數據驅動下的精準化護理管理應用進展

長春中醫藥大學 胡安琪 周秀玲 方海麗 房鑫 金靖雅

在數字化經濟時代下，基于數據驅動下的精準化管理對改進護理管理質量發揮著重要的作用，該文對大數據、數據科學、護理大數據予以介紹的基礎上，從臨床護理管理、延續性護理管理和護理教育管理三個方面進行闡述，分析數據驅動下精準化護理管理的應用現狀，為護理管理提供準確的科學的數據支撐。

2021 年12 月國務院關于印發“十四五”數字經濟發展規劃的通知，充分運用新型數字技術加快推動文化教育、醫療健康等領域公共服務資源數字化供給和網絡化服務[1]。數據的爆發增長、海量集聚為醫療衛生系統帶來了新機遇，而護理作為醫療衛生領域的重要分支之一，深受影響，因此將數據驅動運用于護理學科成為發展護理學科的必要條件。本文以數據驅動為基礎，通過概述大數據、數據科學和護理大數據的概念，從臨床護理管理、延續性護理管理和護理教育管理三個方面進行綜述，以數據為中心，結合護理信息化，為開拓數字驅動在護理領域中的應用以及為未來護理大數據的發展提供切實可行的依據。

1 相關概念

1.1 大數據的定義

大數據被描述為一種新的研究方法，并被稱為“數據驅動的方法”[2]。2011年，麥肯錫全球研究所（The McKinsey Global Institute）認為大數據是一種規模大到在捕獲、存儲、管理和分析方面遠遠超出典型數據庫軟件工具能力范圍的數據集[3]，并具有數據規模大（Volume）、高速（Velocity）、多樣性（Variety）、真實性（Veracity）、低價值密度（Value）的5“VS”特性，是我們這個時代最重要的技術趨勢。

1.2 數據科學的概念

數據科學既是一種理念，也是一套技術，為從業人員提供了結構、原則和框架，系統地從健康數據中提取有用的知識，以回答臨床科學和實踐產生的問題[2]。國家數據科學聯盟將數據科學定義為能組織和使用數字數據的系統研究，以加速發現、改進關鍵決策過程并實現數據驅動經濟[4]。

1.3 護理大數據的概念

目前，不同的專家對于護理大數據的定義有不同的看法，Cooke等[5]人將護理大數據定義成各類臨床數據、管理數據、注冊系統、電子健康記錄等各種數據集，朱瑞芳等認為護理大數據是指所有與護理和生命健康相關的海量數據，包括臨床護理大數據、區域衛生服務平臺大數據、護理研究大數據等，其作用在于通過計算機處理大量繁雜的醫療護理數據，從而更好的預測和改善患者的預后，增加了精準化護理管理的有效性。

2 數據驅動在護理管理中的應用

2.1 在臨床護理管理中的應用

護理質量管理和護理安全作為醫院重要考評指標之一，是醫院優質服務和品牌建立的關鍵因素，然而護士的質量評估沒有一個客觀的評估指標，往往要耗費大量的人力和時間來進行現場考察，所得的評價結果可信度不高，可比性也不強。因此，護理人員要以收集挖掘數據為基礎，使護理質量評估更加科學化。青島大學附屬醫院基于“三維質量結構”模型，構建了涵蓋通識、專科、專病和專項技術的174 項護理質量指標，形成縱橫交錯的質量控制管理網絡系統，并建立質量控制管理數字化平臺，將全員數據匯集于同一終端，完成數據的便捷獲取、存儲、管理、分析與再利用，實現了護理質量精準管控。何云霞等構建護理管理信息化平臺，采集護理敏感質量指標原始數據，并進行自動統計、分析反饋，實現數據的實時查詢和再利用。雖然信息化系統的建立給護理管理者提供了護理數據，促進了護理質量的提升，但是我國各大醫院的質量管理系統中的護理數據不能與其他醫院進行共享。因此，有必要建立專業統一的護理質量指標系統，實現各大醫院資源共享，同時采用循證方法代替經驗管理，幫助護理管理者分析護理信息，從而減輕護理管理者工作量。護理安全不僅是護理管理的重要組成部分，也是推動精準化護理管理走向科學化和規范化的基礎。越來越多的數據顯示，大數據應用與護理安全管理能夠減少臨床上不良事件的發生。跌倒是醫院內最常見的不良事件，以老年人居多，世界衛生組織（WHO）報道因跌倒而死亡或受重傷風險最大的是老年人，并且風險隨著年齡的增長而增高。我國老年群體普遍缺乏預防跌倒意識，臨床護士則通過單一的量表進行跌倒風險評估具有很大的局限性。因此利用大數據技術建立風險預測模型成為患者安全管理研究的重點。Bjarnadottir 等采用自然語言處理設計，從重癥監護醫學信息集市數據庫（MIMIC-III）收集了重癥監護病房患者的電子病歷數據，通過數據選擇，預處理，轉換，利用護士的經驗對相關資料進行提取匯總，識別跌倒風險因素，有效預防跌倒發生。袁金蓉等設計帶有先進傳感器的可穿戴設備的跌倒監測平臺，通過采集個體的生理數據和監測跌倒事件，對跌倒風險因子進行篩選并建立定量化的跌倒風險預測模型，實現對跌倒事件實時準確的判斷，提高跌倒風險評估的科學性和精確性。數字化技術的不斷發展，使得臨床護理工作更加精準化，護士根據數據平臺實施有效的護理措施，減少了不良事件發生，保證病人安全。

2.2 在延續性護理管理中的應用

延續性護理是護理模式的轉變，是改善患者及其家庭生活質量，減輕社會老齡化對家庭和社會的負擔，它使患者能夠在家里享受與醫院相同的健康指導，幫助患者恢復病情，提高患者依從性。在信息爆增的時代，醫療大數據在患者病歷資料數據管理中起到重要作用，護理專家能夠運用數據挖掘、人工智能等新型數字技術從醫院數據庫中挖掘患者既往疾病信息，從而提供適當的治療和護理。Peng 等利用醫學數據挖掘技術，對中醫藥管理局中1000 例肝癌患者臨床資料進行分析研究，經過數據清理和不規則數據去除后，將剩余800 病例平均分為傳統常規護理組和持續性護理組，應用隱馬爾可夫模型方法進行訓練，得到模型中的轉移概率，利用模型學習到的改進率來評價療效，客觀的證明了延續性護理療效高于傳統常規護理組。有專家等建立智能醫療系統，利用關聯規則的Apriori 算法，從醫院數據庫中挖掘乳腺癌患者術后的相關信息進行整理分析，在移動醫療的延續性護理新模式下患者依從性、護理前后生活質量、患肢功能受限、護理滿意度整體提高，維持治療效果，延長生存時間。Steinberg 等運用數據挖掘算法對4 萬左右的診療用藥記錄以及實驗室檢查等數據進行處理后，建立了代謝綜合征的預測模型。數據挖掘的結果表明，腹圍增大和血糖升高為代謝綜合征的高危因素，而高用藥依從性和定期隨訪能夠降低代謝綜合征的發病風險。不僅醫學挖掘技術作為一個新興的跨學科技術，具有廣闊的發展前景，人工智能技術也是如此。人工智能技術在醫療保健領域應用廣泛，其中人工神經網絡（Artificial Neural Network ANN）就是人工智能領域的“領頭羊”，它能夠模仿大腦神經網絡結構和功能，建立一個簡單的模型并根據不同的連接模式形成不同的網絡，解決了許多現代計算機難以解決的實際問題。Sullivan 等基于ANN 算法，通過使用常規收集的護理數據，開發和驗證了一個臨床可解釋的死亡風險預測模型，能夠識別老年人12 個月死亡率的風險，并制定個性化護理計劃，提高其生存質量。但是醫療數據庫中擁有不同來源的信息，數據體積大，護理學者如何從浩瀚的數據庫中捕獲確切、可行的數據是醫療數據挖掘能否運用實踐的關鍵。因此，護理人員在挖掘數據的過程中，要過濾、清理多余數據，保證數據的一致性。

