野说医疗数据治理

中国企业数据治理联盟（www.chinaedg.com/）

手机又震动了，一条微信传来，“主任，在不，我过来找你沟通一下...”望着手机,我揉揉发胀的太阳穴，苦笑着无奈的摇摇头，弯曲的手指不断的挠着不多的几根头发，头大呀，我已经记不起这是第几次的沟通了。

数据的变迁

最近这家百年的医院，启动了精细化的绩效方案，据说利用了大数据技术去分析各科室的数据，技术上非常先进，经过公司讲师多轮的“培（HU）训（YOU）”,院里决定当年完成相关系统建设，用信息化让这家老店焕发出新的魅力。

虽说事先做了各种测算，但是这方案一开始实施，主任们就炸开了锅，各种反映的声音一浪高过一浪，都说不能准确体现科室工作。按说，绩效方案也是经过几轮次的激烈讨论形成的，公司请来的绩效专家那也是在爱森者和肯德基操过江湖的哟，代表着最先进的管理理念，那是不接受反驳的。各路“诸侯”也都签字画押了的。可这上线一看，咋跟当初的设想差距这么大呢。问题出在哪里呀？

很多时候，同样的问题也都摆在我们面前。系统别家用过，业务流程讨论清楚了，可还是使用效果不好！为什么？为什么？为什么？说好的，大数据不关心质量，只要你数据量够大，一切都不是问题。

“忽如一夜春风来，千树万树梨花开。”当管理者发现，经过这些年的信息化建设，汇集起来的数据越来越多时，就有了利用数据的大好念头，这种水到渠成、瓜熟蒂落的期望在技术的推动下更是蔓延开来。大家都寄希望能拿这些数据来加强管理，促进科研，发挥数据的价值。尤其是近年来大数据、人工智能的医疗应用案例也不断吸引着业界的眼球，冲击着我们医者的大脑，多巴胺持续的分泌着，通过数据的分析利用，发发SCI的文章也不是遥不可及了，CNS三大顶尖杂志相序有了医疗大数据的研究论文。

可是现实是，“别家的孩子总是考双百，自家的孩子只有血压蹭蹭过200，咬牙切齿的安慰着，亲生的，亲生的…. ”。

数据治理，提升数据质量

数据质量问题

以往我们是困惑没有系统、没有数据，可是当各个系统建立起来，新问题又来了，各个系统的数据总是有差异的，八字不合呀。

举个例子吧，HIS里出来的手术登记数据和手麻系统的就不同，而且数据的涵义也随着时间的推移在发生着变化。

与手术相关的这些个数据，远古时代我们做数据统计，统计员每天会根据手术室的登记本，统计出每天有多少台手术，日积月累形成月报表、年度报表。每天一早手术室的阿姨会交一张纸条过来，上面写着“某年某月某日，手术开展情况”。现在看来，数据量非常小，仅能反映整个医院手术的数量。

后来有了手术登记系统，统计员也不需要去去专门收集数据了，系统会根据手术室录入登记的每台手术的数据，统计出手术报表，不仅能方便完成数据的统计，而且数据更加丰富，手术科室、主刀医生等等数据都有，这时候大家是皆大欢喜的，数据自动汇总，需求得到满足。

再后来随着医疗技术的发展，手术的种类越来越多，从传统手术方式拓展到了微创手术、内镜手术、机器人手术、介入手术。又因为手术地点不同分出来了门诊手术、急诊手术、美容手术、眼科白内障手术等等。做手术的科室也从住院手术室发展到了门诊、急诊、内镜中心、介入室，手术统计又变得复杂了，涉及到了多个科室多人用多个业务系统来进行登记，统计时就涉及到多业务系统数据的集成。

数据质量管理流程

这时候在管理上又要求统计大中小手术量、一类切口、二类切口、非计划二次手术、有的还要手术室准点开台率；还要手术分级管理，抗菌药物使用、毒麻药品使用、高资耗材全程可追溯。种种需求都要满足，就需要重新梳理与手术相关的数据定义及来源，通过梳理统一数据元、定义好元数据，明确数据采集的标准，定义数据的用途，并与数据采集者的绩效关联。数据来源也涉及信息科、手术室还有了收费室、药剂科、财务科、耗材库房、成本核算科室等等科室人员。必须达成一致标准。标准和计算方式还需要和国家卫健委最新的方式相一致，这样才能保证一个医院提供的数据符合上级的要求，尤其是在国家对医疗数据质量考核越来越严格时，这点尤为重要。比如西安某医院上报国家卫健委数据质量问题，在我看来，就是典型的不注重数据质量，院内业务不统筹管理带来的不良后果。

数据质量评估体系

如何实现有效的数据治理

数据治理框架

这么多数据，来源于不同的系统，系统上线时间又各不相同，所以呀，大家在做集成平台时，第一步就应该梳理数据源，要有个权威的项目小组，能够对医院各个系统的数据定义给予明确，计算公式给予确定，能够对业务流程进行统一。而且这个定义的标准一定要以文件形式下发，才具有可操作的权威性。

第二步就得针对各个系统产生数据的不一致进行根源分析，找出不一致的原因。这是需要在第一部确定的数据范围基础上，一个一个进行，来不得虚假。每一个数据指标能够从产生、传输、分析到应用全过程一致，那么才能搭建起数据应用的金字塔。罗马不是一天建成的，数据的璀璨光芒也需要我们用汗水去打磨。

第三步原因找到了，就是整改了哟，整改工作也不是个轻松的活，这有点像业界说的数据清洗，但是数据清洗是对数据进行重新审查和校验，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。而数据治理是从清洗的过程数据去发现数据质量问题，寻找解决途径，进而提升数据质量的过程。就是要找到数据不准的问题所在，由谁来改，按什么标准去改。有的问题是系统问题，需要修改程序；有的问题是，计算方法问题，需要改变计算方法；有的问题甚至是机制体制问题，还需要必要的责权利的重新划分。

比如上报卫健委的绩效考核数据涵盖医疗、运营、人才、教学、科研、管理等现代医院管理的方方面面内容，这在业务上涉及医务部、运营管理部、药学部、教学部、科技部、财务部等相关科室，传统由某一个部门主管都存在职能交叉或者业务空白点，尤其是数据一旦不准，该由谁进行核对和确认，缺乏明确职责分工，必须重新给予明确。只有这样，才能做好相应数据管理工作。

这在最近的一次通报中也可以看出来，没有院级层面的统抓统管，最终数据质量难以得到保证，甚至出现弄虚造假的现象。数据治理还是一个动态的平衡过程，会随着需求的变化发生变化，往往会滞后于业务需求，一般也不太容易引起院级层面的重视。所幸，随着数据价值被业界所认同，数据分析利用成为医院管理的常规工具，数据治理工作将逐步走向正轨，数据也将焕发出生机活力。

来源：公众号 CHIMA  作者：黄昊