朱驕鋒 馬 東 鄭霞萍 羅 斌 董四平

基于商業(yè)智能技術的醫(yī)療風險預警評估模型構建

朱驕鋒1馬 東1鄭霞萍1羅 斌2董四平3*

目的 構建醫(yī)療風險預警評估模型，提高醫(yī)院精細化管理水平，積極預防醫(yī)療風險。方法 利用醫(yī)院大數據平臺，選擇風險預警指標，通過商業(yè)智能技術實現指標的提取、整合，按風險等級設置不同的風險值，計算醫(yī)療風險總分值。結果 醫(yī)療風險預警評估體系應用于臨床后，住院患者死亡率下降了0.1%，危重病人搶救成功率提高了0.3%。結論 建立基于商業(yè)智能技術的醫(yī)療風險預警評估體系，可以有效降低醫(yī)療風險的發(fā)生。

醫(yī)療風險；預警；模型；構建

First-author's address General Hospital of Datong Coal Mining Group, Datong, Shanxi, 037003, China

醫(yī)療風險無處不在，貫穿于診斷、治療、康復等醫(yī)療行為的全過程。醫(yī)療風險的發(fā)生往往會導致難以挽回的損失，進而影響醫(yī)療機構的生存發(fā)展[1-2]。近年來，在各種媒體上經常出現因醫(yī)療風險問題引發(fā)的醫(yī)療糾紛、醫(yī)療賠付及“醫(yī)鬧”等報道[3]。醫(yī)療行業(yè)作為一種高知識密集、高難度、高技術的行業(yè)，因其高風險性成為民生問題的焦點[4]。相對于其它高風險行業(yè)，國際上對醫(yī)療風險的研究與管理起步較晚，而且缺乏成熟經驗。目前，我國尚沒有預防醫(yī)療風險的監(jiān)測和預警體系，更沒有相應的數據庫系統(tǒng)及調控系統(tǒng)[5]。因此，通過大數據平臺利用商業(yè)智能(Business Intelligence，BI)技術采集、分析合理的醫(yī)療風險指標數據，建立完善有效的風險預警評估機制，盡早識別可能發(fā)生的醫(yī)療風險，對提高醫(yī)院精細化管理水平，降低醫(yī)療風險對醫(yī)護人員的危害尤為重要。

1 研究背景

山西省某三甲醫(yī)院經過10余年的信息化建設，已經完成了醫(yī)院信息系統(tǒng)(HIS)、實驗室信息系統(tǒng)(LIS)、影像歸檔和通信系統(tǒng)(PACS)、手術麻醉管理系統(tǒng)等多個信息系統(tǒng)的構建。近年來，該院根據自身需求，遵循行業(yè)規(guī)范與標準，自主開發(fā)建設了醫(yī)院整體信息化集成平臺。

在完善相關臨床數據倉庫的基礎上，該院進一步優(yōu)化、改造和增強現有臨床業(yè)務系統(tǒng)功能，深度挖掘與整合所有業(yè)務系統(tǒng)數據，不斷探索系統(tǒng)改造，提高數據質量及采集實時性，以滿足臨床、管理、科研對數據利用的需求，提高了醫(yī)院精細化管理水平。

2 構建醫(yī)療風險預警模型

為了有效規(guī)避發(fā)生醫(yī)療風險的主觀因素，減少或避免醫(yī)療風險，該院結合醫(yī)療風險的特點、種類和成因，以科學的分析方法和商業(yè)智能技術為手段，構建了醫(yī)療風險預警評估體系。該體系模型總體的設計思路和原則是利用醫(yī)院已有的信息化大數據平臺，提取醫(yī)療風險指標數據，及時發(fā)現高風險住院患者，盡早干預、持續(xù)追蹤，最終避免醫(yī)療風險的發(fā)生。

2.1 統(tǒng)一的技術標準

商業(yè)智能技術是將醫(yī)療機構中現有的數據進行有效整合，快速準確提供報表并提出決策依據，最終幫助領導者做出明智決策的一種有效管理工具。該模型通過BI技術，可將HIS、LIS、電子病歷、PACS、病理、手麻、病案等系統(tǒng)中的業(yè)務數據按照統(tǒng)一的國家技術標準進行數據清洗、轉換，形成以病歷及各醫(yī)療行為發(fā)生時間為中心的臨床病歷索引數據倉，并利用多級計算規(guī)則實時監(jiān)測評價風險指標，最終形成針對院級、科目、科室等不同適用對象的風險預警知識庫。

