专家经验 | 数据建模在医疗信息化管理中的应用及探索

导言

帆软专家智库由帆软旗下机构「帆软数据应用研究院」创立，邀请来自不同领域的技术、业务和管理专家，旨在将各行各业优秀的数字实战经验，借助帆软平台分享给更多的中国企业。

今年，我们将持续邀请企业及咨询机构的知名行业专家、高校学者等共话数字化转型。

本期我们邀请到西安红会医院(陕西省骨科医院)大数据管理中心主任——刘静坤老师，分享数据建模——医院数据管理系统模型在医院精细化管理中的应用。

2016年6月，国务院办公厅发布《关于促进和规范健康医疗大数据应用发展的指导意见》[1]，健康医疗大数据及相应探索应用已成为国家大数据战略重要组成部分。2019年，国务院办公厅发布《关于加强三级公立医院绩效考核工作的意见》[2]，强调公立医院应通过绩效考核，推动医院由规模扩张型转向质量效益型发展，由粗放的行政化管理转向全方位的绩效管理，实现效率提高和质量提升。2021年6月，国务院发布的《关于推动公立医院高质量发展的意见》提出力争通过5年努力，公立医院发展方式从规模扩张转向提质增效，运行模式从粗放管理转向精细化管理，资源配置从注重物质要素转向更加注重人才技术要素，为建设健康中国提供有力支撑[3]。

目前，以医保局诊断相关组（Diagnosis-Related Group, DRG）[4]及基于大数据的病种分值付费（Big Data Diagnosis-Intervention Packet，DIP）[5]支付方式为主导的新一轮医改倒逼所产生供给侧竞争和收支不平衡压力巨大[6]，对公立医院来说，由“量的积累”到“质的提高”是至关重要的，运营模式的转变意味着公立医院要利用更加现代化的管理思想、运算工具、管理方法以及更加科学化的大数据技术，将以人为本的管理[7]与基于政策和标准的循证管理[8]相结合，把医院的管理精确到科室-诊疗组-医务工作者和重点病种，科学化、精确化对绩效进行评价，引导医院回归功能定位。

一、数据平台的建设目标

研究通过数据建模方法建立多维度、多模块精准评价体系的统计可视化平台，可为医疗机构管理者提供及时、准确、精细的管理依据，使管理者心中有“数”、管理有“据”，全面提高工作科学性，降低人力成本，实现医院由粗放型、规模型、数量型管理向科学型、精细化管理、质量型转变，有效提升医院运营管理效率和管理水平。

二、模型架构设计

研究采用BI技术[9]建立数据管理系统模型及平台，根据模型指标设计报表字段，利用ETL工具[10]抽取医院信息系统（hospital information system, HIS）、实验室信息系统（laboratory information system, LIS）、图像存储与传输系统（picture archiving and communications system, PACS）、手术麻醉系统和电子病历系统等相关系统的数据，搭建数据仓库。运用数据分析表达式（data analysis expression, DAX）书写度量值，构建医院管理数据模型。通过大数据算法梳理、评价并推进流程管理标准化和信息化，加强数据利用分析技术，为医院及科室高质量运营提供决策性数据。具体地讲，大数据管理将以医院战略发展目标为指挥棒，以目标管理法、平衡计分卡、关键业绩指标法等工具为管理理念，利用大数据统计分析技术对医院运行中各项管理数据进行处理，为医院及科室的发展提供明晰数据支持。

1. 模型指标选取原则

模型指标选取时，应考虑做到四个突出：一是突出公立医院考核，充分考虑国家三级公立医院绩效考核及医院运营状况；二是突出医保改革，以医保局为主导的国家新一轮医改为方向；三是突出医院弱项和短板，以提高医院影响发展力等为主导；四是突出精细化管理，将每一项指标量化到医院-科室-医师3个层级，调动医师工作积极性。

同时，指标一定要能够反映出质量、效率、效益、投入和支出等管理特征，要做到科学全面，但要精简；有效、灵敏，但要反映出差异。管理指标以对接国家、医院的绩效考核为导向，围绕医务人员工作量、病种难易度、临床科研产出、成本控制和医药费控制等核心指标，提炼并归纳关键管理要素。

