鼻病毒感染容易喘嗎
鼻病毒感染一般不會直接導致喘息，但可能誘發原有呼吸道疾病加重而出現喘息。鼻病毒感染屬于常見上呼吸道感染病原體，主要引起鼻塞、流涕等普通感冒癥狀。健康人群
導語：隨著醫療數字化發展速度加快，關于如何做好數據治理的這一問題，也成為推動醫療數字化轉型路上亟待解決的問題之一。而要想解決這一問題，你首先需要了解醫療機構數據治理的具體環節。
近幾年來，醫療機構的數字化進程明顯加快，機構內的信息系統越來越多、電子病歷不斷普及、各方面業務的數字化基本實現……與之相伴隨而來的，是海量待挖掘應用的數據。
艾瑞咨詢發布的《2022年中國醫療信息化行業研究報告》指出，現階段我國整體醫療數據應用水平較低。三級醫院具備基礎的數據資源整合和應用能力，但對于數據進一步的分析處理能力還有待加強；而三級以下醫院超過半數未開展對于醫療數據的應用業務，且整體應用能力較之三級醫院有較大差距。
醫療數據應用難，成為了橫隔在醫療機構數字化進程中的一道難題。
醫療健康大數據主要可分為四大類：
診療輔助類：包括亞健康及患病人群通過醫療機構、第三方檢驗機構或網絡平臺參與病情的咨詢、預約、診斷、治療等過程所產生的醫療數據。
健康監測類：指基于移動物聯網對個人身體體征及日常行為進行監測的生命體征類數據，常被應用于慢性病患者的自我管理。
公共衛生類：主要指區域性的醫療服務平臺、公共衛生信息系統等產生的醫療數據。
定向生物醫學類：主要是關于新藥品研發、生物標本和基因測序的信息，多應用于個性診療、精準醫療、臨床藥物實驗等醫學研究。
由于這4類數據來源以及作用效果復雜，而且部分醫療數據帶有主觀性質，醫療信息存在明顯的階段性特征；再加之疾病的發生和發展過程及醫學影像、病理等信息有很強的時間維度屬性，床旁監護等儀器產生的數據也具有很強的時效性；信息孤島、信息煙囪及疾病的多發性常導致醫療數據存在大量垃圾數據，如常見病病情描述、慢性病患者的重復性檢查等，造成了醫療數據的冗余……
這些醫療大數據的典型特性也為其治理應用加大了難度。
健康界研究院發布的《中國智慧醫療2021十大發展趨勢預測》報告中指出，當前智慧醫療發展中，亟待需要破解院內及院間的互聯互通實現難、數據質量低兩個關鍵技術難題。
由于信息系統技術規范、基礎信息數據標準的不統一和缺失，直接導致了醫療數據質量低的問題，如數據不完整，醫療記錄有斷點；信息用自然語言描述，自動化分析處理困難等，都導致這些數據無法最大化利用。
且醫院內部系統集成受制于醫院系統多元異構，醫療數據普遍不能互通互認，這也加劇了醫療行業的“數據孤島”現象，數據跨平臺不能完全集成、互聯互通及共享，數據價值難以得到較大程度發揮。
然而，作為醫療機構高質量發展的關鍵要素，無論是智慧醫院建設，還是信息化標準建設，都離不開對大數據的應用。而要破解醫療機構數據應用難題，就需要從源頭解決問題，通過數據治理，讓數據從不可控、不可用、不好用到可控、方便易用且能賦能業務。
醫療機構進行數據治理的過程，就是對其數據資產進行管理和控制，支撐并保障數據被安全高效地交換與應用的過程。
下圖是可參考的醫療機構數據治理體系。我們接下來主要從6個核心環節來詳解醫療機構如何做好數據治理。
設計健全的數據治理組織結構，是全面開展數據治理工作的基礎。
醫療機構需要成立專門的數據治理或數據管理部門，完成流程和規范制訂、數據質量保證和質量控制、流程審批等工作，并對數據使用方和IT設施建設方進行管理。
目前，諸多醫院已經專門成立了大數據部門承擔這項工作，也有醫院將這項工作放在信息科或病案管理室。
制定清晰的數據相關流程規范，有助于幫助實現以下目標：數據有明確和準確的定義；數據有明確的責任方；數據有清晰的存儲方式與合理的時間期限；數據加工方法明晰；數據訪問方式與控制明確；數據內容符合標準要求與質量要求。
