數(shù)據(jù)驅(qū)動下的精準(zhǔn)化護理管理應(yīng)用進展

長春中醫(yī)藥大學(xué) 胡安琪 周秀玲 方海麗 房鑫 金靖雅

在數(shù)字化經(jīng)濟時代下，基于數(shù)據(jù)驅(qū)動下的精準(zhǔn)化管理對改進護理管理質(zhì)量發(fā)揮著重要的作用，該文對大數(shù)據(jù)、數(shù)據(jù)科學(xué)、護理大數(shù)據(jù)予以介紹的基礎(chǔ)上，從臨床護理管理、延續(xù)性護理管理和護理教育管理三個方面進行闡述，分析數(shù)據(jù)驅(qū)動下精準(zhǔn)化護理管理的應(yīng)用現(xiàn)狀，為護理管理提供準(zhǔn)確的科學(xué)的數(shù)據(jù)支撐。

2021 年12 月國務(wù)院關(guān)于印發(fā)“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃的通知，充分運用新型數(shù)字技術(shù)加快推動文化教育、醫(yī)療健康等領(lǐng)域公共服務(wù)資源數(shù)字化供給和網(wǎng)絡(luò)化服務(wù)[1]。數(shù)據(jù)的爆發(fā)增長、海量集聚為醫(yī)療衛(wèi)生系統(tǒng)帶來了新機遇，而護理作為醫(yī)療衛(wèi)生領(lǐng)域的重要分支之一，深受影響，因此將數(shù)據(jù)驅(qū)動運用于護理學(xué)科成為發(fā)展護理學(xué)科的必要條件。本文以數(shù)據(jù)驅(qū)動為基礎(chǔ)，通過概述大數(shù)據(jù)、數(shù)據(jù)科學(xué)和護理大數(shù)據(jù)的概念，從臨床護理管理、延續(xù)性護理管理和護理教育管理三個方面進行綜述，以數(shù)據(jù)為中心，結(jié)合護理信息化，為開拓數(shù)字驅(qū)動在護理領(lǐng)域中的應(yīng)用以及為未來護理大數(shù)據(jù)的發(fā)展提供切實可行的依據(jù)。

1 相關(guān)概念

1.1 大數(shù)據(jù)的定義

大數(shù)據(jù)被描述為一種新的研究方法，并被稱為“數(shù)據(jù)驅(qū)動的方法”[2]。2011年，麥肯錫全球研究所（The McKinsey Global Institute）認(rèn)為大數(shù)據(jù)是一種規(guī)模大到在捕獲、存儲、管理和分析方面遠(yuǎn)遠(yuǎn)超出典型數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集[3]，并具有數(shù)據(jù)規(guī)模大（Volume）、高速（Velocity）、多樣性（Variety）、真實性（Veracity）、低價值密度（Value）的5“VS”特性，是我們這個時代最重要的技術(shù)趨勢。

1.2 數(shù)據(jù)科學(xué)的概念

數(shù)據(jù)科學(xué)既是一種理念，也是一套技術(shù)，為從業(yè)人員提供了結(jié)構(gòu)、原則和框架，系統(tǒng)地從健康數(shù)據(jù)中提取有用的知識，以回答臨床科學(xué)和實踐產(chǎn)生的問題[2]。國家數(shù)據(jù)科學(xué)聯(lián)盟將數(shù)據(jù)科學(xué)定義為能組織和使用數(shù)字?jǐn)?shù)據(jù)的系統(tǒng)研究，以加速發(fā)現(xiàn)、改進關(guān)鍵決策過程并實現(xiàn)數(shù)據(jù)驅(qū)動經(jīng)濟[4]。

