米春香

重庆医科大学附属永川医院 信息中心，重庆 402160

引言

公立医院是当前我国医疗服务体系的主体，具有福利性和公益性的双重特点，在解决居民健康问题方面发挥着重大作用。随着医疗改革的逐步深入，公立医院需要面对来自于医改政策以及行业竞争者的各种挑战。如何在医改背景下，激烈的市场竞争中脱颖而出是摆在每一家公立医院面前的重大问题。精细化管理是当前公立医院适应市场竞争的必经之路，只有通过精细化管理，充分了解医院的营运状况，制定出科学的管理决策，才能在改革过程中立于不败之地。而在这样一个信息时代，精准的决策一定是以精准的数据为基础的，利用最先进的大数据挖掘技术，整合医院历史各类数据，快捷而多层次地进行数据分析，将是实现医院精细化管理最有力的保障。

1 医院决策支持系统应用现状

1.1 数据分散

大多数公立医院经过了多年的信息化建设，往往采购了不同厂家的信息系统，各个系统的数据结构标准不一，使用的开发技术不一，因此要查询和分析不同时期不同系统中的数据往往要耗费大量的时间成本。比如，医院HIS系统有多个版本，有的使用ORACLE数据库研发，有的使用SQL sever研发；HIS与LIS、PACS的表达同一内涵的患者信息的字段名称与类型往往不一致。医院管理人员为了获得这些系统不同时段的数据，只能从不同的系统中，使用不同的技术进行调用，然后再人为去整合这些数据。

1.2 调取数据慢

由于各个系统的数据大多存在于业务系统中，调取这些数据时间段稍长的时候将耗费大量时间，还会占用业务系统的资源，导致业务系统运行缓慢。比如调取一个月或者一年的数据，有的系统往往要耗时几分钟、几十分钟，甚至几个小时。特别是在配合医院接受医保检查、等级评审或其他各类需要调取长时段数据时，时常不能及时响应需求。

1.3 分析结果单一

现有的决策支持系统，大多采用的固定报表格式进行数据调阅。固定报表行列的字段往往是固定的，只能进行基础的行汇总或者列汇总，使用者如果要获取固定报表中自选数据的汇总只能将报表结果导出到Excel表中进行二次加工。同样是既耗时，效果也不甚理想。如果要将报表结果展现成直观的图表，也只能在Excel表中进行加工处理。

1.4 对信息技术人员依赖大

正是由于数据存在的系统各异，标准不一，分析格式固定等等原因，往往一个分析报表只能满足管理者的部分需求，需求稍有变更，就需要再次与信息技术人员沟通，增加新的报表以满足新的需求。因此使管理分析与决策缺乏自由度。

2 大数据技术在医院决策支持中的应用

2.1 实现路径

基于大数据技术的决策支持系统（图1），通过ETL（Extract-Transform-Load）整合异构数据，根据分析模型将数据采集、清洗、存储到数据仓库中，再利用数据挖掘技术按分析模型实现多方位、多层次、多时段、多视觉、可视化的曲线、图表等分析结果，很好地解决了传统分析存在的问题。

图1 决策支持系统

2.2 应用实例

首先确立医院精细化管理指标体系，结合医院信息系统原始数据结构、数据挖掘需要的层次，建立采集模型，编写信息采集程序。利用大数据平台的ETL工具将采集程序中相关数据按一定规则进行抽取、清洗、转换后存储到数据仓库中。使用数据挖掘工具，建立分析模型，并按各种维度将数据进行统计后保存在分析库中，最后将分析结果以表格、图形、曲线等形式发布给管理人员。

以全院收入分析为例，如要实现院、科、医生、日期、收入类别、收费项目、开单科室、执行科室、病人科室等层层挖掘分析，采集模型中应包含收入项目名称、费用名称、费用来源（门诊、体检或住院）、病人科室、开单科室、执行科室、医生、收入日期、收费数量、单价、金额等信息。采集程序第一次采集所有历史分析年限数据，以后每天凌晨1点定时采集最近一周数据，挖掘技术定时依据分析模型将采集的明细数据汇总成包含年、月、日、科室、来源、医生等所有维度的数据并存储，管理科室随时可调取分析结果。具体实现效果如图2所示。

图2 分析结果调取示意图

管理分析人员可以随意拖拽所有采集的指标字段，筛选字段值，层层深入展示数据，可对字段值排序，选择显示前几位或后几位数据，可使用图形展示分析数据，而实现这些功能都会秒级展示分析所需结果。管理人员灵活利用指标字段进行组合，可将此分析模型组合出传统分析固定报表需要几十张报表才能实现的分析数据，分析数据还可轻松导出到Excel表中。

经过近一年时间在样本医院各管理部门的应用实践，医院在财务管理、医保费用分析与管控、合理用药分析等方面的决策支持效率得到了显著提升。同样以财务部门在全院收入分析方面的应用为例，基于大数据平台的决策支持系统，利用ETL整合历史不同系统的优势轻松将两套财务系统按统一标准存储在数据中心，并利用数据挖掘技术形成按13个维度进行计算的统计数据。财务人员可任意组合这些维度形成30多张带筛选功能的明细表、汇总表，每一张报表均所想即所得，立刻展示需要的报表数据（图3～5）。

图3 2018年呼吸内科和老年病科科室收入对比图

图4 输血费构成分析

图5 2018年检验科收入曲线

实现这些效果，只需财务人员与信息技术人员事前充分沟通并制定好数据的采集模型，然后由信息人员编写采集程序和设置分析模型，一名信息人员花2～3 h即可完成相关技术工作。而采用传统的决策支持系统，要实现类似的维度分析，需要信息人员编制至少10张以上报表才能完成，而每张报表需要编写一次程序，管理人员对技术人员的依赖性显而易见。以前财务部门完成这些分析工作，仅执行调取一个月的报表数据就需要3～5名工作人员每人花整整2个工作日来完成，使用了大数据决策支持系统后这项工作由一名工作人员1个工作日可轻松获取所需的分析数据、图表及历史数据对比等，不管是按日、月、季、半年、年都能立即调用数据。

3 讨论

通过实践对比，总结传统决策支持系统与大数据决策支持系统的特征，汇总如表1。

?

从表1可以看出，大数据决策支持系统的显著优势明显改善了传统决策支持系统在应用中存在的问题，给予了使用者极大的自由度，也将信息技术人员从过去繁琐的修改报表的工作中解放出来。

4 结论

医院的精细化管理是多维度的，需要横向的、纵向的对其进行深入研究。医院在多年信息化建设基础上积累了大量丰富的数据，然而单纯的“大数据”没有多大价值，只有对大量数据进行分析与挖掘才为医院管理带来许多的实际价值。注重对数据价值的深度挖掘，这是未来医院管理的关键点与必然趋势，它不仅能让管理者充分了解医院成本与利润来源，还能透过历史数据分析预测发展趋势，为管理者在进行重大决策时提供精准的决策支持。通过这样的应用研究，将极大提高医院的精细化管理手段和水准。在新医改背景下，这样的管理技术将使医院的发展如虎添翼。