您所在的位置:首页 > i医疗 > 医疗信息化 >  医院数据分析困境:海量医疗数据,如何高效的输出数据价值?
医院数据分析困境:海量医疗数据,如何高效的输出数据价值?
  • 2019-01-14 14:40
  • 作者:佚名
  • 来源:HC3i中国数字医疗网

数据分析

对于医院的信息化部门来说,其往往有一个重要的工作,那就是根据当期的医疗运营状况来制作报表。这些报表包括医院的营收状况、医疗质量、药品管理等各种类型的数据会成为医院决策的重要依据。制作报表的工作虽然看起来并不困难,但是却非常琐碎,不仅消耗大量的人力资源成本,而且无法做到实时的更新。随着医院信息化建设的加速,这一矛盾就体现的更加明显了。

下面,我们就从一家医院的实践出发,看他们的信息化部门是如何应对数据分析与可视化挑战的。

医院信息化的“数据分析困境”

三甲医院在医疗信息化的过程中上线了HIS系统、LIS系统、CIS系统等业务系统,这些系统在运行过程中会生成海量的数据,对于提升医疗业务收入、改善医疗质量、降低患者投诉率等方面具有着巨大的价值。而过去医院的数据分析往往只会选择简单的几项数据进行统计与分析,其它数据的价值也因此被埋没。

在医疗数据价值挖掘方面,传统的报表形式由于巨大的人力资源消耗,将基本不具备可实施性。而且,如果完全依赖于手动的方式来生成报表,数据分析的可视化成果在美观性、全面性等方面将受到很大的制约,无法展现自己想要的数据。

为了彻底解决这一问题,有些医院决定抛弃传统的报表式软件,选择 DataHunter 数据分析与可视化平台,从商业智能(BI)入手来化解数据分析与可视化问题,同时也为医院的业务精细化运营带来更坚实的数据能力支撑。

医院数据挖掘

对于医院数据进行ETL处理 构建统一的数据仓库

首先,DataHunter 帮助其梳理了其所属医院当期的数据运行现状:在近几年来,该医院的业务系统每天都会产生大量的数据,由于这些系统之间并没有进行统一的管理,所以“数据孤岛”的问题非常严重,不同的业务系统输出的数据格式、类型有着很大的差异,而且还存在异构数据并存的现象,难以直接导入到BI系统之中。

在 DataHunter 的建议与帮助下,该医院对业务数据启动了数据转换和加载(Extract-Transform-Load,ETL)处理。其对医院的相关业务系统数据进行了梳理,弄清楚了 DBMS 类型、数据量大小、非结构化数据占比等关键问题,接着从业务系统到ODS做清洗,将脏数据和不完整数据过滤掉,并从ODS到DW的过程中转换,进行业务规则的计算和聚合,从而构建了统一的数据仓库,为BI项目的施行奠定了坚实的基础。

在对医院数据进行 ETL 之后,信息化部门将医院各个业务系统的数据库导入了 DataHunter 业务数据可视化分析管理平台之中,并且通过数据关联功能打通了不同业务系统的数据库,以更全面的生成相关的数据图表。

数据分析实战:BI是如何让医院数据分析焕然一新的?

对于医院数据进行ETL处理只是第一步,更重要的则是如何通过这些数据来指导医院业务的实际运行,这也是BI业务实践的一个普遍难题。为此,该院信息化部门和 DataHunter 的数据分析专家进行了数次的探讨,并最终确定此次数据分析与可视化项目的几大目标:对于医院业务进行全面、及时的分析;通过图表直观的反映医院当期的医疗质量如何;对医疗物资进行数据可视化管理;对入院患者进行用户画像。

医院数据处理

第一是围绕医院业务展开的分析,这也是本次BI系统建设最关键的目标。为了从传统报表手动的分析模式转换到现代BI的自动化分析模式,该院在 DataHunter 业务数据可视化分析管理平台上,建立了业务分析看板,直接从关联的财务数据库中抽取信息进行分析,生成营收分析(包括医院月度总收入、环比增长率、门诊各科目收入、住院各科目收入等),门诊分析(包括门诊类型、挂号方式、患者类型、门诊数量等),住院分析(包括实时住院人数、床位使用率、诊疗结果等),这些数据会以图表的方式直观、自动的呈现,让医院当前的业务运行一览无余。

医院数据管理
 

第二是围绕药品等医疗物资为核心而展开的分析。主要是结合病人的临床数据和处方数据,分为三大主题:一是统计当月各类型药品的使用数量以及库存情况,提醒药品采购部门及时补充药品;二是建立数据模型分析,对于在院病人的药理种类分析、药品总金额、药品数量、住院病人总金额进行分析。三是分析不同药品、耗材的使用详情,对于医疗物资的流转进行更加有效的监督。

医院数据管理 

第三是围绕医疗质量管控而展开的分析:在医疗质量方面的管控总是一件吃力不讨好的事情,人工的数据处理总是容易招致非议,而自动化的医疗质量统计就可以很好避免这一问题了。通过将HIS、LIS、CIS等系统在医疗管理中产生的数据,直观的显示不同时期内的住院死亡人数、患者感染、手术并发等数据,除了可以对于医疗质量管控的效果进行观察,还可以定位表现异常的医疗类型、时间等信息,从而有针对性的采取医疗质量提升的举措。

“明星”项目背后的经验之谈

谈到BI实施所带来的改变,医院信息化部门的负责人反馈:最明显的改变就是数据分析的效率,之前信息部门在月末分析时,需要抽出2-3名员工,耗费接近一个星期的时间来分析各项数据。在实施BI之后,实现了近实时的分析,效率有了显著的提升。

更根本的改观是,数据分析作为一种思维方式,真正的融入了医院的医疗业务流程之中。在之前,无论是调整医疗业务还是制定决策,更多的依靠的都是领导的经验以及“直觉”,但在BI系统部署了之后,可以随时随地根据自己的需求来方便的查看相关数据,数据决策也真正成为了一种文化。

该医院的医疗信息化的问题得到了很好的解决,不仅部门的工作轻松了很多,可以将精力更多的花费在信息化架构创新等重要的事务上,还在精细化决策、业务创新方面带来了之前自己没有预料到的效果。在年终的总结中,该项目也被评为医院的明星项目之一,让该院对于BI系统的进一步推动充满了信心。

转载请注明出处:HC3i中国数字医疗
【责任编辑:经纬 TEL:(010)68476606】

标签:数据分析  Datahunter  
  • 分享到: