長(zhǎng)春中醫(yī)藥大學(xué) 胡安琪 周秀玲 方海麗 房鑫 金靖雅

在數(shù)字化經(jīng)濟(jì)時(shí)代下，基于數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)化管理對(duì)改進(jìn)護(hù)理管理質(zhì)量發(fā)揮著重要的作用，該文對(duì)大數(shù)據(jù)、數(shù)據(jù)科學(xué)、護(hù)理大數(shù)據(jù)予以介紹的基礎(chǔ)上，從臨床護(hù)理管理、延續(xù)性護(hù)理管理和護(hù)理教育管理三個(gè)方面進(jìn)行闡述，分析數(shù)據(jù)驅(qū)動(dòng)下精準(zhǔn)化護(hù)理管理的應(yīng)用現(xiàn)狀，為護(hù)理管理提供準(zhǔn)確的科學(xué)的數(shù)據(jù)支撐。

2021 年12 月國(guó)務(wù)院關(guān)于印發(fā)“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃的通知，充分運(yùn)用新型數(shù)字技術(shù)加快推動(dòng)文化教育、醫(yī)療健康等領(lǐng)域公共服務(wù)資源數(shù)字化供給和網(wǎng)絡(luò)化服務(wù)[1]。數(shù)據(jù)的爆發(fā)增長(zhǎng)、海量集聚為醫(yī)療衛(wèi)生系統(tǒng)帶來(lái)了新機(jī)遇，而護(hù)理作為醫(yī)療衛(wèi)生領(lǐng)域的重要分支之一，深受影響，因此將數(shù)據(jù)驅(qū)動(dòng)運(yùn)用于護(hù)理學(xué)科成為發(fā)展護(hù)理學(xué)科的必要條件。本文以數(shù)據(jù)驅(qū)動(dòng)為基礎(chǔ)，通過(guò)概述大數(shù)據(jù)、數(shù)據(jù)科學(xué)和護(hù)理大數(shù)據(jù)的概念，從臨床護(hù)理管理、延續(xù)性護(hù)理管理和護(hù)理教育管理三個(gè)方面進(jìn)行綜述，以數(shù)據(jù)為中心，結(jié)合護(hù)理信息化，為開(kāi)拓?cái)?shù)字驅(qū)動(dòng)在護(hù)理領(lǐng)域中的應(yīng)用以及為未來(lái)護(hù)理大數(shù)據(jù)的發(fā)展提供切實(shí)可行的依據(jù)。

1 相關(guān)概念

1.1 大數(shù)據(jù)的定義

大數(shù)據(jù)被描述為一種新的研究方法，并被稱為“數(shù)據(jù)驅(qū)動(dòng)的方法”[2]。2011年，麥肯錫全球研究所（The McKinsey Global Institute）認(rèn)為大數(shù)據(jù)是一種規(guī)模大到在捕獲、存儲(chǔ)、管理和分析方面遠(yuǎn)遠(yuǎn)超出典型數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集[3]，并具有數(shù)據(jù)規(guī)模大（Volume）、高速（Velocity）、多樣性（Variety）、真實(shí)性（Veracity）、低價(jià)值密度（Value）的5“VS”特性，是我們這個(gè)時(shí)代最重要的技術(shù)趨勢(shì)。

1.2 數(shù)據(jù)科學(xué)的概念

數(shù)據(jù)科學(xué)既是一種理念，也是一套技術(shù)，為從業(yè)人員提供了結(jié)構(gòu)、原則和框架，系統(tǒng)地從健康數(shù)據(jù)中提取有用的知識(shí)，以回答臨床科學(xué)和實(shí)踐產(chǎn)生的問(wèn)題[2]。國(guó)家數(shù)據(jù)科學(xué)聯(lián)盟將數(shù)據(jù)科學(xué)定義為能組織和使用數(shù)字?jǐn)?shù)據(jù)的系統(tǒng)研究，以加速發(fā)現(xiàn)、改進(jìn)關(guān)鍵決策過(guò)程并實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)經(jīng)濟(jì)[4]。

