數(shù)據(jù)監(jiān)控平臺(tái)驅(qū)動(dòng)醫(yī)院管理科學(xué)性驗(yàn)證

[摘要] 目的 搭建并啟用醫(yī)院數(shù)據(jù)監(jiān)控平臺(tái)，通過(guò)資源共享、實(shí)時(shí)監(jiān)控、預(yù)警分析，探討數(shù)據(jù)監(jiān)控平臺(tái)與動(dòng)態(tài)管理策略對(duì)醫(yī)療服務(wù)效率的作用，為優(yōu)化資源配置提供實(shí)證依據(jù)。方法 選取2017—2024年天津市兒童醫(yī)院急診內(nèi)科的接診數(shù)據(jù)，剔除2020—2022年年份數(shù)據(jù)。分析接診量年度趨勢(shì)，比較2024年與合并其他年份的候診時(shí)長(zhǎng)差異，分析評(píng)估接診總量、醫(yī)師數(shù)與候診時(shí)長(zhǎng)的關(guān)聯(lián)性。結(jié)果 未應(yīng)用平臺(tái)的2017年接診總量最少，中位數(shù)由2017年的906人次增至2024年的2242人次，年均增長(zhǎng)345人次。候診時(shí)長(zhǎng)中位數(shù)從86.15min顯著縮短至21.37min，接診總量與候診時(shí)長(zhǎng)呈負(fù)相關(guān)關(guān)系（r=–0.464，Plt;0.01）。結(jié)論 數(shù)據(jù)監(jiān)控平臺(tái)構(gòu)建“監(jiān)測(cè)－預(yù)警－調(diào)配”智能分流機(jī)制，實(shí)時(shí)識(shí)別診療瓶頸，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的動(dòng)態(tài)管理策略可有效平衡高負(fù)荷接診壓力與患兒等待時(shí)間的矛盾，優(yōu)化床位配置及提升手術(shù)能力，協(xié)同推進(jìn)出生缺陷三級(jí)防治體系建設(shè)，為兒科醫(yī)院高質(zhì)量發(fā)展提供多重技術(shù)保障。

[關(guān)鍵詞] 數(shù)據(jù)監(jiān)控平臺(tái)； 動(dòng)態(tài)資源管理； 候診時(shí)長(zhǎng)； 出生缺陷防治

[中圖分類號(hào)] R197.324" """"[文獻(xiàn)標(biāo)識(shí)碼] A """""[DOI] 10.3969/j.issn.1673-9701.2025.17.018

《“十四五”國(guó)家臨床專科能力建設(shè)規(guī)劃》中明確提出構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的醫(yī)療質(zhì)量管理體系，為解決上述問題提供政策指引^[1]。本研究響應(yīng)政策要求，基于實(shí)時(shí)數(shù)據(jù)構(gòu)建醫(yī)院數(shù)據(jù)監(jiān)控平臺(tái)（以下簡(jiǎn)稱平臺(tái)）。通過(guò)部署多維度數(shù)據(jù)可視化系統(tǒng)，實(shí)時(shí)整合門急診、住院動(dòng)態(tài)及預(yù)警指標(biāo)等關(guān)鍵數(shù)據(jù)，在行政交班時(shí)運(yùn)用投影終端展現(xiàn)，突破傳統(tǒng)人工匯報(bào)的局限，建立以循證數(shù)據(jù)為基礎(chǔ)的決策支持機(jī)制^[2-3]。自2019年8月啟用平臺(tái)，形成“數(shù)據(jù)監(jiān)測(cè)–智能預(yù)警–資源調(diào)配”的高效模式^[4]。平臺(tái)深度融合兒童缺陷防治體系，依托天津市兒童出生缺陷防治重點(diǎn)實(shí)驗(yàn)室，整合新生兒診療中心、顱腦神經(jīng)外科等科室收治病種，歷年罕見病等病例數(shù)據(jù)，輔助實(shí)現(xiàn)出生缺陷的早期篩查、規(guī)范診療和全程管理，顯著提升診斷準(zhǔn)確率及治療連續(xù)性^[5-7]。本研究探討數(shù)據(jù)監(jiān)控平臺(tái)與動(dòng)態(tài)管理策略對(duì)醫(yī)療服務(wù)效率的作用，為優(yōu)化資源配置提供實(shí)證依據(jù)。

