基于BI的医院临床科室综合运营评价模型的设计与实现
来源:用户上传
作者:
摘要：通过搭建高性能的数据仓库，利用数据挖掘相关技术结合运营指标构建院科两级综合运营评价模型，帮助医院管理者充分利用医院业务数据，更加高效的对医院各科室的运营情况进行客观评价，帮助科室发现在运营过程中存在的问题，并为后续的医院发展方向提供决策支持。
关键词：商业智能;数据仓库;医院管理;决策支持
中图分类号：TP311.52 文献标识码：A DOI：10.3969/j.issn.1006-1959.2019.08.006
文章编号：1006-1959（2019）08-0019-03
Abstract：By building a high-performance data warehouse， using data mining related technology combined with operational indicators to build a two-level comprehensive operational evaluation model of the hospital， to help hospital administrators make full use of hospital business data， and more objectively and efficiently evaluate the operation of hospital departments. Help the department to identify problems in the operation process and provide decision support for the subsequent hospital development direction.
Key words：Business intelligence;Data warehouse;Hospital management;Decision support
近年来随着医院信息化建设的飞速发展，尤其是国家电子病历等级评审的要求，医院的信息系统不断深化着应用的范围，在提升医院工作效率，方便患者就医的同时，也积累了海量的业务数据[1]。随着大数据技术的不断发展，商业智能（BI）的不断成熟，快速、准确的获取有用的数据，结合各类算法直接获得分析结果是未来大数据应用的主流方向[2]。本文主要探讨利用BI技术从医院不同业务系统对数据进行抽取、清洗、加载，形成面向主题的数据仓库，并最终通过引入密切值算法，完成医院临床科室综合运营评价模型的设计。
1 BI及其关键技术
1.1数据仓库 数据仓库是将不同业务系统中分散的数据，经过抽取、清洗及转换（extract-transform-load，ETL）后根据数据分析的要求加载到数据仓库中，为后续数据分析建模做准备[3]。其中，ETL技术是数据仓库技术的核心，通过ETL处理抽取各业务系统中的数据，并通过数据一致性检查、异构数据源标准化处理、缺失数据处理等技术将各系统数据整合到同一主题数据仓库中。数据仓库独立于业务系统数据库之外，在数据仓库中进行数据查询时不会对医院正常业务的产生任何影响，同时与面向事务设计的业务数据库相比，面向主题设计的数据仓库在数据分析决策的应用上，查询效率有极大的提升。
1.2数据挖掘 数据挖掘是通过各类算法从海量数据中获取潜在的信息和知识的过程[4]。数据挖掘技术是大数据时代统计学的技术延伸，同时也与近年来热门的人工智能、模式识别和机器学习的搜索算法和建模技术有着一定的联系。包括关联和聚类等描述性挖掘方法及分类，以及回归等预测性挖掘方法，数据挖掘的最终目标是根据需求选择合适的分析方法从海量数据中挖掘出有价值的信息[5]。
2密切值算法基本原理
密切值法是一种常用的多目标决策分析方法，适用于多项指标的综合评价，其数据模型简单易懂、评价结果客观合理，因而在績效评价、公共卫生、医疗质量等多个领域都有广泛应用[6]。密切值法在面对多目标、多维度的指标时，对于同时存在正向指标（即数值越高越好，如业务工作量）和负向指标（即数值越低越好，如药占比）的进行标准化处理，可以得出各评价指标的“最优点”和“最劣点”，并通过计算每个评价对象与“最优点”及“最劣点”的距离，最后得到的密切值的大小可以排出各评价对象的优劣顺序[7]。医院有n个临床科室，每个临床科室有m个评价指标，构建原始数据指标矩阵：
（i=1，2，…，m;j=1，2，…，n），aij是第i个科室第j个指标的原始数据
对原始数据矩阵做同向化处理：当评价指标为正向指标时（如业务收入、手术量等），数值取正值;当评价指标为负向指标时（如药占比、平均住院日），数值取负值。
对不同的指标做标准化处理（如门诊人次、床位使用率），使不同单位或量级的指标可以统一标准。
