好风凭借力:数据分析赋能医院运营管理浅谈

随着云计算、大数据、人工智能、物联网等新兴技术在医疗领域不断深入拓展应用,在医疗机构对各项医疗服务资源的计划、组织、实施、控制的运营管理活动中,如何让数据分析能切实有效地发挥作用、助力医疗机构提升运营质量?本文抛砖引玉、简要加以探讨。

作者: 刘泽霖 来源: 北大纵横 2022-05-23 11:17:55

医疗机构的运营管理提升,是近年来我国医疗领域广受关注的重要内容。2020年12月国家卫生健康委会同国家中医药局联合印发的《关于加强公立医院运营管理的指导意见》(国卫财务发〔2020〕27号)提出,医院内部控制应以信息化为支撑,突出规范重点领域、重要事项、关键岗位的流程管控和制约机制,文件强调:应梳理、评价、优化运营流程,推进流程管理标准化和信息化,实现资源全流程管理;利用数据分析技术,构建运营数据仓库;建立决策分析体系,推进决策分析一体化平台建设,加强分析结果应用。后续的《关于开展“公立医疗机构经济管理年”活动的通知》(国卫财务函〔2020〕262号)中,明确提出的5方面24项重点任务要求,《关于在全国范围内持续开展“公立医疗机构经济管理年”活动的通知》(国卫财务函[2022]72号)进一步明确了以“业财融合”为重点的运营管理建设方向,持续推进公立医院运营管理为核心的高质量发展。上述文件强调了医疗信息化、构建数据库与决策分析体系等重要任务;落实文件要求、提升医疗机构运营管理过程中,数据分析与应用的支撑,或将成为医疗数字化、智能化和医院高质量运营的一个有效路径。


那么,什么是数据分析?其主要目的是什么?数据分析是通过统计、分析方法对收集来的大量数据加以汇总、理解、消化,提取有用信息、形成结论而对数据加以详细研究和概括总结的过程。数据分析的目的,是把隐藏在杂乱无章的大量数据中的信息集中并提炼出来,从而找出其内在规律,帮助人们做出一定的判断和决策,以便采取较为合适的行动、达成确定的目标。数据分析是有组织、有目的地识别信息需求、收集数据、分析数据、评价并改进数据分析的有效性、应用数据预测与决策的方法和工作过程。


随着云计算、大数据、人工智能、物联网等新兴技术在医疗领域不断深入拓展应用,在医疗机构对各项医疗服务资源的计划、组织、实施、控制的运营管理活动中,如何让数据分析能切实有效地发挥作用、助力医疗机构提升运营质量?本文抛砖引玉、简要加以探讨。


首先,欲使数据可用,必然要清理、整合医疗数据,使之规范化、标准化。


诊疗数据、医疗设备数据、医疗机构运营数据等海量庞杂的医疗数据,既是医疗“金矿”、又是数据分析的基础,而不同统计口径、不同使用目的和角度的数据、不同格式内容且多变的表单、不同更新频次、在不同软件平台“信息孤岛”中传递等等因素使医疗数据碎片化、分散、杂乱,尤其是原始数据的基础字段定义混乱、阈值设定随意等情况尤其令人头痛,需要经过的系统的信息化规划、统一数据收集口径和标准、集成的数据存储与维护管理,建立数据收集、传递、存储、更新、权限分配和应用的相应标准,使医疗数据信息在运营管理从计划、组织、实施、控制到改善优化闭环过程中,能够完整留痕并自动实现医疗数据的相互勾稽与校验,为有效收集与分析数据奠定基础。如对医疗档案、检查与化验信息、诊疗处方等进行结构化识别和自动分类、按需筛选、智能推送等,没有规范的数据存储与管理就难以有效实现。


第二,密切结合医疗业务和运营管理需求,系统规划、个性化建设,明确数据分析目标并细化指标。


欲有效开展医疗数据分析、以数据驱动决策、提高诊断效率与治疗效果,就要不仅仅掌握数据分析方法工具,还应具有敏锐、专业的医疗业务思维,树立“数据分析是方法工具,医疗业务是核心、提质增效降本是目标”的数据分析应用共识,围绕本机构医疗业务的就诊、治疗、医疗设备管理、医疗服务、医疗技术创新等等具体业务内容,有效匹配医疗业务流程管理标准和流程信息化,在此基础上,梳理和明确数据分析目标体系、细化目标达成方法路径并开展执行监控、优化调整和应用跟踪等闭环管理。例如,安徽省立医院针对不同使用角色进行定制化数据分析:以医疗组、病组、医生为维度,通过数据分析,挖掘费用结构,定位科室问题给出解决方案;通过全院DRG结算数据总览、费用结构、资源使用效率、专科发展等为医院管理者提供决策的数据支撑。


第三,构建统一的医疗数据分析平台。


通过统一的医疗数据分析平台,汇集并整合患者、医护、科室、设备、费用、服务、管理等产生的医疗数据洪流,统一数据逻辑、规范数据标准、完善数据内容、匹配数据权限,才能打破医疗数据的“令出多门”、“信息孤岛”等瓶颈,有效开展医疗数据挖掘、分析和应用。


第四,定制个性化医疗数据分析看板,实时监控。


针对医疗机构自身业务特点和管理需求,创建个性化的医疗数据“驾驶舱/仪表盘”多维视图,可视化地实时、自动展示与分析医疗机构的运营情况,针对管理需求实现医疗运营状态监控、问题分析、业务总结、考核评价、趋势预测、风险预警等等管理目的,从而提升协同效率、运营质量和精细化管理水平。例如,通过住院人数检测、床位使用检测、入院病情监测、收入/费用统计以及科室诊疗效率分析,建立驾驶舱看板,实时掌控全局;或者,通过数据看板,监控患者来源分布、急诊人次、门诊人次等门诊重要指标和在院人次、入院人次及住院相关指标及手术等级分布、手术排期与进展情况、病区床位流转调配情况等,动态地以多维视图形式监控医院运营状态。


第五,加强数据全生命周期管理的数据分析与应用。


医疗数据在业务流转中经历从采集到存储、处理、传输、交换、销毁的全生命周期六阶段,医疗机构对庞大医疗数据的管理,就应抓住这六个阶段、通过目标明确的数据分析来细化管理,比如存储阶段不仅可以通过数据备份容灾保护实现数据零丢失,还可以通过数据分析来判断哪些数据存在存储风险、分析备份周期、判断存储价值等;交换阶段通过数据分析来优选医疗机构内部数据交换时通用字段设置、查询关键词设置等,按照数据分析结果选择可以面向哪些单位授权开放什么医疗数据信息、与哪些外部医疗机构数据信息共享,更具精准管理意义。


第六,借助数据分析手段促进医疗创新。


医疗本质上也是经过对大量医疗实践数据的积累、分析,选取有效的优化方案的应用过程。那么,借助云计算、大数据、人工智能等手段进行数据分析,通过对大量零散医疗数据的集中、结构化、智能理解、自动抓取有意义或需求的医疗信息,可归纳医疗技术与服务手段的数据,进行技术与服务趋势预测、技术问题分析和新技术应用、服务改善跟踪分析与快速反馈等,从而助力医疗技术与服务的快速创新。例如:生命科技企业阿斯利康(AstraZeneca)通过云科技和数据分析手段,能够在24小时之内进行510亿个数据(包括基因类型数据和病患数据)的统计分析,在2020年就可以同时进行40多种新药项目的开发。


关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