1 "資料與方法

1.1 "研究資料

數(shù)據(jù)來(lái)源于天津市兒童醫(yī)院平臺(tái)，采用平臺(tái)自動(dòng)導(dǎo)出結(jié)合人工復(fù)核方式，提取時(shí)段2017—2024年（剔除2020—2022年時(shí)段）。篩選標(biāo)準(zhǔn)為同一院區(qū)急診內(nèi)科運(yùn)營(yíng)數(shù)據(jù)。數(shù)據(jù)預(yù)處理包括平臺(tái)自動(dòng)過(guò)濾退號(hào)及重復(fù)掛號(hào)記錄，基于箱線圖識(shí)別候診時(shí)長(zhǎng)超過(guò)360min的異常值，采用3d滑動(dòng)窗口移動(dòng)平均法，補(bǔ)全缺失1d接診量數(shù)據(jù)。最終納入155個(gè)觀測(cè)單元，每日為獨(dú)立單元。

1.2 "觀察指標(biāo)

采集平臺(tái)指標(biāo)包括12月份日均接診總量（人次/d），同期平均候診時(shí)長(zhǎng)的中位數(shù)，醫(yī)師接診時(shí)間減去掛號(hào)時(shí)間（min），同期日均接診醫(yī)師人數(shù)（人/d）。

1.3 "統(tǒng)計(jì)學(xué)方法

采用SPSS 29.0統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)進(jìn)行處理分析，不符合正態(tài)分布的數(shù)據(jù)以中位數(shù)（四分位數(shù)間距） [M（Q₁，Q₃）]表示，采用分位數(shù)回歸（τ=0.5）分析年度趨勢(shì)，組間比較采用秩和檢驗(yàn)，采用Pearson法分析相關(guān)性，Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 "結(jié)果

2.1 "每日接診總量與平均候診時(shí)長(zhǎng)分析

2017—2024年急診內(nèi)科接診效能發(fā)生顯著變化（剔除2020—2022年時(shí)段）。日均接診總量跨越式提升，中位數(shù)從2017年的906人次增至2024年的2242人次，增幅達(dá)147.46%，同期平均候診時(shí)長(zhǎng)中位數(shù)由86.15min降至21.37min，銳減75.19%，見表1。

2.2 "年接診總量與候診時(shí)長(zhǎng)分析

基于分位數(shù)回歸分析（τ=0.5），年接診總量的中位數(shù)與年度的關(guān)聯(lián)模型為Q_0.5=457.000＋345.000×（年份編碼）。每增加1年，同期接診總量的中位數(shù)顯著增長(zhǎng)345人次，整體趨勢(shì)顯著（Plt;0.01），見""" 表2。2024年候診時(shí)長(zhǎng)顯著低于合并的其他年份（U=506.000，Plt;0.01）。

2.3 相關(guān)性分析

相關(guān)性分析結(jié)果表明，接診醫(yī)師數(shù)與接診總量呈極強(qiáng)正相關(guān)（r=0.972，Plt;0.01）。盡管接診總量顯著提升，但平均候診時(shí)長(zhǎng)卻呈現(xiàn)出下降趨勢(shì)，二者呈負(fù)相關(guān)關(guān)系（r=–0.464，Plt;0.01）。

