- 2015-11-18 17:00
- 作者:佚名
- 来源:中国数字医学
随着院门诊规模的不断扩大,门诊就诊人次不断攀升,医院的数据量增长迅猛,产生的数据规模越来越大。如何系统、及时、准确、全面、智能的为医院管理者提供数据服务,分析病人的就医瓶颈,缩短患者无效等待时间,合理分配门诊诊疗资源,提高医疗质量,使得门诊管理更加精细化、智能化成为当今的工作目标。随着信息化技术的发展, 商业智能(BI)开始被引入到医院管理中,并且成为信息化应用的新热点,对提升医院的医疗质量,提高医院科学管理水平,具有重要意义。
1 商业智能BI
1.1 BI 概述
商业智能BI是运用数据仓库技术、在线分析和数据挖掘等技术来处理和分析数据,它允许用户查询和分析数据库或数据仓库,进而得出影响医疗活动的关键因素,最终帮助用户做出更好、更合理的决策。目的是为决策者提供决策支持将数据变为知识。
1.2 医院BI 必要性
随着医院信息化的快速发展,积累了海量的管理与医疗数据, 但在信息资源的开发应用方面,普遍存在以下问题:原始信息多、加工整理少;孤立分散多、联合共享少;为宏观服务多、为微观服务少;静态信息多、动态信息少。如何整合医院中的各类信息资源,进行有效的开发利用,构建一个以患者为核心,覆盖广泛的应用领域,面向不同信息使用者的数据分析平台就显得尤为迫切与重要。为此,把商业智能技术引入医院信息统计领域,建立注重整合业务数据和辅助决策分析的BI系统。
2 医院BI系统设计
2.1 BI系统架构
我院BI决策支持平台的框架是结合中间件技术的多层构架,由数据汇总层、模型架构层、服务应用层、数据交换层组成,并根据权限管理、信息安全策略以及数据交换协议等控制整个数据流的规范化处理(见图1)。
2.2 数据仓库的建立
我院BI平台的构建基于独立的数据仓库,数据经过抽取、转换、装载,合并到一个企业级的数据仓库里,完成对HIS历史积累数据及医院外部相关数据的汇总,大大提高了运算的效率,减轻了HIS系统在网络运行、数据库计算上的负担。
数据仓库物理模型设计主要从数据存储、访问性能等方面进校考虑。同时应注意以下几方面:数据对象命名需满足一致性原则。如:表名和字段名符合一个标准;对于低粒度的数据适当建立聚集表以提高查询效率;由于仓库数据量通常很大,可以考虑分区。如病人就诊记录事实表按就诊年份为划分原则,在物理上分别存储在不同的区域(磁盘),提高I/O效率和达到并行访问的效果;适当选择索引策略。
2.3不同数据源数据的获取与整合
在数据仓库模型建立之后,从图1的架构可看出,需要从医院的HIS、PACS、LIS等系统进行数据的抽取,根据业务主题将不同的数据源的数据整合到统一的数据仓库。整个数据抽取和整合的过程就是所谓的ETL过程。
通过ETL过程,对数据进行了进一步的整理处理,解决了以下几个问题:对空值NuLL的清理:如在转换过程中将某字段存在的空值替换成某一数据,保证数据的有用性和可读性;对日期、字符串等数据格式的规范化;在门诊业务数据的抽取过程中,对数据源的各个字段的数据类型、缺失的数据进行了统一和替换;根据维度表的数据的唯一性转换,实现了数据库内部数据的一致性。
2.4 建立门诊数据模型
在设计BI系统时,建立了多种主题域,其中门诊方面的主题域有:病人就诊情况、医疗费用、药品监控、人力资源等。以病人就诊情况主题为例,模型构建以病人为中心,分为时间、地区、职业、性别、年龄、疾病几个维度,这样可以辅助决策者了解某时间段某类疾病的发病人群,并对高发疾病进行预警,便于及时安排门诊出诊科室、医生,灵活调整医生出诊时间,缓解门诊就诊扎堆拥堵现象。
2.5 分析维度设计
BI系统采用维度建模技术,以HIS中现有表为基础,结合医院门诊各项管理指标,确定数据模型的各个分析维度。一般以时间、科室、医生、病人归属地、病人属性(姓名、性别、年龄、民族)、病人费别、诊疗类别为分析维度。
此外,在时间维度上建立从阶段→年度→半年度→季度→月→日的分析路径;在科室维度上建立从全院→一级科室→二级科室→医生的分析路径,实现自顶而下的挖掘分析。同时,根据院实际需求提供任意维度组合的统计分析,并提供方便、可视化的操作工具。
2.6 数据统计的多维分析与展示
BI中的多维分析引擎(OLAP)是用来对数据仓库的数据进行多维度分析的关键,以Web形式将常用的维度指标定义抽象到报表层、定制参数,便于用户对各个维度进行任意排列组合进行数据统计分析。如通过日期、费别、地区、医保类别等各种维度的组合查询,来查看不同科室门诊几年来的排队情况,和门诊工作量变化趋势。通过这些变化趋势,可以动态分析病人从挂号到取药的时间数列,及时掌握影响病人诊疗效率的因素;辅助医院管理人员在管理上作出适当的调整,提高医疗服务质量和病人满意度。
同时,BI平台支持多极权限控制(整体控制分为三级:院级领导、科室主任、医护人员及其他业务人员),针对不同的权限用户,对各种BI统计分析报表进行了层次划分(如图2)。这样不仅满足医院各级、各类人员的业务需求,而且保证医院信息管理的安全。
3 应用效果
如何有效减少门诊患者无效等待、提高患者满意度一直是管理者所关注的问题。一方面系统可动态分析病人从挂号到取药的时间数列,使管理者及时掌握影响病人诊疗效率的因素,有助于管理者进行门诊业务流程的改造和更新,合理分配患者,使就诊有序,以提高医院的经营效率。另一方面,通过对门诊处方分析,以发现哪几种药在同一处方中出现的概率大,这样可把相关药品摆放在相邻的位置方便取药,从而提高人员的工作效率。
此外,患者常常因费用问题与医院产生不必要的医疗纠纷,医院仍处在被动的处理上,缺少行之有效地预警机制实现防危机于未然,减少纠纷发生的能力。BI系统平台通过门诊收入、门诊患者人均医疗费用、门诊患者人均药品费用、药占比等指标及其同比、环比分析,并结合医院实际医疗指标的指标库,对费用进行监控预警,使得管理者及时发现异常,并对其进行深入挖掘,有利于决策者的辅助决策,减少医疗纠纷。
4 小结
商业智能(BI)系统平台,采用数据仓库等先进技术,建立数据中心和多维分析模型,通过门诊收入、门诊量、门诊处方等指标分析,对医院门诊业务数据进行深入分析和深层次挖掘,有助于管理者改善门诊“看病难、看病贵”的现象,而且通过对敏感指标进行监控预警,做到事前预防,避免可能出现的医疗纠纷。与此同时,在进行数据建模时,出现了不合理、不规范数据,给数据的加工处理带来了一定的困难,因此做好数字化智能管理,还需进一步完善底层数据质量,优化数据模型。
- 分享到: