老王小说

手机浏览器扫描二维码访问

第一节 医院管理决策支持系统（第2页）

3．对数据进行预处理，包括抽取与加载、清洗（数据补缺、数据替换、格式规范化、主外键约束）及转换（拆分、合并、转换）等。

4．建立数据仓库，将来自于各种数据源的医疗数据，根据不同的主题进行存储。

5．采用OLAP多维数据分析方法，通过使用不同维度组合和颗粒细度，对数据仓库中的数据进行深入分析。

6．采用数据挖掘技术，应用不同的算法，向医院管理者揭示数据间的规律性，从而提高管理者的决策质量和水平。

7．借助表格、统计图形、仪表盘等多种形式展示结果。

医院决策支持系统的具体流程见图11-1。

图11-1医院决策支持系统流程图

三、分析

1．优势特点

（1）快速的信息查询：

首先，通过医院管理决策支持系统，将院内分散的各类医疗卫生数据进行汇集，形成完整的数据链，能有效解决信息孤岛的问题。

其次，快速的报表生成功能提高了卫生统计工作的效率与质量。

再次，管理者能实时、准确、全面地掌握医院运营中的每一个细节，包括：各类疾病发病治愈情况、各种费用明细、医嘱与用药情况、医疗资源占用情况等，并将各类数据和前期或同期的数据作对比，分析出数据的内在规律及变化趋势。

（2）深入的挖掘分析：

数据挖掘技术可帮助管理者深层次地挖掘和分析各类数据，找出引起某一变化或造成某一现象的关键影响因素及这些影响因素的相关性强弱，从而为医院管理者有针对性地制定决策提供参考。

例如：美国的研究者通过对糖尿病患者的病历信息进行挖掘，成功对血糖控制水平关键因素进行分析；加拿大通过基于数据仓库的费用疗效评估，从而达到降低医疗事故、促进疗效、减少费用的目的；日本通过对诊疗信息的挖掘，对10种常用药物的数据进行用错频率的分析。

数据挖掘技术为医院有针对性的改进医疗质量提供有力的决策支持。

（3）智能的辅助决策：

在数据挖掘分析的基础上，融入知识库和决策模型，根据决策目标，按照决策模型给出具体建议，并能在几种可选方案中分析出最佳方案。

例如是否可以通过优化住院流程、降低平均住院天数来解决住院难的问题，采用哪种方案最能有效降低全院平均住院日等。

2．存在问题

（1）数据质量有待提高：

医院各信息系统的原始数据是挖掘分析的基础，原始数据质量的好坏直接影响到决策支持系统的应用效果。

由于卫生行业信息系统中的数据标准不统一、数据质量缺乏监管、“脏数据”

、“信息孤岛”

等现象严重，直接导致了统计数据和指标信息的不准确，可信度下降，不仅不能给管理者提供正确的决策依据，更有可能致使管理层做出不科学、不合理的决策，从而影响医院的良性发展。

（2）智能程度有待加强：

目前，我国已建立的医院管理决策支持系统的智能程度不高，信息内容不全面，挖掘分析不深入，大多处在简单的查询与分析阶段，欠缺集成化以及基于数据仓库和数据挖掘技术的决策支持应用和服务。

少数使用数据仓库的系统中，数据仓库的功能也很模糊、维度单调、粒度粗糙、数据展现不灵活、缺乏数据挖掘，不能满足管理者对数据的多维度查询和深层次利用。