1.3 護(hù)理大數(shù)據(jù)的概念

目前，不同的專家對(duì)于護(hù)理大數(shù)據(jù)的定義有不同的看法，Cooke等[5]人將護(hù)理大數(shù)據(jù)定義成各類臨床數(shù)據(jù)、管理數(shù)據(jù)、注冊(cè)系統(tǒng)、電子健康記錄等各種數(shù)據(jù)集，朱瑞芳等認(rèn)為護(hù)理大數(shù)據(jù)是指所有與護(hù)理和生命健康相關(guān)的海量數(shù)據(jù)，包括臨床護(hù)理大數(shù)據(jù)、區(qū)域衛(wèi)生服務(wù)平臺(tái)大數(shù)據(jù)、護(hù)理研究大數(shù)據(jù)等，其作用在于通過(guò)計(jì)算機(jī)處理大量繁雜的醫(yī)療護(hù)理數(shù)據(jù)，從而更好的預(yù)測(cè)和改善患者的預(yù)后，增加了精準(zhǔn)化護(hù)理管理的有效性。

2 數(shù)據(jù)驅(qū)動(dòng)在護(hù)理管理中的應(yīng)用

2.1 在臨床護(hù)理管理中的應(yīng)用

護(hù)理質(zhì)量管理和護(hù)理安全作為醫(yī)院重要考評(píng)指標(biāo)之一，是醫(yī)院優(yōu)質(zhì)服務(wù)和品牌建立的關(guān)鍵因素，然而護(hù)士的質(zhì)量評(píng)估沒(méi)有一個(gè)客觀的評(píng)估指標(biāo)，往往要耗費(fèi)大量的人力和時(shí)間來(lái)進(jìn)行現(xiàn)場(chǎng)考察，所得的評(píng)價(jià)結(jié)果可信度不高，可比性也不強(qiáng)。因此，護(hù)理人員要以收集挖掘數(shù)據(jù)為基礎(chǔ)，使護(hù)理質(zhì)量評(píng)估更加科學(xué)化。青島大學(xué)附屬醫(yī)院基于“三維質(zhì)量結(jié)構(gòu)”模型，構(gòu)建了涵蓋通識(shí)、?？?、專病和專項(xiàng)技術(shù)的174 項(xiàng)護(hù)理質(zhì)量指標(biāo)，形成縱橫交錯(cuò)的質(zhì)量控制管理網(wǎng)絡(luò)系統(tǒng)，并建立質(zhì)量控制管理數(shù)字化平臺(tái)，將全員數(shù)據(jù)匯集于同一終端，完成數(shù)據(jù)的便捷獲取、存儲(chǔ)、管理、分析與再利用，實(shí)現(xiàn)了護(hù)理質(zhì)量精準(zhǔn)管控。何云霞等構(gòu)建護(hù)理管理信息化平臺(tái)，采集護(hù)理敏感質(zhì)量指標(biāo)原始數(shù)據(jù)，并進(jìn)行自動(dòng)統(tǒng)計(jì)、分析反饋，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)查詢和再利用。