1.3 護理大數(shù)據(jù)的概念

目前，不同的專家對于護理大數(shù)據(jù)的定義有不同的看法，Cooke等[5]人將護理大數(shù)據(jù)定義成各類臨床數(shù)據(jù)、管理數(shù)據(jù)、注冊系統(tǒng)、電子健康記錄等各種數(shù)據(jù)集，朱瑞芳等認(rèn)為護理大數(shù)據(jù)是指所有與護理和生命健康相關(guān)的海量數(shù)據(jù)，包括臨床護理大數(shù)據(jù)、區(qū)域衛(wèi)生服務(wù)平臺大數(shù)據(jù)、護理研究大數(shù)據(jù)等，其作用在于通過計算機處理大量繁雜的醫(yī)療護理數(shù)據(jù)，從而更好的預(yù)測和改善患者的預(yù)后，增加了精準(zhǔn)化護理管理的有效性。

2 數(shù)據(jù)驅(qū)動在護理管理中的應(yīng)用

2.1 在臨床護理管理中的應(yīng)用

護理質(zhì)量管理和護理安全作為醫(yī)院重要考評指標(biāo)之一，是醫(yī)院優(yōu)質(zhì)服務(wù)和品牌建立的關(guān)鍵因素，然而護士的質(zhì)量評估沒有一個客觀的評估指標(biāo)，往往要耗費大量的人力和時間來進行現(xiàn)場考察，所得的評價結(jié)果可信度不高，可比性也不強。因此，護理人員要以收集挖掘數(shù)據(jù)為基礎(chǔ)，使護理質(zhì)量評估更加科學(xué)化。青島大學(xué)附屬醫(yī)院基于“三維質(zhì)量結(jié)構(gòu)”模型，構(gòu)建了涵蓋通識、專科、專病和專項技術(shù)的174 項護理質(zhì)量指標(biāo)，形成縱橫交錯的質(zhì)量控制管理網(wǎng)絡(luò)系統(tǒng)，并建立質(zhì)量控制管理數(shù)字化平臺，將全員數(shù)據(jù)匯集于同一終端，完成數(shù)據(jù)的便捷獲取、存儲、管理、分析與再利用，實現(xiàn)了護理質(zhì)量精準(zhǔn)管控。何云霞等構(gòu)建護理管理信息化平臺，采集護理敏感質(zhì)量指標(biāo)原始數(shù)據(jù)，并進行自動統(tǒng)計、分析反饋，實現(xiàn)數(shù)據(jù)的實時查詢和再利用。雖然信息化系統(tǒng)的建立給護理管理者提供了護理數(shù)據(jù)，促進了護理質(zhì)量的提升，但是我國各大醫(yī)院的質(zhì)量管理系統(tǒng)中的護理數(shù)據(jù)不能與其他醫(yī)院進行共享。因此，有必要建立專業(yè)統(tǒng)一的護理質(zhì)量指標(biāo)系統(tǒng)，實現(xiàn)各大醫(yī)院資源共享，同時采用循證方法代替經(jīng)驗管理，幫助護理管理者分析護理信息，從而減輕護理管理者工作量。護理安全不僅是護理管理的重要組成部分，也是推動精準(zhǔn)化護理管理走向科學(xué)化和規(guī)范化的基礎(chǔ)。越來越多的數(shù)據(jù)顯示，大數(shù)據(jù)應(yīng)用與護理安全管理能夠減少臨床上不良事件的發(fā)生。跌倒是醫(yī)院內(nèi)最常見的不良事件，以老年人居多，世界衛(wèi)生組織（WHO）報道因跌倒而死亡或受重傷風(fēng)險最大的是老年人，并且風(fēng)險隨著年齡的增長而增高。我國老年群體普遍缺乏預(yù)防跌倒意識，臨床護士則通過單一的量表進行跌倒風(fēng)險評估具有很大的局限性。因此利用大數(shù)據(jù)技術(shù)建立風(fēng)險預(yù)測模型成為患者安全管理研究的重點。Bjarnadottir 等采用自然語言處理設(shè)計，從重癥監(jiān)護醫(yī)學(xué)信息集市數(shù)據(jù)庫（MIMIC-III）收集了重癥監(jiān)護病房患者的電子病歷數(shù)據(jù)，通過數(shù)據(jù)選擇，預(yù)處理，轉(zhuǎn)換，利用護士的經(jīng)驗對相關(guān)資料進行提取匯總，識別跌倒風(fēng)險因素，有效預(yù)防跌倒發(fā)生。袁金蓉等設(shè)計帶有先進傳感器的可穿戴設(shè)備的跌倒監(jiān)測平臺，通過采集個體的生理數(shù)據(jù)和監(jiān)測跌倒事件，對跌倒風(fēng)險因子進行篩選并建立定量化的跌倒風(fēng)險預(yù)測模型，實現(xiàn)對跌倒事件實時準(zhǔn)確的判斷，提高跌倒風(fēng)險評估的科學(xué)性和精確性。數(shù)字化技術(shù)的不斷發(fā)展，使得臨床護理工作更加精準(zhǔn)化，護士根據(jù)數(shù)據(jù)平臺實施有效的護理措施，減少了不良事件發(fā)生，保證病人安全。

