大數據背景下臨床護理行業的發展要求及趨勢

丁碧玉

隨著科技進步日新月異，當今我們已生活在一個數據化時代。大數據大容量、多樣性、傳播速度快、精確性高等特點，使其在各行業的應用不斷擴展及深入，并產生巨大的經濟和社會效益。在醫療衛生領域，臨床數據，生物實驗、電子病歷、公共健康數據等海量數據的產生及傳輸，使得大數據的應用成為可能。護理大數據泛指所有與護理和生命健康相關的極大量數據，包括醫院護理大數據、區域衛生服務平臺大數據、基于大量人群的護理研究或疾病監測大數據等。

美、英、日、韓先后制定國家大數據戰略，美日等國在20世紀70年代已開發大數據信息系統，并將其應用于醫療護理行業。標準化護理術語、普通數據模型和電子病歷的信息結構等作為數據庫基礎的可共享和可比較的護理數據正在創建中。與國外相比，我國醫療衛生領域的大數據起步晚，發展滯后。盡管大數據網站、大數據研究中心的開發，護理信息研究院等的成立對大數據在護理領域的應用起到了推動作用，但對類似文本、影像、視頻、開放式問答等非結構數據的處理能力不足，醫護人員數據信息獲取能力欠缺，設備差異造成多重數據標準引致數據共享機制不暢通，嚴重阻礙大數據在臨床實踐中的應用［1-3］。

1 醫療護理行業中大數據應用存在的問題

有研究認為，在臨床護理領域應用大數據的效益顯而易見。如通過個性化數據收集及分析，指導臨床實踐，實現精準治療，節約醫療成本和減輕患者痛苦；通過移動穿戴設備記錄數據，實現個性化健康監測、咨詢和精準護理；通過電子病歷及檔案能夠實現疾病預測，防患于未然；通過網絡搜索采集數據、IP地址追蹤及實名制，可精準預測群體性疾病的發生及發展趨勢。但將大數據應用于某一具體的臨床領域卻也存在著諸多問題［4］。

1.1大數據的特征 在信息缺乏時代，用傳統數據分析技術進行模擬，對數據的精確性要求高。在大數據時代，海量數據以突飛猛進之勢產生，現實世界只有5%的結構化數據能夠滿足傳統數據庫的要求，非結構化數據占比達到95%以上，也就是說有95%的數據是傳統數據分析技術所認為的“雜亂無章”。但看似龐雜混亂的大數據信息量大，產生及傳播速度快，應用價值較高，通過深入挖掘能產生經濟社會效益，但數據價值密度小，即傳統數據庫認為“精確度不高”，傳統的數據分析技術難以有效運用。

大數據更注重相關性分析，輕因果分析。相關關系的核心是指兩個數值之間的數理關系。相關關系強時，一個數值發生變化，另一個數值也會隨之發生變化。相關關系弱時，一個數值發生變化，另一個數值幾乎不發生變化。但兩個同時發生變化的數值之間并不一定存在因果關系，所以當需要作出傳統意義中由因到果的“解釋”時就會存在問題，而重相關性輕因果分析甚至是對傳統“刨根問底”思維的顛覆。

1.2護理行業數據的特性 醫療衛生數據存在來源多樣且龐雜，樣本量小、結構化數據少等問題。醫療護理數據多，但多半為半結構化和非結構化數據，類似傳統計數資料和計量資料等數值型的結構化數據以及醫療儀器數據處理相對簡單，但電子病歷、電子健康檔案、影像資料、網絡和社交媒體、醫療文獻、家用醫療設備、病人行為情緒、口述表達誤差等非結構化數據，容易存在收集及處理口徑不一致，主觀判斷等非標準化因素影響，從而導致數據處理結果可靠性較差。

另一方面，眾多品牌或廠商生產的醫療設備、數據監測儀器標準不統一，例如血糖測試，筆者通過多次對比分析及廠家咨詢，發現羅氏血糖儀的測試值誤差在0.5范圍內，安穩血糖儀的測試值誤差在1.0范圍內；一般上下波動2.0的區間被認為是誤差允許范圍內。電子血壓計與傳統的水銀柱血壓計測量值也存在差異，甚至同一品牌的不同儀器，測量值也存在被廣泛接受的誤差。但在數據分析中，若用不同儀器測量值進行運算，就可能得出相去甚遠的結論。

再者，護理人員在數據信息的生成、收集、分析、傳播中起重要作用。但當前護理人員整體素質參差不齊，可能存在對信息識別的敏銳度不高、對術語理解不深入、表達不準確不清晰、對檢索途徑和檢索語言不熟悉、信息獲取能力差等問題，數據敏感性低，數據收集能力不足，處理信息能力欠缺，再加上護理信息化人才短缺，即護理+信息處理跨界人才極度缺失等因素的存在，都將導致大數據技術在臨床護理領域的應用不能發揮最大效益。

2 大數據背景下護理行業的發展要求及趨勢

2.1政策助力構建數據共享機制 構建與應用大數據平臺及專業化護理數據網站，開發多層分級打分系統，有助于將半結構化和結構化數據轉化為標準化可讀數據，進而轉化為人體生理科學信息，再通過專業醫護技術人員進行數據挖掘，能夠實現有效指導臨床實踐、健康指數監測及生命科學研究。目前，國家及各地政府非常重視大數據的應用與發展，一系列護理信息化推進政策的出臺為大數據技術在臨床護理領域發揮效益提供了宏觀指導和政策支持。

2.2機器算法在醫療護理領域的應用 在大數據時代，傳統的數據分析技術應對海量“雜亂無章”的數據信息失效，而超級計算機、機器語言開發進而使海量模擬技術產生，為臨床護理大數據處理提供了支撐。手機APP、運動手環等的功能，大家并不陌生，人們可以很容易得到從常見的體溫、體重、卡路里消耗、體脂率等，到深層次一些的心率、血壓、血氧飽和度等，再至更深層次的數以千計的生理指標。這些指標都可以通過專業數據信息分析技能、機器語言的學習、超級計算機海量模擬進行運算，得到身體狀況多方位多層次多維度的信息，進一步指導臨床實踐、健康監測及科研［5-6］。

2.3護理專業走向跨界 大數據技術越來越深入的應用于臨床護理領域，將使傳統意義上只有單一護理技能的工作者無所適從，未來的臨床護理人員需要通過自學、進修、培訓等方式培養信息識別及獲取意識，提升獲取信息、加工處理信息、信息化技能，增強對信息收集的數據轉化能力、數據標準化規范化能力，實現監測指標向機器語言的轉化能力，進而能夠準確有效的所獲取的臨床數據轉化為患者身體狀況信息，提升數據的價值，減輕病患痛苦及精神壓力。也就是說，臨床護理工作者必須走向護理專業和信息化專業的跨界，成為護理信息化人才，才能應對大數據時代對護理人員的要求。

在大數據背景下，臨床護理行業唯有提高工作者信息化素養，通過數據共享機制，獲取總體而非樣本數據信息，并將其應用于機器語言及超級計算機模擬技術，才能適應時代發展的要求，促進個體化精準醫療護理，降低醫療費用提高護理質量。