安徽省醫療大數據知曉、應用情況及影響因素分析

崔月婷，柴培鈺，胡 欣，時小瑩，李 婷，張 迪

(安徽省醫學情報研究所，安徽 合肥 230061)

大數據是指無法在一定時間范圍內使用常規軟件進行捕捉、管理和處理的數據集合，具有大量(volume)、高速(velocity)、多樣(variety)、低價值密度(value)、真實性(veracity)等特點。《“十三五”衛生與健康規劃》提出，促進云計算、大數據、物聯網、移動互聯網、虛擬現實等信息技術與健康服務的深度融合，提升健康信息服務能力[1]。《國家“十三五”時期文化發展改革規劃綱要》提出，推動媒體融合發展[2]；《國家“十三五”全國人口健康信息化發展規劃的通知》要求深化人口健康信息化和健康醫療大數據基礎，深化人口健康信息化和健康大數據的應用，創新人口健康信息化和健康醫療大數據的發展[3]。這3個文件從國家層面強調了醫療大數據研究、應用和推廣的重要性。醫療大數據來源官方，涉及制藥、臨床診斷、患者病歷、健康管理、網絡交流等眾多領域，具有復雜性和多樣性，且缺乏統一的標準，也沒有具體的標準規范可遵循[4-5]。因此，醫務工作者對醫療大數據的認知度直接影響醫療大數據的獲取和應用。目前，相關研究主要集中在醫院管理、醫療實踐、流行病防治和衛生監測等方面的應用和展望，我國大數據的應用尚處于起步階段，關于不同醫療機構醫療大數據知曉情況尚不明確。同時，相較于廣東省，安徽省對醫療大數據的推廣應用尚未形成完整問卷[6]，對安徽省醫務工作者醫學信息獲取能力和大數據應用能力尚缺乏數據支持。本研究通過問卷星調研了安徽省內174家醫療機構1 506名醫務工作者，分析了安徽省醫務工作者醫療大數據知曉情況及其影響因素，旨在為大數據的推廣應用提供參考。

1 資料與方法

1.1資料

1.1.1資料來源 2019年11月1-30日采用問卷星網絡調查方式，采用完全隨機(網絡發布、微信朋友圈發送、郵件發送)及便利抽樣(現場調研)相結合的方式收集安徽省醫療機構醫務工作者醫療大數據利用及需求情況的相關資料。

1.1.2納入標準 (1)醫療機構工作人員，包括公立醫院及私立醫院；(2)安徽省內在職醫務工作者；(3)資料填寫規范，無錯誤信息；(4)完整填寫問卷內容。

1.1.3排除標準 (1)非醫療機構工作人員；(2)非安徽省內醫務工作者；(3)資料填寫不規范或不完整。

1.2方法

1.2.1調研內容 (1)基本信息，如省、市、縣、區名，醫院名，科室名，姓名，年齡，專業技術職務，學歷，醫院類別，醫院級別，工作身份(臨床醫生、醫技人員、護士、行政管理人員)等；(2)醫療大數據知曉情況、了解渠道、工作中是否涉及等；(3)醫學信息獲取情況、獲取頻率等；(4)對全省醫學文獻共享或服務平臺構建意向。

1.2.2調查方法 通過問卷星網絡調研的方式發布調研問卷，現場調研采用便利抽樣方式選取安徽省皖北地區、皖中地區、皖南地區各1個市，并由當地衛生健康委員會指定1所市級醫院、1所縣級醫院、2所社區醫院派發電子問卷。共回收問卷1 587份(參與調研醫院174家)，有效問卷1 506份，有效回收率為94.89%。問卷調查信度Crobach α系數為0.956，效度KMO值為0.978，Bartlett球形度檢驗P=0.001，調研結果可信度較高。

1.2.3觀察指標 統計并分析不同性別、專業技術職務、醫院類別及級別、工作身份、學歷醫務工作者醫療大數據知曉率、概念獲取渠道是否存在差異，分析不同性別、專業技術職務、醫院類別及級別、工作身份、學歷的知曉醫療大數據醫務工作者對醫療大數據的利用情況。