从标准化矩阵中找到“最优点”D+及“最劣点”D-，代表每一项指标的最高分集合和最低分集合。
最优点D+=（r1+，r2+，…rm+）
最劣点D-=（r1-，r2-，…rm-）
计算出各科室的密切值，密切值Ci越小，代表科室各项指标距离最优点越近，距离最劣点越远，综合评价越高。 3医院临床科室综合运营评价模型的实现
系统整体采用SAP Business Objects技术架构，ETL工具采用SAP DATA Services、前端展现工具采用SAP BO Dashboard 以及WEBI Intelligence，数据库使用SAP HANA高性能内存数据库，便于密切值算法通过集成R语言进行实时处理。
从层次上，系统架构分成数据层、分析层、以及展现层3层，见图1。整个流程通过ETL工具DATA Services从各业务系统中提取源数据，清洗后加载入数据仓库为数据分析做准备。之后集成R语言工具构建密切值算法模型，通过联机在线分析的形式完成数据的实时运算，最终以Dashboard仪表盘以及WEBI报表的形式展示给用户。
4医院临床科室综合运营评价模型的应用效果
医院临床科室的运营管理一直以来都是医院管理中的难点，临床科室作为公立医院的业务单元，存在着各科室间工作指标种类繁多、不同级别年限医生之间工作内容不尽相同等特点，很难通过简单的指标完成对不同科室、不同医生之间的综合客观评价，往往传统医院管理中只能通过院科两级管理模式，通过医院管理这主观感受对临床科室进行粗放式管理，而无法做到真正精细化[8]。在医院临床科室综合运营评价模型中，我们从收入收益能力（收入、成本、收入成本比）、病种难度[病例组合指数（CMI）、费用效率指数、时间效率指数]、工作效率（门诊量、出院人数、手术例数）、医疗质量（病历质量、临床路径、手术安全）、控制能力（药占比、门诊均次、住院均次）5个方面选取15项易于量化统计的指标对科室进行综合评价。最终通过密切值算法算得每个科室综合评价指数，指数越小，代表科室在5个方面15个指标的是综合完成情况最优[9]。本研究以某三甲医院2016年全年数据为基础，通过计算后后得出科室综合排名情况，排名结果与各项指标的实际完成情况密切相关（图2），同时模型提供深度挖掘功能，可以精细化定位到不同指标，深入发现指标完成不达标的深层原因（图3）。
5总结
从医院精细化管理的实际需求出发，利用BI技术结合密切值算法这一多目标决策算法，通过搭建医院临床科室综合评价模型，有效的将海量业务数据转化为最终的科室综合评价排名，同时利用BI的深度挖掘功能来帮助医院管理者发现运营不善的重点因素。模型的改进往往需要随着政府政策文件和医院发展战略管理要求，修改指标定义并引入权重因素，通过对不同指标赋予不同权重，获得加权后的科室综合排名，可以更加有效的引导科室重点发展病种难度等政策相关指标，从而帮助医院真正做到数据支撑院科两级精细化管理，帮助医院在未来的市场竞争中占得先机。
参考文献：
[1]林亚忠，林顺和，陈加强，等.医疗决策支持系统的构建及应用研究[J].医疗卫生装备，2015，36（4）：117-119.
[2]何彩升，彭望清，章向宏，等.基于数据仓库技术的医院管理决策支持系统的研究[J].现代医院，2010，10（2）：1-4.
[3]夏新，刘博，王珏，等.大数据分析在医院医保管理中的应用研究[J].中国数字医学，2017，12（1）：9-11.
[4]冯东雷.医疗健康大数据技术路线和方法论初探[J].e医疗，2014（6）：44-45.
[5]邹昶.密切值法综合评价分析临床科室营运绩效[J].北方经贸，2013，11（2）：141-142.
[6]王珏，刘博，夏新，等.医保决策支持系统的设计和应用[J].医疗卫生装备，2014，35（9）：65-67.
[7]王文文，周濤，陆惠玲，等.基于聚类和支持向量机的胃癌患者住院费用建模研究[J].中国初级卫生保健，2016，30（2）：1-3.
[8]唐晓东，李顺飞，罗娟.决策支持系统在医院应用中存在的问题分析[J].解放军医院管理杂志，201l，18（6）：533-534.
[9]陆易，黄正行，俞思伟，等.临床医疗大数据研究现状与展望[J].医疗卫生装备，2017，38（3）：112-115.
收稿日期：2018-12-31;修回日期：2019-1-23
编辑/杨倩
基金项目：上海市浦东新区卫计委卫生行业科研专项资助（编号：PW2013E-1）
作者简介：王珏（1988.3-），男，浙江绍兴人，硕士研究生，助理工程师，主要从事医疗大数据、数据挖掘的研究
通讯作者：许朝晖（1968.9-），男，上海人，硕士，研究员，主要从事医院运营绩效、信息化和设备管理的研究
转载注明来源:https://www.xzbu.com/1/view-14801224.htm
