医疗大数据各级医院自身应用
医院核心业务每天产生大量的医疗数据,具有丰富的价值,通过数据挖掘等手段的分析,构成指导决策的数据,这对医院的发展、决策非常重要。“现在的一个医生,最多能管理30个糖尿病患者,但是大数据研究一做出来,一个医生能管理200个糖尿病患者,光这一个应用,我们就可以增加七倍的生产力。”
通过全面分析患者特征数据和疗效数据,然后比较多种干预措施的有效性,可以找到针对特定患者的最佳治疗途径。通过对在患者档案方面的大数据分析,可以确定哪些人是某类疾病的易感人群,使他们尽早接受预防性干预。这些方法也可以帮助患者选择恰当的治疗方案。
Ø 临床决策支持分析:大数据分析将使临床决策支持系统更智能,这得益于对非结构化数据分析能力的日益加强.例如:可以使用图像分析和识别技术,识别医疗影像数据,或者挖掘医疗文献数据建立医疗专家数据库,从而给医生提出诊疗建议"此外,临床决策支持系统还可以使医疗流程中大部分的工作流向护理人员和助理医生,使医生从耗时过长的简单咨询工作中解脱出来,从而提高诊疗效率。
l 就诊人数及走势分析,使医院管理人员及时准确地了解各科室的工作量,有效地指导计划、人员计划及药品材料计划,大大增进对未来工作量的把握度;
l 药品材料消耗及供应商分析,指导医院的采购行为;
l 医疗能力分析:医院各级领导及时准确地了解各科室的医疗能力情况,治愈率和好转率;
l 医疗效率分析,分析人均住院时间、人均治疗时间等,对各科室的效率进行分析;
l 库存分析,用于了解西药、中药、材料的库存情况,指导资源使用;
l 医疗质量分析,包括对门诊质量、住院质量、检验质量等的分析。
Ø 医疗数据可视化分析:根据医疗服务提供方设置的操作和绩效数据集,可以进行数据分析并创建可视化的流程图和仪表盘,促进信息透明"流程图的目标是识别和分析临床变异和医疗废物的来源,然后优化流程。仅仅发布成本! 质量和绩效数据,即使没有与之相应的物质奖励,往往也可以促进绩效的提高,使医疗服务机构提供更好的服务,从而更有竞争力。公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定,这也将帮助医疗服务提供方提高总体绩效,从而更具竞争力。
Ø 医学图像挖掘分析:医学图像(如CT,!MRI,PET等) 是利用人体内不同器官和组织对X 射线! 超声波! 光线等的散射、透射、反射和吸收的不同特性而形成的"它为对人体骨骼、内脏器官疾病和损伤进行诊断! 定位提供了有效的手段" 医学领域中越来越多地使用图像作为疾病诊断的工具。
Ø DNA分析:随着人类基因组计划的开展产生了巨量的基因组信息,区分DNA序列上的外显子和内含子成为基因工程中对基因进行识别和鉴定的关键环节之一。使用有效的数据挖掘方法从大量的生物数据中挖掘有价值的知识,提供决策支持" 目前已有大量研究者努力对DNA数据分析进行定量研究,从已经存在的基因数据库中得到导致各种疾病的特定基因序列模式。一些DNA分析研究的成果已经得到许多疾病和残疾基因,以及新药物! 新方法的发现。
Ø 合理用药应用分析:为临床医药卫生技术人员提供了一个有效掌握、方便查询、可利用价值高的权威信息源,为临床医药卫生技术人员节省大量时间、实现医疗专业人员对临床药物信息的有效掌握和利用、提高临床人员的合理用药专业水平、减少用药差错,避免医疗纠纷。
Ø 医药药品分析:分析医院用药情况,包括税金占比、处方用药、大处方(500元-1000元的处方、1000元以上的处方)、抗生素使用、医嘱用药等详尽的分析,可以具体查到每个医生每张处方的用药情况,以及医院的药品使用排名、医生的用药排名信息。为医院的合理用药、抗生素滥用管理、药商促销控制等提供直接有效的管理数据。
Ø 医疗质量/效率分析:分析全院医疗质量、医疗效率的完成情况。包括各项指标的同比、环比、差异值等完成情况及趋势情况的对比分析,通过智能下钻分析,可以详细查看每个科室、每个员工各项指标的同比、环比、差异率、增长率等完成情况。让院领导了解每个科室、每个员工的工作完成情况,加强管理,推动医疗质量与医疗安全工作的稳步提升,为患者提供优质、满意的医疗服务。
Ø 不同病种分析:分析医院某个病种治疗的各项指标信息,包括治疗人次、治疗人次占比、总费用、药品费用、人均费用、药占比、平均住院天数等信息。为医院学科研究、临床路径优化等提供详细的数据。
Ø 临床路径优化分析:利用大数据分析手段对医院自身的临床路径进行优化分析,对医院常见的疾病建立一套标准化治疗模式与治疗程序,对疾病治疗、检验检査项目、顺序和时限等进行规范。简单来说就是同一种诊断相关分类病人均按同样的标准付费,这不仅能够给患者提供最新的治疗手段与最优化的治疗方案,同时又能保证治疗的精细化、标准化、程序化,减少治疗过程的随意化,规范医疗行为、服务;避免过度医疗,降低医疗费用。
基层医疗机构自身应用
目前社区医疗服务中心的一个医生,最多能管理30个糖尿病患者,但是大数据研究一做出来,一个医生能管理200个糖尿病患者,光这一个应用,就可以增加七倍的生产力。
通过全面分析患者特征数据和疗效数据,然后比较多种干预措施的有效性,可以找到针对特定患者的最佳治疗途径。通过对在患者档案方面的大数据分析,可以确定哪些人是某类疾病的易感人群,使他们尽早接受预防性干预。这些方法也可以帮助患者选择恰当的治疗方案。电子病历系统以电子化方式记录患者就诊的信息,包括病程记录、检查检验结果、医嘱、手术记录、护理记录等,可以将患者历次在医院诊疗过程的信息全部记录下来。当数百万、千万的病历汇集在一起,利用大数据进行挖掘后,其应用前景十分惊人。
区域卫生医疗联合体应用
对于医疗卫生行业,医疗卫生的改革与创新将进入深水区,一方面是由于社会的发展,另一方面来自民众的新需求,再有一个,疾病谱的改变也迫使我们必须做出改革和调整。过去医院和医生看的病都是疾病,是以烈性传染病为主,而现在的疾病谱则以慢性疾病为主,其特点是终身疾病,一辈子都需要治疗。一辈子都需要治疗的病人,谁不希望找一个自己信任、并且熟悉自己病情的医生,一辈子老找他(她)。慢性疾病又叫生活方式疾病,治疗糖尿病这样的病,光吃药是治不好的,必须干预病人的生活方式。慢性疾病是基因把子弹推上膛,生活方式控制扳机,所以慢性疾病的治疗首先应由管理生活方式开始,这就要求我们的医生不仅能够开药物处方,还要学会开饮食处方、运动处方,减压助眠心理调试综合治疗,才能把慢性病控制好,才能完成时代赋予我们的这种新使命,即狙击不良生活方式,这也是世界卫生组织向全球发出的号召,世界卫生组织明确指出,世界正经历从急性疾病向慢性健康问题转型的时代,而我们的医护人员还依赖20世纪初的模式,把精力集中在急性疾病的诊断和治疗上。
大数据助力区域医疗联合体服务模式创新,一方面要把信息技术用于慢性病人的跟踪管理服务,另一方面要利用信息技术对疾病预防提供有效的帮助,对疾病管理与健康管理提供丰富的手段和方法。把先进的理念,先进的理论模式和先进的技术手段方法三位一体地融合,帮助国民不生病、少生病、晚生病。在目前的医学条件下大多数疾病都是可防可控的,完全可以通过医疗技术手段避免或减缓糖尿病、高血压、肿瘤这些疾病。区域医疗联合体的健康管理和疾病管理应该涵盖人类生命周期从生到死无缝隙的健康,大医院只做疾病诊断治疗是不够的,必须进行医疗服务模式创新。
区域医疗联合体是实现《全国医疗卫生服务体系规划纲要(2015-2020年)》(以下简称《规划纲要》)中建立分级诊疗模式的重要形式,医联体是指区域医疗联合体,是将同一区域内的医疗资源整合在一起,通常由一个区域内的三级医院与二级医院、社区医院、村医院组成的一个医疗联合体。目的是小病在一二级医院解决,大病能够及时转往三级医院。
Ø 建立区域统一的医疗卫生资源:信息化的医疗模式以病患为中心,使不同层级医院、医疗管理部门以及患者之间能够在信息资源共享的条件下,实现跨组织、高效率的网络交流和协调配合。通过统一的信息化平台,消费者、医疗服务提供者和政府管理机构可以逐步建立起相互信赖的关系,进而降低成本,优化医疗服务资源配置。
Ø 实现区域信息协作与多方共赢:通过信息服务平台,各卫生机构可以更加便利地进行信息共享和分工协作。对医疗机构而言,方便了医生诊疗,有利于提高医疗质量;对科研机构而言,对医学科学专题研究等提供了有效的信息获取来源;对于卫生管理机构而言,在降低市民医疗支出的同时也减少了大型检查设备重复投资造成的浪费;对公共卫生应急保障机构,由于系统能及时监控到异常及突发病历情况,使得卫生管理机构能对类似情况进行预防与管理。
