基于数据挖掘和决策支持的医疗质量分析_郑西川

《中国医院管理》

第２６卷第４期（总第２９７期）２００６年４月质量管理Ｚｈｉｌｉａｎｇｇｕａｎｌｉ

医疗行业对服务质量的关注导致了最初用于工业的质量改进方法的引入，并在医院临床各个环节中得以应用。目前医疗质量控制采用的措施包括“全面质量管理”（ｔｏｔａｌｑｕａｌｉｔｙｍａｎａｇｅｍｅｎｔ，ＴＯＭ）：一种过程控制方法，以确保获得预期的质量标准。“持续质量改进”（ｃｏｎｔｉｎｕｏｕｓｑｕａｌｉｔｙｉｍｐｒｏｖｅ－ｍｅｎｔ，ＣＱＩ）：一种组织中每个人持续改进产品和服务质量的方法。ＣＱＩ最初基于质量保证（ｑｕａｌｉｔｙａｓｓｕｒａｎｃｅ，ＱＡ）体系，它强调监控医疗事故、死亡率、发病率和对院内感染的审核。然而，制造业的经验表明：质量保证程序关注终末结果，对改进质量降低成本作用不大，面向过程质量的控制比面向结果的质量控制效果更好。２０世纪９０年代，质量保证的重点转向面向过程的全面质量改进（ＴＱＭ／ＣＱＩ）。随后整个工业认识到了它的优点，医疗机构的质量管理也进入面向环节过程的新阶段。

过程改进策略实施上为Ｐｌａｎ－ｄｏ－ｃｈｅｃｋ－ａｃｔ（ＰＤＣＡ）４个过程组成的管理环（戴明环，１９８６）。持续的和终末的质量改进标准用于检查过程环节质量的评估和改善，ＰＤＣＡ过程的关键输入是病人费用／结果数据与预期的结果和最佳结果的比较，每一组评估结果均可作为决策支持信息系统的一个部分，以指导临床医疗方案，提升医疗质量水平。

我国的医疗质量保证体系建立比较早，２０世纪９０年代，许多医院进行了医疗质量管理、评估和研究。近几年来，随着医疗管理手段的改进，加强了医疗质量评估体系研究，对

ＣＱＩ进行了重新的定义，并开发了ＱＩ标准和ＱＩ指标体系，

医院医疗质量管理部门对医疗质量的管理也出现了新变化。但由于质量改进评估结果和反馈工具的缺乏，工作负荷的增加以及医疗质量改进动因缺乏等原因，医疗质量改进远没有取得应有的效果。而且，医院医疗质量监督大多数采用手工的统计方法，没有充分利用医院ＨＩＳ系统所产生的临床信息，对医院临床过程质量改进作用效果不大。缺乏能够提供病人医疗成本／结果的分析支持ＰＤＣＡ过程的医疗质量决策支持系统（ＤＳＳ）。显然，在加强医疗环节质量控制的同时，开发医疗质量决策分析系统对医疗质量的提升具有特别的意义［１］。

成功地实现过程质量改进，必须实时获得病人临床过程信息和影响质量和医疗行为结果的因素，以便与预期结果标准比较，通过与医院ＨＩＳ集成实现医疗质量的持续改进。本文的研究中，使用数据挖掘技术指出了影响医疗质量的因素，基于这些因素开发了面向质量改进过程的决策支持系统，对ＰＤＣＡ过程能提供关键信息。数据挖掘是一种基于大型数据仓库的知识发现技术，本研究中使用数据挖掘技术的目的是从大量医疗质量问题中发现医疗质量变化的通用方法。１对象与方法

１!１研究对象及范围

我们对某医院２００４年８月３１日到２００５年５月１日出院的８４０５例病人进行了分析，着重对以下几个医疗质量指标进行分析，主要分析影响病人死亡率的医疗质量因素，相关数据如病人年龄、性别、出院科室、疾病种类等均来自病人住院病历计算机管理系统病案首页数据库。１!２方法

在分析住院病人死亡率的影响因素时，我们使用了决策

＊上海科委基金项目：医疗机构成本控制及智能决策分析系统（编号：其他－１７０）

①上海交通大学附属第六人民医院上海２００２３３

基于数据挖掘和决策支持的医疗质量分析＊

郑西川①

秦环龙①

厉永灏①

摘

要

提出了在医疗质量持续改进策略中使用数据挖掘技术对医疗质量指标进行分析，特别是使用决策树分析方法对

某医院８４０５例出院病人进行了数据挖掘分析，得出影响病人死亡率的几个重要因素。这些因素分别为：住院天数、疾病种类、所在科室以及年龄，并以决策树图形方式揭示了这些因素与病人死亡率的关系。同时，为了分析和监控医院医疗指标的变化趋势，我们开发了医疗质量决策支持系统，包括医疗质量持续改进的指导原则和方法。将来计划把支持全院医疗质量持续改进（ＣＱＩ）的其他医疗质量指标纳入到软件系统中，并将质量决策支持系统与医院ＨＩＳ医生工作站软件进行集成。