2.3 在護理教育及教學管理中的應用

隨著大數據、云計算、數據挖掘等新興技術的不斷涌現，護理教育者逐步轉變教學模式，開展了精準教學，實現了個性化教育。精準教學是指在信息技術支持下，通過精準評估學情，精準設計教學資源、教學目標、教學環節和教學過程，全程精準記錄學生的學習行為，來精確評估存在或潛在的問題，進而針對性地調整教學策略的一種方法。相比于傳統教學方式，精準教學通過新興數字技術，不斷采集、整合、分析學生學習過程中的數據，通過數據挖掘等科學手段分析學生的學習特征、學習路徑、學習效果等。比如Psaltis 等從學生的面部表情以及身體運動提取信息，推斷在數字化學習環境中學生的專注度；Whitehill 等根據學生的面部表情，從而自動識別學生的專注度。徐林燕等根據學生的網絡學習數據為參照創建學生畫像，采用聚類分析將學生分為勤奮型學習者、消極型學習者、中規中矩型學習者和三好學生型學習者4類，為不同類型的學生制定個性化任務。當學生完成不同階段的學習活動后，教師會根據網絡學習實時數據調整任務設置、教學進度和安排課堂教學，進而為學生進行成績評定。研究表明數據驅動的精準教學提高了教學有效性，也提高了學生參與度和學習興趣。李鵬基于雨課堂實施混合式精準教學。通過課前推送預習資料，教師通過雨課堂了解學生預習情況，并調整教學安排；課中運用雨課堂進行測試討論，彈幕互動、討論、投稿、不懂隨時點等環節，學生同步反饋學習情況，教師根據實時反饋調整授課進度，加強重難點講解；課后推送復習資料，教師利用雨課堂收集的數據分析教學效果三個環節，能夠隨時知道學生學習情況，該精準教學模式有利于提高學生成績、教學滿意度與自主學習能力。數據驅動下的精準教學不僅實現了教師針對性教學，也有助于促進學生個性化發展，提升學生的思維能力。雖然很多教育者將數據驅動融入到教學當中，卻不清楚該如何正確利用，且對系統自動形成的數據盲目依賴。因此，在培養過程中，更要注重師生大數據分析能力和方法的教育，能夠使用數據科學的方法促進護理學科的發展，以便在日后工作中能夠科學地使用基于統計的數據處理技術，提高護理結果。

3 總結

在新一輪技術革命不斷深化的今天，數字化已經是必然趨勢。在數字化經濟的背景下，護士應把數據資源作為核心，以現代信息化技術為主要載體，把數字化技術和護理學科有機地結合起來，使護理管理更加精細，從而推動護理事業的發展。從護理行業現狀看，護理數據資源的整合不足、專業護理信息人才短缺、數據處理能力不足、數字化發展不均衡等問題仍然存在，針對這些問題，護理團隊需要將數據和技術深度融合，完善護理數據庫，提升數據管理和數據質量，推動數據資源標準體系建設，構建統一護理數據資源管理平臺，實現護理數據跨區域、跨網絡共享復用，提高醫院護理管理數據資源利用率，實現護理管理智能化。同時，護理管理者也要學習如何從海量的數據庫中挖掘有意義的護理數據，提升使用大數據的能力，以改變醫療保健、護理質量、成本效益及患者安全性。而在護理教育方面，加快數據科學的教學對護理教育專業學生起著關鍵性的作用，各個高校應該將數據科學這門課程納入到教學中，培養護理學科人才，加速護理學發展。

引用

[1] 國務院印發《“十四五”數字經濟發展規劃》[J].新理財,2022(Z1):8-11.

[2] Paul A Harris,Robert Taylor,Robert Thielke,et al.Reseach Electronic Data Capture (REDCap)—A Metadata-driven Methodology and Workflow Process for Providing Translational Research Informatics Support[J].Journal of Biomedical Informatics,2009,42(2):377-381.

[3] 大數據戰略重點實驗室.大數據概念與發展[J].中國科技術語,2017,19(4):43-50.

[4] PROVOST F,FAWCETT T.Data Science and its Relationship to Big Data and Data-driven Decision Making[J].Big Data,2013,1(1): 51-59.

[5] COOKER C R,IWASHYNA T J.Using Exeisting Data to Address Important Clinical Questions in Critical[J].Crit care Med,2013,41(3): 886-896.