Ø 减少重复投资和建设成本:通过区域医疗信息共享打破了传统的条块分割,为医疗卫生资源共享开辟一条新路。经过授权的各医院及卫生机构可以从统一的平台提取、更新、保存信息。这种以“区域政府主导、第三方平台共享式”的医疗协同模式的好处是以区域为中心,直接共享,影响范围大,减少了重复投资和建设成本。
Ø 提高医疗机构的服务质量:区域医疗信息信息化的深入人心,必将医疗机构业务流程信息化、医疗机构业务管理信息化、患者服务信息化三条线满足医疗机构业务的发展需求。第一,提升医疗机构业务的整体形;第二,开源节流,查漏补缺,实现人、财、物规范化管理;第三,提供辅助决策支持,降低管理成本;第四,医疗行为得到规范,在加速培养高水平医务人员上起到了极大的作用;第五,使业务更加透明化,从而杜绝许多管理中的“猫腻”现象,减少了医疗纠纷。
Ø 解决区域内看病难和贵:远程会诊、远程预约挂号、远程代理检验、远程查询、远程医疗咨询等可为百姓就医大大提供方便,从而缓解“难”的问题;对市民来说,可以对自己的健康档案进行管理与利用,为市民自我保健提供了强有力的支持,可有效避免重复检查治疗,从而有效缓解“贵”的问题;双向转诊、信息共享给患者带来更多的便利和实惠,把医护人员更多的时间还给了病人。
大数据解决方案在区域医疗平台中主要的定位在于对健康档案的管理和服务,它将伴随着区域医疗平台的建设而实施。一方面采集来自基层的医疗相关数据,另一方面又为基层医疗机构提供全局的数据服务,这些服务的内容经过整合到医生,管理人员及病患的业务系统的界面中,使得用户在日常操作中平滑的获得数据服务。
大数据解决方案在区域医疗中的功能包括基本服务,数据分析及依从性管理三个层次。基本服务内容包括提供基本的存储,查询,浏览。 分析服务将针对主题,对临床数据,公共卫生管理数据,绩效考核数据以及农合付费管理等不同领域进行分析,在海量的不同结构的数据中找到可能的趋势和风险。 依从性管理应该是大数据服务的高级阶段,它利用业务系统中的业务活动,触发数据服务请求,数据服务经过对大数据集的调阅,分析给出特定性结果。从而控制和导引业务操作的路径。
建立并完善分级诊疗模式,建立不同级别医院之间,医院与基层医疗卫生机构、接续性医疗机构之间的分工协作机制,健全网络化城乡基层医疗卫生服务运行机制,逐步实现基层首诊、双向转诊、上下联动、急慢分治。以形成分级诊疗秩序为目标,积极探索科学有效的医联体和远程医疗等多种方式。
智慧分级诊疗作为智慧医疗的重要组成,将充分利用信息化手段,促进优质医疗资源纵向流动,建立医院与基层医疗卫生机构之间共享诊疗信息、开展远程医疗服务和教学培训的信息渠道。为支持支撑分级诊疗模式,即以信息新技术为基础,以全科医生辅助决策系统为支持,结合大数据分析、远程医疗和可穿戴设备监测,打通“院前预防”、“院内临床路径”与“社区康复路径”,实现“以患者为中心”的社区、医院间互联互通,形成医患主动参与疾病诊疗与健康管理的全新型分级诊疗模式。
医疗卫生机构的合规应用
在现今医疗保障仍为政府医保为主导的环境下,商业保险对医疗机构的话语权不大,对医疗机构的管控仍以政府医保为主。人社部于 2012 年出台的《关于开展基本医疗保险付费总额控制的意见》,将“逐步建立以保证质量、控制成本、规范诊疗为核心的医疗服务评价体系与监管体系”作为任务目标。但实际操作中,由于缺乏有力的临床分析能力,政府医保对医疗机构的管理仍停留在粗放型,力度欠缺且效果欠佳。总额控制的支付方式使医保将超出预算的财务风险全部或者部分转移给医疗机构,在收入既定的情况下,医疗机构有可能通过减少必要服务,尤其是拒绝成本消耗较高的患者或者项目来降低医疗成本,从而出现推诿重病人、增加自费费用等问题,与原本“保障质量、规范诊疗”的目标背道而驰。而且, 总额控制支付方式下的总额基数和调整系数的确定在很大程度上参考历史数据和变化趋势,也就是在往年的额度基础上简单地加上增长空间,超值分担、结余分享的比例和调节过于依赖经验而非科学测算,导致医疗机构对于总额控制的认可度不高。
大数据精细化分析可以应用于科学合理的评估医疗费用及质量,从而为包括总额控制在内的多种支付方式提供支持。
医疗费用评估的一大难点在于医疗服务缺乏标准化。以心脏支架手术为例,确诊需要什么样的检查化验,手术过程中需要什么样的麻醉方式,需要使用什么样的支架及放置的数量,术后康复期需要住院多久,出院后复诊需要做些什么等,在不同患者间差异巨大,所以仅比较单一的诊疗项目或药品费用与总费用并无相关性,意义不大。所以,技术上的难点在于将解决同一问题的所有相关诊疗项目及将用药情况链接起来,这就涉及专业的分组方法,如用于住院费用的 DRG 分组,或用于门诊费用的 ETG 事件系列等,以此作为费用比较的单位。
医疗费用分析中另一重要概念为“危重风险调整”。患者个体的差异,包括年龄、性别、并发症等,会对费用有很大的影响。举例来说,医疗机构收治糖尿病患者,三级医院的人均医疗费用往往比一级医院的高很多,但是据此得出结论说明三级医院的费用指标比一级医院差是不合适的,因为这里没有考虑到患者的危重情况。事实上,三级医院由于医疗水平高,收治的危重患者较多,导致治疗同一疾病的费用比一二级医院偏高的现象是正常的。那么在这种情况下,应该如何比较不同级别医院的费用?又如何比较同级别的不同医院的费用?这就需要引入“危重风险调整” ,即根据年龄、性别、合并症等诸多因素评估患者的危重程度,然后根据危重风险因子对医疗费用进行调整,经过危重风险调整后得到的医疗费用才有可比性。
费用评估对医疗保险机构而言固然重要,但单一的费用指标本身不能作为衡量医疗机构的唯一标准。与费用评估相辅相成的是医疗质量的评估,高质量的医疗服务除了对患者疾病管理及健康维护至关重要外,在从根本上控制今后长期的医疗费用上也是缺之不可的。健康人群医疗费用低是众所皆知的常识。
医疗质量的衡量可以包括两大方面:一是对医疗过程的评估,需要庞大的临床规则知识库,准确判定在不同疾病管理中该做什么,不该做什么,用药合理性分析中的药物间相互反应的监测、用药剂量及用药相关检查的指标也可以归为医疗过程评估这一大类;二是对医疗结果的评价,比如手术不良事件发生率,及可避免再住院率等。
有了科学合理的评估医疗费用与质量的手段 , 使得政府医保机构与商业保险公司能有效对医疗机构进行综合管理 , 同时支持包括总额控制、单病种付费、按绩效付费等各类支付方式改革的实施 , 真正达到在保证质量的基础上控制费用的目的 . 这也正是医疗保险在产品服务缺乏标准化 , 信息高度不对称的医疗领域中的重要价值之一。
患者医疗治疗应用
患者在医疗治疗过程中,既是一个按照医生医嘱要求按时吃药换药并注意有关事项的活动集合,同时也是一个与医生主动配合、积极参与和和同病患者信息交流的过程,另外患者也特别关心自己的治疗过程、治疗效果和常规恢复时间,有关应用包括以下方面。
患者就医过程提示服务
患者可以得到治疗过程中全部治疗活动内容、时间、地点和注意事项,并及时通知提示有关内容,如果加入天气、交通情况等信息,还可以提示就医过程穿衣指数、交通工具等信息。
患者服药提示服务
患者在治疗过程中,根据医生处方和药品服用方法可以按时、按量得到服药提示,并可以对药品不足情况进行提示以便提前到医院或药店购买,也可以主动送药上门,另外对服药过程中自我身体不适反应情况及时与家庭医生进行沟通,在医嘱指导下增减药品服用。
患者饮食、运动、习惯注意事项服务
患者在治疗过程中,根据大数据分析得出的最佳饮食、运动、习惯内容,对患者进行注意事项提示,也可以根据患者身体体征数据,形成具有针对患者个体的饮食、运动方案,并及时调整有关内容,以期达到最佳恢复效果。
患者体征和治疗效果服务
患者在治疗过程中,非常关系自己的身体体征和治疗效果,通过与自己过去的数据对比,标准规范数据对比以及与其他同类患者数据对比,是患者对自己的病情治疗情况及时掌握。
患者交流交往服务
患者在治疗过程中,具有与同类疾病患者交流信息和经验的需要,甚至希望形成特定患者群进行活动交流,通过病类、喜好、地区、年龄、性别等分析比对,可以形成患者交流交往社交圈。
个性化医疗服务应用
利用医疗大数据形成个性化医疗服务和治疗,即基于基因科学的医疗模式、个体特征和身体情况,通过对居民健康影响因素进行分析,对患者健康信息进行整合,为疾病的诊断和治疗提供更好的数据证据,进行居民健康知识库的积累,从而改进居民健康。在基因测序、个性化药物及个人健康管理等医疗个性化服务方面的方案思路如下。
基因测序分析应用
