大数据驱动下日间手术管理与决策的思考*

2018-01-30王兴鹏唐国春钟力炜静沈

中国卫生质量管理 2018年4期

——王兴鹏唐国春钟力炜* 羊英李群黄陈俞华李静沈坚

日间手术是患者在入院前已做完术前检查并预约手术时间，当日住院、当日手术、短期观察出院的一种手术管理模式。日间手术具有以下特点：一是患者在门诊完成检查、检验且结果完全出来，符合手术标准，只有一段有限的手术时间窗口期，需要在此期间完成相应的医疗资源安排；二是患者入院后要求在1天内完成术前告知、手术和术后观察等过程，要使用到的医疗资源较多；三是日间手术部面向全院开放，要处理多个科室多个医生的手术安排问题。这些特点对医院资源调配和管理提出了更高的要求。

1 管理和决策面临挑战

日间手术医疗资源管理是复杂的问题，“错过时间”整个流程只能重新安排，从而使得管理难度加大，所以目前绝大多数医院日间手术床位使用率都不是特别高[1]。

这主要是由于现有的管理和决策水平不能适应日间手术的要求导致的，包括：

(1)管理模式陈旧。日间手术的预约是统一管理，但涉及患者分配、日间手术排程和多方面医疗资源的匹配，加大了管理的难度。

(2)决策低效。以管理流程为主的线性范式，往往造成患者不能及时手术、延误病情，或者无法发挥医疗关键资源的最大效率。

(3)床位管理不科学。日间手术床位面向全院众多科室开放，使其管理层次和目标较为繁杂。目前的管理方式是“先到先得”，即谁先预约，谁先使用,但有失公允。如果设置一个最低保护水平的方法，又会因为患者流量的峰谷问题或其它调度问题导致床位闲置。

(4)手术决策系统受到人为因素干扰。一台手术从计划到最后执行，执刀医生、护士、麻醉师、患者、手术室管理人员等都是决策参与者。每个参与者的行为和偏好都会对手术计划和执行产生影响。如果缺乏对参与者行为规律的了解，就会造成手术计划改变，甚至使手术不能顺利进行。

因此，重构日间手术管理流程，对日间手术的参与者行为进行研究，对床位管理进行科学规划，将有助于提高日间手术的管理效益。

2 日间手术管理和决策的基本要点

2.1 扁平化或柔性化决策模式

组织扁平化就是简化上下级之间的隶属关系层次，组织结构的扁平化或柔性化，已经成为管理新潮流。在互联网时代，基于数据的判断成为基本技能，大数据的出现对传统决策方式产生巨大影响[2]。

近年来，国内已经开始研究大数据和管理决策模式的关系。何军[3]认为基于大数据环境影响到决策实施过程，而扁平化组织结构的趋势将更明显。钟开宇[4]提出基于大数据处理的管理方式演进的新管理模型。王立杰等[5]认为，大数据下，组织应采用扁平化组织结构。姜奇平等[6]提出可以通过大数据分析技术找到医疗资源分配的薄弱环节，从而帮助做出更准确的决策。

已有的研究说明了大数据环境对管理决策已经产生了影响，线性流程式的决策范式正在向扁平化与柔性化决策范式转变。但已有的研究中没有具体描述柔性化管理决策模式，以及大数据是如何支撑这种范式运转。

日间手术管理作为医院运营管理的组成部分，一直以来遵循着传统管理理念的规范，即以管理流程为核心，通过构建管理量化数理模型和线性范式分析方法，从实践中归纳管理的共性规律，实现从信息到决策的功能。

但是以管理流程为主的线性范式管理与决策是简单而粗糙的范式，本质上还是孤立地进行分步决策，是在过去数据或处理能力不足情况下不得已而使用的方法。这种多层级的管理范式往往容易造成误差，并由于各层级决策的不一致，从而在手术管理中造成不能及时手术、延误病情，无法发挥床位、手术室、医务人员、医疗器械等的最大效率。

目前,医院信息系统已经较为健全，在大数据的驱动下，我们有能力获得所有医生、所有患者、所有手术房间、所有医疗设备的数据，也包括患者检查、检验结果、手术窗口时间段和所有手术数据。获取的大数据要经过清洗和分类，采用扁平化与柔性化范式，减少纵向层次，扩大横向和外部联系，提升管理决策的集约化水平，从而提高管理效率。