2.2 風險評價指標的確定

2.2.1 辨識醫(yī)療潛在風險因素 醫(yī)療風險預警體系是借助電子病歷運行系統(tǒng)，查閱國內外醫(yī)療風險管理文獻，研究醫(yī)療糾紛或醫(yī)療爭議中涉及高風險因素，如輔助檢查結果報告不及時、監(jiān)護數據醫(yī)護未及時溝通等，將潛在的高風險因素轉化為可提取的醫(yī)療風險指標。

2.2.2 確定醫(yī)療風險指標和權重 院級模型根據其專業(yè)技術特點分為內科模型、外科模型，分別設置相應的高風險預警指標。目前內科模型設有23個風險指標，外科模型設有26個風險指標。模型構建完成后，選擇醫(yī)院危重患者較多的科室，如呼吸內科、心血管內科、心胸外科、重癥醫(yī)學科等科室作為模型試點科室，將每天模型顯示的危重患者與科室實際危重患者信息做對比，按照患者風險指標對比結果修訂不合理的風險指標，不斷調整其風險權重，最終確定院級模型的風險值與權重系數。醫(yī)院系統(tǒng)風險監(jiān)測指標包括生命體征監(jiān)測指標(包括體溫、脈搏、血壓、尿量等)，診療行為監(jiān)測指標(包括大量輸血、使用精麻藥品、非計劃二次手術等)，醫(yī)療管理監(jiān)測指標(包括報病危/病重、護理級別等)。

2.2.3 征求專家意見 由醫(yī)療專家、臨床業(yè)務骨干、醫(yī)務科、醫(yī)患辦公室等24人組成專家咨詢組，通過專家定性訪談、專題小組討論等方法，對高風險因素及相應的風險指標進行反復磋商，集思廣益，最終確定院級高風險評價指標。

2.3 風險模型的構建

院級醫(yī)療風險預警模型確定后，科目、科室模型可直接調取院級模型指標，并在此基礎上添加更能反映本學科醫(yī)療風險的指標，同時根據專業(yè)特點設置相應不同的權重系數。如呼吸內科模型在院級模型指標基礎上增加了血氣分析、痰培養(yǎng)、特殊級抗菌素的應用等風險指標，并設置了較高的權重比例。普通外科增加了引流量、術后并發(fā)癥等指標，并設置相應的權重比例。

2.4 不同風險等級患者的評價

醫(yī)療風險預警模型根據在院患者存在的風險指標數值，按照實際風險指標實時從醫(yī)生工作站、護理工作站、收費系統(tǒng)、后勤保障系統(tǒng)等數據庫中自動提取，所有風險指標的風險值相加最終獲得該患者的風險評估指數。目前，該系統(tǒng)按照風險分值大小分為高危、中危、低危三級，當達到對應的風險值時，系統(tǒng)會根據風險值顯示不同顏色的預警等級。紅色為高危預警，需引起高度重視或必須緊急處理；橘色為中危預警，需引起重視；綠色表示低危預警，關注即可。監(jiān)控人員可根據風險預警界面的預警顏色標識很快發(fā)現需要重點關注的中、高?；颊?，提早干預并持續(xù)追蹤，避免醫(yī)療風險的發(fā)生。

3 討論

3.1 應用效果

該模型經過半年的試運行，監(jiān)控發(fā)現中危、高風險患者2 945例，經短信自動提示主管醫(yī)生及所在科室主任后，及時糾正或預防高風險因素出現的患者達到95%。危重患者搶救成功率從2014年的99.3%提高到了2015年的99.7%，因醫(yī)務人員主觀因素導致的醫(yī)療糾紛或投訴例數由2014年的43例下降至2015年的14例，說明該風險預警體系為準確預測和防范醫(yī)療風險的發(fā)生提供了保障。

3.2 風險預警模型構建的特點

醫(yī)療風險預警評估模型的構建可根據不同學科及專業(yè)特點，在院級風險預警模型的基礎上，增加或減少適合本專業(yè)患者病情危險程度的指標，形成符合本專業(yè)需求的風險指標及權重。?？颇Ｐ偷臉嫿嘞抻筛鲗I(yè)學科帶頭人負責，具有一定的專業(yè)靈活性。該預警模型的構建以信息化作為支撐，利用商業(yè)智能技術整合了醫(yī)療機構多個系統(tǒng)的風險值數據，提高了數據來源及質控結果的準確性和靈敏性，減少了質控部門的人力成本。但是，該模型也需要醫(yī)療機構具有完善的信息化建設作為基礎。