随着大数据的飞速发展,它已经把触角触及到很多领域。在医疗健康领域,美国已经开始利用大数据应用来防止流感蔓延,而伴随科学技术的不断发展,也让以往无比昂贵的基因测序变得不再遥不可及,基因测序的成本已经逼近1千美元。目前在美国拥有2千多家从事人类基因序列分析的公司,而且未来会有更多的企业将涉足这一领域。这就意味着,个性化医疗的时代即将来临。
利用这些基因测序数据发现基因中罕见的病变信息,而正是这些病变信息造成了癌症、新生儿疾病、镰状细胞性贫血等。随着从基因测序解决方案中得到越来越多的遗传信息,未来对基因组进行可扩展分析的需求显然将会越来越多。
个性化药物应用
通过对大型数据集(例如基因组数据)的分析发展个性化治疗。该应用考察遗传变异、对特定疾病的易感性和对特殊药物的反应三者之间的关系,然后在药物研发和用药过程中考虑个人的遗传变异因素。很多情况下,病人用同样的诊疗方案但是疗效却不一样,部分原因是遗传变异。针对不同的患者采取不同的诊疗方案,或者根据患者的实际情况调整药物剂量,可以减少副作用。
通过减少处方药量可以减少30%~70%的医疗成本。比如,早期发现和治疗可以显著降低肺癌给卫生系统造成的负担,因为早期的手术费用是后期治疗费用的一半。
个人健康管理应用
利用大数据技术,对个人健康进行全生命周期管理,实现在任何时间、任何地点都可以访问相关信息,从而保证了健康信息的一致性、连续性,如谷歌的Google Health、微软的Health Vault等平台。健康管理系统的最主要特点就是:个人的健康状态得得到了连续观测,健康分析人员能够有效地对个人健康状况进行分析,以便在身体处于非健康状态时得到及时的干预。
在健康管理领域中最需要解决的问题就是及时发现身体的健康异常和重大疾病风险预警,传统情况下我们会通过年度体检来实现这一要求,但是体检时间跨度大,同时地域的覆盖能力也不足够,可穿戴式设备能够实现跨地域大人群身体异常实时发现。通过体征数据(如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖和血氧、激素和BMI指数,体脂含量)监测来帮助用户管理重要的生理活动。现阶段可以利用的体征数据传感器包括:①体温传感器;②热通量传感器:用来监测热量消耗能力,可以用于血糖辅助计算和新陈代谢能力推算;③体重计量传感器:用于计算BMI指数;④脉搏波传感器:推算血压,脉率等数据;⑤生物电传感器:可用于心电、脑电数据采集,也可用来推算脂肪含量等;⑥光学传感器:推算血氧含量,血流速。设备初始会将一天设定数十个检测点,只需累积28个检测结果即可建立个人初级模型,利用大数据技术对所有产生数据进行分析,汇总成一个健康风险指数,用户可以看到自己的健康风险指数和同龄、同性别人群的平均风险指数,并且能明确自己的健康风险在同龄人群中的排位。同时,利用大数据技术,设备会根据使用者实际情况进行调整,一旦数据显示异常,就会加大检测密度,反之则会拉长检测间隔,进行动态调整。
这些数值交叉分析结果可以用来分析用户现在的体质状况,进行健康风险评估,并可以结合数据给出几项关键生理活动:睡眠、饮食、运动和服药的个性化改善建议,让用户保持在一个稳定的身体健康状况。
慢性病预防治疗应用(疾控中心)
在中国,慢性病高血压患者有2.6亿人,慢性病糖尿病患者则有1.2亿人。大家可能觉得这个数字离自己比较远,那我换一种说法大家可能会觉得就是和自己生活相关了。35岁以上的人群,每三个多人里面就有一个是高血压,每七个人里面有一个人有糖尿病,而中国最严峻的现实在于这些患有疾病的人70%的人并不知道。
慢性疾病实际上分为两个阶段,一个叫做功能性病变阶段,一个叫做器质性病变阶段。在功能性病变阶段,人并没有特别的体征感受。而当进入器质性病变阶段的时候,才会感受到头晕、耳鸣等一系列症状。而进入器质性病变之后,慢性病的过程是不可逆的,需要终身服药。也就是说它是无法治愈的。希望这70%的人群能够提前知道,提前医疗处置,避免形成慢性病。
慢性病检测、发现、预警服务
利用大数据分析,通过连续性的医疗监测数据,不仅可以对这些慢性疾病进行预警,而且可以为用户提供护理建议,比如最佳的用药时机、如何利用运动和睡眠来稳定病情等等。
利用大数据的方式结合穿戴式设备来去预警未来的疾病。因为人的健康变化一定会带来体征波动的异常,如果能够对体征进行持续性检测,同时又有大数据的对比,那么就有可能做到对疾病的提前发现。实际上中医里面最好的医师并不是救死扶伤,而是在疾病还没形成前就及时发现并处置,我们通过现在的科技,能让海量用户去实现。我们通过可穿戴式设备,对人的血压、血糖、血氧、呼吸、心率、BMI指数进行相应的持续性检测。
本平台与传统检测设备相比有三个革新,第一个革新是分析模型由单点的分析变成连续的分析,单点分析是有助于在医院里进行诊断的。但弊病是什么?必须要形成病症后,才能通过单点分析来判断你是否患病,这是个黑白的分析。而作为预警,它关注的是你的体征变化是否超常,这是个灰度性的分析,它更多的是做预警方面的工作。第二个部分的革新是设备,设备必须要连续采集用户的体征数据才能有效分析波动性的异常。第三个部分是商业模式上的创新,只有对身体状况进行预警,才能使用户从被动治疗转化成主动预防,才能用更少的代价获得更好的治疗效果。
通过连续监测数据做出疾病预警 ,即使是简单的数据,如果通过连续地分析波动规律也能发现常识中得不到的信息。任何疾病形成之前一定会有体征波动的紊乱,怎么去捕捉到这种紊乱并进行预警是大数据分析可以解决的事情。通过人体体征比如心电的数据、血氧的数据、血流速度的数据去推断出血压和血糖的数据。虽然可能存在着误差,但是因为数据采集更方便更容易,数据也更加具有连续性。我们关注的不是单点的误差,而会关注它的波动规律,这也能够有效地帮助我们预警。
慢性病诊断服务
利用后端的大数据处理能力达到降低边际成本的效果,第一是健康普查,能够让70%的人群通过设备及时发现身体的异常,并进行疾病预警;第二是大数据分析完采集的数据之后,可以让医生更快地进行相应的判断;第三,由于每个人的慢性疾病规律是不一样的,通过连续体征的采集,能够告诉他最佳的用药时机,什么时候用药能够获得最大的效果,同时会告诉他什么时候运动、什么时候睡眠才能够帮助他稳定病情,或者让临时出现身体异常的人及时恢复到正常状态。
慢性病防控治疗服务
慢性病的防控治疗一般都是一个长期的过程,需要多个机构密切配合形成体系才能达到效果,包括:(1)构建慢性病防控体系,形成由疾控机构、基层医疗卫生机构、医院和专业防治机构共同构筑的慢性病防治工作网络;(2)实施基本公共卫生服务项目和重大疾病防控项目,将高血压、糖尿病患者纳入基本公共卫生服务范畴,对重点癌症高发区和农村妇女“两癌”开展癌症的早诊早治工作;(3)推行健康教育,促进防治结合,落实综合防控策略,开展全民健康生活方式行动,慢性病综合防控示范区建设,综合健康知识传播激励计划等活动;(4)建立慢性病的监测和信息管理系统。开展慢性病危险因素监测、患病监测、死因监测、恶性肿瘤随访登记工作;(5)加强技术指导和能力建设,组织编印形成各重点慢性病的防治技术指南,培训大批基层卫生工作者。
居民健康保健应用(疾控中心)
居民健康保健的主要策略是达到疾病防治中心前移,坚持预防为主,促进健康和防治疾病的结合。健康管理是对健康人群、亚健康人群、疾病人群进行全面监测、分析、评估、预防和维护的全过程。
居民健康档案实现以人为核心,以生命周期为主线,涵盖个人全面健康信息的档案记录,从婴儿出生、计划免疫、到历次体检、门诊、住院等,记录一个人生命周期中的重大健康时间,形成一个完整的、动态的个人终生健康档案,使公众可以掌握和获取自己完整的健康资料,参与全程健康管理,享受可及、优质、跨地区、跨机构的医疗卫生服务,让居民随时了解自己的健康、医疗服务等情况,切实感受健康信息记录一生、管理一生、服务一生的好处。
居民自我健康保健应用
居民可以通过身份安全认证、授权查阅自己的健康档案。系统、完整地了解自己不同生命阶段的健康状况和利用卫生服务的情况,接受医疗卫生机构的健康咨询和指导,提高自我预防保健意识和主动识别健康危险因素的能力。
政府卫生管理部门进行居民健康管理应用
持续积累、动态更新的居民健康档案有助于卫生服务提供者系统地掌握服务对象的健康状况,及时发现重要疾病或健康问题、筛选高危人群并实施有针对性的防治措施,从而达到预防为主和健康促进目的。基于知情选择的健康档案共享将使居民跨机构、跨地域的就医行为以及医疗保险转移逐步成为现实。
政府医疗规划结构进行居民健康保健决策应用
通过完整的居民健康档案能及时、有效地提供基于个案的各类卫生统计信息,帮助卫生管理者客观地评价居民健康水平、医疗费用负担以及卫生服务工作的质量和效果,为区域卫生规划、卫生政策制定以及突发公共卫生事件的应急指挥提供科学决策依据。