醫療機構的數據規范，主要從下面這三個方面來制定。
1）信息規范
信息規范包含隱私、數據權限管控規范和質量評估規范等。醫療機構需重點關注這一部分規范的建設，保障醫療數據合規。
2）數據規范
數據規范包括不同業務系統，如電子病歷數據規范、醫院信息系統數據規范。對于數據整合過程和整合后的系統來說，需要主數據和元數據規范以及相關的數據質量規范。
3）流程管理規范
流程管理規范規定了何人在何種應用場景下，通過何人的審批可以操作何種類型的數據。
相比數據采集、加工與存儲的流程，數據使用流程的制度管理更為重要，比如何種職責的科室和醫生在什么情形下可以導出數據、數據能否離院、應由哪一級來審批決定，這些都需要具體規定。除管理規范外，不同角色的人員如何協作互動完成既定的工作，也可通過制定流程支撐規范實現。
要保證醫療機構各業務部門、系統間的數據的規范性、流通性和共享性，就要搭建統一的數據標準體系。
數據治理相關標準分為基礎性和應用性標準，包括數據定義與分類（元數據）、主數據、參考數據（數據字典）、數據模型、管理與技術類、質量評估類等內容。數據治理工作組成員以及業務組人員可參考已有標準，并與現有醫療系統、業務流程相結合，開展醫療健康大數據標準體系的建立、實施、修改等工作。
目前，我國針對醫療大數據的相關技術標準正在逐步建立，國家衛生健康委員會相繼出臺了多項管理制度，如2018年頒布的《關于印發大數據標準、安全和服務管理辦法（試行）的通知》國衛規劃發[2018]23號，《關于印發全國醫院信息化建設標準與規范（試行）的通知》國衛辦規劃發〔2018〕4號，《國家衛生健康委辦公廳關于印發全國醫院數據上報管理方案（試行）的通知》國衛辦規劃函〔2019〕380號等文件，在醫療大數據采集、加工、存儲共享等方面進行了規范，充分發揮了標準化在醫療數據治理、應用和發展過程中的引領作用。
針對醫院信息系統中存在的數據模式描述文檔不全、系統之間數據關聯不清晰、系統值域標準不統一等問題，進行元數據管理，是獲取業務系統中數據的含義，輔助數據理解，增加分析的敏捷的重要手段。
與其他領域相比，醫療領域的元數據規范相對比較成熟。
如原衛生部頒布的《國家衛生計生委辦公廳關于印發住院病案首頁數據填寫質量規范（暫行）和住院病案首頁數據質量管理與控制指標（2016版）的通知》（國衛辦醫發〔2016〕24號）、《病歷書寫規范》（衛醫政發〔2010〕11號）、《電子病歷基本規范》（衛醫政發〔2010〕24號）、《衛生信息基本數據集編制規范》（WS 370-2012）、《衛生管理基本數據集》（WS374-2012）與《電子病歷基本架構與數據標準》（衛辦發〔2009〕130號）等。
在數據值編碼標準方面，國際上有疾病分類編碼ICD-10、手術操作編碼ICD-9以及SNOMED術語庫，國內有國家標準《衛生機構（組織）分類與代碼表》（WS2182002）、《社會保險藥品分類與代碼》（LD/T90-2012）和《中醫病證分類與代碼》（GB/T15657-1995）。
然而，在使用過程中，這些標準會根據應用進行不同程度的刪減和擴充，甚至出現錯誤的使用。因此，基于標準建立一個元數據管理系統，可方便地在標準上擴充，并可以關聯不同的應用。
元數據管理系統主要由采集層、標準層、分析層和應用接口層組成。采集層從各種醫療信息系統內獲取元數據，查看元數據的變化和更新。標準層保存了元數據的標識信息、內容信息與模式信息等。由于醫院信息系統各異，標準層實現了將元數據映射到標準集合以及將不同的元數據進行互操作的功能。