1.3統計學處理 應用SPSSAU統計軟件進行數據分析，計數資料以率或構成比表示，采用χ2檢驗。P<0.05表示差異有統計學意義。

2 結 果

2.1不同特征醫務工作者醫療大數據知曉率比較 1 506名醫務工作者中知曉醫療大數據者1 048名，知曉率為69.59%。男性醫務工作者醫療大數據知曉率明顯高于女性，差異有統計學意義(P<0.05)；年齡小于25歲醫務工作者醫療大數據知曉率最低，≥55歲醫務工作者醫療大數據知曉率最高；省級公立醫院醫務工作者醫療大數據知曉率最高，縣級醫院醫務工作者醫療大數據知曉率最低；三級醫院醫務工作者醫療大數據知曉率高于一、二級醫院；行政管理人員醫療大數據知曉率最高，護士醫療大數據知曉率最低；高級專業技術職務醫務工作者大數據知曉率最高，初級專業技術職務醫務工作者醫療大數據知曉率最低；博士研究生(包括在讀)知曉率醫療大數據最高，專科學歷醫務工作者醫療大數據最低，差異均有統計學意義(P<0.05)。見表1。

表1 不同特征醫務工作者醫療大數據知曉率比較[n(%)]

續表1 不同特征醫務工作者醫療大數據知曉率比較[n(%)]

2.2不同特征醫務工作者醫療大數據涉及率比較 1 048名知曉醫療大數據的醫務工作者涉及醫療大數據743名，涉及率為70.90%。不同性別、年齡、工作身份、學歷醫務工作者醫療大數據涉及率比較，差異均無統計學意義(P>0.05)；縣級醫院醫務工作者醫療大數據涉及率最低；三級醫院醫務工作者醫療大數據涉及率明顯高于二級醫院；高級專業技術職務醫務工作者醫療大數據涉及率最高，初級專業技術職務醫務工作者醫療大數據涉及率最低，差異均有統計學意義(P<0.05)。見表2。

表2 不同特征醫務工作者醫療大數據涉及率比較[n(%)]

續表2 不同特征醫務工作者醫療大數據涉及率比較[n(%)]

2.3不同年齡醫務工作者醫療大數據概念來源渠道比較 不同年齡醫務工作者通過科研論壇、專業會議、他人科普獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)。見表3。

表3 不同年齡醫務工作者醫療大數據概念來源渠道比較[n(%)]

2.4不同醫院類別醫務工作者醫療大數據概念來源渠道比較 不同醫院類別醫務工作者通過科研論壇、專業會議、查閱資料獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)；省級公立醫院、市級公立醫院、縣級公立醫院、私立醫院醫務工作者以通過專業會議獲取醫療大數據概念為主，社區或鄉鎮醫院以通過查詢資料獲取醫療大數據概念為主。見表4。

表4 不同醫院類別醫務工作者醫療大數據概念來源渠道比較[n(%)]

2.5不同醫院級別醫務工作者醫療大數據概念來源渠道比較 三級醫院醫務工作者通過科研論壇、專業會議獲取醫療大數據概念比例均明顯高于二級醫院，通過他人科普獲取醫療大數據概念比例明顯低于二級醫院，通過科研論壇科普獲取醫療大數據概念比例明顯高于一級醫院，差異均有統計學意義(P<0.05)。見表5。

表5 不同醫院級別醫務工作者醫療大數據概念來源渠道比較[n(%)]

2.6不同工作身份醫務工作者醫療大數據概念來源渠道比較 不同工作身份醫務工作者通過科研論壇、專業會議、查閱資料、他人科普獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)；臨床醫生、行政管理人員以通過專業會議獲取醫療大數據概念為主，醫技人員通過查閱資料獲取醫療大數據概念為主，護士以通過他人科普獲取醫療大數據概念為主。見表6。

表6 不同工作身份醫務工作者醫療大數據概念來源渠道比較[n(%)]

2.7不同專業技術職務醫務工作者醫療大數據概念來源渠道比較 不同專業技術職務醫務工作者通過科研論壇、專業會議、查閱資料、他人科普獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)；中級、副高級、高級專業技術職務醫務工作者以通過專業會議獲取醫療大數據概念為主。見表7。

表7 不同專業技術職務醫務工作者醫療大數據概念來源渠道比較[n(%)]