医疗卫生管理机构应用(卫生局)
通过电子病历数据库进行全面的疫情监测,更快地监测出新的传染病和疫情,并做出快速反应。通过分析查阅区内医疗卫生行业各种最新的分析数据,可以加强宏观管理,优化卫生资源的配置,为制定区内公共卫生政策提供准确依据。通过提供准确和及时的公众健康信息,将会大幅提高公众健康意识,同时也可以降低传染病感染风险。
医疗保险管理机构应用(医保局)
在中国现有的医疗保险管理体制下,基本医疗保险仍然以政府为主导,各地分散管理。基本医疗保险可以分为城镇职工基本医疗保险、城镇居民基本医疗保险和新农村合作医疗保险(简称新农合),通常由各地人社和卫计部门管理。
目前,商业医疗保险作为政府基本医疗保险的补充,市场规模有限。2013年,3种基本医疗保险的筹资总额已经超过 1 万亿元,而商业健康险的保费收入为 1123.5 亿元,仅为前者的 10% 左右。考虑到真正的赔付型医疗保险只是商业健康险的一部分,实际上真正意义上的商业医疗保险的市场规模更小一些。现今商业健康险中约 30% 为团体业务,主要包括面向企业的团体医疗补充保险;另 ~70% 为个人业务,其中一大部分为储蓄理财型。虽然规模与政府医保相比尚小,但在市场需求和政策支持的推动下,今年发展趋势良好,以年均 25-30% 的速度增长。
2012 年发布的《关于开展城乡居民大病保险工作的指导意见》,试点由商业医疗保险机构通过招投标方式承办大病补充保险的运营并承担费用风险,为商业医疗保险公司带来了业务拓展的新方向,也为其介入到政府医保的运营管理提供了契机。2013年十八届三中全会 的《中共中央关于全面深化改革若干重大问题的决定》和 2014年国务院发布的《关于加快发展现代保险服务业的若干意见》(又称“国十条”),进一步规划了健康保险业在城乡社会保障一体化和参与更多医疗卫生体制改革中的作用,提出了“把商业保险建成社会保障体系的重要支柱,充分发挥商业保险对基本养老、医疗保险的补充作用”,并且“按照全面开展城乡居民大病保险的要求,做好受托承办工作”。这无疑对商业保险行业来说又是重大利好消息。此外,针对商业健康保险的个人税收优惠政策也正在研究中,虽然优惠幅度和政策细节尚待确定,但政策的方向已无疑问。可以说,随着政策的推动和市场潜在需求的释放,商业健康险业大有商机,将在不久的将来成为我国医疗保障系统中不可或缺的重要组成部分。而商业保险机构自身精细化经营管理水平将是决定其市场竞争力的一大关键。然而,由于包括市场结构限制在内的种种历史原因,无论是政府医疗保险机构还是商业保险公司,整体来看在业务经营管理方面仍然比较粗放,还没有充分实现大数据分析可以为管理和企业发展带来的价值,主要表现在:
● 保障设计与精算定价: 产品同质化现象普遍,缺乏对客户需求及医疗风险的准确把握;精算定价基础薄弱,缺乏对疾病治疗费用的深度分析数据及对参保群体医疗费用风险的科学评估。
● 精细理赔运营管理: 精细化不足,往往仅根据保险责任条款及医保报销目录进行理赔,缺乏对医疗服务临床合理性的判断,从而漏失对大部分欺诈、不合理医疗行为的监测。此外,商业医疗保险机构的理赔数据往往停留在费用类别层面,缺乏项目费用明细,导致理赔精细化管理的数据基础薄弱。
● 强化医疗机构的管理: 技术手段落后,政府医保虽对定点医院有话语权,但缺乏对医院医疗质量及费用的合理评估,因而难以设定执行科学有效的支付方案与激励机制,粗线条的总额控制虽能短期控制费用,但导致一系列弊端(包括医院推诿重病人等),且长期控费效果欠佳。
● 洞察市场与销售拓展: 缺乏以数据为基础的客观分析。以商业企业补充险为例,未能对企业理赔数据进行深入挖掘,以分析结果支持指导市场销售,并据此为客户量身定制相关增值产品,导致市场竞争停留于价格上的竞争,压低整个行业的收益回报。
通过大数据技术,重构医保对医疗费用审核监管的全新模式,从而达到遏制“过度诊疗”行为、控制医疗费用不合理上涨,规范诊疗行为目的,并为将来医保谈判购买性价比高的医疗服务奠定技术和提供数据支撑。
具体应用包括将住院医疗费支付标准、药品说明书、“三目”(即三大目录,药品目录、诊疗目录和耗材目录)限定症、人社、卫生行政主管部门有关规章制度、药品应用时限等约束条件从纸介质文件制成计算机可识别和运行的规范化程序,将医疗费纳入智能审核系统,对不符合限定条件的费用明细,系统予以自动拒付,对可疑费用明细做标识,提示审核人员做重点审核。
基本医疗保险的决策支持分析
在以政府主导的基本医疗保险的战略决策支持上,大数据应用同样有着举足轻重的作用。除了平衡风险之外,医疗保险的最重要的核心价值在于保证医疗质量的前提下有效控制医疗费用。 大数据分析可以为医疗保险找出费用的关键驱动因素,以此作为战略决策的依据,可以使决策者有针对性的制定措施解决问题关键。 此类分析的要点在于通过由大到小、由粗到细的层级挖掘寻找问题的关键,成功应用于决策制定既需要整套专业分析技术的支持,更需要逻辑性、结构化的思维,及对医疗保险行业市场在战略层面的理解,因此对数据分析师的要求更高。
假设数据分析显示费用增长主要集中在糖尿病领域,那么首先需要明确其动因是发病率增长还是人均治疗费用增长所导致。如果是前者,有效管理的关键在于普及糖尿病常识,鼓励健康的生活习惯,并及时发现早期症状。此外从精算定价上,识别前糖尿病患者或糖尿病多发群体,并将其考虑进精算模型中。但如果费用增长是由于人均治疗费用的增长所致,那就需要进一步分析其原因。如果是由于少数医院的过度医疗行为,那可以通过加强对医院的管理(如以医疗费用与质量评估为基础的绩效考核并与支付挂钩),并鼓励病人去其他医院就医(如设定不同的保险比例,甚至在可能的情况下取消问题医院的定点等)。但如果是由某类新药或新的治疗方式引起,那就需要根据其临床效果及卫生经济学分析,判断是否应包含在报销范围或报销比例。
基本医疗保险费用单据的智能化审核
建立和筛查医疗服务违规行为的规则是医疗服务监控工作的核心。因此,科学设置规则是智能化审核的关键部分。对此,医保审核规则设定了26个大类规则,其中包括16大类报销规则,6大类临床规则、4大类统计规则。而这些审核规则,都是依据现行相关医保报销和医药规定制定的,即包括医保政策、物价收费政策、国家药典、卫生部们相关规定、临床诊疗常规规范等。在这26大类规则下,医保审核中配置了12万条审核目录。把政策转化为数字化规则,这点是比较难的,比如:重症 ,只能用列举法。在制定这套审核办法时,组织第三方医学专家组开展审核规则的评审,对试用的26大类审核规则逐一经专家评审后正式启用,“保证规则的科学性、权威性”。按照这些规则库织就的“大网”,使得违规用药、诊疗行为无所遁形。
基本医疗保险的有效支付和治理应用
通过对积累起来的大数据进行挖掘,支持医保政策调整和医保支付制度改革。医保政策调整方面,比如如何对医保筹资标准的调整,达到在支出合理合规的情况下,调整筹资水平,智能审核积累下来的海量医疗诊疗数据,为基本医保体系和运行决策提供基础支撑。
基本医疗保险和服务监管应用
建立全程智能审核系统,将监管对象延伸到医务人员。用法律法规和政策标准指导、约束和了解医生处方行为过程,做到事前提示、事中监控和预警、事后惩罚与改善,彻底走出医保和医生信息不对称和类似行政监督手段的困境。为达到医保基金中长期收支平衡,亟待建立抑制医患道德风险的治理机制。实现医保机构从“出纳”升为“会计”,提高对医疗服务的监控能力。
降低看病率提升医疗效果应用
医疗保险制度是世界上应用相当普遍的一种医疗费用管理模式,是构成社会保险的重要组成部分,它的完善与否关系到国民健康能否得到切实的保障。医疗保险制度起源于西方,经过百余年的发展,欧美国家的医疗保险制度已经日臻完善,特别是在互联网医疗蓬勃发展的当下,保险公司也纷纷顺应时代,开始利用新技术和大数据来预测客户的健康状况。近期,美国国家公共电台(NPR)对一对经历了严重疾病的夫妻进行了采访,让我们一起来看看美国的保险公司是如何运用客户个人数据来帮助他们获得所需的医疗服务的。
Carol 和John Iovine是一对普通的美国老年夫妇。在John 2014年生过一次大病后,他们的保险公司就为John指定了一位健康指导。健康指导不仅帮助Carol 和John获得了所需的医疗护理,还让John不需要再次住院。
John Iovine开口说出的第一句话就是道歉,“请原谅我,我对这事记得不是太清楚,”他说,“我那时中风了。” 那次中风的迹象在他们家随处可见:餐厅里安放的床、厨房里的淋浴室等等。John身材瘦弱,穿着蓝色的睡裤坐在轮椅上。但是,他可能夸大了自己的记忆问题。 “我们是哈町大学(Harding)的同学……就是离这儿不远的那所,”他说道。那是1952年,也就是在那年,他结识了他未来的妻子。“她穿着红色的长款毛衣,有着一头火红的头发。我对自己说,’她就是我的真命天女’。”John侃侃而谈与妻子Carol的初见。