2.2 在延續(xù)性護理管理中的應(yīng)用

延續(xù)性護理是護理模式的轉(zhuǎn)變，是改善患者及其家庭生活質(zhì)量，減輕社會老齡化對家庭和社會的負(fù)擔(dān)，它使患者能夠在家里享受與醫(yī)院相同的健康指導(dǎo)，幫助患者恢復(fù)病情，提高患者依從性。在信息爆增的時代，醫(yī)療大數(shù)據(jù)在患者病歷資料數(shù)據(jù)管理中起到重要作用，護理專家能夠運用數(shù)據(jù)挖掘、人工智能等新型數(shù)字技術(shù)從醫(yī)院數(shù)據(jù)庫中挖掘患者既往疾病信息，從而提供適當(dāng)?shù)闹委熀妥o理。Peng 等利用醫(yī)學(xué)數(shù)據(jù)挖掘技術(shù)，對中醫(yī)藥管理局中1000 例肝癌患者臨床資料進行分析研究，經(jīng)過數(shù)據(jù)清理和不規(guī)則數(shù)據(jù)去除后，將剩余800 病例平均分為傳統(tǒng)常規(guī)護理組和持續(xù)性護理組，應(yīng)用隱馬爾可夫模型方法進行訓(xùn)練，得到模型中的轉(zhuǎn)移概率，利用模型學(xué)習(xí)到的改進率來評價療效，客觀的證明了延續(xù)性護理療效高于傳統(tǒng)常規(guī)護理組。有專家等建立智能醫(yī)療系統(tǒng)，利用關(guān)聯(lián)規(guī)則的Apriori 算法，從醫(yī)院數(shù)據(jù)庫中挖掘乳腺癌患者術(shù)后的相關(guān)信息進行整理分析，在移動醫(yī)療的延續(xù)性護理新模式下患者依從性、護理前后生活質(zhì)量、患肢功能受限、護理滿意度整體提高，維持治療效果，延長生存時間。Steinberg 等運用數(shù)據(jù)挖掘算法對4 萬左右的診療用藥記錄以及實驗室檢查等數(shù)據(jù)進行處理后，建立了代謝綜合征的預(yù)測模型。數(shù)據(jù)挖掘的結(jié)果表明，腹圍增大和血糖升高為代謝綜合征的高危因素，而高用藥依從性和定期隨訪能夠降低代謝綜合征的發(fā)病風(fēng)險。不僅醫(yī)學(xué)挖掘技術(shù)作為一個新興的跨學(xué)科技術(shù)，具有廣闊的發(fā)展前景，人工智能技術(shù)也是如此。人工智能技術(shù)在醫(yī)療保健領(lǐng)域應(yīng)用廣泛，其中人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network ANN）就是人工智能領(lǐng)域的“領(lǐng)頭羊”，它能夠模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能，建立一個簡單的模型并根據(jù)不同的連接模式形成不同的網(wǎng)絡(luò)，解決了許多現(xiàn)代計算機難以解決的實際問題。Sullivan 等基于ANN 算法，通過使用常規(guī)收集的護理數(shù)據(jù)，開發(fā)和驗證了一個臨床可解釋的死亡風(fēng)險預(yù)測模型，能夠識別老年人12 個月死亡率的風(fēng)險，并制定個性化護理計劃，提高其生存質(zhì)量。但是醫(yī)療數(shù)據(jù)庫中擁有不同來源的信息，數(shù)據(jù)體積大，護理學(xué)者如何從浩瀚的數(shù)據(jù)庫中捕獲確切、可行的數(shù)據(jù)是醫(yī)療數(shù)據(jù)挖掘能否運用實踐的關(guān)鍵。因此，護理人員在挖掘數(shù)據(jù)的過程中，要過濾、清理多余數(shù)據(jù)，保證數(shù)據(jù)的一致性。