雖然信息化系統(tǒng)的建立給護(hù)理管理者提供了護(hù)理數(shù)據(jù)，促進(jìn)了護(hù)理質(zhì)量的提升，但是我國(guó)各大醫(yī)院的質(zhì)量管理系統(tǒng)中的護(hù)理數(shù)據(jù)不能與其他醫(yī)院進(jìn)行共享。因此，有必要建立專業(yè)統(tǒng)一的護(hù)理質(zhì)量指標(biāo)系統(tǒng)，實(shí)現(xiàn)各大醫(yī)院資源共享，同時(shí)采用循證方法代替經(jīng)驗(yàn)管理，幫助護(hù)理管理者分析護(hù)理信息，從而減輕護(hù)理管理者工作量。護(hù)理安全不僅是護(hù)理管理的重要組成部分，也是推動(dòng)精準(zhǔn)化護(hù)理管理走向科學(xué)化和規(guī)范化的基礎(chǔ)。越來(lái)越多的數(shù)據(jù)顯示，大數(shù)據(jù)應(yīng)用與護(hù)理安全管理能夠減少臨床上不良事件的發(fā)生。跌倒是醫(yī)院內(nèi)最常見(jiàn)的不良事件，以老年人居多，世界衛(wèi)生組織（WHO）報(bào)道因跌倒而死亡或受重傷風(fēng)險(xiǎn)最大的是老年人，并且風(fēng)險(xiǎn)隨著年齡的增長(zhǎng)而增高。我國(guó)老年群體普遍缺乏預(yù)防跌倒意識(shí)，臨床護(hù)士則通過(guò)單一的量表進(jìn)行跌倒風(fēng)險(xiǎn)評(píng)估具有很大的局限性。因此利用大數(shù)據(jù)技術(shù)建立風(fēng)險(xiǎn)預(yù)測(cè)模型成為患者安全管理研究的重點(diǎn)。Bjarnadottir 等采用自然語(yǔ)言處理設(shè)計(jì)，從重癥監(jiān)護(hù)醫(yī)學(xué)信息集市數(shù)據(jù)庫(kù)（MIMIC-III）收集了重癥監(jiān)護(hù)病房患者的電子病歷數(shù)據(jù)，通過(guò)數(shù)據(jù)選擇，預(yù)處理，轉(zhuǎn)換，利用護(hù)士的經(jīng)驗(yàn)對(duì)相關(guān)資料進(jìn)行提取匯總，識(shí)別跌倒風(fēng)險(xiǎn)因素，有效預(yù)防跌倒發(fā)生。袁金蓉等設(shè)計(jì)帶有先進(jìn)傳感器的可穿戴設(shè)備的跌倒監(jiān)測(cè)平臺(tái)，通過(guò)采集個(gè)體的生理數(shù)據(jù)和監(jiān)測(cè)跌倒事件，對(duì)跌倒風(fēng)險(xiǎn)因子進(jìn)行篩選并建立定量化的跌倒風(fēng)險(xiǎn)預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)跌倒事件實(shí)時(shí)準(zhǔn)確的判斷，提高跌倒風(fēng)險(xiǎn)評(píng)估的科學(xué)性和精確性。數(shù)字化技術(shù)的不斷發(fā)展，使得臨床護(hù)理工作更加精準(zhǔn)化，護(hù)士根據(jù)數(shù)據(jù)平臺(tái)實(shí)施有效的護(hù)理措施，減少了不良事件發(fā)生，保證病人安全。

