大數據下VTE智能決策系統的構建與實踐

李娟 丁銳 徐曉丹

摘要：目的：構建靜脈血栓栓塞癥（venous thromboembolism，VTE）智能決策系統并探討其在靜脈血栓栓塞癥管理中的應用效果。方法：組建研究團隊，結合國家政策和醫院實際需求，構建VTE指標體系，借助Kettle等數據處理工具建立醫院數據中心，基于帆軟的豐富圖表呈現各種維度的指標值，利用權限管理保證數據安全。在管理方面，完善制度流程，定期開展培訓，將指標納入績效考核。結果：系統上線后，在臨床診療方面，VTE風險評估率從99.79%上升至100%，VTE基礎預防率從75.06%逐步上升至95.32%，并且每月穩定在90%以上。中高危患者預防率從57.08%上升至64.84%，其中機械預防率從10.02%上升至18.94%，藥物預防率從54.17%上升至57.21%，聯合預防率從7.11%上升至11.31%。雙下肢靜脈B超或肺CTPA檢查預防率從36%上升至51.83%。在運營效率方面，優化了工作流程，提高了工作效率，依托自研平臺的綜合管理措施取得了顯著成效。結論：VTE智能決策系統能提升護理人員風險評估的依從性，為醫護人員提供準確有效的決策依據，輔助臨床診療和護理，提高醫療質量，滿足醫院精細化管理需求。

關鍵詞：靜脈血栓栓塞癥；智能決策系統；醫療大數據；預防

靜脈血栓栓塞癥（venous thromboembolism，VTE）是指靜脈血管管腔內血液異常凝結，形成血栓而使血管完全或部分阻塞，引起血液循環障礙的疾病[1]。VTE因高發病率、高死亡率、高漏診率，已成為臨床醫務工作者面臨的嚴峻考驗[2]，但同時VTE也被認為是“最有可能預防的一種致死性疾病”。VTE的治療費用包括住院費、抗栓藥物、下腔靜脈濾器植入以及血栓后綜合征治療等，遠遠超過了VTE預防的費用。因此，提高對VTE風險的認識并采取相應的預防措施，不僅具有重要的臨床實踐意義，還能有效降低住院醫療費用，減輕醫療經濟負擔。

目前，大部分醫院的HIS系統都已支持錄入VTE風險評估單、設置預防措施選項等，但是缺少對這些數據進行統計分析的系統，此部分工作通常是依賴人工完成，這是導致VTE防治工作效果不佳的一個重要因素，缺少有力的監控手段。對于人工方式進行統計VTE相關指標完成情況，存在以下問題：

①統計工作量大，任務繁重且枯燥；②數據缺乏說服力，無法保證數據準確性；③無法及時發現漏評或誤評的患者，采取應對措施；④難以進行VTE相關指標趨勢分析、問題分析，持續優化指標數據工作無法精確地開展。

隨著以HIS系統（Hospital Information System）為核心的醫療信息系統蓬勃發展，大數據、人工智能、“互聯網+”等新興技術快速滲透到醫療領域的各個環節[3-6]，利用信息化技術管理海量醫療數據成為提升VTE風險評估率和預防率的一個有效手段。在國家政策和科技發展的助推下，本文建立了防治VTE智能決策系統，通過臺州市立醫院臨床實踐，結果表明，該系統提升了住院患者的VTE防治效果，為醫院實現VTE防治“早評估、早預防、早診斷、早治療”的目標提供了有力支撐。

一、系統架構設計

基于B/S架構，利用帆軟工具實現數據可視化，利用圖表直觀清晰地展示各個指標，實現信息化輔助管理決策的目的。針對每個異動指標，追根究源，查缺補漏，提升醫療質量。通過權限設置對數據進行分類分級差異化的安全管理。VTE智能決策系統整體架構主要分為數據層、業務層、應用層，如圖1所示。

首先，在數據層，定時對醫院信息系統生成的數據使用Kettle工具進行ETL處理，建立醫院數據中心。

其次，在業務層，開展需求分析與完善管理制度。組建團隊，根據國家衛健委等相關機構發布的文件，如“VTE防治相關的質量安全改進政策和團體標準”“三級醫院評審標準”“醫院內靜脈血栓栓塞癥防治質量評價與管理指南”等，確定VTE指標體系內容、系統開發功能范圍、培訓計劃、持續改進質量落實措施等。