3 "討論

本研究平臺(tái)通過(guò)多源數(shù)據(jù)融合構(gòu)建智能決策中樞，實(shí)現(xiàn)服務(wù)流程可視化監(jiān)控體系，創(chuàng)建預(yù)警模式，提前判斷醫(yī)院是否在高負(fù)荷接診壓力下，精準(zhǔn)定位與實(shí)時(shí)追蹤候診環(huán)節(jié)，推行流程再造和資源彈性調(diào)度的雙軌策略，依托急診藍(lán)區(qū)實(shí)施“先化驗(yàn)再就診”的智能分診模式，同步彈性增加接診醫(yī)師，提升工作效率，推動(dòng)管理模式從被動(dòng)響應(yīng)向主動(dòng)干預(yù)轉(zhuǎn)型^[8-10]。

本研究創(chuàng)新性將分位數(shù)回歸應(yīng)用于急診管理策略評(píng)估，凸顯其在偏態(tài)數(shù)據(jù)中的獨(dú)特優(yōu)勢(shì)。與李娟等^[11]運(yùn)用最小二乘法擬合回歸模型對(duì)隴南市未來(lái)5年的旅游人口展開研究不同。本研究采用分位數(shù)回歸（τ=0.5）方法，分析接診總量趨勢(shì)。該方法通過(guò)最小化絕對(duì)殘差，有效規(guī)避數(shù)據(jù)中極端值的干擾，克服均值回歸對(duì)異常值過(guò)度敏感的問題。模型驅(qū)動(dòng)智能預(yù)警系統(tǒng)實(shí)現(xiàn)接診量精準(zhǔn)預(yù)測(cè)（β=345.0，Plt;0.01），其穩(wěn)健性確保資源調(diào)配可靠性。研究表明分位數(shù)回歸在偏態(tài)醫(yī)療數(shù)據(jù)分析中具有雙重優(yōu)勢(shì)：參數(shù)估計(jì)的位置不變性保障模型的穩(wěn)定性，而協(xié)變量對(duì)響應(yīng)變量條件分布的多維度解析提升決策科學(xué)性。該方法為優(yōu)化兒科急診流程提供兼顧方法學(xué)嚴(yán)謹(jǐn)性與臨床實(shí)用性的創(chuàng)新框架，通過(guò)中位數(shù)建模實(shí)現(xiàn)的異常值抗干擾特性，顯著提升醫(yī)療服務(wù)質(zhì)量改進(jìn)研究的循證效力。

分位數(shù)回歸模型具有適應(yīng)性強(qiáng)、預(yù)測(cè)精度高等優(yōu)點(diǎn)，但也存在計(jì)算復(fù)雜度高及參數(shù)敏感性等局限^[12]。本研究結(jié)果表明，平臺(tái)通過(guò)持續(xù)優(yōu)化，顯著提升醫(yī)療運(yùn)營(yíng)效能。2024年相比2019年門急診輸液人次數(shù)下降，門急診總量增長(zhǎng)40.26%的同時(shí)全年平均候診時(shí)長(zhǎng)縮短37.16%，住院及手術(shù)量分別增長(zhǎng)89.81%與124.02%，印證資源配置效率的突破性提升。該平臺(tái)構(gòu)建的閉環(huán)機(jī)制，推動(dòng)管理決策從經(jīng)驗(yàn)驅(qū)動(dòng)轉(zhuǎn)向循證驅(qū)動(dòng)，通過(guò)實(shí)時(shí)監(jiān)測(cè)患兒就診軌跡優(yōu)化服務(wù)流程，提升患兒及家屬的滿意度，近幾年滿意度均在98%左右^[13]。在專科能力建設(shè)方面，平臺(tái)整合天津市兒童出生缺陷防治重點(diǎn)數(shù)據(jù)，輔助遺傳病、代謝病、罕見病的診治。該平臺(tái)構(gòu)建臨床服務(wù)效率與專科診療質(zhì)量協(xié)同提升的管理機(jī)制，為兒科醫(yī)療同質(zhì)化發(fā)展夯實(shí)數(shù)字化基礎(chǔ)。

利益沖突：作者聲明不存在利益沖突。

[參考文獻(xiàn)]

