發布時間：2020-03-13所屬分類：醫學論文瀏覽：1次
摘 要： 摘要:病案信息是建設醫療健康大數據的核心和基
摘要:病案信息是建設醫療健康大數據的核心和基礎。醫療健康大數據的運用前景非常廣泛，將在輔助衛生政策制定、臨床決策支持、藥物研發和評價、疫情監測與疾病預防等方面發揮重要作用。分析了在醫療健康大數據視角下，當前病案管理存在病案信息孤島普遍存在、原有病案管理標準不適應大數據要求、病案隱私和權利保護不夠、病案信息的收集統計方法落后、缺乏病案管理復合型人才等方面的不足，并提出建設全國性病案信息共享平臺、制定符合大數據要求的病案標準、加強隱私保護、積極采用現代信息技術記錄病案材料、調整優化病案管理人員等5個方面的建議。
關鍵詞:醫療健康;大數據;互聯網;病案;統計管理
近年來，大數據引起了產業界、科技界和政府部門的高度關注。2008年«Nature»出版專刊“BigDa￣ta”[1]，2011年«Science»也推出關于數據處理的�？�“Dealingwithdata”[2]，2012年3月奧巴馬宣布美國政府投資2億美元啟動“大數據研究和發展計劃”[3]，將“大數據研究”上升為國家意志。同樣，醫療衛生領域也迎來了“大數據時代”，如在藥物研發中使用基因數據、臨床實驗數據的共享、電子病歷系統(EMRs)的廣泛使用以及醫療保險、患者登記和社會媒體中的數據使用等[4]。病案是醫護人員記錄患者疾病診療過程的文件。它客觀、完整、連續地記錄了患者的診療經過、病情變化、治療效果等情況，是醫院醫療、教學、科研的基礎資料[5]，也是建設醫療健康大數據的核心和基礎。醫療健康大數據的發展方興未艾，很多問題還有待深入研究，文章從醫療健康大數據的運用前景出發，分析醫療健康大數據視角下當前病案管理存在的不足，并提出對策建議，為加強醫院病案統計及管理、建設醫療健康大數據提供參考。
1醫療健康大數據的運用前景展望
1.1輔助衛生政策制定
美國聯邦政府和州級政府自2014年以來制定的32�600余份衛生相關政策文件均使用大數據平臺所獲取的支持數據[6]。傳統的衛生決策與衛生政策制定主要根據下級反饋、上級調研和簡單的衛生統計數據。在醫療健康大數據的背景下，通過建立全員人口、健康檔案和電子病歷三大數據庫共享平臺和共享機制，建立覆蓋全國的基本公共衛生、電子病歷共享、新農合結算、衛生監督、免疫規劃和預約掛號等業務應用，實現健康醫療領域的數據匯聚、系統互聯和信息共享，衛生政策制定時能以衛生信息系統平臺和各部門相關衛生數據為基礎，同時采集、存儲、挖掘、分析和優化全國乃至國際相關衛生決策所需數據，構建基于大數據的衛生政策分析框架:包括衛生籌資、衛生規劃、衛生績效評價、藥品使用監測、衛生技術評估等模塊，并開展衛生政策理論和應用型研究，促進衛生決策與衛生政策制定的透明度和科學性。
1.2臨床決策支持
傳統臨床決策主要基于患者主訴和即時性檢查結果等橫斷面資料。醫療健康大數據將為臨床醫生提供患者出生、經歷、就業、居住、環境等傳統診療模式下不易收集的全面資料，幫助醫生做出高效、準確、低成本的臨床決策。美國哈佛大學的亨利�麥道爾斯博士與IBM公司合作，基于衛生大數據系統來監測早產兒感染情況的發生，這套系統可以為早產兒多爭取到16h的治療時間，即系統可以在感染癥狀明顯發生的16h前發出警示信息[7]。美國西達賽奈(Ce￣dars-Sinai)醫療中心新開發的信息系統(AllHealthRobotics)通過促進電子健康檔案系統(EHRs)和醫療數據的交換，每年可以節省21億美元的醫療資源[8]。另外，將單個樣本數據使用大數據算法進行處理，可以觀測到單個樣本不能檢測出的細小差別，為醫生提供更加科學的、符合循證醫學原則的臨床指導建議。美國杜克大學醫學中心借助普惠超級計算機的大數據處理能力，通過吸收325萬頁病案數據、12萬份臨床試驗和55種醫療雜志報道的12萬份數據，開發出了一套腫瘤治療決策工具。該工具可以根據輸入信息自動生成診斷、治療建議，據統計該工具給出的診療建議89%被臨床醫生采納[9]。
1.3藥物研發和評價
