)的唯一索引，為數(shù)據(jù)計(jì)算和分析提供基礎(chǔ)。②抽取數(shù)據(jù)。抽取體檢數(shù)據(jù)中檢查、檢驗(yàn)等數(shù)據(jù)性指標(biāo)以及診斷、評(píng)估、建議等描述性結(jié)果，按標(biāo)準(zhǔn)化數(shù)據(jù)格式進(jìn)行轉(zhuǎn)化。③設(shè)計(jì)模型。建立個(gè)人健康評(píng)分和疾病統(tǒng)計(jì)分析計(jì)算模型，對(duì)格式化體檢數(shù)據(jù)進(jìn)行計(jì)算得到結(jié)果。④信息傳送。為個(gè)人、企業(yè)、醫(yī)生等不同使用對(duì)象設(shè)計(jì)不同的軟件界面和功能，通過互聯(lián)網(wǎng)將所需查詢的體檢指數(shù)安全地傳輸?shù)接?jì)算機(jī)、平板電腦、手機(jī)等網(wǎng)絡(luò)終端上（圖1）。

1.1 建立索引

首先，要建立一個(gè)不基于任何特定體檢系統(tǒng)的具有相對(duì)統(tǒng)一規(guī)范的專用數(shù)據(jù)庫，簡(jiǎn)稱為“eHealth”數(shù)據(jù)庫，再通過與不同體檢系統(tǒng)的數(shù)據(jù)接口程序?qū)Ⅲw檢數(shù)據(jù)按統(tǒng)一格式進(jìn)行轉(zhuǎn)換和存儲(chǔ)。數(shù)據(jù)傳送完成后，需要在“eHealth”庫中進(jìn)行體檢人員和企業(yè)主索引重建和關(guān)聯(lián)的工作。

根據(jù)醫(yī)療健康信息傳輸與交換標(biāo)準(zhǔn)HL7[2]消息的患者表示信息段（PID）的定義，一般體檢系統(tǒng)中基本能獲取的患者標(biāo)識(shí)信息主要包括患者ID、姓名、出生日期、性別、地址、電話、聯(lián)系人、婚姻狀況、社保卡號(hào)和身份證號(hào)等多個(gè)元素，按特定權(quán)重計(jì)算相似度系數(shù)，根據(jù)不同體檢系統(tǒng)人員信息錄入完整性設(shè)置特定相似度系數(shù)進(jìn)行二次索引（表1，表2）。

用相似度系數(shù)50對(duì)2012—2016年的27萬人次體檢數(shù)據(jù)進(jìn)行主索引生成作業(yè)，運(yùn)行時(shí)長(zhǎng)25 min，屬于可接受的范圍，作業(yè)完成后形成7萬條左右主索引數(shù)據(jù)，體檢次數(shù)超過3次的人數(shù)為5萬人，與實(shí)際情況符合。

1.2 抽取數(shù)據(jù)[3]

體檢過程中會(huì)生成大量不同類型的數(shù)據(jù)，有可量化的數(shù)值型，有文字描述的文本型，有直觀表述的影像型。在數(shù)據(jù)抽取時(shí)只選取可進(jìn)行分析計(jì)算的數(shù)值型和文本型數(shù)據(jù)，存放到“eHealth”庫中。抽取數(shù)據(jù)后按數(shù)據(jù)的類型和功能性進(jìn)行格式轉(zhuǎn)換和存儲(chǔ)（表3）。

在數(shù)據(jù)表設(shè)計(jì)方面，以主要的體檢結(jié)果數(shù)據(jù)表T_ EXAM_RESULT為例，說明整體數(shù)據(jù)存放結(jié)構(gòu)（表4）。

通過數(shù)據(jù)轉(zhuǎn)換接口，主要體檢結(jié)果將按統(tǒng)一格式存放到此表中，從多維度觀察數(shù)據(jù)分析結(jié)果，通過對(duì)企業(yè)、個(gè)人信息的單個(gè)或多個(gè)元素進(jìn)行分類匯總計(jì)算，分析人群和年齡分段的各項(xiàng)數(shù)據(jù)。

1.3 設(shè)計(jì)模型

建立個(gè)人健康評(píng)分和疾病統(tǒng)計(jì)分析計(jì)算模型，對(duì)格式化體檢數(shù)據(jù)進(jìn)行計(jì)算得到結(jié)果。根據(jù)臨床需求，設(shè)置不同查詢統(tǒng)計(jì)模型，生成精準(zhǔn)個(gè)人和群體數(shù)據(jù)，分別為體檢后隨訪、臨床科研和企業(yè)客戶統(tǒng)計(jì)分析提供數(shù)據(jù)支持。本次研究中對(duì)疾病統(tǒng)計(jì)分析有兩種方式。

