談醫(yī)院檔案信息管理關(guān)鍵技術(shù)

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了談醫(yī)院檔案信息管理關(guān)鍵技術(shù)范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要：醫(yī)院檔案信息管理對(duì)于醫(yī)院運(yùn)營(yíng)管理而言至關(guān)重要。為探尋醫(yī)院檔案信息管理技術(shù)，此次研究使用WEKA（Waika－toEnvironmentforKnowledgeAnalysis）環(huán)境的線性回歸分析和K－means聚類(lèi)算法等數(shù)據(jù)挖掘技術(shù)，從數(shù)據(jù)倉(cāng)庫(kù)中提取出更能體現(xiàn)醫(yī)院價(jià)值取向的績(jī)效管理模型，最終得到的績(jī)效管理模型分為工作量績(jī)效模型和科室扶持模型，其中各科室工作量模型相關(guān)系數(shù)均大于0．5，扶持模型將科室依據(jù)工作環(huán)境分為6個(gè)類(lèi)簇?；貧w模型擬合性良好，聚類(lèi)結(jié)果與醫(yī)院實(shí)際情況較為符合，可以認(rèn)為基于數(shù)據(jù)挖掘技術(shù)的綜合績(jī)效模型具有一定的實(shí)用價(jià)值。

關(guān)鍵詞：檔案信息；數(shù)據(jù)挖掘；績(jī)效模型；線性回歸；K－means

引言

隨著醫(yī)療行業(yè)的信息化發(fā)展，醫(yī)院檔案信息系統(tǒng)中儲(chǔ)存著越來(lái)越多的各類(lèi)數(shù)據(jù)。采用數(shù)據(jù)挖掘?qū)θ唠s數(shù)據(jù)進(jìn)行有效管理，并從中提取出有價(jià)值的信息，能夠幫助管理層進(jìn)行決策，實(shí)現(xiàn)信息價(jià)值最大化［1］。醫(yī)院績(jī)效模型大多為profit×factor，即利潤(rùn)與主觀系數(shù)之積［2］。單純用利潤(rùn)作為績(jī)效考核的依據(jù)會(huì)打擊工作量大、工作難度高但利潤(rùn)低科室醫(yī)務(wù)工作者的積極性，以工作量作為績(jī)效考核依據(jù)更具有客觀性與普適性［3］。在此基礎(chǔ)上，對(duì)具有利潤(rùn)微薄、技術(shù)含量高、工作環(huán)境差等特殊情況的科室進(jìn)行額外獎(jiǎng)金補(bǔ)貼，能夠充分調(diào)動(dòng)醫(yī)護(hù)工作者工作積極性?；诖耍舜窝芯繉?duì)醫(yī)院檔案信息進(jìn)行數(shù)據(jù)挖掘，旨在從工作量和額外補(bǔ)貼兩方面入手，構(gòu)建更合理的醫(yī)院績(jī)效管理模型。