2. 指标权重选取原则

所有考核均结合科学权重设计，采用综合分值法，按不同系列全院排名、科室排名。权重选取原则：一是能够突出重点目标，二是能够体现国家医改方向和价值观念，三是能够体现医疗机构管理意图。

三、模型功能模块

研究构建了包括运营分析模型、流程管理模型、影响发展力模型、三级公立医院绩效考核模型和DIP模型在内的5个模型。图1显示了各模型中的重要指标、指标权重或指标计算方法。此模型总体功能界面见图2。

图1  医院数据管理系统模型及平台搭建架构图

图2  模型总体功能界面

1.运营分析模型

研究依据数据权重算法建立可重复性强、易为各医疗机构重复操作的一系列运营分析模型。此分析模型从医院财务系统及HIS和LIS等系统抽取数据，在建立医疗机构成本四级分摊的基础上，以“病种结构”和费目分类（材料费、检查费、检验费、治疗费、药费和手麻诊护床血等费）为导向，计算了病种费目6分类占比及病种运营效率，加大重点病种、大型手术等成本数据管理，强调将各项指标精确落实到个人，促进医院精细化管理，提高医院良性运转及生存能力。

图3 运营分析模型界面

2.流程管理模型

流程管理（Business Process Management, BPM）是一种系统方法，其核心是规范从输入到输出的优秀业务流程的构建，以持续改进组织的业务绩效为目标[11]，流程管理与再造最根本的基础是流程端数据科学统计、资源消耗对比分析、再整合与设计。目前医院信息系统需要发展成为高度集成的工作流管理系统，技术上支持在终端显示各种治疗标准、治疗指南和管理参数。同时，医院信息系统应以其生成的大数据为基础，根据相应算法生成评价界面，为管理者提供决策支持[12]。

流程管理模型将对门诊流程、手术室流程、住院患者术前等候时间、日间手术流程、医技检查流程等多种影响患者满意度及医院运营效率重要环节进行建模量化，为医疗机构流程缺陷管理提供数据支撑。

图4 流程管理模型界面

3.影响发展力模型

科研是医院可持续发展的根本源泉，同时关注其产出和消耗能够促进医院科研健康发展，提升医院的科研创新能力，提高科研资金的利用效率。科研影响发展力模型结合科室医师的科研情况，如国科金，省基金，SCI发表情况等数据对科研情况进行建模，进一步将科研积分、科研支出及科研产出指数等数据分析到科室-医师2个层级，并进行排名。

图5 影响发展力模型界面

4.三级公立医院绩效考核模型

为了紧跟国家医改指挥棒，改善医院服务质量及患者就医体验，推动三级公立医院的发展由规模扩张型转向质量效益型，三级公立医院绩效考核模型可对55+1项国考指标进行细化，筛选出可量化的特别是医疗机构管理中较为薄弱的指标。再根据文件中的计算公式应用SQL语句对这些指标建立度量值，并将指标分析至医院-科室-医师3个层级。

量化指标包括：日间手术占择期手术比例、出院患者手术占比▲、出院患者微创手术占比▲、出院患者四级手术比例▲、大型医用设备检查阳性率、低风险组病例死亡率▲、抗菌药物使用强度（DDDs）▲、住院患者基本药物使用率、国家组织药品集中采购中标药品使用比例、门诊患者平均预约诊疗率、门诊患者预约后平均等待时间、门诊收入占医疗收入比例、门诊收入中来自医保基金的比例、住院收入占医疗收入比例、住院收入中来自医保基金的比例、医疗服务收入（不含药品、耗材、检查检验收入）占医疗收入比例▲、辅助用药收入占比、医疗收入增幅、门诊次均费用增幅▲、门诊次均药品费用增幅▲、住院次均费用增幅▲、住院次均药品费用增幅▲及重点监控高值医用耗材收入占比）等。其中带▲的10项为国家检测指标。