“皇天不负苦心人,让我最终得偿所愿,”他笑着说。Carol坐在她丈夫的旁边,向记者娓娓道来那场中风的始末。那时John的健康状况非常不好。起先,他长了一个溃疡,然后进行了肠切除手术。再来就是中风——以及接下来的更多。
“他得了肺炎、黄疸、败血症;右肺还有血块。”她补充道。所有这一切都发生在2013年10月至2014年1月间。
John曾是一名油漆工,那场大病让他在医院里呆了整整79天。在那段日子里,John时常处于无意识状态,也几乎没有离开过病床。“唉,那简直就是地狱。”他说道。
去年四月,在康复机构治疗了几个月之后,John Iovine终于出院回家。当患者出院回家,开始“自生自灭”的这个时间点,正是现在的医疗系统特别关注的时期。长久以来,许多像John Iovine这样的患者在这一阶段都选择了故意失联;最终,他们不得不再次住院。
业内人士称,这类再入院都是可以避免的。单单此项,每年就会耗费150亿美元的联邦医疗保险,是财务上的巨大流失。这就是为何联邦医疗保险数年前发起了一项倡议,处罚那些太快重新接纳再入院患者的医院。而这也促使许多医院开始更为注重这个问题。
现在,保险公司也正致力于提出它们的解决方案。Independence Blue Cross是一家总部位于费城的保险公司,它的首席情报官Somesh Nigam在接受记者采访时说道,“我们的目标是确定哪些病人有可能在未来三个月内住院,这是我们正在努力的方向。”他说,Independence Blue Cross正致力于查明其客户中的患病者或年老体弱者,即那些有可能入院的潜在人群。
为了做到这一点,公司对其掌握的大量医疗数据进行运算,数据内容包括理赔账单、实验室读数、药物、身高、体重、家族病史等。它还纳入了有关客户所在社区的信息,包括当地的贫困率等。“我们用来建立这些算法的医疗数据,大概相当于5个维基百科那么多,”Nigam说。
计算机算法对所有的信息进行筛选,并为每名患者计算出得分,将他们按照得分的高低进行风险排序。
随后,Independence Blue Cross为每位得分较高的客户分配一位工作人员,即“健康指导”。这些健康指导会免费为客户提供健康建议,并向他们推荐有益的附加服务。“这种协同努力对于患者非常有用。”Nigam说。健康指导可以为患者量身订制所需的健康信息;帮助他们进行就诊预约;解决服药相关的问题,或者协助安排患者前去门诊的交通。有时,健康指导还可以为患者安排家庭护理护士。“所有这一切措施已经开始显示出成效。”Nigam说,“我们地区的住院率已经呈现出了相当显著的下降趋势。”在Independence Blue Cross的名单上,第一批需要额外关注的客户有18000名。而其初期成功的标志之一,便是将充血性心脏衰竭患者的预期住院率降低了40~50%。
Iovines一家也是该公司初期成功的受益者。在丈夫中风之后,Carol Iovine的生活也有了极大的改变:她需要管理丈夫的新药物,并帮助他淋浴和如厕。夫妇二人需要参加许多门诊和治疗会议,为此他们还得租用一台可供轮椅上下的面包车。Carol说,有了健康指导的帮助后,情况开始有了很大的变化。健康指导可以帮助她管理丈夫的各种需求。“有一次John需要检查血液,医院要我一个人带他去急诊室抽血,”Carol回忆,“我当下就回说,呃,这我可没办法做到。”她马上打给了他们的健康指导Donna Crockett,并告诉了她这个问题。“之后,便有一名护士来到我们这里为他取血。” Carol说道。重点是,医疗保险花在健康指导安排的来访护士或简化门诊流程上的钱远远不及再入院的成本。
数据预测有望为保险公司节省保费,因此也使得越来越多的保健专家更加看重这些预测计算公式的潜力以及可能的缺陷。“现在这个领域利益良多,”哈佛法学院教授Glenn Cohen如是说。Cohen曾就医疗保健和大数据碰撞引起的法律和伦理问题著书, “医疗领域、计算机科学领域以及患者体验领域正在进行着一场伟大的集结。”虽然对前景信心满满,但Cohen仍有一些疑虑。“对于那些个人数据被用于建立算法的客户,他们是否有权选择退出预测计划?”Cohen说, “他们是否只能选择参加?甚至,他们能否知道自己的数据被使用了?”Cohen表示,这些仍然是一个灰色地带;这个新兴领域还没有建立起对这些信息的处理标准。
Independence Blue Cross宣称,它严格遵循联邦医疗隐私准则关于匿名的规定,且只会将这些信息用来更好地为其客户服务。但该公司的确并没有询问订购了其健康计划的客户是否选择加入数据预测。“这些数据仅会被用于改善或协调医疗护理,”Nigam说,“这是我们的职责,而大家都认同这一点。”
从客户健康上来讲,护理协调彻底改善了John Iovine的生活。自Independence Blue Cross为他分派了健康指导之后,他一直没有再次住院。
保险公司表示,因为数据预测的初期效果非常好,他们正打算扩大预测范围。该公司正与纽约大学的Langone医学中心针对下一个目标——2型糖尿病进行合作,目的是在出现相关症状之前发现哪些人最有患上糖尿病的风险,然后再积极介入,帮助预防疾病的发生。
医药研发生产经营应用(医药企业)
医药研发生产经营零售企业,具有掌握了解医药在医疗卫生活动中相关数据的迫切需要,首先,需要了解相关药品在市场上的使用情况,以便用于研发和生产;其次,需要了解相关药品在治疗方面的效果情况,以便研发改进新药品和发现质量问题;最后需要了解相关药品的物流配送和仓库库存情况,以便实现药品供应链的一体化运行;另外还需要了解相应区域的人口健康信息,以便分析药品的授众群体特征,如某地区区域正在流行感冒,医药企业可以通过此信息及早组织相关药品。
医药研发企业应用
医药研发企业可以利用大数据降低研发成本,提高研发效率。医药公司在新药物的研发阶段,可以通过数据建模和分析确定最有效率的投入产出比,从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集,尽可能及时地预测临床结果。评价因素包括医药产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本,提升药品竞争力,并最终使患者受益。
医药生产企业应用
医药生产企业利用医药大数据可以精准了解终端市场,实现生产和销售的匹配,同时也将为整个社会服务——全面提升医疗环境,助力药品安全。医药大数据将为医药生产企业提供一种先进的理念和解决方案,通过与多级经销商、终端流向数据的对接和直联,及时准确地对企业产品的渠道流向库存数据进行收集、整合、提炼、分析、帮助企业第一时间做出准确判断,提高投入产出比,减少生产与市场需求之间的差异,并实现整个营销体系的信息化管理。同时,数据挖掘和信息采集技术还能给研究人员提供足够的样本量和数据信息,建立基于大数据的数学模型,对未来市场进行预测,从而挖掘市场潜力,推动新药的研发,催生产业的变革,为药企带来全新的发展机会。
目前,中国约有大概有4000多家国营、合资和私营药企,其生产能力强,熟谙报批制度、在市场和销售上投入了相当大的资金,但是在数据领域却桎梏不前,中国现在最大的药企每年在医药数据上的投入尚不足100万人民币,而同等规模的欧美药企的投入则是其十倍。
医药流通企业应用
医药流通企业在新形势下遇到的最大的问题不是如何实现即时支付、医保联网及如何保证药品的安全性等政策及运作层面的问题,最大的问题将会是组织的适配问题,包括经营思路的适配、组织机构的适配及团队人员能力的适配。解决好这三大适配,将决定医药流通企业未来转型的可操作性及可持续性。
支持B2B与O2O的结合,纯销型医药商业企业可以实现对配送医院的药房整合并完善药事服务。这种药事服务不仅是针对医院,应该是针对医院所在区域的所有目标人群,是药学人员利用药学专业知识和工具,向社会公众(包括医药护理人员、患者及其家属、其他关心用药的群体等)提供直接的、负责的与药物使用相关的各类服务。这种服务是一种以病人为中心的主动服务,目的是使病人得到安全、有效、经济、合法的治疗药物,并最终打造区域或全国性的药事服务平台,实现对患者的有效影响,也能占据未来处方药网售中审方这个关键节点。实现四大整合医药商业公司对配送医院的整合可以通过布局院内物流(住院药房)、药房托管(门诊药房)或并购医院的门诊药房实现。