1醫(yī)院檔案信息數(shù)據(jù)挖掘績(jī)效管理

1．1工作量績(jī)效線性回歸數(shù)據(jù)挖掘模型

此次研究中醫(yī)院檔案信息管理數(shù)據(jù)挖掘模型的設(shè)計(jì)考慮用工作量代替收入來(lái)構(gòu)建績(jī)效模型，采用新模型得出的應(yīng)付獎(jiǎng)金總數(shù)需要與歷史水平相近。醫(yī)生工作量可以從HIS（HospitalInformationSystem）系統(tǒng)的項(xiàng)目開(kāi)單和病案管理系統(tǒng)中獲得。根據(jù)衛(wèi)健委最新規(guī)定，醫(yī)生績(jī)效評(píng)測(cè)不允許使用開(kāi)單數(shù)量作為依據(jù)［4］。為合理評(píng)測(cè)醫(yī)生工作量，將績(jī)效分為醫(yī)療項(xiàng)目績(jī)效與治療患者數(shù)績(jī)效，前者占70％，后者占30％。RBRVS是綜合考慮醫(yī)療資源消耗與不同手術(shù)相對(duì)價(jià)值的醫(yī)生薪酬計(jì)算方式，這種計(jì)算方式在歐美地區(qū)得到了廣泛的應(yīng)用［5］。此次研究采用RBRVS點(diǎn)數(shù)對(duì)工作量進(jìn)行評(píng)估，利用不同執(zhí)行項(xiàng)目的RBRVS點(diǎn)數(shù)計(jì)算醫(yī)療項(xiàng)目績(jī)效。為便于績(jī)效模型的獎(jiǎng)金控制，采用一元線性回歸建立不同科室的績(jī)效模型。以每個(gè)科室單一月度的項(xiàng)目點(diǎn)數(shù)作為自變量，將該科室該月度實(shí)發(fā)績(jī)效獎(jiǎng)金的70％作為因變量，使用WEKA進(jìn)行一元線性回歸方程擬合，獲得方程的斜率與截距。采取相同的方式對(duì)治療患者數(shù)績(jī)效進(jìn)行線性回歸分析，合并兩項(xiàng)得到最終的績(jī)效模型方程。為在既有績(jī)效管理系統(tǒng)中實(shí)現(xiàn)數(shù)據(jù)挖掘，使用WEKA智能分析環(huán)境進(jìn)行內(nèi)部集成，通過(guò)在Java中導(dǎo)入WEKA，并進(jìn)行接口調(diào)用。首先進(jìn)行順序圖設(shè)計(jì)，在服務(wù)層獲取數(shù)據(jù)倉(cāng)庫(kù)fact層中的項(xiàng)目點(diǎn)數(shù)、病案數(shù)據(jù)和歷史獎(jiǎng)金表單，將上述表單轉(zhuǎn)化為L(zhǎng)ist格式的數(shù)據(jù)庫(kù)訪問(wèn)對(duì)象集合，如圖1所示。業(yè)務(wù)邏輯層對(duì)服務(wù)層數(shù)據(jù)進(jìn)行調(diào)用，并獲得項(xiàng)目點(diǎn)數(shù)、病案數(shù)據(jù)和歷史獎(jiǎng)金三項(xiàng)數(shù)據(jù)庫(kù)訪問(wèn)對(duì)象信息，然后利用服務(wù)層進(jìn)行邏輯變化與組合對(duì)Arff文件進(jìn)行生成。最后將Arff格式分發(fā)給線性回歸模型轉(zhuǎn)換類(lèi)，將其轉(zhuǎn)換為線性回歸模型，并返回到業(yè)務(wù)邏輯層。然后對(duì)回歸模型進(jìn)行類(lèi)圖設(shè)計(jì)。類(lèi)圖包含OrgSummaryDao、OrgSummaryService、ISer－vice等類(lèi)包。將員工編號(hào)設(shè)為維度表主鍵，其余事實(shí)信息保存為數(shù)值格式或日期格式。由于服務(wù)層獲取了Fact層的ResultSet，并將其改為了數(shù)據(jù)庫(kù)訪問(wèn)對(duì)象，因此可以在服務(wù)層中提取出定義了QueryHelper的接口，用于對(duì)數(shù)據(jù)庫(kù)進(jìn)行編輯操作。業(yè)務(wù)層需要的服務(wù)如表1所示。其對(duì)應(yīng)的數(shù)據(jù)信息分別為醫(yī)療質(zhì)量、科室的業(yè)務(wù)和工作量RBRVS值。使用線性回歸模型轉(zhuǎn)換器進(jìn)行Arff形式的模型構(gòu)建，最后得出了slope與intercept屬性。將slope與intercept屬性匯總，得到每個(gè)科室的績(jī)效線性回歸方程。

