李 彬，陳 洋，蘇武錦，陳 悅，金 靜，李明星，余 梅

(1.南寧中心血站輸血傳播疾病研究實驗室，廣西 南寧 530003；2.南寧中心血站黨政辦公室，廣西 南寧 530003；3.南寧中心血站信息管理科，廣西 南寧 530003；4.南寧中心血站獻血后服務科，廣西 南寧 530003；5.廣西昊華科技股份有限公司技術部；廣西 南寧，530007)

2020年初，重要的無償獻血者來源——團體獻血出現(xiàn)政策性“熔斷”，囿于疫情防控要求導致街頭獻血人數(shù)驟降，臨床血液庫存大幅度減少，血液預警頻報[1]，特殊時期無償獻血現(xiàn)招募模式“短板”被無限放大[2]。廣西壯族自治區(qū)的血液中心不在省會城市，其中南寧中心血站是唯一合法的采供血機構，2012年至今每年獻血12～15萬人次，每年承擔駐邕70多家醫(yī)療衛(wèi)生單位的臨床用血，是目前廣西規(guī)模最大、功能最全的采供血機構。疫情期間為保障臨床用血需求，緊急啟動了電話邀約獻血的應急招募措施[1]，電話動員符合獻血條件的獻血者在疫情期間參與獻血，取得了獻血人數(shù)及獻血量顯著提升，有效緩解疫情期間臨床用血供給緊張情況。以此為啟示，可以進一步做好獻血者保留[3]，通過內(nèi)部數(shù)據(jù)的挖掘、數(shù)據(jù)分析及建立數(shù)學模型，能夠快速計算和推薦再次獻血者的概率，以電話、短信推送、公眾號等方式再次招募符合獻血條件的人?，F(xiàn)將相關構想報道如下。

1 電話招募概要及結(jié)果

1.1電話招募概要 血站計算機管理系統(tǒng)篩選符合條件的獻血員(有獻血史、血液篩查合格、獻血間隔時間符合要求)[2]，挑選已取得采供血機構上崗資格證的本血站專業(yè)技術人員作為專職電話招募員，以女性為主，要求語言有親和力，表達清晰。制定統(tǒng)一溝通話術腳本(包括并不限于疫情期間對獻血相關顧慮的應答話術等內(nèi)容，重點宣講疫情防控期間血液保障的重要意義)，并對電話招募員進行培訓。通過跟蹤分析電話招募期間的電話撥打次數(shù)、獻血者電話接聽次數(shù)(電話接聽率)、接聽電話的獻血者意愿獻血人數(shù)(許諾應邀率)、7 d內(nèi)實際獻血人數(shù)(7 d內(nèi)實際應邀率)等數(shù)據(jù)。從性別、年齡、職業(yè)、文化程度、獻血類型分布[初次獻血者(1次)、新獻血者(>1～3次)、忠實獻血者(>3～10次)和固定獻血者(10次以上)]及既往獻血情況等特征，統(tǒng)計分析無償獻血者人群結(jié)構，為采供血機構在特殊時期緩解血液緊缺方面提供經(jīng)驗指導。

1.2招募結(jié)果

1.2.1電話招募基本情況 2020年2月3日至3月13日期間，共對41 407名有本地獻血史且獻血間隔期已滿6個月的合格獻血者進行電話招募，26 780名獻血者接聽了電話，電話接聽率為64.68%。接聽電話的26 780名獻血者中，有9 991名表示愿意前來獻血，許諾應邀率為37.31%。通過后續(xù)追蹤調(diào)查，9 991名愿意前來獻血者在其約定獻血日7 d內(nèi)，實際前來獻血者有2 442名，7 d內(nèi)實際應邀率為9.12%。

1.2.2性別年齡學歷職業(yè)分布差異 對招募成功(完成獻血)的2 442名獻血員進行分析。以性別統(tǒng)計，男性(24.64%)高于女性(24.06%)。(2)以年齡統(tǒng)計，高年齡組(46～60歲)占比最大(28.64%)。(3)以學歷統(tǒng)計，學歷分布差異無統(tǒng)計學意義。(4)以職業(yè)統(tǒng)計，教師(31.27%)、公務員(29.67%)、職員(25.20%)占比較大。

1.2.3獻血間隔時間統(tǒng)計 本次通過電話招募，應邀獻血(招募成功)的獻血者距最近1次獻血間隔時間平均數(shù)最短，結(jié)果見表1。

表1 獻血者距最近1次獻血間隔時間比較

2 工作啟示

2.1血站大數(shù)據(jù)分析平臺建設意義 充足、安全的血液是滿足臨床用血的必要保證，重復獻血者在保證充足和持續(xù)血液供應的同時，還可確保血液安全性，特別是在重大或突發(fā)事件、血液告急[4]、季節(jié)性缺血、血液偏型等方面具有重要貢獻[5-6]。世界衛(wèi)生組織認可的安全血液來源是固定的獻血人群。因此，鼓勵更多的初次獻血者轉(zhuǎn)變?yōu)橹貜瞳I血者，是滿足不斷增長的醫(yī)療用血需求、降低輸血風險、降低成本投入的有效辦法之一[7]。血站大數(shù)據(jù)分析平臺擬通過收集南寧市歷年來無償獻血人群信息及相關的人口信息和地理信息等[8]，在構建無償獻血人群數(shù)據(jù)倉庫的基礎上，生成無償獻血人群分析數(shù)據(jù)集，并且通過數(shù)據(jù)挖掘，采用聚類算法進行空間格局分析，探索無償獻血者空間聚類分布規(guī)律及特征，同時結(jié)合分類算法、回歸算法等對獻血人群重復獻血概率進行預測，為無償獻血者招募及篩選、血液安全保障、應急處理等提供數(shù)據(jù)信息基礎和實用方法。