5.DRGs/DIP模型

目前医改已到了深水区，以精细化管理方法应对DRG及DIP医保支付改革尤为迫切。DRGs/DIP支付下，区域总额是一定的。模型利用DRGs/DIP这些管理工具设计CMI、时间消耗指数、费用消耗指数等来提高病种的CMI，压低其运营成本。不同医院、科室按照技术含量计算权重，CMI越高，医疗机构将有更多的发展空间。三级公立医院更应该着眼于高难度病种，将低CMI病种下沉，涨医疗机构临床水平。DRGs/DIP模型可使医院对收治疾病的种类、数量、复杂程度、技术难度、时间消耗和费用消耗方面都有了具体的量化数据，这些数据是医院精细化管理的基础。

图6 上述参数的书写公式

图7 DRGs/DIP模型界面

四、大数据建模应用与展望

1. 建立医院数据仓库

随着医院信息化程度不断提高，各医疗机构在实际运营及生产过程中都积累了海量数据资源，数据管理将是医院管理工作的重要组成部分。数据管理系统模型及平台的构建需要整合医院多系统的数据进行分析，因此医院构建了融合各系统数据的数据仓库，实现数据自动获取及整合。

2. 为科室建设方向及床位设置提供数据参数

运营模型可分析项目、病种等多维运营模块，费目分析模块和病种运营模块可下钻到各医疗小组住院收入、费目分类占比、医院各DRGs/DIP病种费目分类占比、DRG付费下ADRG病种成本和每个病种的运营效率。同时，该模型对病种运营效率进行排名，进一步为医院决策层提供科室的建设方向。多维运营模块可描述不同日期的平均住院天数、总病例数、住院费用总和及平均住院费用的变化以及不同住院天数所对应的住院总费用、总病例数及平均住院费用，为科室病床数设置提供数据参数。

3. 为手术室周转及管理提供参考依据

流程管理模型关注手术室流程，包括手术首台和手术时长，可展示科室、手术医生和一助的首台手术刀碰皮时间占比情况和首台例数。通过提供细致的管理数据，为提高手术间的周转提供参数，避免珍贵医疗资源的浪费。

通过RANK函数看出Top 30手术例数的手术效率，也可以查看同一手术，不同科室、手术医生及一助的手术效率，为医院进一步针对科室或医师个人进行手术效率管理提供数据，促使手术效率指数低的科室和医生向手术效率指数高的科室和医生学习，做到共同进步，进一步提高医院对手术室的管理水平。

4. 为医院科研资金利用提供管理参数

为促进科研发展，进一步提高科研资金的利用效率，模型可在关注科研产出和科研消耗的基础上，建立了影响发展力模型。科研产出模块主要展示了科室-医师2个层级的科研积分、科研支出及科研产出指数。模型将这些指标在科室-医师2个层级进行排名，提高各个科室对科研积分、支出及产出的重视度，提升医院的科研创新能力。科研效率在评估项目的基础上，分析了科室和医师的科研产出和科研消耗。这两个指标也是各医疗机构所共同关注的问题，因此，模型可为各医院所借鉴，为提高医院科研资金利用效率及医院影响力提供依据。

5. 为推动医院三公考核奠定基础

国家卫健委2018年开始对三级公立医院进行绩效考核[2]，国家绩效考核的指标设计与国家医改政策紧密结合，引导公立医院关注功能定位，提升CMI及处置危急重症患者的能力，控制医疗费用不合理增长[13]，将低难度病种下沉至基层医院，将国家分级转诊制度落到实处[14]。

三级公立医院绩效考核模型以国考55+1项考核指标为标杆，构建了包括出院患者手术占比、出院患者微创手术占比、出院患者四级手术比例、低风险组病例死亡率、抗菌药物使用强度（DDDs）、医疗服务收入（不含药品、耗材、检查检验收入）占医疗收入比例、门诊次均费用增幅、门诊次均药品费用增幅、住院次均费用增幅、住院次均药品费用增幅等在内的指标。

模型将上述考核指标分析至医院-科室-医师3个层级，并在不同层级对这些指标进行排名，找出各科室或医师有待改进的薄弱指标，科室内部探讨改进方案，提高医师工作积极性，促进医院可持续发展。模型除参考国家政策外，还结合医院实际发展情况不断调整评分标准及权重参数，促进医院自身的良性发展。