1．2科室扶持

K－means聚類(lèi)數(shù)據(jù)挖掘模型對(duì)兩千多名中國(guó)醫(yī)生進(jìn)行薪酬收入與工作量匹配度調(diào)查［6］，結(jié)果如圖2所示。醫(yī)院各大科室中公認(rèn)最累、壓力最大的部分科室中，急診科的薪資僅超過(guò)平均線0．85萬(wàn)元，而兒科薪酬甚至沒(méi)有達(dá)到各科室的平均標(biāo)準(zhǔn)［7］。考慮到部分科室的工作環(huán)境較為苛刻，工作壓力較大，單純以工作量計(jì)算績(jī)效依然具有一定的片面性［8］。為深化醫(yī)院績(jī)效模式的改革，可以從學(xué)科價(jià)值、勞動(dòng)強(qiáng)度、技術(shù)含量、精神壓力、職業(yè)傷害等多角度入手，建立科室扶持模型，對(duì)工作量績(jī)效模型進(jìn)行進(jìn)一步修正，以提升績(jī)效模型的合理性。為建立科室扶持模型，要先對(duì)不同科室的工作內(nèi)容和工作環(huán)境等因素進(jìn)行分析，將科室分為不同的扶持等級(jí)，并根據(jù)不同的扶持等級(jí)設(shè)定不同的獎(jiǎng)金計(jì)算方法。采用K－means算法對(duì)醫(yī)生與護(hù)士的科室進(jìn)行主觀和客觀的評(píng)價(jià)，對(duì)不同科室與醫(yī)護(hù)類(lèi)別進(jìn)行分析。以護(hù)士評(píng)價(jià)為例，結(jié)合護(hù)士工作中各項(xiàng)因素，獲得包含10個(gè)參數(shù)的科室扶持屬性。其中噪音污染、職業(yè)風(fēng)險(xiǎn)、技術(shù)難度、生理勞累、職業(yè)傷害、職業(yè)暴露、硬件環(huán)境、心理勞累8項(xiàng)因素采取專家評(píng)分的方式進(jìn)行評(píng)價(jià)。用藥收入、急診人數(shù)等數(shù)據(jù)信息從HIS系統(tǒng)中調(diào)取。將專家評(píng)分意見(jiàn)與所需的HIS系統(tǒng)數(shù)據(jù)進(jìn)行合并，即可形成該科室護(hù)理人員的科室扶持屬性，對(duì)各科室的科室扶持屬性進(jìn)行聚類(lèi)分析，以獲得不同科室的扶持等級(jí)?；赪EKA的K－means聚類(lèi)模型構(gòu)建方法與一元回歸模型類(lèi)似，由NurseClassifyBusiness生成Arff形式的WE－KAK－means數(shù)據(jù)，再將Arff文件傳遞給K－means模型轉(zhuǎn)換器，調(diào)用WEKA的API文件，使其轉(zhuǎn)換為K－means模型。