2.2 关键资源：床位管理

对于医院床位这类易逝性资源，近年来研究比较多的是收益理论。Talluri K G等[7]认为收益管理是对市场需求进行决策管理的过程。Weatherford L R等[8]认识到资源创造的价值随时间变化的重要性。江其玟等[9]认为，医院提供的服务完全符合收益管理的适用条件。张杰[10]认为此类资源分配问题的核心和本质，是通过比较满足某服务需求所得的边际收益与该需求对应资源的边际成本，从而确定是否实施。

日间手术比传统的手术需要更快的响应时间，要在短时间内集结多项资源以保证手术顺利完成。收益管理理论只能解决日间手术资源管理的部分问题，而匹配理论有望完成这个目标。自Gale D等[11]提出稳定匹配后，近年来，运用稳定匹配理论解决资源分配和决策支持等方面问题的研究有很多，包括美国住院医师规培问题[12]等。匹配理论可以更好地进行资源的优化配置，但已有研究大多集中在一对一、一对多匹配，尚没有看到多对多匹配的研究。

日间手术床位管理问题是在一个给定的时间区间里，医院开放的日间手术床位数确定，有多类(科室)多位患者到院请求“服务”(术前、术中、术后)，其服务时间(即占用床位时间)已知，医院要安排床位使其获得手术服务。

由于日间手术病房是一个面向全院多科室多医疗组开放的床位平台，这就使得其管理层次既多级又繁杂，管理目标既多样又冲突。需要对日间手术床位管理影响的机理和路径进行研究，并对其产生的效应进行动态评估，通过大数据的决策，探讨“相对固定、边界模糊”的日间手术床位管理新模式，优化多层次与多目标日间手术床位的管理。

2.3 数据驱动下决策参与者行为模式

1953年提出的Allais悖论和1961年提出的Ellsberg悖论引发了研究者们对决策过程的探索[13]。1961年，Edwards W的“决策权重”思想[14]以及2002年Kahneman & Tversky获得的诺贝尔经济学奖，使得决策理论得到普遍认可[15]。近年来，我国研究者也系统性地研究了行为决策、风险决策、多属性决策和群决策等四大体系[16]。

在大数据时代，可以通过数据挖掘技术，将其应用到行为决策分析中，提高决策水平。大数据技术应用到行为决策的研究有很多。如Wang X等[17]以通过分析短期驾驶决策数据库，来测量驾驶波动范围。而Batarseh F A等[18]应用大数据分析技术对医疗数据进行分析，以指导医疗质量管理。

行为决策领域的研究成果非常多，但是基于大数据驱动下行为决策的研究并不多，其中对医疗领域展开的研究更为少见。尤其在日间手术管理中，决策受到多方面参与者行为的影响，目前尚未发现有此类研究。

日间手术全过程管理中，手术医生、护士、麻醉师、手术室管理人员都是决策参与者。然而，以往的决策参与者习惯在少量数据的基础上进行推理思考，决策优化方法也是用历史数据或实验数据来验证模型的优劣。但手术相关人员的想法和偏好会体现在其行为上，这些行为进而影响到一台手术是否能顺利实施。

每个人的行为是可以或部分通过对历史数据的分析和建模来获得。但我们要研究在大数据驱动下,日间手术管理决策参与者如何保障扁平化与柔性化管理的高效、准确与合理。

3 有待解决的问题

3.1 数据的获取和清洗

针对日间手术管理中多源、多维、异构的数据资源，必须进行数据的集成、融合和管理；要通过HIS系统对日间手术数据源实施抽取、分析、存储与管理；要对现有医疗异构数据进行清洗、整理、整合和碎片化，分类入库。

3.2 基于大数据的医疗管理建模

为了分析日间手术决策全过程，要研究在大数据环境下，管理决策模式的变迁对决策影响的路径和机理。大数据和运筹学是主要的建模方法，要运用数据挖掘方法进行预处理，对高维数据采用决策树剪枝方法降维，采用支持向量机的方法对管理决策数据进行分类，采用机器学习的方法改进决策参与者的决策模式。最终要建立基于大数据平台的日间手术扁平化与柔性化管理决策模型和范式。