基于HIS數據挖掘的醫療風險預警系統設計

黎靜輝

摘 要：本文以醫療風險預警系統的設計為研究對象，探討了以下實現思路：基于醫療信息系統（Hospital Information System，HIS）平臺上醫療機構的信息化解析，構建醫療風險多維海量信息數據庫，量化醫療質量形成和醫療風險累積、消減乃至爆發的自然過程，論文首先論述了其意義，進而分析了設計思路和存在的問題，相信對從事相關工作的同行能有所裨益。

關鍵詞：醫療信息系統 數據挖掘 醫療風險預警

中圖分類號：TP311 文獻標識碼：A 文章編號：1672-3791（2017）10（a）-0008-02

醫療質量是全球醫療行業面臨的永久性重大問題，日益突出的醫患矛盾嚴重影響醫療行業的發展和社會和諧氛圍的營造；開展醫療風險預警研究對防范醫患糾紛，提高醫療質量具有重要意義。

1 醫療風險預警研究的意義

從醫療質量管理的角度看，“以病人為中心”的原則應強調患者在醫患關系中的主體地位，要求醫療機構從患者的利益出發提供醫療服務，是醫學模式、服務模式、管理模式的全面變革。而傳統的醫療質量是指醫療服務的及時性、安全性和有效性，其管理模式側重于對醫療的最終結果進行檢查評價，較少涉及醫療服務過程中的質量預警和干預，醫院內部醫療質量控制和醫療風險預警與規避多立足于事后管理模式。雖然已出臺了《執業醫師法》《醫療機構管理條例》等多部旨在規范醫療服務行為的衛生法律、法規，以強化對醫院的質量監管，由于醫療質量的形成是多個環節質量加總的非線性控制系統工程，醫療風險的關鍵客體因素和質量環節難以判斷，致使難以適時監控與有效干預醫療風險事件的發生。

醫療衛生服務市場的發展已經使醫患雙方在信息博弈中的相互地位發生了改變，醫療服務供方不再具有壟斷優勢。這就需要針對醫院管理工作的實際特點，把系統的理論研究與醫療服務機構的服務質量管理相聯系，結合我國醫療行業的實際情況，準確判斷醫療風險形成中的關鍵因素和質量環節，構建先進的、適合我國國情的醫療機構服務質量預警與控制理論和方法體系。在微觀層控制醫療環節質量，在中觀和宏觀層面確認醫療服務風險因素，為設計和實施醫療保險制度、費用分擔機制等宏觀衛生決策問題提供基礎支持。

2 醫療風險預警研究的國內外研究現狀

醫療風險監測預警體系應當由信息收集、信息報告、信息分析、信息公示、信息發布等一系列環節組成。我國已經開展了一些醫療風險監測，包括醫療機構的抗菌藥物臨床應用監測、細菌耐藥情況監測、醫院感染監測、藥物不良反應監測、醫療器械不良反應監測、不良事件監測等，但是僅限于信息收集和報告，在信息分析、預警信息發布等方面仍做的遠遠不夠，還有巨大空間開展相應的工作。

國內外主要的醫療質量預警和控制的理論與方法不斷發展。國內連斌等應用結構方程模型探討了醫療風險預警體系構建的設想，張潔（2006）、許蘋（2006）等在醫療風險的成因與預防方面做了一些理論探討。國外如美國、瑞典、英國、澳大利亞、新加坡等國家依靠循證醫學的發展從全院或科級的醫療質量評價向病種醫療質量管理的微觀管理層面深入，以及各種質量管理和預警方法如標準化管理、目標管理等理論與方法在醫院管理各個領域的廣泛應用。盡管如此，以患者為核心的理念在醫療機構服務質量預警與控制中仍然體現不夠，能夠用于醫療質量實時監控與風險預警的理論與方法體系缺乏。

3 基于HIS數據挖掘的醫療風險預警設計

3.1 研究的基本思路在醫院信息系統

HIS平臺上通過醫療機構的信息化解析，構建醫療風險多維海量信息數據庫，量化醫療質量形成和醫療風險累積、消減乃至爆發的自然過程，篩選醫療風險的相關指標，確定醫療風險事件的特征數據結構，尋找醫療風險的發生與患者特定信息之間的相關機理，構建醫療風險預測模型，通過患者信息數據庫與醫療風險預測模型進行新進患者的數據擬合，預測未來醫療風險發生的幾率和走向，獲得患者特定信息與醫療風險互相關聯的預警機制，設計并驗證醫療風險預警和醫療質量控制的相關干預策略。研究設計按照循證的思路把醫療風險預警問題歸結為事前、事中的算法問題，把數據挖掘理論與醫院信息系統數據庫技術相結合，構建醫療風險預警與醫療質量控制模型，最終形成的醫療質量預警模型，為醫療機構提高醫療環節質量的控制能力，有效加強醫療機構的內部管理提供信息化工具，預警并降低醫療風險發生概率，更可以為衛生行政部門在宏觀層面上進行醫療機構的循證管理和醫療風險控制提供基礎和依據。

3.2 數據挖掘的方法學優勢

從醫療機構服務質量預警與控制應用的基礎來看，大部分醫療機構信息系統的運行提供了醫院管理相關的海量數據，由于系統設計時主要面向財會管理與統計運用，缺乏管理決策支持和系統控制功能的有效嵌入，對于管理決策、質量控制與風險預警的實際支持作用有限。常用的數據庫管理系統的查詢機制和統計學分析方法，已經遠不能滿足需要，數據挖掘技術應運而生，其基本目標是在特定的學習任務指導下從一組無次序、無規則的事例中構建簡潔、直觀的樹型結構，可以充分發現隱藏在數據背后大量信息的基本特點，還具有許多其他傳統的統計學方法和機器學習方法無法比擬的優點；如對缺失值的有效處理，對連續性輸入變量、多種不同類型的資料、復雜的非線性數據的處理優勢，以及產生規則的實際指導意義等。

3.3 研究的主要難點

3.3.1 醫療機構質量預警與控制建模問題

比較和借鑒其他服務行業質量預警建模的成熟經驗，利用醫院信息系統的數據規模優勢和數據挖掘算法實現醫療風險預測的數據擬合研究，見圖1。

3.3.2 醫院信息系統海量數據處理問題

采用高性能數據服務器軟、硬件系統和成熟的數據庫處理技術對數據倉庫進行分區操作、建立索引、臨時表、中間表、優化查詢SQL語句等數據挖掘有效手段實現對海量數據的有效挖掘和利用。

3.3.3 研究成果應用和推廣問題

總體而言，該領域缺少理論與實踐的工具，基本的工作應用強于理論研究，定性評價多于定量測量，醫療機構質量預警與控制機制的基礎性研究不夠深入，整體水平落后于其他服務行業。未來醫療質量管理的主要研究和發展方向在于醫院信息系統資源的深入挖掘與醫療風險的早期預警與有效控制，即通過系統搜集有關信息，量化醫療質量形成和醫療風險累積、消減乃至爆發的自然過程，通過數據挖掘算法判別和確認內部質量問題，實現對醫療機構環節質量管理模式的信息化改造，為提高醫療環節質量提供基礎理論和實用工具的支持。

參考文獻

[1] 楊克虎，劉雅莉，田金徽，等.澳大利亞醫療風險監管現狀及措施的循證評價[J].中國醫院管理，2007（10）：62-65.

[2] 連斌，吳瓊，羅旭，等.結構方程模型在醫療風險預警體系中的應用[J].現代預防醫學，2007（1）：44-45.endprint