6. 为对接DRG及DIP医保改革做铺垫

2021年6月，DRG、DIP在大部分省市起步执行，利用SQL语句构建DRGs/DIP运营模型，目前已成为各个医院经济运营的主旋律[15]。

DRGs/DIP模型中的波士顿矩阵模块动态可显示随时间变化各科室的运营情况（包括CMI和平均住院天数）及发展情况。也根据病种数、总病例数、CMI、时间消耗指数、费用消耗指数、总权重和低风险组病例死亡率等指标对科室的运营情况进行分析，也可分析不同月份不同科室的CMI、时间消耗指数、费用消耗指数，来评价各科室的绩效指数及病种难易度。同时也可分析三线、二线和一线医师所收治患者的病例难易程度及个人绩效指数，提升医师运营效率。

在新医保支付方式下构建DRGs/DIP算法管理模型可为医疗机构经济运营管理提供数据支持，进而提高医疗资源的利用率，助力医院快速适应新医保医改政策[16]。

五、结语

通过BI技术建立的数据管理系统及平台，能够有效梳理医疗机构在运营中的薄弱环节，进而有针对性地进行数据分析，为医院和科室运营提供高质量决策数据，提升医院精细化管理水平。同时，模型建立的可重复性及易构建性将为各医疗机构及政府提供决策依据。

若您对文中医疗信息化模型感兴趣，可以点击下方按钮，查看帆软智慧医院解决方案，也可以点击图片，直接获得帆软为您量身打造的解决方案咨询、免费产品与Demo试用和同行业标杆案例参考。

参考文献：

[1] 国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见 [J]. 中华人民共和国国务院公报, 2016, 19): 24-8.

[2] 国务院办公厅关于加强三级公立医院绩效考核工作的意见 [J]. 中华人民共和国国务院公报, 2019, 05): 22-30.

[3] 国务院办公厅关于推动公立医院高质量发展的意见 [J]. 中华人民共和国国务院公报, 2021, 17): 174-8.

[4] 季新强, 张耀光. DRGs方法在临床亚专科医疗服务绩效评价中的应用 [J]. 中国医院管理, 2017, 37(01): 34-7.

[5] 许速, 谢桦, 崔欣, et al. 基于大数据的病种分值付费的原理与方法 [J]. 中国医疗保险, 2020, 09): 23-8.

[6] 国家医疗保障局发布DRG/DIP支付方式改革三年行动计划 [J]. 中国数字医学, 2021, 16(12): 48.

[7] 王祥清, 易俊忠. 新医改形势下以人为本理念在公立医院人力资源管理中的应用 [J]. 决策探索(下), 2020, 07): 92-3.

[8] 江小波, 陈丽霞, 李俊, et al. 循证管理理论在医院管理中的应用——以等级医院评审为例 [J]. 管理观察, 2017, 35): 178-80.

[9] 邵晗征, 陈朝晖, 杜楚康. 公立医院BI数据可视化模块设计研究——以CM医院为例 [J]. 卫生软科学, 2018, 32(04): 41-7.

[10] 林昆. 面向数据仓库的ETL工具的研究与实现 [J]. 计算技术与自动化, 2018, 37(01): 136-40.

[11] SHARAN A D, SCHROEDER G D, WEST M E, et al. Understanding Business Models in Health Care [J]. Clinical spine surgery, 2016, 29(4): 158-60.

[12] YAN L, HUANG W, WANG L, et al. Data-Enabled Digestive Medicine: A New Big Data Analytics Platform [J]. IEEE/ACM transactions on computational biology and bioinformatics, 2021, 18(3): 922-31.

[13] YU W, LIU X, ZHAO F, et al. Control of unreasonable growth of medical expenses in public hospitals in Shanghai, China: a multi-agent system model [J]. BMC health services research, 2020, 20(1): 490.

[14] GE J, GENG S, JING L, et al. Exploration and practice of the “1 + 10 + 1100000” model [J]. The International journal of health planning and management, 2019, 34(3): 1065-72.

[15] MILCENT C. From downcoding to upcoding: DRG based payment in hospitals [J]. International journal of health economics and management, 2021, 21(1): 1-26.

[16] YU L, LANG J. Diagnosis-related Groups (DRG) pricing and payment policy in China: where are we? [J]. Hepatobiliary surgery and nutrition, 2020, 9(6): 771-3.