1）基于醫(yī)生診斷模式。統(tǒng)計(jì)分析的疾病依據(jù)將以醫(yī)生判斷為準(zhǔn)，同時(shí)根據(jù)不同疾病的要求抽取該疾病的相關(guān)化驗(yàn)、檢查指標(biāo)，按人群進(jìn)行分類統(tǒng)計(jì)分析。

醫(yī)生診斷模式的疾病分析主表為T_EXAM_ HEALTH，對(duì)應(yīng)源數(shù)據(jù)庫TJ_TJJBK表，主要包含體檢疾病數(shù)據(jù)。優(yōu)點(diǎn)：基于已有疾病庫統(tǒng)計(jì)，結(jié)論相對(duì)于精確，數(shù)據(jù)偏離較小，可追溯到疾病診斷醫(yī)生，準(zhǔn)確性基于體檢醫(yī)生和評(píng)估醫(yī)生的專業(yè)能力，一般專業(yè)體檢機(jī)構(gòu)出錯(cuò)概率較小，可以把統(tǒng)計(jì)分析結(jié)果直接運(yùn)用于企業(yè)總體健康報(bào)告和個(gè)人健康報(bào)告。

缺點(diǎn)：無法充分發(fā)揮大數(shù)據(jù)計(jì)算優(yōu)勢(shì)，過于依賴人為判斷，容易忽視無明顯單一指標(biāo)特征的健康隱患，無法從歷史數(shù)據(jù)角度進(jìn)行疾病趨勢(shì)分析。

2）基于系統(tǒng)計(jì)算模式。發(fā)揮大數(shù)據(jù)優(yōu)勢(shì)，事先不參考醫(yī)生疾病診斷庫，在化驗(yàn)、檢查、既往史和家族史等各項(xiàng)信息中抽取各種疾病相關(guān)指標(biāo)和關(guān)鍵字，綜合歷史體檢數(shù)據(jù)由系統(tǒng)自動(dòng)計(jì)算體檢客戶的各項(xiàng)疾病風(fēng)險(xiǎn)和變化趨勢(shì)（表5）。

優(yōu)點(diǎn)：充分使用大數(shù)據(jù)在數(shù)據(jù)廣度和時(shí)間維度的優(yōu)勢(shì)，發(fā)掘容易被人工診斷遺漏的信息，減少人為判斷失誤和錄入錯(cuò)誤等因素；疾病風(fēng)險(xiǎn)可追溯到具體致病指標(biāo)和因素，便于進(jìn)一步診斷和治療；可預(yù)留數(shù)據(jù)接口不斷增加和優(yōu)化健康分析模型，豐富疾病分析的種類和適應(yīng)新的疾病診斷。

缺點(diǎn)：對(duì)疾病分析模型的確立要求較高，需大量參考臨床專家經(jīng)驗(yàn)和醫(yī)學(xué)知識(shí)庫進(jìn)行綜合設(shè)計(jì)；某些主觀經(jīng)驗(yàn)診斷疾病的統(tǒng)計(jì)分析精準(zhǔn)度不如基于醫(yī)生診斷模式；對(duì)網(wǎng)絡(luò)系統(tǒng)計(jì)算能力要求較高，需優(yōu)化數(shù)據(jù)提取方式和計(jì)算模型。

1.4 信息傳送

當(dāng)數(shù)據(jù)產(chǎn)生后需要將相應(yīng)的信息傳送給相應(yīng)的使用對(duì)象，一般體檢信息結(jié)果有3個(gè)傳遞方向：個(gè)人、企業(yè)、醫(yī)生。

1）個(gè)人

個(gè)人數(shù)據(jù)的傳輸需要做到完整性、便捷性和安全性。

完整性能使體檢客戶直接查詢到個(gè)人本次和歷次的完整報(bào)告，并能有疾病風(fēng)險(xiǎn)、健康處方、就醫(yī)指南等提示信息，有歷年報(bào)告的可實(shí)現(xiàn)歷史報(bào)告調(diào)閱、趨勢(shì)分析等擴(kuò)展功能。

為體現(xiàn)便捷性，系統(tǒng)自動(dòng)獲取客戶體檢報(bào)告中的異常信息，第一時(shí)間主動(dòng)發(fā)送到用戶手機(jī)，最快速度告知客戶自身健康狀況，通過醫(yī)院官網(wǎng)、微信公眾號(hào)（圖2）等形式用戶可以自助查詢到體檢報(bào)告和相關(guān)信息，這些形式往往比紙質(zhì)報(bào)告速度更快（表6），信息更全面[4]。

以用戶主要使用報(bào)告方式“紙質(zhì)報(bào)告”和“網(wǎng)站、微信”取得報(bào)告平均時(shí)間計(jì)算，等待時(shí)間減少了80%。

