談醫(yī)院檔案信息管理關(guān)鍵技術(shù)

前言：想要寫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，希望能給你帶來靈感和參考，敬請閱讀。

摘要：醫(yī)院檔案信息管理對于醫(yī)院運營管理而言至關(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聚類算法等數(shù)據(jù)挖掘技術(shù)，從數(shù)據(jù)倉庫中提取出更能體現(xiàn)醫(yī)院價值取向的績效管理模型，最終得到的績效管理模型分為工作量績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個類簇。回歸模型擬合性良好，聚類結(jié)果與醫(yī)院實際情況較為符合，可以認為基于數(shù)據(jù)挖掘技術(shù)的綜合績效模型具有一定的實用價值。

關(guān)鍵詞：檔案信息；數(shù)據(jù)挖掘；績效模型；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)中儲存著越來越多的各類數(shù)據(jù)。采用數(shù)據(jù)挖掘?qū)θ唠s數(shù)據(jù)進行有效管理，并從中提取出有價值的信息，能夠幫助管理層進行決策，實現(xiàn)信息價值最大化［1］。醫(yī)院績效模型大多為profit×factor，即利潤與主觀系數(shù)之積［2］。單純用利潤作為績效考核的依據(jù)會打擊工作量大、工作難度高但利潤低科室醫(yī)務(wù)工作者的積極性，以工作量作為績效考核依據(jù)更具有客觀性與普適性［3］。在此基礎(chǔ)上，對具有利潤微薄、技術(shù)含量高、工作環(huán)境差等特殊情況的科室進行額外獎金補貼，能夠充分調(diào)動醫(yī)護工作者工作積極性。基于此，此次研究對醫(yī)院檔案信息進行數(shù)據(jù)挖掘，旨在從工作量和額外補貼兩方面入手，構(gòu)建更合理的醫(yī)院績效管理模型。

1醫(yī)院檔案信息數(shù)據(jù)挖掘績效管理

1．1工作量績效線性回歸數(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)計考慮用工作量代替收入來構(gòu)建績效模型，采用新模型得出的應(yīng)付獎金總數(shù)需要與歷史水平相近。醫(yī)生工作量可以從HIS（HospitalInformationSystem）系統(tǒng)的項目開單和病案管理系統(tǒng)中獲得。根據(jù)衛(wèi)健委最新規(guī)定，醫(yī)生績效評測不允許使用開單數(shù)量作為依據(jù)［4］。為合理評測醫(yī)生工作量，將績效分為醫(yī)療項目績效與治療患者數(shù)績效，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)相對價值的醫(yī)生薪酬計算方式，這種計算方式在歐美地區(qū)得到了廣泛的應(yīng)用［5］。此次研究采用RBRVS點數(shù)對工作量進行評估，利用不同執(zhí)行項目的RBRVS點數(shù)計算醫(yī)療項目績效。為便于績效模型的獎金控制，采用一元線性回歸建立不同科室的績效模型。以每個科室單一月度的項目點數(shù)作為自變量，將該科室該月度實發(fā)績效獎金的70％作為因變量，使用WEKA進行一元線性回歸方程擬合，獲得方程的斜率與截距。采取相同的方式對治療患者數(shù)績效進行線性回歸分析，合并兩項得到最終的績效模型方程。為在既有績效管理系統(tǒng)中實現(xiàn)數(shù)據(jù)挖掘，使用WEKA智能分析環(huán)境進行內(nèi)部集成，通過在Java中導(dǎo)入WEKA，并進行接口調(diào)用。首先進行順序圖設(shè)計，在服務(wù)層獲取數(shù)據(jù)倉庫fact層中的項目點數(shù)、病案數(shù)據(jù)和歷史獎金表單，將上述表單轉(zhuǎn)化為List格式的數(shù)據(jù)庫訪問對象集合，如圖1所示。業(yè)務(wù)邏輯層對服務(wù)層數(shù)據(jù)進行調(diào)用，并獲得項目點數(shù)、病案數(shù)據(jù)和歷史獎金三項數(shù)據(jù)庫訪問對象信息，然后利用服務(wù)層進行邏輯變化與組合對Arff文件進行生成。最后將Arff格式分發(fā)給線性回歸模型轉(zhuǎn)換類，將其轉(zhuǎn)換為線性回歸模型，并返回到業(yè)務(wù)邏輯層。然后對回歸模型進行類圖設(shè)計。類圖包含OrgSummaryDao、OrgSummaryService、ISer－vice等類包。將員工編號設(shè)為維度表主鍵，其余事實信息保存為數(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)庫訪問對象，因此可以在服務(wù)層中提取出定義了QueryHelper的接口，用于對數(shù)據(jù)庫進行編輯操作。業(yè)務(wù)層需要的服務(wù)如表1所示。其對應(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，得到每個科室的績效線性回歸方程。