2.3 在護理教育及教學(xué)管理中的應(yīng)用

隨著大數(shù)據(jù)、云計算、數(shù)據(jù)挖掘等新興技術(shù)的不斷涌現(xiàn)，護理教育者逐步轉(zhuǎn)變教學(xué)模式，開展了精準(zhǔn)教學(xué)，實現(xiàn)了個性化教育。精準(zhǔn)教學(xué)是指在信息技術(shù)支持下，通過精準(zhǔn)評估學(xué)情，精準(zhǔn)設(shè)計教學(xué)資源、教學(xué)目標(biāo)、教學(xué)環(huán)節(jié)和教學(xué)過程，全程精準(zhǔn)記錄學(xué)生的學(xué)習(xí)行為，來精確評估存在或潛在的問題，進而針對性地調(diào)整教學(xué)策略的一種方法。相比于傳統(tǒng)教學(xué)方式，精準(zhǔn)教學(xué)通過新興數(shù)字技術(shù)，不斷采集、整合、分析學(xué)生學(xué)習(xí)過程中的數(shù)據(jù)，通過數(shù)據(jù)挖掘等科學(xué)手段分析學(xué)生的學(xué)習(xí)特征、學(xué)習(xí)路徑、學(xué)習(xí)效果等。比如Psaltis 等從學(xué)生的面部表情以及身體運動提取信息，推斷在數(shù)字化學(xué)習(xí)環(huán)境中學(xué)生的專注度；Whitehill 等根據(jù)學(xué)生的面部表情，從而自動識別學(xué)生的專注度。徐林燕等根據(jù)學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)為參照創(chuàng)建學(xué)生畫像，采用聚類分析將學(xué)生分為勤奮型學(xué)習(xí)者、消極型學(xué)習(xí)者、中規(guī)中矩型學(xué)習(xí)者和三好學(xué)生型學(xué)習(xí)者4類，為不同類型的學(xué)生制定個性化任務(wù)。當(dāng)學(xué)生完成不同階段的學(xué)習(xí)活動后，教師會根據(jù)網(wǎng)絡(luò)學(xué)習(xí)實時數(shù)據(jù)調(diào)整任務(wù)設(shè)置、教學(xué)進度和安排課堂教學(xué)，進而為學(xué)生進行成績評定。研究表明數(shù)據(jù)驅(qū)動的精準(zhǔn)教學(xué)提高了教學(xué)有效性，也提高了學(xué)生參與度和學(xué)習(xí)興趣。李鵬基于雨課堂實施混合式精準(zhǔn)教學(xué)。通過課前推送預(yù)習(xí)資料，教師通過雨課堂了解學(xué)生預(yù)習(xí)情況，并調(diào)整教學(xué)安排；課中運用雨課堂進行測試討論，彈幕互動、討論、投稿、不懂隨時點等環(huán)節(jié)，學(xué)生同步反饋學(xué)習(xí)情況，教師根據(jù)實時反饋調(diào)整授課進度，加強重難點講解；課后推送復(fù)習(xí)資料，教師利用雨課堂收集的數(shù)據(jù)分析教學(xué)效果三個環(huán)節(jié)，能夠隨時知道學(xué)生學(xué)習(xí)情況，該精準(zhǔn)教學(xué)模式有利于提高學(xué)生成績、教學(xué)滿意度與自主學(xué)習(xí)能力。數(shù)據(jù)驅(qū)動下的精準(zhǔn)教學(xué)不僅實現(xiàn)了教師針對性教學(xué)，也有助于促進學(xué)生個性化發(fā)展，提升學(xué)生的思維能力。雖然很多教育者將數(shù)據(jù)驅(qū)動融入到教學(xué)當(dāng)中，卻不清楚該如何正確利用，且對系統(tǒng)自動形成的數(shù)據(jù)盲目依賴。因此，在培養(yǎng)過程中，更要注重師生大數(shù)據(jù)分析能力和方法的教育，能夠使用數(shù)據(jù)科學(xué)的方法促進護理學(xué)科的發(fā)展，以便在日后工作中能夠科學(xué)地使用基于統(tǒng)計的數(shù)據(jù)處理技術(shù)，提高護理結(jié)果。