3.3 下一步研究重點

醫(yī)療風險預警系統(tǒng)構建了以臨床數據倉庫為核心的醫(yī)療風險預警體系模型，不僅能夠將各臨床業(yè)務系統(tǒng)數據利用商業(yè)智能技術進行整合、分析，為臨床綜合判斷患者病情及醫(yī)療風險提供依據，而且可以了解患者存在的醫(yī)療風險因素，實現醫(yī)療風險院、科兩級的有效管理，提高了醫(yī)院的精細化管理水平。

但該模型的構建僅限于通過短信平臺對相關人員進行提醒，尚未實現對干預結果的追蹤與反饋。因此，今后將進一步完善該模型對預警患者提醒后干預措施的追蹤及干預效果的評價，對高風險患者進行持續(xù)關注，直至轉歸。同時對追蹤過程中收集的醫(yī)療風險預警信息利用根因分析法、失效模式與效果評價法、PDCA 循環(huán)等工具進行分析，對風險處理不及時的事件進行點評并納入績效考核，以起到教育整改的效果。該系統(tǒng)仍處于試運行階段，很多功能還不健全，如門診信息納入后形成患者從入院至出院的閉環(huán)預警，不同科目或科室管理人員對該體系的維護與使用不熟悉，可否將該體系的PC版轉變?yōu)锳PP版方便醫(yī)護人員追蹤風險因素等，仍有待進一步完善。

為了加強醫(yī)療風險管理，衛(wèi)生行政部門已經制定了一系列加強醫(yī)療風險預警監(jiān)管的政策，但仍存在一些問題。如可操作性不強，很多衛(wèi)生機構并未有效執(zhí)行，缺乏有效的監(jiān)督機制等，目前尚無一套完整、可行的風險預警系統(tǒng)[6]。醫(yī)院管理者不僅應加強醫(yī)務人員培訓， 提高風險防范意識，更要從信息化建設方面下功夫，不斷完善醫(yī)療風險預警機制，及時發(fā)現潛在風險， 采取干預措施，真正做到“防患于未然”[7]。

[1] 張紅宇,張 潔,杜淑英,等.醫(yī)務社會工作參與高風險病例管理的探討[J].中國病案,2014,15(6):36-37.

[2] 陳羽中,饒 黎.對醫(yī)療風險度評價的探討[J].中華醫(yī)院管理雜志，2013,22(5):327-328.

[3] 陳宗茹. 對醫(yī)療風險及內部防控管理的分析[J].中國醫(yī)藥指南，2015,13(3)：295.

[4] 謝春艷.對發(fā)展醫(yī)務社會工作的相關問題探討[J].中國醫(yī)學倫理學,2012,25 (3):398-400.

[5] 付建軍.防范醫(yī)療風險減少醫(yī)療糾紛的實現方法[J].實用醫(yī)技雜志,2004,11(11):2412-2413.

[6] 秦霞玉，王彬夫．組織行為視角下醫(yī)療風險防范管理探析[J].中國醫(yī)院管理，2012，32(12)：55-56．

[7] 王惠英，宣俊俊，邱智淵，等．醫(yī)療風險預警機制構建[J].中國衛(wèi)生質量管理，2016，23(2)：27-28．

修回日期：2016-08-10

責任編輯：姚 濤

醫(yī)療服務質量是患者心中最重要的砝碼。

——佚名

Construction of Medical Risk Early Warning Evaluation Model Based on Business Intelligence Technology

ZHU Jiaofeng,MA Dong,ZHENG Xiaping,et al.

Chinese Health Quality Management，2017,24(1):04-06

Objective To construct medical risk early warning evaluation model, improve the level of refined management in hospital, and prevent the occurrence of medical risks. Methods By using the hospital big data platform, risk early warning indicators were selected, and the risk index was extracted and integrated according to the business intelligence technology. The risk value was set according to the risk level, and the total score of medical risk was calculated. Results After the application of medical risk early warning evaluation system in clinical practice, the death rate of hospitalized patients decreased by 0.1% and the success rate of critically ill patients increased by 0.3%. Conclusion The medical risk early warning and evaluation system based on business intelligence technology can effectively reduce the occurrence of medical risks.

Medical Risk; Early Warning; Model; Construction

10.13912/j.cnki.chqm.2017.24.1.02

董四平 1 大同煤礦集團有限責任公司總醫(yī)院 山西 大同 037003 2 武漢雕龍醫(yī)療數據服務股份有限公司 湖北 武漢 430000 3 國家衛(wèi)生計生委醫(yī)院管理研究所 北京 100191

2016-05-12

朱驕鋒1馬 東1鄭霞萍1羅 斌2董四平3*

董四平：國家衛(wèi)生計生委醫(yī)院管理研究所戰(zhàn)略發(fā)展部主任

E-mail：sipingd@163.com