分析層主要提供了對元數據的管理、分析與查詢。元數據庫與數據源存在對應關系，當用戶通過統一入口提交查詢服務時，可以根據元數據庫提供的特征找到對應的信息資源，重組之后呈現給用戶。因此，應用接口層除了提供元數據訪問的限制和保護外，同時還服務于各個應用程序。
在構建主數據管理庫時，首先需要從多個異構的業務子系統中以ETL的方式抽取關鍵數據，然后，利用元數據庫對其中的編碼、描述進行標準化。
接著，由于多個業務系統的數據可能不一致，還需要通過匹配算法完成對數據的錯誤消除和信息融合。對于匹配不到的孤立信息，要加以監控跟蹤，進行人工處理。同時，以增量學習的方式不斷改進匹配算法。最后，將歸整好的主數據信息存入主數據庫。
醫療數據的主數據主要有病人信息和醫生信息兩類。
以病人信息為例，病人的出生年月、性別等信息在各系統中都有，但由于醫院信息系統是從身份證讀取的信息，因而相比其他系統采用人工錄入的方式來說更準確。
然而，病人的血型信息通常在實驗室信息管理系統中是更準確的，甚至可能在門診/急診工作站中也沒有這些信息。通過主數據管理系統，可以從各系統中分別獲取信息，根據可靠性、一致率等進行信息校驗融合，最后形成該病人的完備信息，然后再將完備信息下發到各業務系統。
此外，在多家醫院之間實現主數據共同管理之后，還可以打通醫院之間的信息壁壘。若患者在A醫院診斷出患有某慢性病，當他下次去B醫院就診時，醫生也能快速得知該患者的這個信息，從而使就診更高效、更準確。
醫療數據質量問題主要來源于3個方面。
原始信息采集有誤差。在醫療系統內數據采集主要通過手工方式錄入，在醫生或護士輸入信息的過程中，可能會有意或無意地將數據錯誤引入系統。
數據融合過程發生問題。在對不同來源的數據進行融合時，數據格式和語義可能會有誤差或不一致，導致融合結果有錯。
與數據的應用場景不匹配。例如，如果要進行病例統計，現有臨床電子病歷數據就能滿足統計場景的需求。但如果要做大腸癌療效分析，現有臨床電子病歷數據就難以滿足分析場景的要求，還需補充病理數據。
所以，對數據質量的管控，主要從三個方面來進行：數據質量實時監控、數據質量評估以及數據自動修正。
1）數據質量實時監控
主要針對從業務系統抽取的或是從外部傳送的接口數據，通常從及時性、有效性和完整性等幾個指標監測接口內容本身的數據質量問題，還需要對采集程序進行監控，如接口采集程序是否正常啟動、是否正常結束等。
2）數據質量評估
是指對融合后的數據進行質量評估。首先從確定評價對象和范圍著手，然后選取數據質量維度及評價標準，確定質量測度及評價方法，之后按照配置的評估指標執行評估，產生權重化的評估結果，最后生成質量結果和報告。
3）數據自動修正
是指對于有錯誤或不一致的數據，部分數據可以進行自動化的探測和更正。例如，時間的表達可以是DD/MM/YY，也可以是YY/MM/DD，可以通過智能算法探測原始系統的表達方式，制定映射規則，實現日期格式的一致性。
經過30多年醫療信息化建設，醫療機構的數據量及其復雜性連年攀升，醫療行業的關注焦點已經從信息系統建設延伸到了數據資源管理和利用。
而要實現數據資源的有效利用，數據治理是關鍵環節。只有做好數據治理，讓數據應用有效支撐醫院發展，才能進一步提高醫院管理水平，實現數據對醫療業務發展的價值賦能。
本文鏈接：http://m.yifxia.cn/showinfo-62-1654-0.html醫療數字化讓數據治理惠及于民（淺談醫院數據應用）
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 寵物醫療市場崛起，火爆背后難掩荒蕪（解讀寵物醫療賽道發展）
下一篇： “學醫”救得了中國家電？
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號
