【独家】HIMSS：用预测分析方法处理数据

3月5号，在新奥尔良医疗卫生信息与管理协会（HIMSS）的一个教育会议上，西门子临床战略咨询部门的Mical DeBrow博士（具备临床护理专业学位）提出，在分析病人的相关数据时，三十年前的数据资料根本没有帮助，因为时间太久了。

Mical DeBrow博士鼓励参会者努力推动商家公开数据模式，这对于整个行业来说将是非常重要的。因为病人的数据如预期一样增加，仅用标准数据库管理工具，很难对大量的数据进行处理。每个病人一生中每份数据，每项结果乘以315,000，000美国人口，这个庞大的数量会导致信息存储的问题。而且虽然我们一直在收集每份数据，但是并没有对这些数据做出相应的处理。

同时，Mical DeBrow博士认为，习惯于用预测分析是很重要的，因为预测学很有帮助。比如，一项对乳腺癌患者使用的药物的研究，，它莫西芬（tamoxifen）使用十年和当前推荐的药物使用五年的效果进行了比较预测研究，使得乳腺癌的复发率降低56%。这样的研究应当会改变临床实践的操作。Mical DeBrow博士说到，很可能数据雪崩会发生，问题是，你会被埋在里面吗？现在仍有大量的数据是得不到的。单单靠技术是不能解决数据的管理问题的，还需要相应的文化转换，如何理解这大量的数据，如何管理。数据管理将会改变医疗组织的工作方式。如果不能，那我们就是搬起石头砸自己的脚。但同时非常重要的一点要记住，这是一项综合性的努力，要求临床医生以及非临床医生共同努力协作来完成。

丹佛健康（Denver Health）公司的首席信息官（CIO）Gregory Veltri发表看法，信息技术本身在这项努力中会失败。因为我们不是临床医生，信息技术带动临床实践，而你需要远离信息技术的人来参与。他说，提供给病人相关的数据资料，预测他们未来的结果，会有一个不同的效果。我们需要把数据带到病人家里，使它成为病人生活方式的一部分。这是一件正确的事情，我们对此需要做出论证。Veltri认为，分析学是一个资源密集的，花费高昂的，长久的项目。它将需要持久的花费，需要找到有天份的研究人员，而且需要作出临床承诺。

DeBrow则认为，一个数据字典是数据管理成功的关键。对于每份数据元素都要找外行人来定义，这是很必要的。因为除非对那些东西都有明确的定义，否则一个人不会拿相似的东西来比较。DeBrow说，要使数据具有可操作性。我们不能把我们的医疗行业驱逐在可操作性的数据之外，否则我们将不会在这。要把数据转换成知识，把知识转变成行动。要想了解你所有的数据，必须脱离对于固有分析所采用的标准和检测基准。前瞻性的审视就要求预测分析，做出一份数据表。

Veltri认为，有意义的，可操作的想法都来源于预测分析，预测分析能够强化竞争优势。比如，丹佛健康发现，从花费最高的血液稀释剂转换用花费最少的，临床结果显示疗效上并没有什么不一样，但这样每层楼每周要节省出180,000美元。这些都基于数据。你可以在自己的机构中发现这个不同点。Veltri说，真实的数据来源是很重要的。我们把所有的数据都放一起，但我们并没有定义它。那么将来依然会成为困扰你的问题。对每份数据元素的定义，必须要使用者理解。现在我们有成千上万的数据还没有定义，还需要程序员继续来处理。

DeBrow 谈到，在慢性病逐渐发展之前，通过对DNA的分析和基因组的监测来预测出最好的治疗方案，特定药物的价值和干扰性因素。他总结说，准备好把数据作为一项颠覆性的技术了吗？它会把你从其他的事情当中分离出来，让你不得不处理它。除此之外，你别无选择。

原文标题：HIMSS: Get ready for predictive analysis

原文作者：Beth Walsh