在數(shù)據(jù)安全性方面，需通知企業(yè)將體檢職工手機(jī)信息統(tǒng)一發(fā)送給體檢中心，職工體檢前確認(rèn)個(gè)人手機(jī)號(hào)碼，在網(wǎng)上查詢個(gè)人體檢信息時(shí)通過短信和密碼雙重驗(yàn)證，在數(shù)據(jù)傳輸時(shí)需用加密傳輸協(xié)議，以免網(wǎng)絡(luò)數(shù)據(jù)包被截取使體檢人員信息泄漏[5]。

2）企業(yè)

企業(yè)關(guān)心的是員工整體的健康狀況，通過體檢大數(shù)據(jù)分析可以生產(chǎn)統(tǒng)一格式化的員工健康分析數(shù)據(jù)，包括疾病分析、人群健康分析、健康趨勢(shì)分析[6]。

通過應(yīng)用體檢大數(shù)據(jù)進(jìn)行企業(yè)員工健康分析后，健康分析報(bào)告的制作效率和數(shù)據(jù)的準(zhǔn)確性，比原先人工分析大幅度提高。報(bào)告的內(nèi)容可以根據(jù)企業(yè)類型的不同進(jìn)行個(gè)性化數(shù)據(jù)定制，以便為不同類型企業(yè)制作適應(yīng)行業(yè)要求的健康報(bào)告。

在使用企業(yè)體檢大數(shù)據(jù)分析之前，生成一家企業(yè)體檢統(tǒng)計(jì)數(shù)據(jù)需專業(yè)人員花費(fèi)約2 h，使用新方法后，一般操作人員只需約1 h就能完成。

3）醫(yī)生

體檢大數(shù)據(jù)應(yīng)用對(duì)醫(yī)生在體檢后的工作也具有相當(dāng)重要的幫助。一方面，對(duì)體檢數(shù)據(jù)的深度發(fā)掘是臨床科研的寶貴數(shù)據(jù)來源，尤其是隨著“健康管理”和“治未病”理念的不斷深入，體檢數(shù)據(jù)可以反應(yīng)特定人群的健康狀況和趨勢(shì)，進(jìn)行跟蹤對(duì)比，可以對(duì)某些疾病的誘發(fā)因素進(jìn)行分析研究，具有很高的科研價(jià)值。另一方面，對(duì)體檢數(shù)據(jù)中的亞健康人群的主動(dòng)檢后隨訪，可以讓參加體檢的人對(duì)自身健康狀況有更清晰的認(rèn)識(shí)，及時(shí)進(jìn)行相應(yīng)的預(yù)防保健或臨床治療。

在實(shí)際應(yīng)用中，客戶的隱私非常重要，要注意體檢大數(shù)據(jù)的使用權(quán)限，在作為科研分析的應(yīng)用中數(shù)據(jù)不能包含客戶的個(gè)人資料；在檢后隨訪的應(yīng)用中，需要控制獲取客戶信息的途徑和權(quán)限，記錄每次獲取客戶信息的操作日志，做到可以追溯，如客戶明確不愿意參與隨訪，系統(tǒng)將明確標(biāo)識(shí)，阻止其他人員對(duì)該客戶的信息獲取。

2 結(jié)論

企業(yè)團(tuán)體的體檢大數(shù)據(jù)，在檢后流程中對(duì)個(gè)人、企業(yè)、醫(yī)院都有很高的應(yīng)用價(jià)值和發(fā)展前景，同時(shí)還有許多方面需要進(jìn)一步研究探索。

參考文獻(xiàn)

[1] 劉鋒， 曾凡， 黃昊. 數(shù)字化體檢信息管理系統(tǒng)的設(shè)計(jì)與應(yīng)用[J]. 中國(guó)數(shù)字醫(yī)學(xué)， 2011， 6（5）： 78-80.

[2] 蔣巍巍， 王海舜， 汪齊舜. 面向健康體檢信息共享的HL7接口引擎設(shè)計(jì)[J]. 醫(yī)學(xué)信息， 2009， 22（9）： 1701-1703.

[3] 阮宜才， 丁啟文. 基于關(guān)聯(lián)規(guī)則的醫(yī)院體檢數(shù)據(jù)挖掘[J].醫(yī)學(xué)信息， 2011， 24（3）： 1484-1486.

[4] 陶鑫， 杜春煒， 蓋小榮. 短信服務(wù)平臺(tái)在健康體檢中的應(yīng)用效果[J]. 中華現(xiàn)代護(hù)理雜志， 2012， 18（4）： 444-445.

[5] 賈瑞珍， 杜兵. 健康體檢的深層價(jià)值探討（附1300例體檢結(jié)果分析）[J]. 中國(guó)全科醫(yī)學(xué)， 2007， 10（1）： 58-59.

[6] 馬詩詩， 于廣軍， 崔文彬. 互聯(lián)網(wǎng)醫(yī)療的隱私保護(hù)與信息安全[J]. 上海醫(yī)藥， 2017， 38（9）： 14-16.