藥物研發是醫療健康大數據運用的重要領域。第一，在藥物研發立項階段，通過大數據技術分析大范圍的病案資料，綜合藥物治療時間、出院結局、治療費用等信息，判斷當前同類產品的效果和性價比，有針對性地進行更有替代產品的研發。諾華公司治療慢性心衰的藥物Entresto在立項階段即使用了谷歌、拓爾思等40家大數據公司的3000萬條數據[10]。另外，藥物研發機構還可以以通過收集更大范圍的健康大數據，找出社會公眾藥品需求的“痛點”，以合理配置資源，確立更有市場前景的藥物研發項目。第二，在確定藥物研發方向階段，藥物研發機構在評估病案資料大數據的基礎上，還可以利用臨床試驗、代謝組學、蛋白質組學、基因組學等數據，來確定擬開發藥物個性化的治療原理。第三，在藥物上市階段，要全面占有文獻數據、醫療數據、監測數據和Ⅳ期臨床試驗數據，并使用大數據技術整合分析以上所有數據，進行全方位、多層次、多角度的分析，以準確評估藥物上市后的經濟性、有效性和安全性。英國藥品監管部門通過大數據技術，來追蹤和整合包括促銷支出、藥房、廣告、制造、出版物、消費者和科研人員等信息，每年使用3.2億條數據以監控藥品銷售情況、市場分布情況和用藥安全情況[4]。
1.4疫情監測與疾病預防
通過連續分析和不斷整合疾病疫情信息，能不斷提高公共衛生預警和預報能力。常超一等[11]結合各地的航空可達性，并整合多種來源的數據，對甲型H1N1流感的航空旅行擴散、空間分布、流行病學特征進行了探索性的預測估計。法國巴黎瑞爾斯醫學中心采用ToDiseases預測模型，有效使區域內的高風險患者急診就診率降低了42%，還將這部分高風險患者的月再入院率從29%降到9%[12]。有研究顯示，影響健康的因素只有10%左右已被衛生工作者認定，另外90%的影響因素(社會經濟狀況、自然環境、遺傳因素、健康行為等)還未被確認[13]。大數據技術可以將個人和行為數據信息(如娛樂方式、收入、飲食習慣、教育狀況等)與醫療健康信息(如既往史、診療信息等)統籌起來，對健康危險因素進行比對關聯研究，制作特定區域、特定人群的健康危險因素圖譜。這種基于社會和醫療數據、直接針對最適宜人群實施的干預措施將會更加直接、有效。
推薦閱讀：哪些醫學類普刊比較好發
2醫療健康大數據視角下當前病案管理存在的不足
2.1病案信息孤島普遍存在
現階段醫院病案管理和統計的目的主要是歷史檔案存儲、醫學法律證據留存和醫療評價，分析利用的水平還不夠高。且由于工作慣性和技術手段的限制，病案資料的共享、整合、利用嚴重滯后，使得各醫療衛生單位都保存有一定數量的病案資料，但由于互聯互通、共享利用的不足，形成了單個數據體量較小(10TB數量級)但機構數量眾多(3萬余家)的病案信息孤島。
2.2原有病案管理標準不適應大數據要求
醫療健康大數據的分析、利用需基于統一的信息處理標準之上。建設覆蓋大區域、多部門的病案信息共享中心和醫療機構內部信息共享中心也需要基于統一的信息處理標準之上。不同來源、不同維度的病案數據單元需使用統一編碼機制，才能使用大數據技術匯總、整合為有序、統一的大數據，而不是雜亂無序的大數據。傳統的病案管理核心標準有手術編碼(ICD-9-CM-3)和疾病編碼(ICD-10)，這一基于紙媒的標準已經不適應醫療健康大數據分析的要求。
2.3病案隱私和權利保護不夠
我國傳統病案信息的外顯方式是醫務人員借閱和患者復印，做好簡單的借閱復印、登記即可滿足隱私和權利保護的需要。但大數據技術使得病案信息的流傳、分享變得更加便捷和不可控，如果患者的個人信息、病情甚至蛋白、基因等隱私信息遭到泄露，將會使醫院病案管理陷入極大的法律風險之中。
2.4病案信息的收集統計方法落后
我國傳統的病案收集方法是由臨床醫生手寫、臨床科室整理后上報，導致病案信息匯總的時效性不強，也不便于病案信息的后期數字化處理。另外，傳統病案數據分析方法主要針對結構化數據展開，即有的病案信息處理流程、分析體系能高效地處理相對較少的結構化數據。在醫療健康大數據時代，非結構化數據和半結構化數據量正在快速增加，給傳統的病案統計分析技術帶來了巨大的挑戰。
2.5缺乏病案管理、大數據方面的復合型人才
