基于ASP.NET的医疗设备合理化配置信息系统的设计与实现

2021-08-07路鹤晴王文刚由杨张晓波马巍陶麒麟钱顺鑫龚瑾章浩伟

中国医疗器械杂志 2021年4期

关键词：数据库医疗医院

路鹤晴，王文刚，由杨，张晓波，马巍，陶麒麟，钱顺鑫，龚瑾，章浩伟

1 同济大学附属第一妇婴保健院，上海市，200092

2 上海理工大学医疗器械与食品学院，上海市，200082

3 复旦大学附属儿科医院，上海市，201102

4 复旦大学附属华山医院北院，上海市，200040

5 上海交通大学医学院附属瑞金医院北院，上海市，200020

0 引言

医疗卫生资源在我国属于稀缺资源，目前医院内医疗设备配置不合理的问题仍表现严重，大型医疗设备的过度购置或配置不足以及一定程度的滥用等不合理情况普遍存在，大型医疗设备的配置和利用的研究尚显不足。本文介绍了基于ASP.NET MVC框架设计的医疗设备合理化配置信息系统的设计与实现，可以根据医院各项参数给出各种医疗设备的合理配置数量，以解决医疗设备配置规划不合理的问题。

1 需求分析

1.1 系统可行性分析

医疗设备的配置数量应直接受影响于该类设备的使用次数，设备的使用次数又直接受影响于医院的手术量以及就诊量等，同时医院的等级、面积、医师资源等造成了医院手术量、就诊量等的差异，医院年收入等直接反应了医院手术量与就诊量的差异。所以，可以设计计算模型，通过采集以上数据，对不同影响因子进行分析处理，计算出不同医院的各类医疗设备的合理配置值。以达到对医院医疗设备合理配置规划的目的。

1.2 功能需求分析

MERDIS系统的主要用户是医院设备管理者或者是医院采购中心相关人员，以及管控数据的管理员。其中，普通用户有登录、注册、信息录入、配置查询、配置资料等功能。管理员在普通用户的基础上还有用户信息管理、医院信息管理，以及信息审核、修改等权限。用户录入信息包括医院的各项影响参数（医院等级、类别、年手术量、年门急诊人次、医师数量、年医疗收入、医院面积等）、医疗设备的配置信息（设备名称、配置数量、年诊疗人次、年工作天数、单次使用时长等）以及临床路径信息（临床路径名、年实施次数、单条路径各类医疗设备的使用频次等）。其中数据的录入应在配置查询之前，没有医院数据的用户将不能实现医疗设备配置查询的功能。

2 系统设计

2.1 体系结构设计

系统的开发环境为 Microsoft Visual Studio 2019，开发语言为C#，后端数据库使用Microsoft SQL Server 2012，开发所运用的关键技术是ASP.NET MVC。

MVC即：模型（model）、视图（view）、控制器（controller），三个部分将数据和视图独立划分，降低了模块之间的耦合程度。该类型框架中浏览器将用户请求发至前端控制器，控制器根据配置文件转发请求，由后端控制器与处理器映射器进行交互。在确定请求对应的视图后，通过数据交互层从数据库中取出数据模型，并进行加工，最终将执行结果的模型和视图进行渲染，返回带有数据的界面视图给用户。该模式在整个用户使用流程中应用各个组件，实现了系统动态模块化更新等特质[1]。

通过这种设计模式，可以使编码过程更加结构化、简单化、明确化。系统实现一个功能时调用相应接口，将信息向下一级传递。MVC各部分的关系，如图1所示。

图1 MVC各部分关系Fig.1 Relationship of MVC parts

2.2 功能模块设计

MERDIS系统主要针对对象是医疗设备，面向用户是医院工作人员或者医疗设备相关管理工作者。其主要目标功能是医疗设备的配置推荐和配置评价。对于普通用户，登录系统前应先注册，由于医院数据属于高保密性，各部分信息都较为敏感。为了信息安全，注册信息应先由管理员审核，通过后方可登录系统，登陆后可进行配置推荐查询、配置评价查询以及医院信息、医疗设备配置信息和临床路径等信息的录入以及其他功能的使用。对于管理员用户，除了以上功能，还可以对数据库中的用户信息、医院信息等进行操作，同时增加了信息审核的功能，对新录入的数据进行审核检查，排查数据是否有异常。通过设置管理员审核信息这种方式，一方面保证信息不被泄露，另一方面保证在人工审核的情况下，数据可以更加真实准确，同时，保证了内置回归模型的准确性。普通用户和管理员用户的功能模块流程，如图2所示。

