医院信息系统助力循证医学步入大数据时代

梁怡凡

[摘要]循证医学提倡的是最好的临床研究证据与临床实践（临床经验、临床决策）以及患者价值观（关注，期望，需求）的结合，其核心是“最佳证据”。而如何高效科学地收集处理大量数据？如何使循证医学步入大数据时代？医院信息系统为其提供了可能。本文通过介绍医院信息系统在循证医学方面的应用，阐明了循证医学大数据分析的价值及所存在的问题。

[关键词]医院信息系统;循证医学;大数据时代

[DOI]10.13939/j.cnki.zgsc.2015.13.113

循证医学概念的提出是人们对现代医药的单纯根据病理生理机制指导临床治疗状况的一种反思，它提倡的是最好的临床研究证据与临床实践（临床经验、临床决策）以及患者价值观（关注，期望，需求）的结合。因此，今后的医生，将不仅仅承担着诊治病人的职责，还将兼有医学科学研究的重任。而如何高效快捷地获得大量数据，科学准备地处理大量数据，使之为临床科研提供实验数据支持？当信息技术领域迎来大数据浪潮之际，医院信息系统的发展也势必将推动循证医学步入大数据时代。

1循证医学

1.1定义

循证医学的主要创始人、国际著名临床流行病学家DavidSackett曾将循证医学定义为：“慎重、准确和明智地应用所能获得的最好研究证据来确定患者治疗措施。”根据这一定义，循证医学要求临床医师认真、明确和合理应用现有最好的证据来决定具体病人的医疗处理，作出准确的诊断，选择最佳的治疗方法，争取最好的效果和预后。循证医学的最新定义为：“慎重、准确和明智地应用目前可获取的最佳研究证据，同时结合临床医师个人的专业技能和长期临床经验，考虑患者的价值观和意愿，完美地将三者结合在一起，制定出具体的治疗方案。”显然，现代循证医学要求临床医师既要努力寻找和获取最佳的研究证据，又要结合个人的专业知识包括疾病发生和演变的病理生理学理论以及个人的临床工作经验，结合他人（包括专家）的意见和研究结果;既要遵循医疗实践的规律和需要，又要根据“病人至上”的原则，尊重患者的个人意愿和实际可能性，而后再作出诊断和治疗上的决策。

1.2特征

循证医学的核心思想是在医疗决策中将临床证据、个人经验与患者的实际状况和意愿三者相结合。临床证据主要来自大样本的随机对照临床试验（Randomized Controlled Trial，RCT）和系统性评价（Systematic Review）或荟萃分析（Meta-analysis）。

循证医学的基本特征是：

第一，将最佳临床证据、熟练的临床经验和患者的具体情况这三大要素紧密结合在一起寻找和收集最佳临床证据旨在得到更敏感和更可靠的诊断方法，更有效和更安全的治疗方案，力争使患者获得最佳治疗结果。掌握熟练的临床经验旨在能够识别和采用那些最好的证据，能够迅速对患者状况作出准确和恰当的分析与评价。考虑到患者的具体情况，要求根据患者对疾病的担心程度、对治疗方法的期望程度，设身处地地为患者着想，并真诚地尊重患者自己的选择。只有将这三大要素密切结合，临床医师和患者才能在医疗上取得共识，相互理解，互相信任，从而达到最佳的治疗效果。

第二，重视确凿的临床证据：这是和传统医学截然不同的。传统医学主要根据个人的临床经验，遵从上级或高年资医师的意见，参考来自教科书和医学刊物的资料等为患者制订治疗方案。显然，传统医学处理患者的最主要的依据是个人或他人的实践经验。

2大数据

2.1定义

大数据（Big Data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大数据”这个术语最早期的引用可追溯到Apache Org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和GoogleFile System（GFS）的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。对于“大数据”[1]研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

2.2特征

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。

大数据的4V特征：Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（精确）。

3医院信息系统在循证医学中的应用

医院信息系统（Hospital Information System，HIS）是为了医院的效益而建立的信息管理系统。美国著名的医学信息教授Morris Collen的定义是：HIS的目标是用计算机和通信设备采集、存储、处理、访问和传输所有和医院相关的病人医疗信息和管理信息，满足所有授权用户功能上的要求。其包括临床诊疗部分、药品管理部分、费用管理部分、综合管理与统计分析部分、外部接口部分五个组成部分。药房管理系统、公共卫生信息系统均是其重要组成部分。

