【独家】大数据降低二次入院率的美国实践(3)

慢性阻塞性肺病(COPD)项目：将数据化为行动

哈里斯堡PinnacleHealth系统首席医疗官、高级副总裁George Beauregard表示，医院在2013年中开始了预测分析之旅。“平价医疗法案颁布的责任医疗要求，真的需要更深层次的利用和分析数据，我认为这使得将数据化为行动势在必行。”

因为该机构慢性阻塞性肺病(COPD)的二次入院率连续几年居高不下，医院承诺要将预测分析转化成行动能力。现在再入院处罚开始实施了，“我们有更多动力变得更加主动，并调查使用技术平台来自助。”

该机构在六月开启COPD二次入院试点项目，实施范围非常有限，仅一个护理室，用于确保机构完全理解工作流程以及所有下游效应。另外，他们想确保预测能引发相应行动。“如果你不利用预测做任何事，它就毫无价值。你必须整合预测与干预，反馈到系统和工作流程，这才是应用趋势预测的根本目标。干预必须第一时间与二次入院原因分析联系起来。

当COPD试点仍在早期阶段时，Beauregard说PinnacleHealth也在探索心力衰竭模型。他们组建了另外一个不同的临床团队。“我们得保证能同时运转几个模型，每个模型处理一些繁重且不同的临床状况。”

慢性阻塞性肺病(COPD)项目建模包含了很多变量，包括社会经济学变量、临床变量、看病史和住院次数等。有些变量在预测方面更有价值。该模型接受来自PinnacleHealth住院患者EMR的所有临床信息，涵盖当日入院诊断为COPD、零点前住院的每位患者。模型预测他们再入院的高中低风险度，也预测住院时间以及下次恶化的间隔时间。

Beauregard表示，现在虽然不能立即实现，但目标是该报告能生成并自动嵌入EMR，目前暂时还是纸质报告记录患者数据。这种模型预测、患者人口统计、病历中的干预清单以及自动报告与报警理念正是理想的目标模式，但他表示“我们还没达到。”

干预是重要的，因为存在很多不同模型，各具优劣。不是所有模型都能捕捉非结构化数据，像患者在家是否得到良好支持，这类信息在可开采数据领域并非必须记入EMR。