醫療健康大數據的匯總和統計分析人員不僅需要具備醫學知識、統計學知識，更需要具備互聯網、信息化、大數據方面的知識和技能�，F階段病案管理人員以醫學、統計學、數學、檔案管理學等專業背景為主，其中統計學、數學、檔案管理學背景約占80%，醫學約占15%，計算機專業背景僅占約5%[14]，前兩類人才普遍不具有互聯網思維和大數據處理能力，使得醫療機構普遍缺乏病案管理、大數據方面的復合型人才。
3醫療健康大數據視角下病案管理對策建議
3.1建設全國性病案信息共享平臺
醫療健康大數據之所以“大”，是因為要匯聚、整合海量的電子病案信息。由于電子病案信息的隱私性和敏感性，醫療健康大數據的形成必須反互聯網發展“去中心化”而行之，以政府公信力為保障建設全國性病案信息共享平臺。國家衛生與健康行政管理部門要以服務民生、發展健康產業為出發點，推進建設區域性、乃至全國性的醫療衛生數據資源庫及其“大數據”信息處理與共享平臺，以整合、匯聚并開發利用電子病案信息，并在保密的前提下向公眾和企業開放。區域性、乃至全國性病案信息共享平臺除了電子病案信息和居民健康檔案管理系統以外，還應有公共衛生疫情直報系統、衛生突發事件應急處理系統、醫院信息管理系統(如PACS、CIS、HIS)等，甚至使用數據挖掘、網絡機器人、爬蟲技術、云計算等互聯網信息技術手段，囊括科學文獻數據庫、社交網絡、患者行為、藥物研發、生命科學研究等方面的大量生物醫學相關信息，構建一個內涵豐富、外延廣泛的病案信息共享平臺。
3.2制定符合大數據要求的病案標準
醫療健康大數據匯聚形成的基礎是標準化數據和規范化數據。2016年國家標準化管理委員會批準發布了«GB/T14396-2016疾病分類與代碼»，手術分類編碼國家標準亦在制定中，其目的就是為后期病案大數據管理作準備。對于病案中其他數據項，國家在2011年頒布新版病案首頁時，同時發布了相關標準，醫療機構病案統計管理部門應加強與臨床醫師溝通，定期在全院分�？平M織診斷和手術填寫培訓，針對各臨床專科易出現問題進行專項培訓，提高臨床醫生病歷書寫的標準化能力。病案統計管理人員要盡快學習和掌握上述應標準，推行使用標準編碼。另外，新形勢下應由國家衛生與健康行政管理部門組織力量，制定新的、符合大數據要求的病案標準，促進病案信息統計工作和醫療健康大數據的建設。
3.3加強隱私保護
目前，很多互聯網專家認為在將數據加入到大數據庫之前，通過電腦程序將患者能夠被識別的信息從醫療記錄中去除，可以克服傳統病案管理私隱保護不足的問題[9，10，13]。但是，由于缺乏獨特的識別信息，可能導致其他數據不能和研究的其他樣本整合，也不能進行某類人群的大范圍研究。而且去識別化過程本身需要處理可識別的信息，可能使患者信息在沒有經過知曉、同意和授權的情況下被其他人使用。此外，在現在的法律框架下，與去識別信息有關的研究也不受人體試驗研究相關規定約束、不受政府隱私法規的保護，類似基因信息等一些數據也很難做到合適的去識別化。所以，醫療健康大數據的隱私保護還有賴于在去識別化和加強隱私保護之間尋找到最佳平衡。
3.4積極采用現代信息技術記錄病案材料
為了形成對疾病或患者群的整體觀，連續收集同一數據(縱向數據)和結合多種類型的數據(如不同患者的醫保數據、社會人口學資料、EMRs等)都是非常必要的。而數據的廣泛存在性使得數據越來越多地以不同的形式，散布于不同的系統和平臺中。醫療大數據除了大數據所具有的“4V”特征外，還具有多態性、不完整性、時間性及冗余性等特征[14]。為了便于進行數據分析，需要解決數據的異構性及數據的質量問題，各方面產生的大數據有待進行有效的整合。因此，要積極采用現代信息技術，如電子掃描、微縮攝影、OCR文字識別、HDFS、大數據Web工具、云計算、Docker技術等，來記錄、統計病案材料。
3.5調整優化病案管理人員
面對醫療健康大數據的挑戰，要摒棄傳統，以大數據統計為基準調整優化病案管理團隊，應將統計學、檔案學背景人員占比調整到50%左右，并且需經過相關專業培訓考核;另外聘任30%計算機、互聯網等有關專業人員，解決日常統計相關問題，配合醫療機構、衛生行政部門進行數據管理;其次可以有20%左右的臨床、護理相關專業人員。科室內部實行輪轉制度，使工作人員熟悉所有崗位流程，了解數據走向，從源頭提高數據質量。
SCISSCIAHCI