2.2 在延續(xù)性護(hù)理管理中的應(yīng)用

延續(xù)性護(hù)理是護(hù)理模式的轉(zhuǎn)變，是改善患者及其家庭生活質(zhì)量，減輕社會(huì)老齡化對(duì)家庭和社會(huì)的負(fù)擔(dān)，它使患者能夠在家里享受與醫(yī)院相同的健康指導(dǎo)，幫助患者恢復(fù)病情，提高患者依從性。在信息爆增的時(shí)代，醫(yī)療大數(shù)據(jù)在患者病歷資料數(shù)據(jù)管理中起到重要作用，護(hù)理專家能夠運(yùn)用數(shù)據(jù)挖掘、人工智能等新型數(shù)字技術(shù)從醫(yī)院數(shù)據(jù)庫(kù)中挖掘患者既往疾病信息，從而提供適當(dāng)?shù)闹委熀妥o(hù)理。Peng 等利用醫(yī)學(xué)數(shù)據(jù)挖掘技術(shù)，對(duì)中醫(yī)藥管理局中1000 例肝癌患者臨床資料進(jìn)行分析研究，經(jīng)過(guò)數(shù)據(jù)清理和不規(guī)則數(shù)據(jù)去除后，將剩余800 病例平均分為傳統(tǒng)常規(guī)護(hù)理組和持續(xù)性護(hù)理組，應(yīng)用隱馬爾可夫模型方法進(jìn)行訓(xùn)練，得到模型中的轉(zhuǎn)移概率，利用模型學(xué)習(xí)到的改進(jìn)率來(lái)評(píng)價(jià)療效，客觀的證明了延續(xù)性護(hù)理療效高于傳統(tǒng)常規(guī)護(hù)理組。有專家等建立智能醫(yī)療系統(tǒng)，利用關(guān)聯(lián)規(guī)則的Apriori 算法，從醫(yī)院數(shù)據(jù)庫(kù)中挖掘乳腺癌患者術(shù)后的相關(guān)信息進(jìn)行整理分析，在移動(dòng)醫(yī)療的延續(xù)性護(hù)理新模式下患者依從性、護(hù)理前后生活質(zhì)量、患肢功能受限、護(hù)理滿意度整體提高，維持治療效果，延長(zhǎng)生存時(shí)間。Steinberg 等運(yùn)用數(shù)據(jù)挖掘算法對(duì)4 萬(wàn)左右的診療用藥記錄以及實(shí)驗(yàn)室檢查等數(shù)據(jù)進(jìn)行處理后，建立了代謝綜合征的預(yù)測(cè)模型。數(shù)據(jù)挖掘的結(jié)果表明，腹圍增大和血糖升高為代謝綜合征的高危因素，而高用藥依從性和定期隨訪能夠降低代謝綜合征的發(fā)病風(fēng)險(xiǎn)。不僅醫(yī)學(xué)挖掘技術(shù)作為一個(gè)新興的跨學(xué)科技術(shù)，具有廣闊的發(fā)展前景，人工智能技術(shù)也是如此。人工智能技術(shù)在醫(yī)療保健領(lǐng)域應(yīng)用廣泛，其中人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network ANN）就是人工智能領(lǐng)域的“領(lǐng)頭羊”，它能夠模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能，建立一個(gè)簡(jiǎn)單的模型并根據(jù)不同的連接模式形成不同的網(wǎng)絡(luò)，解決了許多現(xiàn)代計(jì)算機(jī)難以解決的實(shí)際問(wèn)題。Sullivan 等基于ANN 算法，通過(guò)使用常規(guī)收集的護(hù)理數(shù)據(jù)，開(kāi)發(fā)和驗(yàn)證了一個(gè)臨床可解釋的死亡風(fēng)險(xiǎn)預(yù)測(cè)模型，能夠識(shí)別老年人12 個(gè)月死亡率的風(fēng)險(xiǎn)，并制定個(gè)性化護(hù)理計(jì)劃，提高其生存質(zhì)量。但是醫(yī)療數(shù)據(jù)庫(kù)中擁有不同來(lái)源的信息，數(shù)據(jù)體積大，護(hù)理學(xué)者如何從浩瀚的數(shù)據(jù)庫(kù)中捕獲確切、可行的數(shù)據(jù)是醫(yī)療數(shù)據(jù)挖掘能否運(yùn)用實(shí)踐的關(guān)鍵。因此，護(hù)理人員在挖掘數(shù)據(jù)的過(guò)程中，要過(guò)濾、清理多余數(shù)據(jù)，保證數(shù)據(jù)的一致性。

