大數據技術助力醫院精細化管理

米春香

重慶醫科大學附屬永川醫院 信息中心，重慶 402160

引言

公立醫院是當前我國醫療服務體系的主體，具有福利性和公益性的雙重特點，在解決居民健康問題方面發揮著重大作用。隨著醫療改革的逐步深入，公立醫院需要面對來自于醫改政策以及行業競爭者的各種挑戰。如何在醫改背景下，激烈的市場競爭中脫穎而出是擺在每一家公立醫院面前的重大問題。精細化管理是當前公立醫院適應市場競爭的必經之路，只有通過精細化管理，充分了解醫院的營運狀況，制定出科學的管理決策，才能在改革過程中立于不敗之地。而在這樣一個信息時代，精準的決策一定是以精準的數據為基礎的，利用最先進的大數據挖掘技術，整合醫院歷史各類數據，快捷而多層次地進行數據分析，將是實現醫院精細化管理最有力的保障。

1 醫院決策支持系統應用現狀

1.1 數據分散

大多數公立醫院經過了多年的信息化建設，往往采購了不同廠家的信息系統，各個系統的數據結構標準不一，使用的開發技術不一，因此要查詢和分析不同時期不同系統中的數據往往要耗費大量的時間成本。比如，醫院HIS系統有多個版本，有的使用ORACLE數據庫研發，有的使用SQL sever研發；HIS與LIS、PACS的表達同一內涵的患者信息的字段名稱與類型往往不一致。醫院管理人員為了獲得這些系統不同時段的數據，只能從不同的系統中，使用不同的技術進行調用，然后再人為去整合這些數據。

1.2 調取數據慢

由于各個系統的數據大多存在于業務系統中，調取這些數據時間段稍長的時候將耗費大量時間，還會占用業務系統的資源，導致業務系統運行緩慢。比如調取一個月或者一年的數據，有的系統往往要耗時幾分鐘、幾十分鐘，甚至幾個小時。特別是在配合醫院接受醫保檢查、等級評審或其他各類需要調取長時段數據時，時常不能及時響應需求。

1.3 分析結果單一

現有的決策支持系統，大多采用的固定報表格式進行數據調閱。固定報表行列的字段往往是固定的，只能進行基礎的行匯總或者列匯總，使用者如果要獲取固定報表中自選數據的匯總只能將報表結果導出到Excel表中進行二次加工。同樣是既耗時，效果也不甚理想。如果要將報表結果展現成直觀的圖表，也只能在Excel表中進行加工處理。

1.4 對信息技術人員依賴大

正是由于數據存在的系統各異，標準不一，分析格式固定等等原因，往往一個分析報表只能滿足管理者的部分需求，需求稍有變更，就需要再次與信息技術人員溝通，增加新的報表以滿足新的需求。因此使管理分析與決策缺乏自由度。

2 大數據技術在醫院決策支持中的應用

2.1 實現路徑

基于大數據技術的決策支持系統（圖1），通過ETL（Extract-Transform-Load）整合異構數據，根據分析模型將數據采集、清洗、存儲到數據倉庫中，再利用數據挖掘技術按分析模型實現多方位、多層次、多時段、多視覺、可視化的曲線、圖表等分析結果，很好地解決了傳統分析存在的問題。

圖1 決策支持系統

2.2 應用實例

首先確立醫院精細化管理指標體系，結合醫院信息系統原始數據結構、數據挖掘需要的層次，建立采集模型，編寫信息采集程序。利用大數據平臺的ETL工具將采集程序中相關數據按一定規則進行抽取、清洗、轉換后存儲到數據倉庫中。使用數據挖掘工具，建立分析模型，并按各種維度將數據進行統計后保存在分析庫中，最后將分析結果以表格、圖形、曲線等形式發布給管理人員。

以全院收入分析為例，如要實現院、科、醫生、日期、收入類別、收費項目、開單科室、執行科室、病人科室等層層挖掘分析，采集模型中應包含收入項目名稱、費用名稱、費用來源（門診、體檢或住院）、病人科室、開單科室、執行科室、醫生、收入日期、收費數量、單價、金額等信息。采集程序第一次采集所有歷史分析年限數據，以后每天凌晨1點定時采集最近一周數據，挖掘技術定時依據分析模型將采集的明細數據匯總成包含年、月、日、科室、來源、醫生等所有維度的數據并存儲，管理科室隨時可調取分析結果。具體實現效果如圖2所示。

圖2 分析結果調取示意圖

管理分析人員可以隨意拖拽所有采集的指標字段，篩選字段值，層層深入展示數據，可對字段值排序，選擇顯示前幾位或后幾位數據，可使用圖形展示分析數據，而實現這些功能都會秒級展示分析所需結果。管理人員靈活利用指標字段進行組合，可將此分析模型組合出傳統分析固定報表需要幾十張報表才能實現的分析數據，分析數據還可輕松導出到Excel表中。

經過近一年時間在樣本醫院各管理部門的應用實踐，醫院在財務管理、醫保費用分析與管控、合理用藥分析等方面的決策支持效率得到了顯著提升。同樣以財務部門在全院收入分析方面的應用為例，基于大數據平臺的決策支持系統，利用ETL整合歷史不同系統的優勢輕松將兩套財務系統按統一標準存儲在數據中心，并利用數據挖掘技術形成按13個維度進行計算的統計數據。財務人員可任意組合這些維度形成30多張帶篩選功能的明細表、匯總表，每一張報表均所想即所得，立刻展示需要的報表數據（圖3～5）。

圖3 2018年呼吸內科和老年病科科室收入對比圖

圖4 輸血費構成分析

圖5 2018年檢驗科收入曲線

實現這些效果，只需財務人員與信息技術人員事前充分溝通并制定好數據的采集模型，然后由信息人員編寫采集程序和設置分析模型，一名信息人員花2～3 h即可完成相關技術工作。而采用傳統的決策支持系統，要實現類似的維度分析，需要信息人員編制至少10張以上報表才能完成，而每張報表需要編寫一次程序，管理人員對技術人員的依賴性顯而易見。以前財務部門完成這些分析工作，僅執行調取一個月的報表數據就需要3～5名工作人員每人花整整2個工作日來完成，使用了大數據決策支持系統后這項工作由一名工作人員1個工作日可輕松獲取所需的分析數據、圖表及歷史數據對比等，不管是按日、月、季、半年、年都能立即調用數據。

3 討論

通過實踐對比，總結傳統決策支持系統與大數據決策支持系統的特征，匯總如表1。

?

從表1可以看出，大數據決策支持系統的顯著優勢明顯改善了傳統決策支持系統在應用中存在的問題，給予了使用者極大的自由度，也將信息技術人員從過去繁瑣的修改報表的工作中解放出來。

4 結論

醫院的精細化管理是多維度的，需要橫向的、縱向的對其進行深入研究。醫院在多年信息化建設基礎上積累了大量豐富的數據，然而單純的“大數據”沒有多大價值，只有對大量數據進行分析與挖掘才為醫院管理帶來許多的實際價值。注重對數據價值的深度挖掘，這是未來醫院管理的關鍵點與必然趨勢，它不僅能讓管理者充分了解醫院成本與利潤來源，還能透過歷史數據分析預測發展趨勢，為管理者在進行重大決策時提供精準的決策支持。通過這樣的應用研究，將極大提高醫院的精細化管理手段和水準。在新醫改背景下，這樣的管理技術將使醫院的發展如虎添翼。