2數(shù)據(jù)挖掘結(jié)果分析

2．1工作量績(jī)效模型

選取某醫(yī)院2018年12月至2019年9月各科室各月項(xiàng)目績(jī)效、接待患者人數(shù)與對(duì)應(yīng)實(shí)發(fā)績(jī)效獎(jiǎng)金數(shù)據(jù)，應(yīng)用于WEKA一元線性回歸模型，分別建立各科室項(xiàng)目績(jī)效回歸方程與接待患者人數(shù)回歸方程，并合并為該科室的工作量績(jī)效模型回歸方程。某科室項(xiàng)目績(jī)效回歸分析圖，如圖3所示。從圖3中可以看出該科室的月項(xiàng)目點(diǎn)數(shù)與70％績(jī)效獎(jiǎng)金大致呈線性分布，且各月數(shù)據(jù)散點(diǎn)均勻分布在擬合線兩側(cè)。由回歸擬合可以看出，該科室的項(xiàng)目績(jī)效方程為y＝11．279x－13670，其中y表示70％績(jī)效獎(jiǎng)金／元，x表示當(dāng)月該科室項(xiàng)目點(diǎn)數(shù)。R2為0．9404，即該回歸分析擬合程度較高。在如圖3所示項(xiàng)目點(diǎn)數(shù)回歸分析的基礎(chǔ)上繼續(xù)計(jì)算患者人數(shù)回歸方程，并推廣到醫(yī)院的12個(gè)主要科室，得到12條工作量績(jī)效一元線性回歸曲線，如圖4所示。當(dāng)相關(guān)系數(shù)取值介于0．5到1時(shí)，認(rèn)為該科室工作量績(jī)效模型合理。這12個(gè)科室中線性回歸模型相關(guān)系數(shù)最低的是骨科，其相關(guān)系數(shù)為0．51。相關(guān)系數(shù)最高的是神經(jīng)外科，其相關(guān)系數(shù)達(dá)到了0．84。因此可以認(rèn)為這些科室的工作量績(jī)效一元線性回歸模型較為合理。運(yùn)用全院所有科室綜合數(shù)據(jù)，將醫(yī)院作為一個(gè)整體進(jìn)行工作量績(jī)效一元線性回歸分析。最終獲得的回歸方程為y＝4．83x＋490703．88，其中y表示績(jī)效獎(jiǎng)金／元，x表示當(dāng)月全院工作量。全院工作量一元線性回歸方程相關(guān)系數(shù)為0．88，可以看出醫(yī)院整體工作量與績(jī)效大致呈線性關(guān)系，采用一元回歸分析進(jìn)行工作量績(jī)效擬合適用性較高。

2．2科室扶持模型

使用K－means模型對(duì)護(hù)士環(huán)境進(jìn)行扶持等級(jí)聚類(lèi)分析，使用同簇距離來(lái)對(duì)聚類(lèi)結(jié)果進(jìn)行評(píng)價(jià)。通過(guò)對(duì)seed值的調(diào)整，發(fā)現(xiàn)seed值取139時(shí)能夠得到最短的同簇距離，此時(shí)同簇距離為82．582。使用WEKA中seed取139的K－means聚類(lèi)算法，通過(guò)對(duì)工作強(qiáng)度、技術(shù)難度、硬件條件、工作環(huán)境、工作壓力等指標(biāo)進(jìn)行聚類(lèi)，得出聚類(lèi)結(jié)果如表2所示。表2顯示的類(lèi)簇中包含的一系列科室具有相似的工作強(qiáng)度、技術(shù)難度、硬件條件、工作環(huán)境與工作壓力。神經(jīng)外科、心外科和新生兒監(jiān)護(hù)中心是各大醫(yī)院壓力最大的科室，其中神經(jīng)外科與新生兒監(jiān)護(hù)中心工作強(qiáng)度與工作壓力極大。呼吸內(nèi)科、放療科和感染性疾病科工作強(qiáng)度也較高，且這些科室的職業(yè)暴露和職業(yè)傷害情況也較為嚴(yán)重。類(lèi)簇5中科室的工作強(qiáng)度弱于類(lèi)簇1和類(lèi)簇4，且其工作環(huán)境相較于類(lèi)簇1和類(lèi)簇4的科室更加優(yōu)越。在實(shí)際扶持等級(jí)績(jī)效獎(jiǎng)金的制定中，應(yīng)優(yōu)先考慮類(lèi)簇1和類(lèi)簇4所包含的科室，而類(lèi)簇5的科室應(yīng)給予相對(duì)更少的獎(jiǎng)金。

3總結(jié)