2.3 在護(hù)理教育及教學(xué)管理中的應(yīng)用

隨著大數(shù)據(jù)、云計(jì)算、數(shù)據(jù)挖掘等新興技術(shù)的不斷涌現(xiàn)，護(hù)理教育者逐步轉(zhuǎn)變教學(xué)模式，開(kāi)展了精準(zhǔn)教學(xué)，實(shí)現(xiàn)了個(gè)性化教育。精準(zhǔn)教學(xué)是指在信息技術(shù)支持下，通過(guò)精準(zhǔn)評(píng)估學(xué)情，精準(zhǔn)設(shè)計(jì)教學(xué)資源、教學(xué)目標(biāo)、教學(xué)環(huán)節(jié)和教學(xué)過(guò)程，全程精準(zhǔn)記錄學(xué)生的學(xué)習(xí)行為，來(lái)精確評(píng)估存在或潛在的問(wèn)題，進(jìn)而針對(duì)性地調(diào)整教學(xué)策略的一種方法。相比于傳統(tǒng)教學(xué)方式，精準(zhǔn)教學(xué)通過(guò)新興數(shù)字技術(shù)，不斷采集、整合、分析學(xué)生學(xué)習(xí)過(guò)程中的數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘等科學(xué)手段分析學(xué)生的學(xué)習(xí)特征、學(xué)習(xí)路徑、學(xué)習(xí)效果等。比如Psaltis 等從學(xué)生的面部表情以及身體運(yùn)動(dòng)提取信息，推斷在數(shù)字化學(xué)習(xí)環(huán)境中學(xué)生的專注度；Whitehill 等根據(jù)學(xué)生的面部表情，從而自動(dòng)識(shí)別學(xué)生的專注度。徐林燕等根據(jù)學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)為參照創(chuàng)建學(xué)生畫(huà)像，采用聚類分析將學(xué)生分為勤奮型學(xué)習(xí)者、消極型學(xué)習(xí)者、中規(guī)中矩型學(xué)習(xí)者和三好學(xué)生型學(xué)習(xí)者4類，為不同類型的學(xué)生制定個(gè)性化任務(wù)。當(dāng)學(xué)生完成不同階段的學(xué)習(xí)活動(dòng)后，教師會(huì)根據(jù)網(wǎng)絡(luò)學(xué)習(xí)實(shí)時(shí)數(shù)據(jù)調(diào)整任務(wù)設(shè)置、教學(xué)進(jìn)度和安排課堂教學(xué)，進(jìn)而為學(xué)生進(jìn)行成績(jī)?cè)u(píng)定。研究表明數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)教學(xué)提高了教學(xué)有效性，也提高了學(xué)生參與度和學(xué)習(xí)興趣。李鵬基于雨課堂實(shí)施混合式精準(zhǔn)教學(xué)。通過(guò)課前推送預(yù)習(xí)資料，教師通過(guò)雨課堂了解學(xué)生預(yù)習(xí)情況，并調(diào)整教學(xué)安排；課中運(yùn)用雨課堂進(jìn)行測(cè)試討論，彈幕互動(dòng)、討論、投稿、不懂隨時(shí)點(diǎn)等環(huán)節(jié)，學(xué)生同步反饋學(xué)習(xí)情況，教師根據(jù)實(shí)時(shí)反饋調(diào)整授課進(jìn)度，加強(qiáng)重難點(diǎn)講解；課后推送復(fù)習(xí)資料，教師利用雨課堂收集的數(shù)據(jù)分析教學(xué)效果三個(gè)環(huán)節(jié)，能夠隨時(shí)知道學(xué)生學(xué)習(xí)情況，該精準(zhǔn)教學(xué)模式有利于提高學(xué)生成績(jī)、教學(xué)滿意度與自主學(xué)習(xí)能力。數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)教學(xué)不僅實(shí)現(xiàn)了教師針對(duì)性教學(xué)，也有助于促進(jìn)學(xué)生個(gè)性化發(fā)展，提升學(xué)生的思維能力。雖然很多教育者將數(shù)據(jù)驅(qū)動(dòng)融入到教學(xué)當(dāng)中，卻不清楚該如何正確利用，且對(duì)系統(tǒng)自動(dòng)形成的數(shù)據(jù)盲目依賴。因此，在培養(yǎng)過(guò)程中，更要注重師生大數(shù)據(jù)分析能力和方法的教育，能夠使用數(shù)據(jù)科學(xué)的方法促進(jìn)護(hù)理學(xué)科的發(fā)展，以便在日后工作中能夠科學(xué)地使用基于統(tǒng)計(jì)的數(shù)據(jù)處理技術(shù)，提高護(hù)理結(jié)果。