最后，在應用層，通過批量處理構建不同維度的數據分析表，驅動BI和報表展示。依據VTE各指標定義，進行復雜計算，分析年度、月度趨勢，同時生成各項明細報表，從而得到科學準確的指標完成情況。

二、核心功能實現

（一）數據治理，建立數據中心

根據醫療大數據特點，建立數據中心的流程如下：從各業務系統抽取數據，并進行數據融合，形成完備的主數據信息，然后將主數據信息分發給各業務系統，保證各業務系統中這些信息的準確性和完整性。結合主數據格式，建立數據規范和提取轉換規則。在ETL過程中，需要對數據進行清洗和校驗，例如檢查字符是否合法、日期數據格式是否正確以及數值是否合法等，并進行正確的轉換。同時建立錯誤數據集，將無法匹配的孤立信息以及轉換失敗的數據加入其中，進行人工處理。處理成功的數據將進入標準整合庫。在標準整合庫的基礎上，根據需求分析數據源，采用規范化的標準模型來治理數據，最終建立醫療機構數據中心，如圖2所示。

在本文中，設定了兩種ETL機制，分別是全量抽取和增量抽取。對于長期不更新和公共數據，采用全量抽取的方式，例如醫療機構的人員信息、門診科室、住院科室、手術編碼表、重點病種、藥品編碼表等。增量數據抽取設定在每天凌晨1點至2點之間完成作業任務，因為這個時間段醫療機構運行業務最少，所以抽取數據比較合適。大部分情況下，增量抽取是對前一天新增的數據進行抽取。為了提高數據的準確性，會根據需求和數據特點調整數據抽取時間跨度。例如，涉及財務費用的數據需要考慮退費的情況，退費時間跨度一般不能超過30天，因此增量抽取這部分數據時，更新前30天的數據更準確。

（二）規范指標定義，構建VTE指標體系

為進一步加強醫療質量管理，規范臨床診療行為，促進醫療服務的標準化、同質化，本文以“規范指標定義、統一指標口徑、固化指標邏輯”為宗旨建立VTE指標體系。由醫務部、護理部、信息中心等多個部門分別指派負責人，組成研究團隊。團隊依據國家相關質控文件，結合醫院實際情況確定VTE指標內容，包括：VTE風險評估率、出血風險評估率，VTE基礎預防率、VTE預防率（采取機械或者藥物措施）、雙下肢靜脈B超或肺CTPA檢查預防率、VTE有危急值結果、住院期間新發VTE占比、住院手術患者VTE發生率等，以便醫護人員全面掌握患者的VTE評估情況，輔助臨床診療和護理。

（三）數據可視化，開發智能決策系統

基于數據中心和VTE指標體系，借助FineBI工具，結合數據分析技術與圖形技術，利用點線圖、柱狀圖、儀表盤、餅圖、表格等形式對數據進行可視化展現。根據指標定義，對數據進行統計分析、鉆取鉆透、篩選過濾等多種操作，實現數據的立體式呈現。用戶可以對數據進行分類、排序、組合，以了解指標趨勢，同時多重屬性的指標數據可以清晰展示。本系統提供多種圖表自由組合的可視化方式查看指標，可多種維度對指標進行統計分析，全方位滿足醫療機構精細化管理需求。時間維度支持年度、月度、季度、天，范圍維度支持科室、醫療組、醫生個人，同時支持各個指標的明細數據查詢以供監測對比。對于異常數據及時預警通知，及時采取糾正措施，持續優化醫療機構的運行機制。

系統統一門戶入口，通過對用戶和權限的控制，使不同角色的用戶能夠通過統一入口看到符合自身需求的數據和報表視圖。本系統基于此實現了統一訪問、集中管理、分類維護醫療大數據的信息化管理方式。

（四）數據安全管理，構建數據權責完整體系

醫療數據自身具有高敏感性和高價值性，保證其安全十分重要。為了避免在系統使用和管理過程中因不安全操作而導致的數據泄漏、被盜取等安全事件的發生，在日常的信息化網絡安全和數據庫操作控制基礎上，開發用戶管理、權限管理模塊對數據進行分類分級差異化的安全管理。