3.1药房管理系统

药房管理系统有助于药物经济学的开展。药物经济学是卫生经济学的一个重要分支，药房管理系统通过计算机实时动态数据处理，对全院药房提供动态的药品数据，运用药物经济学（Drug Economic）的理论及研究方法，包括：最小成本分析（CMA）、成本效果分析（CEA）、成本效用分析（CUA）和成本效益分析（CBA）等，通过研究，运用循证医学的思想，比较评价不同的用药计划、方案、方法的风险及效益，以求用最低的花费而获得最佳的疗效。随着职工医疗保险制度的实施，开展药物经济学研究，对于节约卫生资源、减轻病人经济负担、降低医药费用有着十分重要的意义。

3.2医学专家系统

医学专家系统就是运用专家系统的设计原理与方法，模拟医学专家诊断、治疗疾病的思维过程编制的计算机程序系统，它可以帮助医生解决复杂的医学问题，作为医生诊断、治疗的辅助工具，同时也有助于医学专家宝贵理论和丰富临床经验的保存、整理和传播。将众多医学专家丰富的临床经验及大量病例资料存储在计算机中，通过基于规则推理、基于案例推理、模糊数学推理、基于规则的神经网络推理等推理方法，利用人工智能技术，将大大提高诊断的准确性和快速性。

3.3成功案例

2010年时代杂志刊载的医学界年度十大突破中，医疗科技公司CardioDX通过对1亿个基因样本的分析，最终识别出能够预测冠心病的23个主要基因。

2009年Google的研究人员对每日超过30亿次搜索请求和网页数据的挖掘分析，在H1N1流感爆发几周就预测出流感传播。

4存在问题

随着大数据的爆炸性增长，劣质数据也随之而来，导致数据质量低劣，极大地降低了数据的可用性。国外权威机构的统计表明，美国医疗信息系统中13.6%～81%的关键数据不完整或陈旧[2]。随着大数据的不断增长，数据可用性问题将日趋严重，也必将导致源于数据的知识和决策的严重错误。

数据可用性问题及其所导致的知识和决策错误已经在全球范围内造成了恶劣后果，严重困扰着信息社会。在美国，由于数据错误而引发的医疗事故，每年导致约98000名患者死亡，约占全部医疗事故致死人数的50%[3];据有关专家推算，在数据仓库项目的开发过程中，清理不洁数据通常需要花费30%～80%的开发时间和开发预算[4]。

综上所述，医院信息系统强大的数据收集及分析处理能力为循证医学的快速发展提供了坚实的数据基础，但在运用数据时，劣质数据所造成的损失我们也应尽力避免。要想使医院系统真正步入大数据时代，仍有一段艰巨的道路要走。

参考文献：

[1]维克托·迈尔-舍尔维恩，肯尼斯·库克耶.大数据时代[M].杭州：浙江人民出版社，2013.

[2]Miller D W，Yeast J D，Evans R L.Missing Prenatal Recordsat a Birth Center：A Communication Problem Quantified[C]//Proc of AMIA Annual Symp Proceedings.Maryland：American Medical Informatics Association，2005：535-539.

[3]Kohn L T，Corrigan J M，Donaldson M S.To Err is Human：Building a Safer Health System[M].Washington： National Academies Press，2000.

[4]Woolsey B，Schulz M.Credit card statistics，industry facts，debt statistics[EB/OL]. [2013-04-20].http：//www.creditcards. Com/credit—card—news/credit—card—industry—factspersonal—debt—statistics-1276.Php.

[5]李建中，刘显敏.大数据的一个重要方面：数据可用性[J].计算机研究与发展，2013（6）：1147-1162.

[6]张九妹，曹宏亮.浅谈医学专家系统[J].医疗装备，2008（9）：10-12.

[7]徐丽丽，马韵.循证医学[J].中外健康文摘，2009（01X）：50-51.

[8]刘建平.循证医学与中医疗效评价[J].中医杂志，2007（1）：26-28.

[9]李继光.信息化药房管理的完善和趋势分析[J].中国医药导报，2009（13）.