
大数据时代,医疗信息化应该怎么建
新的时代背景下,医院的信息化建设和管理都发生了很大的变化,其中信息数据呈现出数据信息量大、管理复杂等方面的特点,需要医院利用云计算等新技术对数据信息进行全面管理,为医院信息管理创造更好的条件,确保信息化管理能够符合大数据时代对医院的信息化需求。
8月12日,由中国数字医疗网主办,爱普生(中国)有限公司(以下简称:爱普生)协办的“现代医院数字化建设新趋势——大数据时代的医疗信息化”的主题沙龙在清华大学附属长庚医院(以下简称:清华长庚医院)举办。此次学术沙龙活动邀请到清华长庚医院信息管理处处长刘海一、北京协和医院信息管理处应用组负责人朱雯、首都医科大学宣武医院(以下简称:宣武医院)信息中心总工程师费晓璐、中国人民解放军总医院(301医院)计算机室主任刘敏超以及北京地区30余名医疗机构代表共同探讨大数据时代的医疗信息化建设。
夯实根基 建设一体化集成体系医院信息系统
大数据时代医院信息管理模式会逐步向平台化的模式转变,医院信息系统基础架构设计方面需要进行多样化的平台管理,确保数据平台能够满足信息处理的求,提高信息的获取能力,对有价值的数据信息进行全面的分析和管理,提高数据信息的综合控制和管理水平,为数据信息的全面创新创造良好的条件。
清华长庚医院于2014年11月28日建成运营,在医院筹备期间,从2012年——2014年,经过近3年的工作完成了医院信息系统的构建与测试。医院信息系统基本覆盖了医疗业务、运营管理、患者服务各个部分,特备注重医疗流程各个环节信息的共享;医疗信息与患者服务信息的衔接;运营管理各个环节的信息共享与相互制约。
清华长庚医院的医院信息系统与医疗、管理深度融合,即“管理制度化、制度表单化、表单电脑化”。刘海一比医院的信息化系统比作医院的神经系统:“医院信息系统要与医疗管理进行深度融合,覆盖到医院全部业务,获取运行数据,进行信息共享,还要规范流程与操作,并辅助医护管理。”
目前,清华长庚医院的信息系统包括医疗支持、运营管理、患者服务和教学科研四大部分,医疗支持包含医嘱与病历书写、检查与检验、手术与治疗、药品、体检等全医疗流程的信息支持处理;运营管理包含人力、资金、物品与资产、服务、医疗数质量等医院整体运行体系的支持;患者服务包含预约、挂号、收费、患者引导与告知、健康教育等方便患者就医与辅助医疗的信息处理;教学科研包含规范培训、继续教育、科研管理、网络学习与文献服务等支持研究型、教学医院的信息服务。
整合医疗设备与IT技术 提升客观数据质量
医学信息包括了既往就诊信息、诊断、主诉、体征观察值等主观临床信息、检验数据、影像检查、日常监护数据等客观临床信息和费用、人员和时间等经济学信息,其中主观临床信息数据量巨大、覆盖范围广。但是从数据的规整性、真实度和有效数据的可提取性这三方面来考量的话, 费晓璐认为客观临床信息产生的价值可能会更大,她认为:来自医疗设备的数据,或者是基于医疗设备数据产生的文本数据,虽然一样面临有效数据可提取性的问题,但是其真实度要高得多。因此如果能利用好医疗设备相关数据,将会较大幅度的提高数据真实可用性。而当前我国医疗设备与IT融合还有一些需要注意的问题。
比如,ICU中有很多设备,包括监护仪、呼吸机、输液泵等,目前无论采用哪种硬件传输方式,都会存在传输数据与患者可能不对应的问题。如果设备与床位不是一一对应,设备移动位置没有及时在系统中进行标记,设备所采集的新患者的数据将仍然被认为是原患者的数据,进入错误的病历。
“针对重症监护室内,‘呼吸机的使用未能与患者基本信息及医嘱信息相对照’环节的缺失,基于医疗信息技术的社会-技术模型进行了原因分析,并提出改进措施:1、在呼吸机使用前增加与医嘱的核对,确保呼吸机用在正确的患者身上; 2、在呼吸机使用前扫描患者腕带及呼吸机设备编码进行绑定,确保采集到的参数与患者进行关联; 3、呼吸机使用结束后,解除患者与呼吸机之间的关联,确保该设备再次被使用时采集到的参数与新患者进行正确关联。”费晓璐说道
ICU系统内呼吸机使用的闭环管理
客观数据固然很好,但是现在我国医疗设备与IT融合与国外相比还有很多的差距,国外已经有成熟标准和技术可以解决的患者关联问题。“首先是融合程度不高,能够联网的设备有限;其次,标准依从性非常低;然后就是设备的数据IT流程质控几乎是空白。大数据处理的同时,不应该忽略客观数据的部分,特别是在做基础数据融合的时候,我们完全可以通过技术去让患者数据更准确,让数据质量更好。
三大维度推进信息化应用
大数据虽然说是一个趋势还特别有价值,但是就目前我国的数据分析发展阶段及当前的发展水平来看,重点还不在应用领域,数据的预测到决策支持还有很长的路要走。