图2 MERDIS功能模块流程Fig.2 MERDIS function module flow chart

2.3 数据库逻辑结构设计

MERDIS 系统的主要表项有用户（users）、医院（hospitals）、医疗设备（equipment）、病种（diseases）、医疗设备配置表（deployment）、诊疗次数表（D-Info）、临床路径表（CP）、医院类别表（hospitalcategories）、设备类别表（equipmentcategories）、设备日工作次数表（daily-work）和变量权重表（variables）。表项与表项之间都有相应的关联关系，例如用户与医院之间的关系为每个用户都属于一家医院，一家医院可以有多个用户相关联，用户与医院之间通过医院编号（HID）实现多对一的关系，HID即为Users表关于Hospital表的外码（Foreign Key）。图3为MERDIS数据库关系图。

图3 MERDIS数据库关系Fig.3 MERDIS database relationship

3 系统实现

3.1 计算原理

MEIDIS系统通过两种方式对数据库中的数据进行计算，并结合医院参数给出相应的配置值。第一种方式是通过计算相应医院的临床路径数据，分析医院对某类医疗设备的需求，计算出理论最小配置值。另一种是通过大数据对每项医院参数进行权重分析，通过医院的一般配置规律来给出推荐配置值。

3.1.1 临床路径法

首先计算年临床路径需求量，通过统计数据库中某家医院的临床路径数据，结合设备的使用能力，可以推算出每家医院的每种医疗设备的年临床路径需求量，用统计到的临床路径总使用量除以统计到的临床路径的手术量在全部手术量中的占比来近似代替医院的真实手术量情况，以此来提高理论最小配置值的准确性。用此需求量除以“年饱和工作能力”（按“日最高工作量×全年开机天数”计），即可得到理论最小配置数量。公式如下：

其中R、M、N、H、p、q、k为≥1的整数。式中M为该条临床路径的年实施次数，H为医院的年手术量，N为某一类待研究设备在该临床路径中的使用量（按理论检查次数计），k为该医院的临床路径总条数，D为年工作天数，V为日最高工作量。Tp,q即表示第p家医院的第q类设备的理论最小配置值。

3.1.2 大数据分析法

大数据的方法是将每家医院配置的某种医疗设备的数量、档次、年诊疗人次、设备年收入、设备使用年限、设备维修周期等信息以及医院的自身性质、年手术量、医疗收入、床位数、面积等9个参数因素信息录入数据库，将9个参数信息作为评估医疗设备配置的影响因子。在数据录入数据库后，提前将全部数据做多元回归分析，得到关于9个变量的医疗设备配置数量的多元回归方程，并将变量权重保存在数据库中用以计算。在默认所调研的全部医院的医疗设备为合理配置的前提下，基于这些医院的大数据，可以给出某家医院的医疗设备的建议配置方案。

3.2 主要功能模块的实现

用户登陆MERDIS系统后，系统会获取相应用户信息，包括用户姓名、所属医院和用户类型，并将用户信息展示在主页上方。主页最上方为功能栏，对于普通用户有新增医院信息、新增配置信息、联系方式以及注销，管理员用户在此基础上增加用户信息管理、医院信息管理以及信息审核。主页内部有配置推荐、配置评估和设置三个主要操作功能。其中配置推荐为通过键入医院参数，为新建立的医院进行配置查询。配置评估为对自己所在医院的医疗设备配置情况进行评价（见图4），分析配置是否合理并给出配置建议。操作过程中可随时点击“主页”回到主界面。

图4 配置评估界面Fig.4 Deployment evaluation page

由于该医院系统涉及到大量医院数据，需要保证数据的准确可靠，所以所有录入数据库中的数据都应先经过审核。在每张表中设置Info表项，0代表未审核，1代表通过审核，2代表拒绝，即数据库中的“伪删除”。这样数据库中用户、医院、配置等数据在系统使用中都会先进行筛选判断，若Info为1，则可以进行运算与使用。在管理员通过审核医疗设备配置信息时，触发回归计算，更新数据库中的变量权重。在医院信息完善的情况下，每次配置查询调用临床路径数据的方法和大数据的方法两种方式。系统在数据库调取用户所在医院信息，将各个参数与之相对应的权重相乘，得到建议配置值，分析医院临床路径数据得到理论值，将两种配置方法得到的数据反馈给用户，用户可以在相应界面看到每种医疗设备的配置情况以及评估建议。