2.2建設核心內(nèi)容[9]

2.2.1數(shù)據(jù)中端平臺 血站大數(shù)據(jù)平臺的數(shù)據(jù)接入除了接入現(xiàn)有的血站業(yè)務數(shù)據(jù)庫，還要建立獻血人員基本信息庫、獻血特征庫、動員獻血人員庫等。同時建立決策分析庫、專題庫、監(jiān)督?jīng)Q策庫等。

2.2.2數(shù)據(jù)交換共享服務平臺 基于數(shù)據(jù)中端平臺，建立數(shù)據(jù)共享交換庫和資源目錄庫，實現(xiàn)數(shù)據(jù)共享交換、開放資源目錄等場景，必要時跟醫(yī)院、人力資源和社會保障局等其他外部部門進行數(shù)據(jù)交換和共享。

2.2.3統(tǒng)一業(yè)務辦理平臺 完成數(shù)據(jù)中端平臺和數(shù)據(jù)交換平臺后，未來所有的血液招募、采集、儲存、運輸和質(zhì)量檢測相關業(yè)務都有可能實現(xiàn)跟數(shù)據(jù)中端平臺對接，統(tǒng)一業(yè)務辦理界面，實現(xiàn)一站式登錄，一個界面處理業(yè)務。

2.2.4駕駛艙平臺 通過商業(yè)智能(BI)技術，呈現(xiàn)1張圖掌控全局，實現(xiàn)招募、采集業(yè)務關鍵指數(shù)的圖形化顯示，為領導決策做出有力支持，見圖1。

圖1 血站大數(shù)據(jù)平臺系統(tǒng)結(jié)構圖

2.2.5智慧招募平臺[10]

2.2.5.1潛在獻血人群信息收集 (1)發(fā)布招募廣告：發(fā)布招募公告給已獻血的人群，在潛在人群的單位發(fā)布捐血招募廣告信息，如學校、醫(yī)院、單位、體檢機構、捐助平臺等，吸引人群到公眾號上。(2)初步收集對捐血關注的人群信息：收集進入公眾號人群的信息瀏覽情況，初步判斷其對捐血的熱情程度。

2.2.5.2推薦系統(tǒng)進一步分析人群特征 根據(jù)瀏覽信息特征，啟用推薦系統(tǒng)引擎，深層次引導人群進行進一步閱讀公眾號里的文章，收集多個層次的特征數(shù)據(jù)，包括獻血的基礎知識了解、愛心特征、社會正義感特征、家庭溫暖需求特征、心理健康特征、職場特征等，做到“精準畫像“[11]。

2.2.5.3形成個人畫像精準推送 對特征收集足夠多以后，啟動“個人畫像”，形成較具體的人物形象。通過分類、神經(jīng)算法等工具進行對用戶進行分類、預測。對系統(tǒng)評價有概率獻血人群進行精準獻血信息推送。

2.2.5.4社交化推廣 讓系統(tǒng)有生命力，為系統(tǒng)貼上社交標簽，讓獻血人群有動力發(fā)朋友圈，例如精神方面的鼓勵、各種獻血稱號。

2.2.6智能數(shù)據(jù)應用 對采集、儲存、運輸和質(zhì)量檢測相關業(yè)務進行建設，包括軟件和硬件，采集相關采供血業(yè)務及血液篩查結(jié)果[12]、血液質(zhì)量控制、臨床血液使用等數(shù)據(jù)庫，對各個業(yè)務的進行數(shù)據(jù)模型建立，預測和分析各種可能存在的情況，包括存儲量與需血量的差異預測，支撐“以供定采”策略，預測血液質(zhì)量發(fā)展趨勢。

2.2.7數(shù)據(jù)監(jiān)測項目 大數(shù)據(jù)監(jiān)測內(nèi)容應包括：血站的采血、供血、存儲等業(yè)務整體運行監(jiān)測數(shù)據(jù)服務，獻血員情況，獻血員的變化趨勢等。大數(shù)據(jù)分析類內(nèi)容應包括：血站供血能力分析(包括突發(fā)事件的需求分析)[4]、需血單位情況分析、各種血型供應分析。

3 小結(jié)與展望

“以顧客為導向大數(shù)據(jù)的統(tǒng)計分析”“精準營銷理念應用”“互聯(lián)網(wǎng)+”思維的新媒體招募等是目前行之有效的策略及方法[13]。基于“矛盾在哪里，關注點在哪里”的思路和原則，血站大數(shù)據(jù)應用應關注于血液的“開源”和“節(jié)流”方面。從低危人群中發(fā)展志愿獻血者，培養(yǎng)固定獻血者[14-15]，是血液安全的重要保障。血站大數(shù)據(jù)分析平臺應用大數(shù)據(jù)算法優(yōu)化血站采血募集工作，可精準識別潛在獻血人群并能給出不斷優(yōu)化的招募策略作為參考[7,16]。血站應該豐富采血點(捐血屋、流動采血車)的設立，提供個性化的服務態(tài)度[17]，提升獻血后服務，增強人文關懷[18]，采用主動預約模式[19]，精準宣傳到位[11,20]。但血站的大數(shù)據(jù)算法、模型訓練和優(yōu)化都比較復雜，前期需要投入大量資金完成軟件開發(fā)，且開發(fā)者需要對已知數(shù)據(jù)充分理解，故至今尚缺乏成熟完善的方案，需要未來進一步研發(fā)和探討。