①用戶管理。該模塊實現多維度管理用戶信息的功能，包括注冊用戶、分配部門、角色和職責等。例如，可以從數據庫批量導入用戶信息并同步更新用戶信息，也可以手動添加用戶。支持按部門、職務、角色列表對用戶進行分類，支持在PC端和移動端進行用戶編輯和使用。只有注冊成功成為合法用戶，才能登錄系統、申請權限和查看相關數據。

②權限管理。每個合法用戶因其角色、職務、部門等信息的不同，所能查看的指標范圍也不同，因此需采用相應的權限機制進行控制。例如，院長可以查看全院指標數據，即具有最大權限范圍，但是財務科主任只能查看運營效率相關的指標數據，不能查看其他指標數據。采用多級權限分配模式，在多個部門共用系統的同時，每個部門都有自己的管理員，并可以給其他部門員工分配權限，實現多級管理員層層分配。設置權限管理模塊負責人賬號，根據用戶角色進行授權，并明確每個指標數據的負責人、權限審批流程和各環節負責人，實現不同科室和角色的數據查看權限控制。例如，科室主任只能查看全科數據，不能查看其他科室數據；醫療組組長只能查看本組數據，不能查看其他醫療組數據；臨床數據權限可以實現醫生個人只能查看自己的數據，不能查看其他醫生數據；中層干部、值班人員等角色根據醫療機構需求定制數據查看范圍。通過嚴格規范的權限審批流程和嚴謹的權限管理模塊，可以避免數據泄漏、越界訪問等問題，確保數據安全。

三、應用效果分析

某院自2022年5月VTE智能決策系統上線以來，VTE評估率和預防率逐步提高，有效提升了VTE防治水平，系統運行效果得到全院一致認可，具體如下：

（一）有效提升VTE相關指標質量

①VTE基礎預防率。所謂基礎預防是指最基本的預防措施，包括向患者傳達VTE的危害性、講解相關預防知識，并幫助患者改善不良的生活習慣，如適量運動、控制血壓、血糖和血脂等基礎疾病。這項工作主要由護士指導完成，計算公式如下：

VTE基礎預防率 = 周期內采取基礎預防措施的出院患者總例數 / 同期出院病人總數 × 100%

由于之前一直沒有相應的監測系統，依靠人工統計效果不佳。因此，在2022年5月系統上線前，該指標一直低于78%，在5月系統上線后，醫務人員可通過系統實時查看VTE基礎預防執行情況，及時發現不足并加以糾正，該指標開始穩步提升，到2022年12月增長至90.88%。2023年，VTE基礎預防率月均值穩定保持在90%以上，如圖3所示。

②VTE風險評估率與中高危患者預防率。對系統上線前（2022年1月－4月）與上線后（2022年5月－8月）的風險評估率與VTE中高危患者預防率進行統計比較，結果見表1。各VTE預防率的子指標計算公式如下：

VTE風險評估率 = 周期內完成VTE風險評估出院患者總例數 / 同期出院患者總例數 × 100%

VTE預防率 = 周期內采取機械或藥物預防的出院患者總例數 / 同期中高危出院患者總例數×100%

VTE機械預防率 = 周期內采取機械預防的出院患者總例數 / 同期中高危出院患者總例數×100%

VTE藥物預防率 = 周期內采取藥物預防的出院患者總例數 / 同期中高危出院患者總例數×100%

VTE聯合預防率 = 周期內采取機械和藥物預防的出院患者總例數 / 同期中高危出院患者總例數× 100%

VTE雙下肢靜脈B超或肺CTPA檢查預防率 = 周期內采取雙下肢靜脈B超或肺CTPA檢查預防的出院患者總例數 / 同期中高危出院患者總例數 ×100%

由表1數據分析可以得出，使用VTE智能評估系統后，可以及時查看VTE風險評估情況，并且可跟蹤每位患者的評估詳情，進一步促進護士在患者入院后及時進行VTE風險評估，評估率從99.79%上升至100%。VTE重在預防，信息化系統的使用助推了VTE預防措施的落實。系統上線后，預防率從57.08%上升至64.84%，其中機械預防率從10.02%上升至18.94%，藥物預防率從54.17%上升至57.21%，聯合預防率從7.11%上升至11.31%，雙下肢靜脈B超或肺CTPA檢查預防率從10.02%上升至18.94%。