支持整合自有及医院的执业药师人员,建立强大的药剂师(执业药师)队伍,既可为所有配送医院提供药事服务,也可为未来处方药网售药师处方审核服务。
支持医院的处方医生资源进行整合。利用医院网络得天独厚的优势,思考如何为医院医生做好药事服务及为医院医生未来多点执业提供帮助,搭建医院医生服务、多点执业交易平台,为上游生产企业实现规范化的医生教育,逐步掌握医院医生资源。掌握了医院医生资源也就掌握了未来网售处方药处方外流的龙头,是参与网售处方药分利的先决条件。未来如何解决处方外流同医院的利益分配将考验医药流通企业的智慧。
支持物流配送整合。B2B的物流是配送型医药商业的传统优势,需要做的是加大覆盖面并提升效率。特别是农村基层医院的配送网络应完善,同第三方物流的整合也是一种选项。
支持通过B2C与O2O结合,在B2B的基础上建立直达消费者的渠道。全力打造最后一公里物流建设。对有零售终端的医药商业企业来说,做好药店的社区型物流配送,实现药品的药店配送到户,规划社区配送药柜或自动售药机布点安装及安装。
支持打造B2B2C一条龙服务,实现医院同社区、药店到患者家的无缝对接。在未来网售药品的大趋势下,医药商业所组建的处方医生及药剂师团队,不是单纯为了卖药,而应该力促让医生成为患者的家庭医生,成为医院、社区及患者链接的纽带,让患者网购药品的处方变得简单;同时药剂师团队也可为未来的网售处方药审方,让患者网购药品的安全性得到保障。对于单个制药企业来说,单独为自己的企业产品销售(线上的也好线下的也好)组建处方医生及药剂师网络成本巨大,得不偿失,另一方面网售电商平台单独组建处方医生及药剂师网络也存在地域限制、成本巨大及沟通障碍等问题。因此医药流通企业这种区域性的处方医生及药剂师团队为所有在区域网售药品的企业及患者提供的服务将成为极具差异化的且很难取代的服务。从使用这种服务的线上制药企业或电商平台分利将成为一种很难取代且持续的收益。这种获利有别于现在医药商业的事前配送费,而是一种事后的患者用药实际金额分红费,有成交即有利益,对各方都很公平。
医药流通企业要着眼于整个产业价值链质量的提升,将自己由单纯的批发商变为了全行业的服务商和整个供应链的管理者,为产业链上的各个环节提供前所未有的服务,并由此开发出了一个全新的市场。比如它为上游的医药厂商提供高度专业化的配方、检测、生产、包装等项服务,使厂商更能够集中精力于医药研发推广的核心过程;比如它为医院提供专业的物流管理服务,帮助医院更好的降低成本和提升效率;比如它为医院提供特殊的医疗手术用品的成套服务,不仅省却了医护人员挑选、运送手术用品的过程,而且大大降低了客户的存货和仓储费用。
医药零售企业应用
除了纯销及零售终端型医药流通企业外,中国还存在一大批代理生产企业产品并在终端耕耘的医药流通企业。对这部分流通企业来说,一方面可以转型为生产企业的办事处为生产企业打工;另一方面也可以合作整合区域内手上的医生资源,向医生平台转型并同当地大型流通企业合作搭建区域完整处方医生平台;第三,转型为零售终端做最后一公里物流及担当患者教育工作也不失一种好的选择。
医疗卫生资源配置管理规划应用(政府主管部门)
与经济社会发展和人民群众日益增长的服务需求相比,医疗卫生资源的总量相对不足,为了使得投入医疗卫生资源能用到恰到好处,就需要强化医疗卫生资源配置的管理能力和规划能力,实现就是掌握了解和分析医疗公共服务在各区域的以往需求量、现在需求量和将来的需求量,以及医疗卫生资源以往的政府供给量、现在供给量和将来的供给量,以在做医疗卫生资源服务预算和规划时基于供需的平衡做出取舍。通过对医疗卫生资源服务供需数据的横向对比分析、数据挖掘等技术处理,可以做出准确性较高的供需平衡预测,供决策管理层规划参考。
医疗卫生资源服务现状分析
通过地图展现区域范围内目前医疗卫生资源公共服务现状与未来需求量预测。
l 社康中心(含一类、二类):通过一张地图看到社康中心分布、各社区社康中心的数量分布和社康中心建设选址规划信息。
l 医院(含专科医院、专科疾病防治院、妇幼保健院、中医院、综合医院、一甲、二甲):通过一张地图看到各个级别医院分布图、综合医院床位分布和各级别医院建设选址规划信息。
l 通过一张地图看到市各区和街道的人口数量、人口年龄结构、人口性别结构、文化结构、行业结构等信息。
l 通过一张地图,能看到各区和街道的政策外生育的人口分布。
医疗卫生资源财务供给能力分析
政府每年在医疗公共服务领域的资源投入和市民的需求量总存在较大的差异,为了尽可能实现供需平衡,需要对医疗领域的公共服务需求量和政府未来几年的供应量做预测分析,以支撑决策管理者做出合适的决策。
l 历史供给能力数据收集:年度总收入、年度总支出、增长率、九大公共服务需求量、九大公共服务增长率、各公共服务资源投入量。
l 历年政府财政收入、支出、公共服务支出、公共服务支出增长率以及年度各项公共服务需求缺口、公共服务需求增长率做纵向对比,判断未来3年内财务供给满足能力和缺口。
医疗卫生资源规划指标对比
通过了解国际、国家、相邻省市相应的医疗公共服务政策资源配置标准进行对比,再结合资源现状、百姓民生需求等情况,合理规划医疗公共服务资源。
l 对比的指标项: GDP、人口、国土面积、政府年度总收入、政府年度总支出、年度教育总投入、年度教育总投入占GDP比重、年度教育总投入占政府支出比重、年度医疗卫生总投入、年度医疗卫生总投入占GDP比重、年度医疗卫生总投入占政府支出比重、病床数、每千人口病床位数、医生数、每千人口医生数、护士数、每千人口护士数。
l 指标横向、纵向对比:历年数据纵向指标对比图、和国内主要城市、省的横向指标对比图、和亚洲四小龙横向指标对比图、和周边国家横向指标对比图、和国际性都市横向指标对比图、和欧美国家横向指标对比图、和世界所有国家横向指标对比图。
政策对比示意图
医疗卫生资源政策建议
通过对医疗公共服务的历史数据和未来趋势的综合分析,对供需平衡作出判断,总结出供需报告供管理决策层参考。
商业医疗保险应用(保险公司)
大数据分析在商业医疗保险的保障设计、精算定价、理赔运营管理、医疗机构管理、市场和销售拓展等医疗保险经营的各个领域均有很大的应用价值;在战略决策支持上,大数据应用同样有着举足轻重的作用。
获得新客户和保留已有客户的分析应用
对于商业医疗保险机构的市场和销售而言,如何获得新客户和保留既有客户是核心内容。应用大数据挖掘,可以剖析客户参保人群的费用驱动因素及健康情况,不仅可以为优化保障设计与精算定价提供有力支持,更可以以深度分析结果报告作为业务洽谈的基础,增进与客户的沟通,赢得客户对保险公司专业水平的信赖,并据此为客户量身定制相关增值服务。
有效控制医疗费用的分析应用
商业医疗保险的最重要的核心价值在于:保障医疗质量的前提下有效控制医疗费用。大数据分析可以为医疗保险找出费用的关键驱动因素。以此作为战略决策的依据,可以使决策者有针对性的制定措施解决问题关键。此类分析的要点在于通过由大到小、由粗到细的层级挖掘寻找问题的关键,成功应用于决策制定即需要整套专业分析技术的支持,更需要逻辑性、结构化的思维,及对医疗保险行业市场在战略层面的理解,因此对数据分析师的要求更高。
商业医疗保险的保障设计和精算定价
目前商业保险业务分团体险与个人险,其中个人险中以储蓄理财型产品为主,少部分是消费理赔型,即真正意义上的医疗保险。此间很大原因在于缺乏对实际医疗费用的估算把控能力,在保障设计及精算定价方面无据可依,从而限制了产品的开发。
案例分析
以肿瘤类大病保险为例,由于政府医保以保基本为原则,支付额度经常不足以覆盖治疗肿瘤疾病治疗的全部费用,且报销目录通常不收录现今市场上疗效显著但价格昂贵的靶向型生物制剂,导致这一领域的市场空缺,为商业保险提供了明确的发展机会。商业保险公司虽看到市场契机,但往往因不了解肿瘤治疗的实际费用,而对产品设计与定价无从下手。
分析挖掘肿瘤类疾病理赔数据可以有效帮助解决这一难题。以乳腺癌为例,通过对北京、上海和成都三个城市的医保理赔数据库中抽取的乳腺癌病例的深度分析,辅以病人及医生的调研信息,我们看到, 乳腺癌的治疗方案及相关费用与其癌症类型紧密相关:
● A 类原位癌以手术为主,住院时间短,费用相对较低;
● B 类 I-III 期患者的治疗除手术外需辅以相当的化疗,费用明显增高;
● C、 D 类 IV 期患者的治疗方案以化疗为主,所需费用更高;患者家庭经济情况也是影响治疗费用的一大因素, 家境富裕的患者多选用靶向型生物制,其治疗费用大大增高; 由于不同城市消费水平及具体医保保险政策的不同,也导致城市间的差异性, 但与由癌症类型及治疗方案导致的费用差异相比,地域性的影响相对较小。