醫(yī)院規(guī)模的擴(kuò)張加劇了醫(yī)院檔案信息管理的難度，運(yùn)用計(jì)算機(jī)技術(shù)手段對(duì)醫(yī)院檔案信息進(jìn)行現(xiàn)代化管理能夠大幅提升醫(yī)院檔案信息管理效率。為探究醫(yī)院檔案信息管理技術(shù)，此次研究以WEKA工具的調(diào)用為基礎(chǔ)，基于醫(yī)院歷史績(jī)效設(shè)計(jì)了新的績(jī)效模型。運(yùn)用一元回歸分析構(gòu)建了包含項(xiàng)目工作量點(diǎn)數(shù)和接待患者數(shù)的工作量績(jī)效模型，并運(yùn)用K－means算法構(gòu)建了科室扶持聚類(lèi)模型。獲得的全院整體工作量績(jī)效回歸模型相關(guān)系數(shù)達(dá)到了0．88，各科室分別的相關(guān)系數(shù)分布在0．51至0．84間，證明了工作量模型擬合效果較好?？剖曳龀志垲?lèi)模型依照不同的工作環(huán)境將科室分為6組，其中工作壓力較大的科室為一組，工作環(huán)境較優(yōu)越的科室為一組，面臨職業(yè)風(fēng)險(xiǎn)的科室為一組，分組情況與實(shí)際情況較為吻合。因此可以認(rèn)為數(shù)據(jù)挖掘技術(shù)在醫(yī)院檔案信息管理中具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。此次研究中工作量績(jī)效回歸模型的項(xiàng)目點(diǎn)數(shù)部分采用的評(píng)測(cè)方式是基于美國(guó)醫(yī)生工作情況設(shè)計(jì)的RBRVS點(diǎn)數(shù)，與國(guó)內(nèi)情況可能存在一定程度上的差異。在今后的工作中，可以通過(guò)對(duì)RBRVS點(diǎn)數(shù)的修正以改進(jìn)工作量績(jī)效回歸模型。

參考文獻(xiàn)

［1］梁秀林，侯紅英．醫(yī)院HRP與HIS系統(tǒng)收入數(shù)據(jù)業(yè)財(cái)融合接口平臺(tái)實(shí)戰(zhàn)探索［J］．中國(guó)衛(wèi)生經(jīng)濟(jì)，2019，38（6）：87－90．

［2］李想，蘇玉成，楊艷華，等．HIS數(shù)據(jù)庫(kù)跨版本跨平臺(tái)遷移［J］．中國(guó)醫(yī)療設(shè)備，2018，33（9）：122－124．

［3］緱文海，姜冰，邵耀來(lái)，等．醫(yī)院疾病監(jiān)測(cè)上報(bào)系統(tǒng)的設(shè)計(jì)和應(yīng)用［J］．中國(guó)醫(yī)療設(shè)備，2018，33（5）：130－132．

［4］魯波，李美平，任麗芳，等．應(yīng)用二級(jí)庫(kù)電子系統(tǒng)管理病理科危險(xiǎn)化學(xué)品的效果評(píng)價(jià)［J］．中華病理學(xué)雜志，2019，48（12）：995－996．

［5］高學(xué)琴，蘆鴻雁，羅葆華，等．基于HIS護(hù)理不良事件上報(bào)系統(tǒng)的構(gòu)建和應(yīng)用［J］．護(hù)理學(xué)雜志，2018，33（14）：14－16．

［6］邢魯民，徐民，李翠榮．基于醫(yī)院信息化系統(tǒng)的科研績(jī)效數(shù)據(jù)平臺(tái)建設(shè)及應(yīng)用研究［J］．中國(guó)醫(yī)學(xué)裝備，2018，15（10）：131－134．

［7］江濤，王雯婷，胡煒，等．基于RBRVS理念的醫(yī)院績(jī)效獎(jiǎng)金核算系統(tǒng)設(shè)計(jì)與應(yīng)用［J］．中國(guó)數(shù)字醫(yī)學(xué)，2019，14（4）：60－62．

［8］徐艷，馬靚，顧秋雨，等．多系統(tǒng)聯(lián)動(dòng)護(hù)理績(jī)效考核信息系統(tǒng)的構(gòu)建及應(yīng)用［J］．護(hù)理學(xué)雜志，2019，34（12）：69－72．

作者：李娣 單位：安陽(yáng)市人民醫(yī)院