1．2科室扶持

K－means聚類數(shù)據(jù)挖掘模型對兩千多名中國醫(yī)生進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)院各大科室中公認最累、壓力最大的部分科室中，急診科的薪資僅超過平均線0．85萬元，而兒科薪酬甚至沒有達到各科室的平均標準［7］。考慮到部分科室的工作環(huán)境較為苛刻，工作壓力較大，單純以工作量計算績效依然具有一定的片面性［8］。為深化醫(yī)院績效模式的改革，可以從學(xué)科價值、勞動強度、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，對工作量績效模型進行進一步修正，以提升績效模型的合理性。為建立科室扶持模型，要先對不同科室的工作內(nèi)容和工作環(huán)境等因素進行分析，將科室分為不同的扶持等級，并根據(jù)不同的扶持等級設(shè)定不同的獎金計算方法。采用K－means算法對醫(yī)生與護士的科室進行主觀和客觀的評價，對不同科室與醫(yī)護類別進行分析。以護士評價為例，結(jié)合護士工作中各項因素，獲得包含10個參數(shù)的科室扶持屬性。其中噪音污染、職業(yè)風險、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項因素采取專家評分的方式進行評價。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。將專家評分意見與所需的HIS系統(tǒng)數(shù)據(jù)進行合并，即可形成該科室護理人員的科室扶持屬性，對各科室的科室扶持屬性進行聚類分析，以獲得不同科室的扶持等級。基于WEKA的K－means聚類模型構(gòu)建方法與一元回歸模型類似，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工作量績效模型

選取某醫(yī)院2018年12月至2019年9月各科室各月項目績效、接待患者人數(shù)與對應(yīng)實發(fā)績效獎金數(shù)據(jù)，應(yīng)用于WEKA一元線性回歸模型，分別建立各科室項目績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效模型回歸方程。某科室項目績效回歸分析圖，如圖3所示。從圖3中可以看出該科室的月項目點數(shù)與70％績效獎金大致呈線性分布，且各月數(shù)據(jù)散點均勻分布在擬合線兩側(cè)。由回歸擬合可以看出，該科室的項目績效方程為y＝11．279x－13670，其中y表示70％績效獎金／元，x表示當月該科室項目點數(shù)。R2為0．9404，即該回歸分析擬合程度較高。在如圖3所示項目點數(shù)回歸分析的基礎(chǔ)上繼續(xù)計算患者人數(shù)回歸方程，并推廣到醫(yī)院的12個主要科室，得到12條工作量績效一元線性回歸曲線，如圖4所示。當相關(guān)系數(shù)取值介于0．5到1時，認為該科室工作量績效模型合理。這12個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)達到了0．84。因此可以認為這些科室的工作量績效一元線性回歸模型較為合理。運用全院所有科室綜合數(shù)據(jù)，將醫(yī)院作為一個整體進行工作量績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表示績效獎金／元，x表示當月全院工作量。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)院整體工作量與績效大致呈線性關(guān)系，采用一元回歸分析進行工作量績效擬合適用性較高。

2．2科室扶持模型

使用K－means模型對護士環(huán)境進行扶持等級聚類分析，使用同簇距離來對聚類結(jié)果進行評價。通過對seed值的調(diào)整，發(fā)現(xiàn)seed值取139時能夠得到最短的同簇距離，此時同簇距離為82．582。使用WEKA中seed取139的K－means聚類算法，通過對工作強度、技術(shù)難度、硬件條件、工作環(huán)境、工作壓力等指標進行聚類，得出聚類結(jié)果如表2所示。表2顯示的類簇中包含的一系列科室具有相似的工作強度、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)護中心工作強度與工作壓力極大。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)傷害情況也較為嚴重。類簇5中科室的工作強度弱于類簇1和類簇4，且其工作環(huán)境相較于類簇1和類簇4的科室更加優(yōu)越。在實際扶持等級績效獎金的制定中，應(yīng)優(yōu)先考慮類簇1和類簇4所包含的科室，而類簇5的科室應(yīng)給予相對更少的獎金。

3總結(jié)

醫(yī)院規(guī)模的擴張加劇了醫(yī)院檔案信息管理的難度，運用計算機技術(shù)手段對醫(yī)院檔案信息進行現(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)院歷史績效設(shè)計了新的績效模型。運用一元回歸分析構(gòu)建了包含項目工作量點數(shù)和接待患者數(shù)的工作量績效模型，并運用K－means算法構(gòu)建了科室扶持聚類模型。獲得的全院整體工作量績效回歸模型相關(guān)系數(shù)達到了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。科室扶持聚類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)風險的科室為一組，分組情況與實際情況較為吻合。因此可以認為數(shù)據(jù)挖掘技術(shù)在醫(yī)院檔案信息管理中具有較強的實際應(yīng)用價值。此次研究中工作量績效回歸模型的項目點數(shù)部分采用的評測方式是基于美國醫(yī)生工作情況設(shè)計的RBRVS點數(shù)，與國內(nèi)情況可能存在一定程度上的差異。在今后的工作中，可以通過對RBRVS點數(shù)的修正以改進工作量績效回歸模型。

參考文獻

［1］梁秀林，侯紅英．醫(yī)院HRP與HIS系統(tǒng)收入數(shù)據(jù)業(yè)財融合接口平臺實戰(zhàn)探索［J］．中國衛(wèi)生經(jīng)濟，2019，38（6）：87－90．

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

［3］緱文海，姜冰，邵耀來，等．醫(yī)院疾病監(jiān)測上報系統(tǒng)的設(shè)計和應(yīng)用［J］．中國醫(yī)療設(shè)備，2018，33（5）：130－132．

［4］魯波，李美平，任麗芳，等．應(yīng)用二級庫電子系統(tǒng)管理病理科危險化學(xué)品的效果評價［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護理不良事件上報系統(tǒng)的構(gòu)建和應(yīng)用［J］．護理學(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)的科研績效數(shù)據(jù)平臺建設(shè)及應(yīng)用研究［J］．中國醫(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)院績效獎金核算系統(tǒng)設(shè)計與應(yīng)用［J］．中國數(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)動護理績效考核信息系統(tǒng)的構(gòu)建及應(yīng)用［J］．護理學(xué)雜志，2019，34（12）：69－72．

作者：李娣 單位：安陽市人民醫(yī)院