3 總結(jié)

在新一輪技術(shù)革命不斷深化的今天，數(shù)字化已經(jīng)是必然趨勢。在數(shù)字化經(jīng)濟的背景下，護士應(yīng)把數(shù)據(jù)資源作為核心，以現(xiàn)代信息化技術(shù)為主要載體，把數(shù)字化技術(shù)和護理學(xué)科有機地結(jié)合起來，使護理管理更加精細(xì)，從而推動護理事業(yè)的發(fā)展。從護理行業(yè)現(xiàn)狀看，護理數(shù)據(jù)資源的整合不足、專業(yè)護理信息人才短缺、數(shù)據(jù)處理能力不足、數(shù)字化發(fā)展不均衡等問題仍然存在，針對這些問題，護理團隊需要將數(shù)據(jù)和技術(shù)深度融合，完善護理數(shù)據(jù)庫，提升數(shù)據(jù)管理和數(shù)據(jù)質(zhì)量，推動數(shù)據(jù)資源標(biāo)準(zhǔn)體系建設(shè)，構(gòu)建統(tǒng)一護理數(shù)據(jù)資源管理平臺，實現(xiàn)護理數(shù)據(jù)跨區(qū)域、跨網(wǎng)絡(luò)共享復(fù)用，提高醫(yī)院護理管理數(shù)據(jù)資源利用率，實現(xiàn)護理管理智能化。同時，護理管理者也要學(xué)習(xí)如何從海量的數(shù)據(jù)庫中挖掘有意義的護理數(shù)據(jù)，提升使用大數(shù)據(jù)的能力，以改變醫(yī)療保健、護理質(zhì)量、成本效益及患者安全性。而在護理教育方面，加快數(shù)據(jù)科學(xué)的教學(xué)對護理教育專業(yè)學(xué)生起著關(guān)鍵性的作用，各個高校應(yīng)該將數(shù)據(jù)科學(xué)這門課程納入到教學(xué)中，培養(yǎng)護理學(xué)科人才，加速護理學(xué)發(fā)展。

引用

[1] 國務(wù)院印發(fā)《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》[J].新理財,2022(Z1):8-11.

[2] Paul A Harris,Robert Taylor,Robert Thielke,et al.Reseach Electronic Data Capture (REDCap)—A Metadata-driven Methodology and Workflow Process for Providing Translational Research Informatics Support[J].Journal of Biomedical Informatics,2009,42(2):377-381.

[3] 大數(shù)據(jù)戰(zhàn)略重點實驗室.大數(shù)據(jù)概念與發(fā)展[J].中國科技術(shù)語,2017,19(4):43-50.

[4] PROVOST F,FAWCETT T.Data Science and its Relationship to Big Data and Data-driven Decision Making[J].Big Data,2013,1(1): 51-59.

[5] COOKER C R,IWASHYNA T J.Using Exeisting Data to Address Important Clinical Questions in Critical[J].Crit care Med,2013,41(3): 886-896.