以上对肿瘤费用的深度分析结果,结合不同年龄群体的发病率及疾病演变信息(可从疾病学研究中获得),即可为真正理赔型大病保障设计及相关精算定价提供有力支持,促进医疗保险产品的创新并提升产品的竞争力。
商业医疗保险的理赔运营管理应用
在医疗保险理赔运营管理中至关重要的一个环节是及时发现欺诈、浪费、滥用等费用风险。欺诈虽案例不多,但常涉及较大金额;浪费与滥用属于过度医疗与不合理医疗,单笔金额也许不高但是数量庞大,很难根据经验判断,因此属于数据挖掘的重要应用领域。
大数据分析可以帮助找出一些典型的理赔费用风险问题,例如分解住院、不合理医疗检查项目或者不合理高值医用耗材、诊断和处方药品指征不匹配、药品剂量超标等。此类分析对临床知识要求很高,需要专业分析技术和引擎才能完成。
案例分析
以某地区几千名门诊患者的基本医疗和企业团体补充险为例, 通过深度分析其 1 年理赔数据,我们发现多类理赔风险:
● 药品剂量超标: 医保报销规则通常要求每次处方量不超过7 天或 14 天,但在实际理赔中,因为普通医保运营系统无法判断具体到每个药品的标准日用量,难以就理赔信息加以识别,因此超剂量用药频有发生,并为代开药品、倒卖药品等欺诈行为提供了便利。我们根据各类药品最大日用量分析计算了相应给药天数,从单次处方天数来看,某些中药处方的给药天数超过一个月; 从一年中累计给药天数来看,若干患者配药总量远远超过一年。因为现有理赔数据不含有药品用量信息,所以以上仅为保守估计。若能结合电子病例以实际处方的日用量计算,可以发掘出更多的潜在问题案例。
●用药与医疗服务不匹配: 现今医保药品报销通常要求诊断与用药相匹配,因此医生在处方时往往会根据所处方药品填写诊断信息。分析发现,少数患者使用了 10 种以上药品,相应的诊断名称也众多。众所周知,某些疾病的诊断往往需要一些必要的检查或者化验来确诊,但我们所分析的理赔数据中显示的检查和化验项目并不能支持患者的众多诊断。这说明,在实际医疗行为中,可能存在医生为配合患者开药而“人为”填写诊断名称的现象。理赔工作人员可相应对此要求患者提供病例详情以确认是否有借开药以套保费的现象。
● 由保障方案诱导的“非必要”医疗: 目前不少团体补充险保障涵盖门诊福利,且常设几千元的封顶线。我们的分析表明,在有门诊保障的情况下,如果起付线不高(1 千元以内),常会导致相当的“非必要”医疗。该团体门诊封顶线在4000 元左右,一年内 1290 出险人中 800 人门诊费用在 3000-5000 元之间,明显有诱导消费嫌疑。深入分析各月份及医院就诊分布显示,年底 11-12 月间就诊次数明显增长,且主要出现在较容易挂号的一二级医院,说明其增长主要由诱导消费导致的“非必要”医疗。那么所诱导的“非必要”医疗都包括哪些内容呢?通常而言,一方面为可用可不用的药品,诸如中成药、中药营养品等;另一大类为可有可无的诊疗项目,例如检查化验,中医针灸按摩等。进一步分析中药及诊疗服务费用按月的分布,可以清晰的看到年底中成药、中药饮片(含中药营养品)、及诊疗项目使用频率及涉及费用明显上升. 当然从根本上解决诱导消费的问题需要从保障方案设计着手,但以上分析结果也可为理赔提供信息支持,帮助理赔工作人员简单便利的找出此类诱导消费的嫌疑,有针对性的加以审核。
以上发现可帮助医疗保险机构的理赔审核部门快速找出潜在问题案例及其明细信息,提高理赔处理的效率并降低赔付率。此外,医疗保险机构也可以针对这些问题的根源和相关医疗机构进行沟通,寻求从根本上降低费用和提高运营水平的机会。
商业医疗保险的市场和销售拓展应用
对于商业医疗保险机构的市场和销售而言,如何获得新客户和保留既有客户是核心内容。应用大数据挖掘可以剖析客户参保人群的费用驱动因素及健康情况,不仅可以为优化保障设计与精算定价提供有力支持,更可以以深度分析结果报告作为业务洽谈的基础,增进与客户的沟通,赢得客户对保险公司专业水平的信赖,并据此为客户量身定制相关增值服务。
公共卫生服务应用(卫生防疫中心)
大数据挖掘可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库,快速检测传染病,进行全面的疫情监测,并通过集成疾病监测和响应程序,快速进行响应"这将带来很多好处,包括医疗索赔支出减少! 传染病感染率降低,卫生部可以更快地检测出新的传染病和疫情等。通过提供准确和及时的公众健康咨询,大幅提高公众健康风险意识,同时也将降低传染病感染风险。
大数据在公共卫生中应用,突出体现在以传染病实时监测的信息为依据,以历史疫情大数据为基础,建立敏感特异、科学实用、适用基层的传染病爆发、流行的预警体系,提高了中国传染病疫情监测的预警能力,并在传染病爆发、流行的早期能够及时发现并采取快速的应对措施,从而减少传染病对人民健康和社会经济发展造成的影响。
公共卫生业务活动主要包括疫情监测、应急处置、调查评价、科学研究、教育培训和管理服务等。内容包括传染病,慢病,健康危险危害因素等。类别包括以人群为基础的个案信息;以实验室为基础的生物与环境信息;以组织机构为基础的管理信息;以人群社会化活动为基础的结构化、半结构化和非结构化信息。其次,监测信息来源多样化,包括手工录入,电子病历(EMR),微博微信/论坛等网络信息。最后,数据时效要求高,疫情探测和应对要求近乎实时的应对速度,需要满足实时统计分析,快速获得结果,同时大量监测数据中需要的常信号,或发现流行规律。
传染病预警预报
利用监测信息资源,实现以日为单位动态自动预警概念模型;实现对传染病暴发的早期自动预警;支持传染病疫情监测报告数据的分析与利用。采用时间/时空预警模型每日自动运算,将探测到的病例异常增加或聚集的信息以多种方式自动发送给各级疾控机构疫情值班人员,提醒其及时关注和处理。具体应用:
Ø 传染病实时统计:对全国范围传染病个案数据进行实时动态的基于时间、空间和人间的“三间分布;数据包含时间、空间、人群、疾病四个象限维度:实施难度体现在加工后的实时统计数据达到5000 万条/年,并需要针对全国所有分级用户提供任意时间段的汇总统计,其统计量达到8000万亿条/年。技术路径及应用展现。
Ø 传染病聚集性预警:基于病人空间位置的非结构化数据预警,主要用来探测在大尺度范围内的传染病聚集性爆发,主要维度包括:病种、病人详细住址(例如某学校某班,某村某大队);主要难度体现在病人详细住址是非结构化数据,需要逐行快速匹配及容错误处理。技术路径及应用展现。
公共卫生舆情监测预警
Ø 舆情监测:随着互联网技术与应用的飞速发展,网络媒体已经成为获取信息的重要来源。使用网络信息抓取技术,抓取互联网络传染病、突发公共卫生事件,以及公共卫生安全方面的新闻、BBS 和社交网络等范围内的对象信息,已经成为公共卫生监测的另一重要手段。
Ø 舆情预警:将监测数据输入预警预报模型,输出以报表、统计图、趋势图的形式展现,并与达到警告标准的数据进行对应级别的警告。采用多层次模糊综合评价的方法,将舆情监测数据划分为二级及二级以上的指标。对低级指标进行加权评估,继而对高级检测指标进行舆情加权评估,最后得到整个传染病、突发公共卫生事件在网络中舆情的级别预警。
疾控和保健应用
重大突发疾病早期预警:通过对心电生理信号的提取,使用多尺度的数学形态学方法进行降噪滤波,然后通过积分增加QRS复合波的信号,最后通过选择合适的阈值得到最终的QRS复合波的检测结果。同时,利用L1-逻辑斯蒂模型提取疾病风险因子,防止重大突发疾病。,利用大数据挖掘技术挖掘用户的身体健康信息,并将分析结果以电视、平板电脑、手机等展示方式快速高效的反馈给用户。与此同时,社康中心或医院的医生可通过互联网查看其管理的慢性病用户的生理指标情况,根据用户的个人身体健康具体状况,给出用户的日常饮食、锻炼和用药建议。一旦用户的生理信号检测异常,平台将自动给出预警信息,通知用户前往医院就医,同时将信息通知其家人和监护医生。
政府监管应用(政府主管部门)
医药监管应用
药品价格监管:药品价格一直是社会热点问题之一,两者的高低直接关系到合理诊查,合理用药水平,关系到广大百姓的经济承受力,关系到医药资源的配置和利用效率,关系到药品生产企业的长远发展,特别是实行全民医保,同样关系到政府对卫生事业的支付能力。医疗收费和药品价格,涉及面广,影响大,已引起政府有关部门的高度重视,各相关部门多次多管齐下,调整医疗收费标准和降低药品价格,但是所实施的各项措施让百姓切实感受到的实际效果并不明显,出现了一方面药品价格在大幅度下降,大型诊疗仪器收费标准降低,另一方面患者支付的医药费用并没有明显减少的现象,虽然这些现象的存在,与医疗体制、制度相关,但应通过加大价格监管等措施,让医疗费用降下来,百姓实实在在得到实惠。
