包小源① 俞国培① 黄新霆② 刘徽① 李岩③ 张俊①③④

①北京大学医学信息学中心

②北大医疗信息技术有限公司

③北京大学医院管理处

④北京大学第三医院神经内科

摘 要 随着医院信息化建设步伐的不断加快，信息化支撑下的医院管理水平、医疗水平不断迈上新的台阶，怎样进一步整合、深度利用区域内医院产生的大量的宝贵数据，充分结合国内适用广泛的病案首页数据，建设医疗质量跟踪与评价平台，促进临床科研水平和医疗质量的提高，降低医疗差错，具有非常重要的意义。

关键词 医疗质量、数据集成、评价指标

1 背景

运用医学大数据，构建“以人为本，以病人为中心”的质量安全服务评估体系，是目前医疗服务管理研究界的重要方向。

迄今，国外已建立了各种以丰富数据为基础的医院评价指标和综合评价方法。目前，有关国际组织提出了两个评价体系，即世界经济合作与发展组织的医疗质量指标项目（Health Care Quality Indicator Project, HCQI）和世界卫生组织的医院质量改进绩效评估工具（Performance Assessment Tool for Quality Improvement in Hospital，PATH)。而美国建立了各种各样的评价体系。最具影响力的是美国健康保健研究与质量署（Agency for Healthcare Research and Quality，AHRQ）所建立的评价体系。其他的评价体系还包括美国健康机构评价联合委员会（JCAHO）质量评价体系、美国波多里奇国家质量计划（BNQP）、美国马里兰医院评价体系、以及国际医疗质量指标体系（International Quality Indicator Project, IQIP）等。除了专业机构和组织以外，美国某些著名新闻及消费者媒体也建立了针对医院的评价方法，比如美国新闻与世界报道的医院评价方法、Thomson Reuters的Truven Health 100 顶尖医院的评价方法和消费者报告的医院评估方法等。除了上述国际组织和美国的医院评价体系和方法，目前比较有影响的还有澳大利亚卫生服务标准委员会（the Australian Council on Healthcare Standards, ACHS）的临床服务质量指标（Clinical Indicator Program，CIP）、英国卫生部的医院质量评价框架（UK QIP）、挪威的医院质量评价体系、以及丹麦的全国医院质量指标等。

在国内，随着新医改的不断深入发展和医院信息化的完成，我国政府管理部门以及医院管理专家开始研究探讨适合于自己国情的医院服务能力和医疗质量综合评估方法，特别是研讨如何建立以病人个体数据为基础的医院评价。根据国内医院数据状况，国家的医院评价项目组决定先从利用病人住院病案首页数据起步，然后逐步过渡到利用医院HIS数据，对医院医疗质量进行综合评价。用更具深度和内容的过程性数据，对医院之间疾病严重程度等差别和有关混杂因素进行控制，使医院评估的准确性和公平性能得以保证。

就我国各地区、医院的医疗信息建设进展和水平而言，在数据集成、共享平台的建设方面均有不同程度的进展。但是，面向医疗质量跟踪、评价、反馈的平台目前未有见诸论文或报道。实际上，随着全民医疗需求的更进一步增长，建立一个满足能实时跟踪、评价并可适时发布公认、公正评价结果的医疗质量跟踪平台，是满足我国提高全民医疗质量、促进医疗资源均匀分布规划实施的基础性、关键性工作。

鉴于以上现状，同时考虑充分利用我国在行政管理方面独特的优势，我们基于北京大学附属医院的整体优势，结合承担卫生部医疗质量评价所需的病案首页数据集成平台所积累的技术、数据和经验，对医疗质量评价与跟踪平台的建设的关键技术、平台研制进行了深入、长期的基础性探索工作，本论文就探索工作中涉及的数据集成与平台研发的关键技术进行简要介绍。说明一点，鉴于篇幅，我们对于指标的筛选、计算和标化等内容另文阐述，本文仅就数据集成和平台的相关内容进行介绍。

2 临床大数据深度集成关键技术

为了满足多角度评价模型对数据的需求，也为了能支持更广泛、高效的数据收集（尤其与医院各系统的实时对接），我们对医疗大数据的分布式深度集成进行了深入研究并研制了集成平台，我们关注的关键技术主要包括：差异化数据质量控制方法；不同来源数据并行集成的方法与技术，以及实时数据的抽取方法和质量的控制，以便使来自全国各地医院的复杂医疗大数据能更好地适应医院评价工作，下面分别作简要介绍：

2.1 面向不同分析模型的差异化数据质量控制 病案首页在我国临床医疗领域，迄今为止其标准性、遵从性、认可度、以及所填写信息均有广泛的适用性。到目前为止，被广泛使用的病案首页有两个版本:2012年之前的版本、2012年版本。前后两个版本在一些关键内容如：出入院时间、疾病诊断编码及名称、手术编码及名称、总费用及费用分布等基本相同。正是基于上述考虑，我们采用病案首页信息作为医院综合质量评价、临床专业科室质量评价的基础信息。

目前，各医院数据上报的病案首页，虽然采用了统一的数据内容和格式，但仍然会经常发生部分数据项缺失、差错、格式出错等各类错误。同时，由于不同分析模型对数据集合的需求不同，同时考虑到医院信息系统建设的水平参差不齐，如何实现对医院现有数据的最大化利用，以及交互式、渐进式的数据质量改进与控制，是我们需要重点关注的内容。