（二）顯著提高醫務人員工作效率

系統上線前，每次需要VTE相關數據時，都需要與信息中心工程師進行需求溝通，大約耗時10分鐘。工程師根據需求，在數據庫中重新編碼查詢數據，大約耗時15至20分鐘，整個過程大概需要25至35分鐘。這個流程既繁瑣又效率低下。同時，由于無明細數據可追蹤，數據缺乏說服力，如有異常，也無法及時有效地進行監測干預。系統上線后，工作人員只需登錄系統查看即可，平均耗時2分鐘，大幅提升了工作效率，減少人工統計工作，同時還有相關明細數據可追蹤，共同監督。

（三）持續改善醫療服務質量系統

依據VTE指標定義，統計分析相關數據并進行可視化展示，為醫院管理者進行VTE質量管控提供了便利。臨床護士、醫生可以在系統進行自查，快速找出漏填或誤填的病人。

以2022年1月VTE風險評估率為例，圖4中展示了各科室的指標數據，針對沒有達到100%的科室（例如圖4中的骨科三），可以繼續查看明細數據。在表格的右部分，已完成風險評估的病人排在表格前面并以藍色背景突出顯示，未進行風險評估的病人則位于表格末尾，未添加背景色。這樣方便篩選出未評估的病人，從而及時采取應對措施。醫院管理層可依據系統數據對醫務工作人員進行考核，遵循持續質量改進理念，督促其提高業務素質和操作規范。從而達到規范VTE預防手段，做好早期危險因素篩查工作，提前進行VTE風險評估，選擇合適的預防措施，降低醫療風險，提高醫療質量的目的。

四、結束語

隨著VTE智能決策系統的上線應用，醫院VTE風險評估率以及各種維度的預防率都得到了顯著提升，這促進了預防措施的落實。同時，該系統與績效考核制度掛鉤，有效提高了醫護人員的VTE防治意識。在醫院運營管理層面，優化了醫務人員的工作流程，大幅提升了工作效率，將其從繁瑣枯燥的工作中解放出來。然而，該系統在智能評估方面的功能還不足，下一步應思考如何基于臨床路徑方法建立標準化干預診療路徑，以實現對患者評估、預防、診斷、治療等全過程各個節點的全面質控。同時，還可以考慮智能生成質控專題報告，挖掘相關高危致病因素和信息，構建VTE防治的數據統計、深度分析和智能檢索的全員、全程、全時、全域的一體化動態監控體系。

作者單位：李娟 丁銳 徐曉丹 臺州科技職業學院

參考文獻

[1] 陳倩，胡雅毅.妊娠相關靜脈血栓栓塞的危險因素及其預防決策[J].中華婦幼臨床醫學雜志：電子版，2019，15（6）：623-631.

[2] 王小榮，仇永貴，趙建美等.靜脈血栓栓塞癥風險評估及防范措施[J].中國衛生質量管理，2015，22（1）：32-34.

[3] 常朝娣，陳敏.大數據時代醫療健康數據治理方法研究[J]中國數字醫學，2016，11（9）：2-5.

[4] 張習梅，楊露，南原.疾病預警在健康大數據管理平臺中的應用[J]醫學信息學雜志，2021，42（2）：49-52，65.

[5] 張弘政，劉迷迷，李琳，等.基于通用數據模型的健康醫療大數據平臺，治理研究[J].醫學信息學雜志，2022，43（6）：2-7.

[6]李娟，丁銳.三級公立醫院績效考核平臺的建設與應用探討[J].中國數字醫學，2022，17（7）：67-71.

項目名稱：2023年度高校國內訪問工程師“校企合作項目”：基于醫療大數據的VTE智能評估系統研發；項目編號：（FG2023320）。

李娟（1987.06-），女，漢族，安徽懷寧，碩士，高級工程，研究方向：計算機應用技術。