1. 張澤宇， 白雪， 方鵬騫. 國(guó)家臨床重點(diǎn)專科高質(zhì)量發(fā)展實(shí)現(xiàn)路徑與策略[J]. 中國(guó)醫(yī)院， 2023， 27（8）： 1–4.
2. 王媛， 彭小英， 丁小菊. 基于面向服務(wù)體系結(jié)構(gòu)智能化交班系統(tǒng)的開發(fā)與應(yīng)用[J]. 護(hù)理學(xué)報(bào)， 2019， 26（2）： 27–29.
3. 王蔚為， 鐘天鷹， 謝開鵬， 等. “剛?cè)岵?jì)”運(yùn)用于醫(yī)院總值班管理的探索[J]. 中國(guó)現(xiàn)代醫(yī)生， 2024 ， 62（2）： 93–96.
4. 李茵， 牟冬梅， 楊鑫禹， 等. 數(shù)據(jù)驅(qū)動(dòng)醫(yī)院管理決策的影響因素研究[J]. 醫(yī)學(xué)與社會(huì)， 2021， 34（2）： 1–7.
5. 閻妍， 劉薇， 陳欣. 天津市兒童醫(yī)院2011—2020年罕見病住院病例特征分析[J]. 天津醫(yī)科大學(xué)學(xué)報(bào)， 2023， 29（5）： 543–546.
6. 國(guó)家衛(wèi)生健康委. 國(guó)家衛(wèi)生健康委辦公廳關(guān)于印發(fā)國(guó)家三級(jí)公立醫(yī)院績(jī)效考核操作手冊(cè)（2019版）的通知[R]. 北京： 國(guó)家衛(wèi)生健康委， 2019.
7. 廖文婷. 基于“數(shù)據(jù)+分析”的上海市某醫(yī)院績(jī)效信息化系統(tǒng)應(yīng)用研究[J]. 醫(yī)學(xué)信息， 2023， 36（3）： 22–27.
8. 吳舒婷， 陳雍哲， 毛忠烘， 等. 基于DRGs相關(guān)指標(biāo)的福建省某三級(jí)醫(yī)院外科床位優(yōu)化配置研究[J]. 中國(guó)醫(yī)療管理科學(xué)， 2024， 14（6）： 76–81.
9. 汪云， 王曉妹. 安徽省某三甲醫(yī)院門診患者候診時(shí)間的影響因素分析[J]. 中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理， 2024， 15（10）： 74–77.
10. 李廷俊， 王淼， 張國(guó)琴， 等. 數(shù)字化技術(shù)助力兒科急診能力提升的實(shí)踐與思考[J]. 中國(guó)衛(wèi)生質(zhì)量管理， 2024， 31（3）： 62–65.
11. 李娟， 席浩元. 基于最小二乘法擬合的隴南市旅游人數(shù)預(yù)測(cè)研究[J]. 蘭州文理學(xué)院學(xué)報(bào)（自然科學(xué)版）， 2020， 34（6）： 17–20.
12. 張紫琦， 王愛玲， 屈水令， 等. 分位數(shù)回歸模型在公共衛(wèi)生領(lǐng)域中的應(yīng)用及SAS實(shí)現(xiàn)[J]. 環(huán)境衛(wèi)生學(xué)雜志， 2024， 14（1）： 8–12， 35.
13. 李俊蟠， 李俊， 胡仕芬， 等. 醫(yī)院信息化框架建設(shè)與系統(tǒng)規(guī)范化管理的研究[J]. 中國(guó)現(xiàn)代醫(yī)生， 2023， 61（28）： 110–114.

（收稿日期：2025–04–01）

（修回日期：2025–04–22）

基金項(xiàng)目：天津市醫(yī)學(xué)重點(diǎn)學(xué)科（專科）建設(shè)項(xiàng)目（TJYXZDXK-040A）

通信作者：孫佳，電子信箱：sun1011email@163.com