药品研发生产流通监管:包括药品生产企业资格监管、药品生产准入监管、药品质量监管、药品安全监管、新药注册监管;药品流通企业资格监管、药品流通环节监管、药品集中采购过程监管、药品物流监管。
医疗监管应用
过度医疗监管:过度医疗是指在医疗过程中所采用的诊断、治疗措施超越疾病本身的需要,造成医疗卫生资源和费用的浪费,甚至有害于身体的医疗行为。简单来讲,过度医疗指的是与适度医疗相对应的医疗行为。它主要包含两个要素:医疗行为的无效性和医疗消费的过度性。
l 大处方监管:
无适应证用药、无正当理由开具高价药、超说明书用药以及为同一患者同时开具两种以上药理作用相同药物的处方;
l 过度检查监管:
医疗机构及其医务人员不得违反诊疗规范实施不必要的检查;
l 过度治疗(包括药物治疗、手术治疗和介入治疗等)监管:医疗机构或医务人员违背临床医学规范和伦理准则,不能为患者真正提高诊治价值,只是徒增医疗卫生资源耗费的诊治行为。 或者说,在治疗过程中,不恰当、不规范甚至不道德,脱离病人病情实际而进行的检查、治疗等医疗行为。简单说,过度医疗是超过疾病实际需求的诊断和治疗的行为,包括过度检查、过度治疗。过度医疗不是诊治病情所需,起码不是诊治病情完全所需。过度医疗是与道德相违背的,是法律以及相关制度所被禁止的。
医疗质量监管:包括医疗服务机构、人员、技术、药品、器械、设备等方面的法律法规和规章制度的合规性监督检查,医疗事故和不良安全事件的监测。
医疗质量监管体系的初步架构
医保监管应用
建立全程智能审核系统,将医保监管对象延伸到医务人员。用法律法规和政策标准指导、约束和了解医生处方行为过程,做到事前提示、事中监控和预警、事后惩罚与改善,彻底走出医保和医生信息不对称和类似行政监督手段的困境。为达到医保基金中长期收支平衡,亟待建立抑制医患道德风险的治理机制。实现医保机构从“出纳”升为“会计”,提高对医疗服务的监控能力。
单从医保经办机构审核医疗机构费用单据来看,医保经办机构就面临着巨大挑战。平均每位审核人员需要审核的单据数量逐年增加,例如在成都市2011年人均需要审核6708份住院费用单据,而至2013年人均需要审核8654份住院费用单据。显然,这样审核量单靠现有医保编制人员是无法完成的。
通过基于大数据的智能审核系统的新型监管手段,不仅可以提高医保监管效率,带来政府公信力的提升。而且对医保经办者们,提高效率、防止出错、减少违规,实现月清月结。通过智能审核初审完毕后,将不涉及违规和可疑可申诉部分的医保金额立即拨付,对可疑可申诉部分的医保金额根据申诉结果拨付。
医疗服务机构和医生监管应用
对医疗服务机构的成立和经营过程进行执照和许可监管,防止非法医疗机构的出现和运营;通过对医生的行医资格及其行医记录进行监管,防止无证行医、非法行医等危害健康的行为。
新型医疗卫生服务应用(政府主管部门)
自从2003年科学家完成人类基因组图谱,医疗卫生科技取得了巨大的进步。新型的医疗健康模式和工具,正在或将要改变人们传统的监测、看病、保健的方式,并逐步形成一条新的产业链。从预防到看病、就医、恢复、保健,在医疗产业链的各个点上各有侧重。新型医疗卫生模式的最大特点是应用了大量的新信息技术来强化和超越传统限制(包括时空)实现新的医疗功能,包括远程医疗、移动医疗、互联网医疗、数字医疗、大数据医疗、智慧医疗等等。
远程医疗
远程医疗首先是一个跨越空间的医疗行为,范围比较窄,必须由医疗机构和具有医疗资质的人员提供。按照比较接地气的描述,远程医疗有两种模式,一种是B2B,就是机构对机构,两个不同的医疗机构的合作;一种是B2C,直接对医疗机构以外的患者提供医疗服务。
移动医疗
移动医疗是“通过移动设备提供的医疗服务”。移动设备提供了不可思议低成本和实时的方式,用于评估疾病、运动、影像、行为、社会交往、环境毒素、代谢产物和一系列生理变量。
移动医疗借助最新的物联网的传感技术和移动互联网的便携效率,将优质的医疗服务通过互联网延伸,移动医疗强调提供医疗服务,是医疗资源通过智能移动设备的一种辐射。目前的移动医疗产品可以大致进行如下划分:
Ø 医生工具。通常包括患者病历管理、药品信息、临床指南、前沿的医学资讯等,能够给医生的日常工作带来帮助。
Ø 自诊问诊平台。包括患者自诊或预诊、医患沟通平台、患者互助平台、签约私人医生等,在日常生活中能够为普通人和患者获取医疗信息和诊疗带来便利。
Ø 单科领域。关注某类疾病或某个单科领域,根据疾病的特点借助移动互联网,将慢性病的管理提供给患者(即PM,patient management)目前常见的领域包括牙科、心血管、糖尿病、呼吸疾病、皮肤疾病、孕期等。
Ø 硬件结合。用户通常需要购买专用的硬件,测量生理信息后将通过App自动记录下来,目前主要有血压、血糖、心率、体温、尿液信息等指标。除此之外,还有一些移动监护仪和远程胎儿监护等设备,也能够通过App将信息及时发送给患者和家人,此类产品一般是医疗器械公司在移动医疗领域的尝试,或者可穿戴硬件公司针对特定用户需求的开发。
Ø 医联平台。主要由第三方供应商或HIS厂商开发,或者由政府或医疗机构委托开发,通常包含挂号、预约、查看医院内的信息、查看化验单等功能。此类平台目前出现与微信、支付宝等结合的趋势。
Ø 医药电商平台。提供完善的药品信息、药品使用说明、病症查询,并且能够基于用户的地理位置推荐药品购买服务,也包括目前国内最大的几家电商平台,未来牌照开放后的处方药网售,其市场规模将迎来井喷。
Ø 医疗新媒体。除了针对医疗机构和企业的服务之外,通过传递医疗资讯,进行患者健康教育(即PE,patient education),同时可以连接医生、制药企业和患者,并可以建立社区,为患者服务,采用移动互联网的微博、微信等通用平台架构,所以从广义上来说,也属于移动医疗的范畴。
互联网医疗
包括以互联网为载体和技术手段的医疗健康教育、医疗信息查询、电子健康档案、疾病风险评估、在线疾病咨询、电子处方、远程会诊、远程治疗和康复等多种形式的健康管家服务。
数字医疗
数字医疗把现代计算机技术、信息技术应用于医疗领域,数字医疗设备的出现,大大丰富了医学信息的内涵和容量。从一维信息的可视化,如心电(ECG)和脑电(EEG)等重要的电生理信息;到二维信息,如CT、MRI、彩超、数字x线机(DR)等医学影像信息;进而三维可视化,甚至可以获得四维信息,如实时动态显示的三维心脏。这些信息丰富了医疗诊断技术,使医学进入了一个全新的可视化的信息时代。
大数据医疗
医疗领域大数据分析的作用堪比经验丰富的临床医生,在医疗行业充满了大数据分析的使用场景,为医患人员提供可衡量的结果,包括在住院管理、医疗设备管理以及提高治疗效果并且避免医疗欺诈的出现。
智慧医疗
智慧医疗强调的是采用最新信息技术实现的医疗效果和感受,其中包括医疗环节过程的高效率、高效益、智能性、预见性、互动性和及时性等能充分展示智慧的功能支持,包括针对医院医生、家庭个人、管理者以及其他社会组织,从而提高医疗环节相关机构和角色的医疗卫生服务体验。智慧医疗实现“疾病医学”向“预防医学”转变,其更强调在线健康监护与自助服务体系,降低医疗成本。
精准医疗
精准医疗作为医疗模式的革新,其对提高我国国民健康水平有重要意义,我们预测精准医疗将在基因测序技术发展和国家政策的推动下迎来黄金发展期。精准治疗是下一个新兴朝阳行业,包括基因测序、肿瘤诊断及个性化用药等。
苹果与美国多家研究机构合作开发精准医疗应用,收集并整理用户的基因数据。这些应用将向一些iPhone用户提供机会,帮助他们进行基因检测。这些新应用将基于苹果的ResearchKit。这一数据整合平台可以收集来自用户设备的信息,将信息进行打包用于医学研究。医院和其他研究人员可以连接至ResearchKit平台,从而迅速获得大量的研究样本。
作为精准医疗的核心技术,基因测序日前逐渐获得市场的关注。不仅仅包括苹果在内的海外巨头正加快布局基因测序的步伐,国内有关部门也在力推精准医疗战略。日前,科技部召开了国家首次精准医学战略专家会议,会议透露中国精准医疗计划将在2015下半年或2016年启动。根据规划设想,在2030年前,中国精准医疗将投入600亿元,其中:中央财政支付200亿元,企业和地方财政配套400亿元。
标签:   医院信息化 医院信息化系统 医院信息化软件 医院信息化平台 HIS HIS系统 医院HIS系统 医疗卫生 医疗大数据 互联网医疗 数字医疗 大数据医疗 智慧医疗 精准医疗 远程医疗 移动医疗