关键词

医疗质量改进

数据挖掘

决策支持系统

中图分类号

ＴＰ３１文献标识码Ａ文章编号１００１－５３２９（２００６）０４－００２２－０３

ＡｎａｌｙｓｉｓｏｆＨｅａｌｔｈｃａｒｅＱｕａｌｉｔｙＩｎｄｉｃａｔｏｒＵｓｉｎｇＤａｔａＭｉｎｉｎｇａｎｄＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍ／ＺｈｅｎｇＸｉｃｈｕａｎ，

ＱｉｎＨｕａｎｌｏｎｇ，ＬｉＹｏｎｇｈａｏ∥ＣｈｉｎｅｓｅＨｏｓｐｉｔａｌＭａｎａｇｅｍｅｎｔ，２００６，２６（４）：２２－２４

ＡｂｓｔｒａｃｔＴｈｉｓｓｔｕｄｙｐｒｅｓｅｎｔｓａｎａｎａｌｙｓｉｓｏｆｈｅａｌｔｈｃａｒｅｑｕａｌｉｔｙｉｎｄｉｃａｔｉｏｒｓｕｓｉｎｇｄａｔａｍｉｎｉｎｇｆｏｒｄｅｖｅｌｏｐｉｎｇｑｕａｌｉｔｙｉｍｐｒｏｖｅｍｅｎｔｓｔｒａｔｅｇｉｅｓ．Ｓｐｅｃｉｆｉｃａｌｌｙ，ｉｍｐｒｏｔａｎｔｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｔｈｅｉｎｐａｔｉｅｎｔｍｏｒｔａｌｉｔｙｗｅｒｅｉｄｅｎｔｉｆｉｅｄｕｓｉｎｇａｄｅｃｉｓｉｏｎｔｒｅｅｍｅｔｈｏｄｆｏｒｄａｔａｍｉｎｉｎｇｂａｓｅｄｏｎ８４０５ｐａｔｉｅｎｔｗｈｏｗｅｒｅｄｉｓｃｈａｒｇｅｄｆｒｏｍｔｈｅｈｏｓｐｉｔａｌ．Ｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓｆｏｒｔｈｅｉｎｐａｔｉｅｎｔｍｏｒｔａｌｉｔｙｗｅｒｅｌｅｎｇｔｈｏｆｓｔａｙ，ｄｉｓｅａｓｅｃｌａｓｓｅｓ，ｄｉｓｃｈａｒｇｅｄｅｐａｒｔｍｅｎｔｓ，ａｎｄａｇｅｇｒｏｕｐｓ．Ｔｈｅｏｐｔｉｍｕｍｒａｎｇｅｏｆｔａｒｇｅｔｇｒｏｕｐｉｎｉｎｐａｔｉｅｎｔｈｅａｌｔｈｃａｒｅｑｕａｌｉｔｙｉｎｄｉｃａｔｉｏｒｓｗｅｒｅｉｄｅｎｔｉｆｉｅｄｆｒｏｍｔｈｅｇａｉｎｓｃｈａｒｔ．Ｉｎａｄｄｉｔｉｏｎ，ａＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍ（ＤＳＳ）ｗａｓｄｅｖｅｌｏｐｅｄｔｏａｎａｌｙｚｅａｎｄｍｏｎｉｔｏｒｔｒｅｎｄｓｏｆｑｕａｌｉｔｙｉｎｄｉｃａｔｉｏｒｓ．Ｇｕｉｄｅｌｉｎｅｓａｎｄｔｕｔｏｒｉａｌｆｏｒｑｕａｌｉｔｙｉｍｐｒｏｖｅｍｅｎｔａｃｔｉｖｉｔｉｅｓｗｅｒｅａｌｓｏｉｎｃｌｕｄｅｉｎｔｈｅｓｙｓｔｅｍ．Ｉｎｔｈｅｆｕｔｕｒｅ，ｏｔｈｅｒｑｕａｌｉｔｙｉｎｄｉｃａｔｏｒｓｓｈｏｕｌｄｂｅａｎａｌｙｚｅｄｔｏｅｆｆｅｃｔｉｖｅｌｙｓｕｐｐｏｒｔａｈｏｓｐｉｔａｌ!ｗｉｄｅＣｏｎｔｉｎｕｏｕｓＱｕａｌｉｔｙＩｎｐｒｏｖｅｍｅｎｔ（ＣＱＩ）ａｃｔｉｖｉｔｙａｎｄｔｈｅＤＳＳｓｈｏｕｌｄｂｅｗｅｌｌｉｎｔｅｇｒａｔｅｄｗｉｔｈＨｏｓｐｉｔａｌＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍ（ＨＩＳ）ｔｏｓｕｐｐｏｒｔｃｏｎｃｕｒｒｅｎｔｒｅｖｉｅｗ．．

Ｋｅｙｗｏｒｄｓｃｏｎｔｉｎｕｏｕｓｑｕａｌｉｔｙｉｍｐｒｏｖｅｍｅｎｔ，ｄａｔａｍｉｎｉｎｇ，ｄｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍＡｕｔｈｏｒ’ｓａｄｄｒｅｓｓＴｈｅＳｉｘｔｈＰｅｏｐｌｅ"ｓＨｏｓｐｉｔａｌＡｆｆｉｌｉａｔｅｄＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ，２００２３３，ＰＲＣ