我们以单个指标的数据质量控制为单位，按评价模型建立数据质量监控和交互改进的机制，形成针对不同分析模型的差异化数据质量控制流程，使数据质量的改进更有针对性、医疗质量的分析更可靠。此基于病案首页的数据质量控制技术将会被进一步扩展应用于对其它医疗大数据源的质量控制。

2.2 医疗大数据深度集成关键技术 为了方便的对可能的过程性指标进行抽取、检验与应用，我们在北京大学附属医院临床数据的基础上，进行了深度数据集成与过程性指标的单指标分析预研。

围绕病人的就诊数据集成：以病人基本信息为主索引，将其每次门诊、住院的所有挂号、主诉、处方、检查检验、用药、手术、护理、医嘱、费用等信息分别按照类别、时间进行组织、存储，形成每个病人一棵事件树，并将事件树以XML格式存储在数据库的主索引表中（EMPI）为后期基于临床数据的科研、医院管理提供有力的数据支持。

基于事件树的过程指标分析与应用探索：以集成XML数据为基础，在病人主索引、疾病诊断、用药、处方、医嘱以及关键事件的时间序列信息等方面就重点疾病治疗模式、危重入院病例的治疗时间点序列等为切入点，进行候选数据的获取与融合、数据清洗与转换、基于统计模型的分析等各个环节进行了研究，为基于临床数据仓库的科研提供可行的流程、工具、算法和方法学基础。

3 医疗质量跟踪关键技术与平台研制

医疗质量评价的终极目标是对医院管理的改进施加积极的影响。我们研究并开发了初步的医疗质量跟踪平台，深入探索如何有效支持政府医院管理部门的医疗质量监控和医院医疗质量改进。具体内容包括：

3.1 关键指标实时、增量计算方法与问题定位机制 我们按照综合评价模型规定的关键指标所涉及的数据项，从医疗大数据中提取需要的各项数据，并对其进行基于形式化规则的数据标化，并按照既定模式将这些标化的数据进行融合，形成下一步计算的基础。同时，我们特别研制了在不影响医院数据源系统运行效率的前提下，实现基于变化数据捕捉、事务重演等技术的前置服务器包装器技术。

在标准化和集成的实时数据基础上，我们研制了关键指标的实时计算和问题定位功能，对死亡率、压疮、并发症、高发症等数据实现了增量的实时算法，并提出了对超过基准值的指标进行问题定位、详细病历数据钻取等方法和算法，实现高效的指标计算及问题定位工具模块。

3.2 基于Web2.0的实时反馈机制 各家医院需要在实现了安全机制（用户高级别安全机制认证、加密数据传输）的基础上，可随时查看本医院在各个质量指标的实时状况，对于出现异常情况的指标，可以通过我们提供的基于计算路径的数据钻取功能，直接定位到最原始的数据并提取相关信息，为医院进行及时的管理、技术方面的调整进行支撑。需要指出，这些都是在我们研发的基于Web2.0的平台上实时进行。

3.3医疗质量跟踪平台 在提供实时指标计算结果的同时，我们还研制了基于历史数据和现有数据的横向（医院之间比较）、纵向（医院自我比较）的各项指标坡度计算及比较方法和基础功能，设计了关键指标的改进意见反馈及效果评价机制，为医院提高医疗质量提供切实、具体、有效的基于数据支撑的建议和成效评价机制。以此为基础，研制了医疗质量跟踪平台的基础版本。

4 结论

我国多年来对医院医疗质量的评价大多以现场检查、专家打分的形式展开，对医院管理水平的提高和医疗质量的提高起到了非常积极的作用。但是，这一方法由于在很多环节由于主观因素的混杂，使得评价结果的说服力、对问题的根因分析、时效性等方面存在诸多不足，尤其对于医疗质量的能力、水平和效率缺乏量化的评价，都使得评价没有达到应有的作用：即评价不是目的，依据评价发现的问题而进行有针对性的改进，并进而促进医疗质量、效率和能力的逐步提高才是关键目标。以此目标为驱动，我们以全国病案首页数据为基础，在医疗质量综合评价方面进行了深入的研究，并在医疗质量评价和跟踪平台方面进行了长期的研究，本文从面向医疗质量评价的深度数据集成、医疗质量跟踪与评价平台的数据集成与融合、数据准备、数据质量控制、关键指标实时计算与反馈等关键技术方面，对我们已经开展工作进行了简要介绍，未来应用这些技术，将扩展到病案首页外的数据，并扩展质量评价的深度和广度，从而以大数据为基础来促进医疗质量的持续提高。

参考文献

[1] Alon Y. Levy, Anand Rajaraman, Joann J. Ordille.Querying Heterogeneous Information Sources Using Source Descriptions[C]. Proceedings of 22th International Conference on Very Large Data Bases(VLDB),Mumbai(Bombay),1996.

[2] 高玲玲,姜新萍.加强病案首页质量管理、提高医疗管理质量[J].齐齐哈尔医学院学报,2012, 33(17):2372.

[3] Harel O, Schisterman EF, Vexler A,et al. Monitoring quality control: can we get better data?[J].Epidemiology,2008,19(4):621-627

[4] Wright AJ, Kobus T, Selnaes KM,et al. Quality control of prostate 1 H MRSI data[J]. NMR in Biomedicine,2012,26(2):193-203.