论文部分内容阅读
背景:随着我国加入WTO,医院所面临的外部环境正在发生迅速的变化,对医院的决策提出了更高的要求。面对这种趋势和变化,迫切需要新的工具和技术来帮助医院制定有效的决策,而目前的医院信息系统和联机事务处理却不具备这样强大的分析功能。采用数据仓库、联机分析处理和数据挖掘技术相结合建立的决策支持系统可部分解决以上问题,是目前最佳的解决方案。目的:通过构建维度丰富、粒度细化的数据仓库,并进行展现灵活的联机分析处理和相关主题的决策树、聚类数据挖掘,从而建立起一个可以充分满足医院管理者进行多维决策分析和数据深层次利用的决策支持系统。方法:本研究对部分医院管理决策者进行半结构化访谈,并结合文献分析法,确定系统的决策主题,以Microsoft SQL server 2000的Analysis service组件作为构建数据仓库、联机分析处理和数据挖掘的主要工具,运用系统分析和系统设计的方法进行决策支持系统的开发。本研究的数据资料来源于武汉市某卫生部属综合三级甲等医院信息系统2000—2003年历史数据库中与住院医疗相关的费用信息和病人医疗信息数据,及该医院信息系统的数据结构手册。结果:⑴本系统的决策主题确定为住院费用分析和住院诊疗质量分析。⑵系统详细地进行了医院管理数据仓库数据库的物理结构及逻辑模型的设计。⑶创建了具有时间、病种、性别、年龄、身份、科室、医生、费用类别、入院次数、入院病情、入院方式、手术情况、出院方式、治疗结果、费用段等十五个维度和具有住院人次数、手术人次数、平均住院天数、平均术前住院天数、次均住院总费用、次均药品费用、药品费构成比等三十三个度量值的住院费用分析多维数据集;创建了具有时间、性别、年龄、病种、诊断对照组、诊断符合情况、科室、医生、治疗结果九个维度和具有诊断符合率、治愈率、好转率、死亡率、急危重症抢救次数、急危重症抢救成功次数、急危重症抢救成功率、住院病种构成比等十二个度量值的住院诊疗质量分析多维数据集;分别对两个多维数据集的元数据进行了详细的描述。⑷通过Microsoft Excel的数据透视表选项与SQL server 2000 Analysis service服务器端连接,多维度、灵活、细化地进行了住院基本情况、费用构成、费用影响因素、诊疗质量四个主要方面的联机分析处理。⑸创建了住院费用影响因素决策树挖掘模型和住院病人分组聚类挖掘模型。住院费用影响因素决策树挖掘模型通过在“经诊医师”级别和“病人ID”级别下设十六个成员属性作为培训数据选项,分析出了影响住院费用的九个相关因素及相关性强弱。住院病人分组聚类挖掘模型根据患者的社会属性分作三个具有显著不同特性的自然聚类组,并对每个聚类组的属性特征进行了归纳分析。结论:⑴本研究构建的决策支持系统是数据仓库、联机分析处理、数据挖掘相结合的高层次的综合决策支持系统,三者集成,相互补充、相互依赖,发挥各自的优势,实现更有效的辅助决策。⑵本研究中数据仓库的维度、度量值和计算成员是根据卫生部2005年《医院管理评价指南》及2003年《第三次国家卫生服务总调查分析报告》设置的,保证了统计指标的科学性和实用性;病种维度是按照国际疾病分类标准编码ICD-10归类而成,由ICD-10主类、亚类、子类细化到具体的病种名称;患者维度由就诊科室、经诊医师细化到具体某一患病者。⑶本研究构建的决策支持系统功能明确、维度丰富、粒度细化、展现灵活,可充分满足医院管理决策者从不同维度对住院费用和诊疗质量进行深入细化的决策分析。住院费用分析多维数据集可完成整个医院、各科室、各医生的病人次均费用及费用构成分析,使医院决策者有针对性地采取措施来控制医疗费用;还可从多个维度进行各项医疗费用的动态趋势变化对比分析,找出医院收入增加或减少的原因。住院诊疗质量分析多维数据集可完成多维度的住院病人构成分析及各时期、各科室、常见病种各项医疗指标的多维度查询和动态趋势变化的潜在性规律分析,实现对疾病自然规律及医疗质量的分析,从而有利于医院决策者采取相应的管理措施,提高医院的工作效率和质量。