3 總結(jié)

在新一輪技術(shù)革命不斷深化的今天，數(shù)字化已經(jīng)是必然趨勢(shì)。在數(shù)字化經(jīng)濟(jì)的背景下，護(hù)士應(yīng)把數(shù)據(jù)資源作為核心，以現(xiàn)代信息化技術(shù)為主要載體，把數(shù)字化技術(shù)和護(hù)理學(xué)科有機(jī)地結(jié)合起來(lái)，使護(hù)理管理更加精細(xì)，從而推動(dòng)護(hù)理事業(yè)的發(fā)展。從護(hù)理行業(yè)現(xiàn)狀看，護(hù)理數(shù)據(jù)資源的整合不足、專業(yè)護(hù)理信息人才短缺、數(shù)據(jù)處理能力不足、數(shù)字化發(fā)展不均衡等問(wèn)題仍然存在，針對(duì)這些問(wèn)題，護(hù)理團(tuán)隊(duì)需要將數(shù)據(jù)和技術(shù)深度融合，完善護(hù)理數(shù)據(jù)庫(kù)，提升數(shù)據(jù)管理和數(shù)據(jù)質(zhì)量，推動(dòng)數(shù)據(jù)資源標(biāo)準(zhǔn)體系建設(shè)，構(gòu)建統(tǒng)一護(hù)理數(shù)據(jù)資源管理平臺(tái)，實(shí)現(xiàn)護(hù)理數(shù)據(jù)跨區(qū)域、跨網(wǎng)絡(luò)共享復(fù)用，提高醫(yī)院護(hù)理管理數(shù)據(jù)資源利用率，實(shí)現(xiàn)護(hù)理管理智能化。同時(shí)，護(hù)理管理者也要學(xué)習(xí)如何從海量的數(shù)據(jù)庫(kù)中挖掘有意義的護(hù)理數(shù)據(jù)，提升使用大數(shù)據(jù)的能力，以改變醫(yī)療保健、護(hù)理質(zhì)量、成本效益及患者安全性。而在護(hù)理教育方面，加快數(shù)據(jù)科學(xué)的教學(xué)對(duì)護(hù)理教育專業(yè)學(xué)生起著關(guān)鍵性的作用，各個(gè)高校應(yīng)該將數(shù)據(jù)科學(xué)這門(mén)課程納入到教學(xué)中，培養(yǎng)護(hù)理學(xué)科人才，加速護(hù)理學(xué)發(fā)展。

引用

[1] 國(guó)務(wù)院印發(fā)《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》[J].新理財(cái),2022(Z1):8-11.

[2] Paul A Harris,Robert Taylor,Robert Thielke,et al.Reseach Electronic Data Capture (REDCap)—A Metadata-driven Methodology and Workflow Process for Providing Translational Research Informatics Support[J].Journal of Biomedical Informatics,2009,42(2):377-381.

[3] 大數(shù)據(jù)戰(zhàn)略重點(diǎn)實(shí)驗(yàn)室.大數(shù)據(jù)概念與發(fā)展[J].中國(guó)科技術(shù)語(yǔ),2017,19(4):43-50.

[4] PROVOST F,FAWCETT T.Data Science and its Relationship to Big Data and Data-driven Decision Making[J].Big Data,2013,1(1): 51-59.

[5] COOKER C R,IWASHYNA T J.Using Exeisting Data to Address Important Clinical Questions in Critical[J].Crit care Med,2013,41(3): 886-896.