醫用耗材精確分析方法探究*

——袁麗潔 李帥帥 武 卓 王 鳳 羅竫娜

隨著工程學與材料學技術的飛速發展，新的醫用耗材不斷應用于臨床，在提高醫療技術的同時，也成為醫療費用不斷上漲的重要因素[1]。醫用耗材的支出已同藥品、人力資源共同構成醫療機構三大運營成本。因此，醫用耗材的經營管理越來越受到重視，而對醫用耗材精確分析成為醫院管理者決策提供數據支持。

1 為什么進行醫用耗材精確分析

精確分析是對醫用耗材使用過程中的各種信息和數據進行分析和評價，通過成分分析、消耗統計、標準掌握及評判考核，形成完全的效果反饋與質量改進循環回路。

當前，藥學管理部門對臨床合理用藥提出了較全面的解決方案并逐步在醫院推廣應用，但醫用耗材合理使用的評價機制研究尚未起步，致使耗材使用成本無法掌握，考核督導管理空白[2]。不能對耗材使用的總量和成本進行統計，直接影響醫療決策、成本控制、效益分析以及監督考核等工作，甚至直接影響醫院醫用耗材管理決策。

網絡信息和人工智能技術日益成為當前解決社會運行和治理的首要手段。通過對臨床數據進行信息挖掘，采取人工智能的手段，建立知識庫并對使用過程進行智能控制，最終可實現醫用耗材管理的智能管控。

在傳統醫用耗材管理過程中，由于人力資源和管理成本的限制，管理者往往更關注重要物資，針對高值和植入性耗材的物流、使用、追溯建立有較為完備的流程[3]。但針對低值非植入性耗材的管理往往有所疏忽。以某醫院2017年11月使用的醫用耗材為例，該院共使用醫用耗材663種，共計32 121 636.88元。按照采購金額排序，盡管排名后80%的耗材的使用需求和實際使用量并不高，但是這些醫用耗材的加在一起的總費用卻是7 641 910.51元，遠遠超過價值分布曲線處于頭部第一位置耗材的金額1 837 276元。長尾理論告訴我們，不僅要關注傳統使用曲線的頭部部分，更要關注長尾部分，這就需要通過精確分析發現每一種耗材在流通、使用過程上的差異，進而通過精準管控解決這種差異化問題。

2 精確分析方法

精確分析正是通過對耗材使用數據和歷史規律的挖掘與分析，發現耗材使用的特征，探討實現精準管理的方法。而分類、聚類、關聯三種數據挖掘方法能夠在醫用耗材管理的精確分析方面發揮較大作用[4-5]。

2.1 分類(Classify)

通過對一個歸屬類別歷史樣本庫中數據屬性的比對，尋找數據對象具有顯著區別的典型特征，通過這些特征對新的數據進行預測，將其歸屬到不同的已知分類中。在這里，歷史樣本庫叫“訓練樣本”，典型特征變量叫“自變量”又叫“預測變量”，歸屬類別變量叫“目標變量”，新的數據項叫“評分樣本”。分類方法是應用最廣泛的數據挖掘方法之一，分類模型可解決對類別未知的樣本進行預測，屬于預測性模型，以判斷其屬于哪個類別的問題的。

2.2 聚類(Clustering)

聚類類似于分類，但與分類的目的不同，聚類模型屬于非預測模型(描述型模型)，是將物理或抽象對象的集合分成由類似的對象組成的多個未知的類的過程。屬于同一類別的數據間的相似性很大，跨類的數據關聯性較低，數據相似性較小。聚類模型與分類模型的最大區別在于不去設定“目標變量”，而通過事先給定自變量，模型算法可以自動的將評測樣本進行分組。

2.3 關聯(Apriori algorithm)

關聯是在給定數據集中找出數據項與項之間存在的相互關系，即可以根據某一個數據的出現推導出較大幾率的其他數據及可能性。關聯算法是進行符合布爾關系規則頻繁項集的方法之一，核心思路是基于兩階段頻度集思想的遞歸算法，其數據挖掘過程主要包括兩個階段：一為找出所有的高頻項目組的海量原始數據；二為發現這些高頻項目組中的關聯規則。關聯模型又叫“購物籃分析”，屬于非預測模型，是通過對購物車內商品的種類進行分析，找出這些商品之間可能存在的關聯性，根據關聯性調整貨品擺放位置以增加銷量。

3 精確分析應用

當前，醫院耗材管理系統中數據信息的利用過于淺顯，大部分停留在數據的簡單查詢以及從報表中獲取決策信息的層面，基本無法自動獲取決策相關數據[6]。而以數據挖掘技術為核心的精確分析方法，可發現醫用耗材信息之間的關聯，對推動醫院管理精準化具有重要應用價值。

(1)分類模型應用。采用決策樹的方法建立分類模型，其具有預測精度高，預測結果穩定性高，結果易理解等優點，決策樹是分類模型中最常用的方法之一[7]。如針對留置針選擇的問題，以常用留置針包括普通留置針、正壓留置針和安全留置針作為目標變量，可將患者年齡、配合度、血管條件、傳染病情況及護師操作熟練程度作為自變量，建立分類模型，通過判定為合理選擇提供依據。

(2)聚類模型應用。構建聚類模型最關鍵的工作之一是選擇聚類所需的自變量，自變量的選擇往往取決于應用的目標要求。例如，我們需要對醫用耗材進行深入管控，選擇可否計費，是否高值，是否植入，可否與醫療服務項目綁定等作為自變量，采取聚類的方法，可以直觀準確地找到目標耗材的分組情況。針對聚類所產生的不同細分群進一步分析耗材的使用情況，進而找到針對不同群體的措施。如圖1所示，進行聚類模型分析后：(1)表示采取流量流向管理方法；(2)表示采取鏈路式管理方法；(3)表示采取傳統入出庫管理方法。

(3)關聯模型應用。關聯規則模型可解決耗材中心庫房備貨和發貨過程中的大量問題，通過對大量的醫用耗材領用情況進行數據分析，能發現不同物品之間的關聯性，進而將關聯物品進行統一封裝，以減少管理人員的工作量。當前，很多耗材經銷商在醫院實行的SPD(即Supply供應、Processing管理、Distribution配送)模式的智能備貨，應用的就是關聯規則模型。

4 小結

隨著新醫改政策的推進以及醫院信息技術的突破性發展，醫用耗材流通領域正在進行一場精細化管理的改革。醫院外部陽光采購、兩票制、集中配送等政策的持續引導，使得醫用耗材的應用行業環境面臨巨大變化。醫院內部破除以藥養醫、禁止過度醫療、百元醫療收入耗材不大于20元的指標限制，成為醫院主動進行醫用耗材管控的內部驅動[8]。在此情況下，醫院醫用耗材管理面臨著從粗放型、規模型、數量型向精細化、科學化、流程化的模式轉變，耗材管理的著眼點將必然會聚焦在耗材本身，開始由精細管理向精準管理轉型。以數據挖掘為基礎的精確分析是實現精準管理的重要技術手段，隨著算法的不斷完善，以及對精準管理認識的提升，必將在未來的醫用耗材管理和流通領域發揮巨大的作用。

圖1 聚類模型的應用分析