基于HIS数据挖掘的医疗风险预警系统设计

黎静辉

摘 要：本文以医疗风险预警系统的设计为研究对象，探讨了以下实现思路：基于医疗信息系统（Hospital Information System，HIS）平台上医疗机构的信息化解析，构建医疗风险多维海量信息数据库，量化医疗质量形成和医疗风险累积、消减乃至爆发的自然过程，论文首先论述了其意义，进而分析了设计思路和存在的问题，相信对从事相关工作的同行能有所裨益。

关键词：医疗信息系统 数据挖掘 医疗风险预警

中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2017）10（a）-0008-02

医疗质量是全球医疗行业面临的永久性重大问题，日益突出的医患矛盾严重影响医疗行业的发展和社会和谐氛围的营造；开展医疗风险预警研究对防范医患纠纷，提高医疗质量具有重要意义。

1 医疗风险预警研究的意义

从医疗质量管理的角度看，“以病人为中心”的原则应强调患者在医患关系中的主体地位，要求医疗机构从患者的利益出发提供医疗服务，是医学模式、服务模式、管理模式的全面变革。而传统的医疗质量是指医疗服务的及时性、安全性和有效性，其管理模式侧重于对医疗的最终结果进行检查评价，较少涉及医疗服务过程中的质量预警和干预，医院内部医疗质量控制和医疗风险预警与规避多立足于事后管理模式。虽然已出台了《执业医师法》《医疗机构管理条例》等多部旨在规范医疗服务行为的卫生法律、法规，以强化对医院的质量监管，由于医疗质量的形成是多个环节质量加总的非线性控制系统工程，医疗风险的关键客体因素和质量环节难以判断，致使难以适时监控与有效干预医疗风险事件的发生。

医疗卫生服务市场的发展已经使医患双方在信息博弈中的相互地位发生了改变，医疗服务供方不再具有垄断优势。这就需要针对医院管理工作的实际特点，把系统的理论研究与医疗服务机构的服务质量管理相联系，结合我国医疗行业的实际情况，准确判断医疗风险形成中的关键因素和质量环节，构建先进的、适合我国国情的医疗机构服务质量预警与控制理论和方法体系。在微观层控制医疗环节质量，在中观和宏观层面确认医疗服务风险因素，为设计和实施医疗保险制度、费用分担机制等宏观卫生决策问题提供基础支持。

2 医疗风险预警研究的国内外研究现状

医疗风险监测预警体系应当由信息收集、信息报告、信息分析、信息公示、信息发布等一系列环节组成。我国已经开展了一些医疗风险监测，包括医疗机构的抗菌药物临床应用监测、细菌耐药情况监测、医院感染监测、药物不良反应监测、医疗器械不良反应监测、不良事件监测等，但是仅限于信息收集和报告，在信息分析、预警信息发布等方面仍做的远远不够，还有巨大空间开展相应的工作。

国内外主要的医疗质量预警和控制的理论与方法不断发展。国内连斌等应用结构方程模型探讨了医疗风险预警体系构建的设想，张洁（2006）、许苹（2006）等在医疗风险的成因与预防方面做了一些理论探讨。国外如美国、瑞典、英国、澳大利亚、新加坡等国家依靠循证医学的发展从全院或科级的医疗质量评价向病种医疗质量管理的微观管理层面深入，以及各种质量管理和预警方法如标准化管理、目标管理等理论与方法在医院管理各个领域的广泛应用。尽管如此，以患者为核心的理念在医疗机构服务质量预警与控制中仍然体现不够，能够用于医疗质量实时监控与风险预警的理论与方法体系缺乏。

3 基于HIS数据挖掘的医疗风险预警设计

3.1 研究的基本思路在医院信息系统

HIS平台上通过医疗机构的信息化解析，构建医疗风险多维海量信息数据库，量化医疗质量形成和医疗风险累积、消减乃至爆发的自然过程，筛选医疗风险的相关指标，确定医疗风险事件的特征数据结构，寻找医疗风险的发生与患者特定信息之间的相关机理，构建医疗风险预测模型，通过患者信息数据库与医疗风险预测模型进行新进患者的数据拟合，预测未来医疗风险发生的几率和走向，获得患者特定信息与医疗风险互相关联的预警机制，设计并验证医疗风险预警和医疗质量控制的相关干预策略。研究设计按照循证的思路把医疗风险预警问题归结为事前、事中的算法问题，把数据挖掘理论与医院信息系统数据库技术相结合，构建医疗风险预警与医疗质量控制模型，最终形成的医疗质量预警模型，为医疗机构提高医疗环节质量的控制能力，有效加强医疗机构的内部管理提供信息化工具，预警并降低医疗风险发生概率，更可以为卫生行政部门在宏观层面上進行医疗机构的循证管理和医疗风险控制提供基础和依据。

3.2 数据挖掘的方法学优势

从医疗机构服务质量预警与控制应用的基础来看，大部分医疗机构信息系统的运行提供了医院管理相关的海量数据，由于系统设计时主要面向财会管理与统计运用，缺乏管理决策支持和系统控制功能的有效嵌入，对于管理决策、质量控制与风险预警的实际支持作用有限。常用的数据库管理系统的查询机制和统计学分析方法，已经远不能满足需要，数据挖掘技术应运而生，其基本目标是在特定的学习任务指导下从一组无次序、无规则的事例中构建简洁、直观的树型结构，可以充分发现隐藏在数据背后大量信息的基本特点，还具有许多其他传统的统计学方法和机器学习方法无法比拟的优点；如对缺失值的有效处理，对连续性输入变量、多种不同类型的资料、复杂的非线性数据的处理优势，以及产生规则的实际指导意义等。

3.3 研究的主要难点

3.3.1 医疗机构质量预警与控制建模问题

比较和借鉴其他服务行业质量预警建模的成熟经验，利用医院信息系统的数据规模优势和数据挖掘算法实现医疗风险预测的数据拟合研究，见图1。

3.3.2 医院信息系统海量数据处理问题

采用高性能数据服务器软、硬件系统和成熟的数据库处理技术对数据仓库进行分区操作、建立索引、临时表、中间表、优化查询SQL语句等数据挖掘有效手段实现对海量数据的有效挖掘和利用。

3.3.3 研究成果应用和推广问题

总体而言，该领域缺少理论与实践的工具，基本的工作应用强于理论研究，定性评价多于定量测量，医疗机构质量预警与控制机制的基础性研究不够深入，整体水平落后于其他服务行业。未来医疗质量管理的主要研究和发展方向在于医院信息系统资源的深入挖掘与医疗风险的早期预警与有效控制，即通过系统搜集有关信息，量化医疗质量形成和医疗风险累积、消减乃至爆发的自然过程，通过数据挖掘算法判别和确认内部质量问题，实现对医疗机构环节质量管理模式的信息化改造，为提高医疗环节质量提供基础理论和实用工具的支持。

参考文献

[1] 杨克虎，刘雅莉，田金徽，等.澳大利亚医疗风险监管现状及措施的循证评价[J].中国医院管理，2007（10）：62-65.

[2] 连斌，吴琼，罗旭，等.结构方程模型在医疗风险预警体系中的应用[J].现代预防医学，2007（1）：44-45.endprint