[导读]区域医疗联合体的模式在中美两国广泛落地，成百上千家医疗机构的患者数据对接，引发了更大的数据匹配“灾难”。
| 内容导航： |
|
如何应对挑战？
美国山间医疗保健公司(Intermountain Healthcare)既有意愿又有能力来做这件事。盐湖城荷马华纳信息学研究中心医疗信息官Sid Thornton博士表示，他们每年斥资200万美元来处理、纠正身份错误问题。“这是一个持续的挑战，我们必须长时间地应对，直到问题得以解决。”
山间医疗保健公司致力于投身患者身份匹配工作，旨在通过计算机辅助决策策略，以最低的成本为患者提供最佳的服务。“计算机可以减少医疗服务的差异，我们可以了解和解释什么是错误的，从错误中更正变量。”
要做到这点，需要计算机之间可以进行对话。他说：“计算机确认对话身份唯一性的效率决定了这一工作的风险与责任。”
Thornton解释说，目前山间医疗保健公司患者在信息系统中是以实时变化的人口数据群落来表示。很多时候，这些变化是根据信息采集的情况或当前的环境而定的。
山间医疗保健公司有八位纠错专员。他们正在对员工进行培训，让员工核对政府颁发的身份证信息，来减少差错。他建议，“医疗机构应该对患者的个人信息进行补充，即便你很确信对患者们非常了解。”
对这个问题的认识是另一个考虑因素。临床医生可能认为，如果错误与终身记录有关，查看检验科样本或查看摘要并不是什么大问题。
人们可能认为只有大型医疗机构才会解决这个问题，事实情况并非如此。“我们发现，大大小小的机构都对身份问题感兴趣，身份问题的解决与短暂垂直服务密切相关。小诊所同样非常关心这个问题。”
当一切以机构为中心时，主要问题就是误报信息的对接。“尽管使用了调度登记的最佳算法和实践，但由于人口表示法存在缺陷，我们仍然必须另外聘用人员修复错误”。
以社区为基础的医疗服务模式需要依托于多源数据，来自多家医疗机构的数据使人们将注意力由错误匹配转向数据漏报。Thornton表示，这也会造成同样糟糕的结果。“遗漏数据或未查找数据，与错误匹配的信息一样具有风险性且成本高昂。”
他表示，山间医疗保健公司要有一番作为，就要降低漏报错误的门槛，并且同时不会影响误报。“我们需要更敏捷的思考。”他开始采取全国性的活动，例如推行Healtheway协议。然而，这也带来了问题。例如，他们需要保证计算机在提高效率和质量的同时，不再增加医疗机构人工纠错的工作量。
山间医疗保健公司正在开展一个试点项目，让合作伙伴提供什么样的信息是定性信息。“过去的计算机做的是二元决策，判断你是否是这个人，你是否与这个身份标识有关，”Thornton说。到底这是否是正确的患者，有75%或51%的可能，这更多的是一个概率问题。“如果仅仅跨过门槛，我们的任务就完成了，”Thornton说。“对接30年得到认证的链接信息与对接无任何相关临床信息的新记录虽然看上去有密切联系，实则有着本质区别。”
今天的计算机非常智能，可产生重大的影响。他强调，谷歌和其它搜索引擎都在使用排名机制整理数百亿的记录并提炼最相关的信息。“我们可以利用这种技术来对接和改变人口数据状况。”这样的话，医疗行业可以来检验定性信息是否为计算机辅助还是人工信息。“如果我们能有方法构建和维持长期对接定性评分机制，那么你可以加以改进和重新使用。这就是这些服务的哲学基础。”
作为一项试点项目，山间医疗保健公司正在积极研究了解一个实体如何与其他实体产生联系的定性影响力，是否为医疗服务提供者-医疗服务提供者，患者-医疗服务提供者，或者患者-患者。“由主动和被动使用产生的模型，使我们深入了解这些难以发现的统计难题，而不幸的是，这正是我们今天使用的不完美的人口表示法。”
Thornton有意在标准和开放源码上进行投入，开发一个人人都可以访问的通信工具集。他表示将集中资源、使用案例和构建服务将优化整个生态系统，尤其是信息交互。
| 共2页: 上一页 [1]2 [查看全文] |
| 验证码： | 点击图片可刷新验证码 | |||