刘敏超指出:现在医院院内数据内容可以收集并加以管理的数据包括:结构化的经济和物资数据、结构化临床业务数据、自由文本数据、影像数据与病历扫描图像以及科研文献资料,但是像医疗设备日志数据、语音和视频数据、生物信息数据(监护数据)、基因数据、蛋白组学数据、可穿戴设备数据、人员情绪数据和行为数据等都未能收集甚至还没有产生。
面对医院的大数据的需求,刘敏超认为:第一,加强数据集成与共享,异构系统是医院信息系统的必然形态,一体化发展阶段结束,医院信息化进入集成阶段,集成成为当前医院信息化建设的关键;第二,提升数据质量,保证数据逇完整性和个性化,对电子病历结构化处理,专科电子病历实现个性化数据采集,增加医疗仪器日志、术中视频、监护设备数据、科研文献资料等数据采集内容,以及保证数据的可用性和准确性,做好科研回溯与前瞻;第三,保障信息安全,健康医疗大数据是医院的资产,要保护患者的隐私,才能共享数据的价值;第四,提供大数据信息检索手段,方便地查到想要的数据,查到的数据没有遗漏,数据要全,隐私能得到保护;第五,通过场景化设计使大数据功能落地,提升医院自身信息化能力。
大数据离临床业务成熟应用仍有距离,目前科研依然是大数据应用的主战场,需要筹建大数据研究与应用的团队,无论是否处于大数据时代,医院的信息化工作都应该从广度(指信息化的覆盖面)、深度(指信息化在一个主题一个领域应用到那个层面,比如高值耗材要深入到床旁手术台旁等)和效果(指信息化互联互通产生协同效应,如办公与医疗业务的协同,后勤保障与临床业务的协同)这三个维度做好。
建设本质:为病人提供医疗服务
医院医疗的核心服务是为病人提供医疗服务。病人的诊断尽可能明确、准确,病人的治疗尽可能有效、快捷。医疗服务可以说是一种病人为中心的即科学化又人文化的服务,而信息系统作为一种技术手段,通过它在存储能力、计算能力、传输能力等方面的特点和优势,能够在一些方面改善或提高医疗服务。
医疗服务涉及到医院业务流程的方方面面,几乎所有的地方都有信息的参与,在医院信息化领域,大数据也已经成为一个显而易见的趋势,信息技术的裂变式发展的确为重构医疗创造了条件,但是无论如何都脱离不开为病人更好地提供医疗服务这一本质。
朱雯认为:首先,可以通过信息化手段和业务流程的优化,来改善病人就医体验;第二,对于医院里最宝贵的资源——高素质的医护人员,信息化手段能够帮助他们节省时间提高效率,让他们能够集中更多精力在医疗行为本身;另外,就是在提高医疗安全与质量方面,信息也能够起到很大的作用。
”医疗的安全与质量的提高是我们信息化建设的最核心的内容,我们在2012年新换了系统,这几年在陆续做进一步的建设,近几年在风险管理、临床决策、不良事件等各个部分和我们的管理人员一起合作,做到了全程管理、全员管理、追踪分析等。在改善医疗服务方面,建立了以病人需求为导向的信息系统,包括多途径挂号、分时候诊、集中预约、分散缴费以及自主服务等等。”朱雯介绍:”医院的核心资源就是高素质的医护人员,而且这个资源是不可复制的难以在短时间内增加的,因此,我们也很关注信息系统如何能够提高优质医疗资源的效率,主要包括提高信息获取的能力,通过信息系统在业务的覆盖全面后,经过集成,对数据进行集中展现,能够让临床人员以最快的速度获得病人相关的数据信息;专科化精细化,在全面的基础上,对专科特色的地方进行深入挖掘,在系统上进行实现,使得专科医生能够方便的通过系统完成业务工作;临床决策辅助,利用信息系统数据分析处理能力根据相应的规则对医务人员进行提示和一些控制,在一定程度上减少出错的可能性。
全闭环管理,提升医院管理效率
作为本次沙龙活动的协办方,爱普生市场部经理李建广也分享了EPSON近年来在医院信息化建设方面所做种种有益探索。
爱普生作为医疗行业主要的打印输出设备供应商,多年来一直致力于医疗行业的深耕,紧跟医疗信息化的发展为医疗行业提供更好的解决方案。
在“互联网+”时代下,爱普生通过不断创新来引领行业发展。在本次沙龙活动上,爱普生为大家做了医疗智慧打印服务管理方案的全面阐述。该方案包含两方面内容:EDA(EpsonDeviceAdmin)智慧打印服务管理系统和OPS打印合约服务。爱普生打印与扫描市场部李建广介绍,一方面,医院信息科人员可以通过EDA智慧打印服务管理系统对全院的打印输出设备进行统一管理:监控、查看、大数据分析、批量配置,完成各业务流程信息在同一平台下的全闭环管理,从而实现非核心资产的精细化管理,提升医院非核心资产管理效率和水平。在随时掌握每台打印机的使用状态同时,从被动维护转变为主动管理,实现医院管理效率提升。
另外,OPS打印合约服务作为解决医院在非核心资产服务问题上的全新服务模式,能够为院方提供针对性的方案和定制化的主动服务,根据用户的实际情况量身定制合约,从而使其能够享受到爱普生所提供的这种省钱、省心、安心、环保的服务模式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08