3 討 論

隨著醫療數據和健康數據的急劇增長，大數據醫療在精準醫療、生物流行病防治、公共衛生監測、配合臨床診斷、藥物挖掘、遠程患者監控、檔案分析等方面逐漸得到重視和應用[7]。有研究表明，無論是流行病學調查、新藥研究，還是臨床研究，高效地利用研究數據將是決定現代醫藥學研究成敗的關鍵；然而，醫療大數據是一項跨學科的研究，目前仍處于初始階段[8]。在這一初始階段大量直接受其惠利的醫學臨床與教育工作者卻普遍對醫療大數據的相關知識及最新進展不夠了解[9]。目前的研究均集中在理論數據方面，尚缺乏調研數據分析，本研究通過問卷調研形式分析了安徽省全省醫務工作者醫療大數據的知曉和利用情況。本研究共回收有效問卷1 506份，其中知曉醫療大數據概念者1 048份，知曉率為69.50%。不同性別、年齡、醫院類別及級別、工作身份、專業技術職務、學歷醫務工作者醫療大數據知曉率比較，差異均有統計學意義(P<0.05)；男性、≥55歲、省級公立醫院、三級醫院、行政管理人員、高級專業技術職務、博士研究生(包括在讀)知曉率較高。提示醫療大數據知曉率可能受醫院級別及類別、專業技術職務、工作身份、學歷的影響。醫院類別及級別、專業技術職務、學歷越高可能獲取醫療大數據概念的方式越廣泛。

本研究進一步對1 048名知曉醫療大數據的醫務工作者醫療大數據概念獲取渠道進行了分析，結果顯示，不同年齡、醫院級別醫務工作者通過科研論壇、專業會議、他人科普獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)。可能與不同年齡、醫院級別醫務工作者接觸科研論壇、專業會議、他人科普的機會不等有關。不同醫院類別醫務工作者通過科研論壇、專業會議、查閱資料獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)；可能由于不同醫院類別醫務工作者獲取信息渠道、醫院管理方式、醫務工作者自身素質參差不齊等因素所致。而不同工作身份、專業技術職務醫務工作者通過科研論壇、專業會議、查閱資料、他人科普獲取醫療大數據概念比例比較，差異均有統計學意義(P<0.05)，可能與不同工作身份醫務工作者在日常工作中醫療大數據涉及率、醫療大數據與工作緊密程度、參加會議和瀏覽論壇的頻率、身邊同事的知曉程度相關。由綜合醫務工作者醫療大數據概念獲取渠道可見，不同特征醫務工作者醫療大數據概念獲取渠道受多種因素的綜合影響，而又以科研論壇、專業會議渠道最常見，提示在日常工作的同時適當增加不同特征醫務工作者參加科研論壇和專業會議的機會，有利于提高醫務工作者醫療大數據知曉率。

醫療大數據目前的應用主要集中在醫院醫療數據上傳平臺[10]、描述疾病風險因素[11]、構建臨床電子病歷智能化研究[12]、打造健康檔案區域醫療平臺、構建智慧醫療等[13]。本研究結果顯示，不同性別、年齡、工作身份、學歷醫務工作者醫療大數據涉及率比較，差異均無統計學意義(P>0.05)；不同醫院類別及級別、專業技術職務醫務工作者醫療大數據涉及率比較，差異均有統計學意義(P<0.05)，提示日常工作中醫療大數據涉及率可能與人口學特征無關，而可能直接與醫院日常工作、科研任務有關。因本研究并未深入分析醫療大數據應用的具體內容，因此，尚不清楚不同特征醫務工作者在醫療大數據應用項目和內容方面的差異。

綜上所述，安徽省全省醫務工作者醫療大數據知曉率總體偏低，不同特征醫務工作者醫療大數據概念知曉率、概念獲取渠道和工作利用情況方面均存在差異，相較于廣東省醫學學術交流中心，安徽省尚未建立一站式醫學信息共享服務平臺[14]，也缺乏多醫院和全省醫療大數據平臺建設[15-16]。因此，提高安徽省醫務工作者醫療大數據知曉和利用率尚需加強平臺建設，為醫務工作者提供更多參加專業會議、科研論壇的機會。