野说医疗数据治理

手机又震动了,一条微信传来,“主任,在不,我过来找你沟通一下...”望着手机,我揉揉发胀的太阳穴,苦笑着无奈的摇摇头,弯曲的手指不断的挠着不多的几根头发,头大呀,我已经记不起这是第几次的沟通了。

一、数据的变迁

最近这家百年的医院,启动了精细化的绩效方案,据说利用了大数据技术去分析各科室的数据,技术上非常先进,经过公司讲师多轮的“培(HU)训(YOU)”,院里决定当年完成相关系统建设,用信息化让这家老店焕发出新的魅力。

 
虽说事先做了各种测算,但是这方案一开始实施,主任们就炸开了锅,各种反映的声音一浪高过一浪,都说不能准确体现科室工作。按说,绩效方案也是经过几轮次的激烈讨论形成的,公司请来的绩效专家那也是在爱森者和肯德基操过江湖的哟,代表着最先进的管理理念,那是不接受反驳的。各路“诸侯”也都签字画押了的。可这上线一看,咋跟当初的设想差距这么大呢。问题出在哪里呀?

很多时候,同样的问题也都摆在我们面前。系统别家用过,业务流程讨论清楚了,可还是使用效果不好!为什么?为什么?为什么?说好的,大数据不关心质量,只要你数据量够大,一切都不是问题。

“忽如一夜春风来,千树万树梨花开”。当管理者发现,经过这些年的信息化建设,汇集起来的数据越来越多时,就有了利用数据的大好念头,这种水到渠成、瓜熟蒂落的期望在技术的推动下更是蔓延开来。大家都寄希望能拿这些数据来加强管理,促进科研,发挥数据的价值。尤其是近年来大数据、人工智能的医疗应用案例也不断吸引着业界的眼球,冲击着我们医者的大脑,多巴胺持续的分泌着,通过数据的分析利用,发发SCI的文章也不是遥不可及了,CNS三大顶尖杂志相序有了医疗大数据的研究论文。

可是现实是,“别家的孩子总是考双百,自家的孩子只有血压蹭蹭过200,咬牙切齿的安慰着,亲生的,亲生的…. ”。

二、数据治理,提升数据质量

 数据质量问题
以往我们是困惑没有系统、没有数据,可是当各个系统建立起来,新问题又来了,各个系统的数据总是有差异的,八字不合呀。

举个例子吧,HIS里出来的手术登记数据和手麻系统的就不同,而且数据的涵义也随着时间的推移在发生着变化。

与手术相关的这些个数据,远古时代我们做数据统计,统计员每天会根据手术室的登记本,统计出每天有多少台手术,日积月累形成月报表、年度报表。每天一早手术室的阿姨会交一张纸条过来,上面写着“某年某月某日,手术开展情况”。现在看来,数据量非常小,仅能反映整个医院手术的数量。

后来有了手术登记系统,统计员也不需要去专门收集数据了,系统会根据手术室录入登记的每台手术的数据,统计出手术报表,不仅能方便完成数据的统计,而且数据更加丰富,手术科室、主刀医生等等数据都有,这时候大家是皆大欢喜的,数据自动汇总,需求得到满足。

再后来随着医疗技术的发展,手术的种类越来越多,从传统手术方式拓展到了微创手术、内镜手术、机器人手术、介入手术。又因为手术地点不同分出来了门诊手术、急诊手术、美容手术、眼科白内障手术等等。做手术的科室也从住院手术室发展到了门诊、急诊、内镜中心、介入室,手术统计又变得复杂了,涉及到了多个科室多人用多个业务系统来进行登记,统计时就涉及到多业务系统数据的集成。

 数据质量管理流程
这时候在管理上又要求统计大中小手术量、一类切口、二类切口、非计划二次手术、有的还要手术室准点开台率;还要手术分级管理,抗菌药物使用、毒麻药品使用、高资耗材全程可追溯。种种需求都要满足,就需要重新梳理与手术相关的数据定义及来源,通过梳理统一数据元、定义好元数据,明确数据采集的标准,定义数据的用途,并与数据采集者的绩效关联。数据来源也涉及信息科、手术室还有了收费室、药剂科、财务科、耗材库房、成本核算科室等等科室人员。必须达成一致标准。标准和计算方式还需要和国家卫健委最新的方式相一致,这样才能保证一个医院提供的数据符合上级的要求,尤其是在国家对医疗数据质量考核越来越严格时,这点尤为重要。比如西安某医院上报国家卫健委数据质量问题,在我看来,就是典型的不注重数据质量,院内业务不统筹管理带来的不良后果。

 数据质量评估体系

三、如何实现有效的数据治理

 数据治理框架
这么多数据,来源于不同的系统,系统上线时间又各不相同,所以呀,大家在做集成平台时,第一步就应该梳理数据源,要有个权威的项目小组,能够对医院各个系统的数据定义给予明确,计算公式给予确定,能够对业务流程进行统一。而且这个定义的标准一定要以文件形式下发,才具有可操作的权威性。

第二步就得针对各个系统产生数据的不一致进行根源分析,找出不一致的原因。这是需要在第一步确定的数据范围基础上,一个一个进行,来不得虚假。每一个数据指标能够从产生、传输、分析到应用全过程一致,那么才能搭建起数据应用的金字塔。罗马不是一天建成的,数据的璀璨光芒也需要我们用汗水去打磨。

第三步原因找到了,就是整改了哟,整改工作也不是个轻松的活,这有点像业界说的数据清洗,但是数据清洗是对数据进行重新审查和校验,目的在于删除重复信息、纠正存在的错误,并提供数据一致性。而数据治理是从清洗的过程数据去发现数据质量问题,寻找解决途径,进而提升数据质量的过程。就是要找到数据不准的问题所在,由谁来改,按什么标准去改。有的问题是系统问题,需要修改程序;有的问题是,计算方法问题,需要改变计算方法;有的问题甚至是机制体制问题,还需要必要的责权利的重新划分。

比如上报卫健委的绩效考核数据涵盖医疗、运营、人才、教学、科研、管理等现代医院管理的方方面面内容,这在业务上涉及医务部、运营管理部、药学部、教学部、科技部、财务部等相关科室,传统由某一个部门主管都存在职能交叉或者业务空白点,尤其是数据一旦不准,该由谁进行核对和确认,缺乏明确职责分工,必须重新给予明确。只有这样,才能做好相应数据管理工作。

这在最近的一次通报中也可以看出来,没有院级层面的统抓统管,最终数据质量难以得到保证,甚至出现弄虚造假的现象。数据治理还是一个动态的平衡过程,会随着需求的变化发生变化,往往会滞后于业务需求,一般也不太容易引起院级层面的重视。所幸,随着数据价值被业界所认同,数据分析利用成为医院管理的常规工具,数据治理工作将逐步走向正轨,数据也将焕发出生机与活力。

来源:CHIMA 作者:黄昊,文章为原文作者独立观点,不代表医信邦立场。

0


扫一扫,分享到微信

猜你喜欢

文章评论

电子邮件地址不会被公开。 必填项已用*标注

后发表评论

需求发布

上一篇

异构医院信息系统(HIS)更换时数据迁移的方法

下一篇

融资快报 | 2019年7月全国医健产业融资汇总

微信公众号

微信公众号