武芳 龍華 伍祥林 肖華成

醫(yī)療風險是指患者在醫(yī)療實踐過程中可能面臨的、不確定的、可測的一切不安全事件，包括并發(fā)癥、不良藥物反應、醫(yī)療差錯、醫(yī)療意外等[1]。醫(yī)療風險預警是對可能發(fā)生于診療過程中的危機和風險進行提前預測和管理的一種戰(zhàn)略性管理手段[2]。近年來，醫(yī)院信息系統(tǒng)（hospital information system，HIS）發(fā)展迅速，為大部分醫(yī)療機構(gòu)信息系統(tǒng)的運行提供了醫(yī)院管理相關的海量數(shù)據(jù)，李揚等[3-4]學者已提出在HIS平臺上通過醫(yī)療機構(gòu)信息化解析，把數(shù)據(jù)挖掘理論和醫(yī)院信息系統(tǒng)數(shù)據(jù)庫相結(jié)合，構(gòu)建醫(yī)療風險預警與醫(yī)療質(zhì)量控制模型。但是目前大部分信息系統(tǒng)主要支持財務管理與統(tǒng)計運用，缺乏管理決策支持和系統(tǒng)控制功能的有效嵌入，對于管理決策、質(zhì)量控制與風險預警的實際支持作用有限。隨著信息技術(shù)在醫(yī)院管理中的應用越來越廣泛，它能夠及時有效地幫助管理者采集數(shù)據(jù)，對全院的醫(yī)療質(zhì)量指標進行監(jiān)控，為醫(yī)療管理者提供參考。因此，基于現(xiàn)代信息技術(shù)建立醫(yī)療風險預警模型，通過模型預防或減少醫(yī)療風險，同時，對提高醫(yī)療質(zhì)量，提升患者滿意度也具有重大意義。本研究在醫(yī)院電子病歷系統(tǒng)（electronic medical record system，EMRS）基礎上，利用現(xiàn)代化的數(shù)據(jù)挖掘技術(shù)，通過專家調(diào)查、層次分析等方法篩選風險預警指標體系，結(jié)合醫(yī)院實際工作，實現(xiàn)對醫(yī)療風險的實時預警。

1 EMRS的優(yōu)勢

電子病歷貫穿于整個醫(yī)療過程之中，完整集中地記錄和反映了各醫(yī)療指令的執(zhí)行結(jié)果，它能最大程度地與醫(yī)院各臨床信息系統(tǒng)集成，從醫(yī)院信息系統(tǒng)中調(diào)用患者基本信息、醫(yī)囑信息，將臨床實驗室報告系統(tǒng)（laboratory information management system，LIS）、醫(yī)學影像診斷報告系統(tǒng)（picture archiving and communication systems，PACS）等數(shù)據(jù)直接回寫到病歷中，并用于診療中的各個環(huán)節(jié)，方便了不同科室之間的資源共享，是醫(yī)院信息系統(tǒng)的核心[5-6]。隨著信息系統(tǒng)的改造升級以及數(shù)據(jù)挖掘技術(shù)的應用，更多的醫(yī)療質(zhì)量指標、風險指標可以自動獲取，為醫(yī)療風險預警體系的探索研究提供了數(shù)據(jù)支持，使建立基于電子病歷平臺數(shù)據(jù)的醫(yī)療風險預警體系成為可能。

2 醫(yī)療風險預警指標的建立

2.1 德爾菲法篩選指標

通過在中英文數(shù)據(jù)庫、國際衛(wèi)生機構(gòu)網(wǎng)站、灰色文獻數(shù)據(jù)庫以及Google、百度搜索引擎等檢索醫(yī)療風險（medical risks，the medical risks）、 風 險 管 理（risk management，the risk management）、風險預警（risk early warning，risk warning）、指標體系（indicator，index）、數(shù)據(jù)挖掘（data mining，the data mining）相關的5大類詞匯，收集關于引起醫(yī)療風險的因素，同時從重慶市某三甲醫(yī)院各科室抽取專家，科室專家均為副高以上職稱，從業(yè)年限均在10年以上，發(fā)放關于醫(yī)療風險的問卷調(diào)查，并進行專家訪談，最后收集可能引起醫(yī)療風險的指標運用德爾菲法（Delphi method）進行篩選。

本次共發(fā)放問卷40份，采用電子郵件分發(fā)與收集的方式，避免集中訪問中因相互認識或交談等影響判斷。若對同一指標專家的認同率在90%以下，則需進行第二輪指標認定，最后經(jīng)過三輪反復的分析與判斷確定了4個一級指標，包括患方基本情況、疾病信息、質(zhì)量指標和管理因素；13個二級指標，包括基本信息、費用風險、患方因素、疾病評估、確診情況、醫(yī)療相關、不良反應、并發(fā)癥、非預期重返、其他指標、溝通因素、服務行為和主觀評價；40個三級指標，包括年齡、性別、文化程度、區(qū)域來源、身體素質(zhì)、醫(yī)保類型、付費方式、繳費情況、經(jīng)濟狀況、患方配合程度、患者心理素質(zhì)、對診療認可度、患方結(jié)果期望、患者類型、入院病情、預后評估、疾病診斷、確診日期、壓瘡、跌倒、麻醉傷害、醫(yī)療差錯、藥物不良反應、輸血不良反應、輸液不良反應、非計劃再次手術(shù)、醫(yī)院感染、術(shù)后并發(fā)癥、其他并發(fā)癥、非預期重返住院、非預期重返ICU、術(shù)前平均住院日、術(shù)后48 h死亡、醫(yī)生勞動負荷（管床數(shù)）、醫(yī)患溝通及時性、醫(yī)患溝通有效性、患者隱私保護、醫(yī)護人員服務態(tài)度、患者滿意度和醫(yī)護主觀評價情況。問卷回收率95%。

2.2 層次分析法量化指標

層次分析法（analytic hierarchy prcocess）是由匹茨堡大學薩蒂提出的一種適用性較強的綜合評估方法[7-9]。它不僅能夠吸收評估專家的定性分析和邏輯判斷，還能夠通過一致性檢驗保證將評估結(jié)果的不確定因素減至最小，并能夠克服評估專家在分析過程中出現(xiàn)的邏輯判斷失誤。

2.2.1 指標權(quán)重的確定 對二級指標分別進行兩兩比較Ui、Uj，按照9分位比率排定各評價指標的優(yōu)劣順序，構(gòu)造矩陣。其中aij有 9種取值，分別是 1/9，1/7，1/5，1/3，1/1，3/1，5/1，7/1，9/1，代表重要程度逐漸增加，然后利用幾何平均法求得權(quán)重向量Wi，并進行一致性檢驗。

2.2.2 風險預警模型的建立 根據(jù)風險預警指標權(quán)重建立風險評估模型公式，其中R為風險值，Wi為指標權(quán)重，Pi為各指標評估值。

2.2.3 風險指標值的評估 二級指標值評估，主要通過對三級指標賦值來進行計算，入院時由管床醫(yī)生對患者情況進行評估。根據(jù)文獻研究[10-15]和醫(yī)院實際調(diào)研情況，建立醫(yī)療風險評估的三級指標評價體系。大部分數(shù)據(jù)可直接從醫(yī)院電子病歷系統(tǒng)（EMRS）、醫(yī)院信息系統(tǒng)（HIS）中自動獲取，包括患者的姓名、性別、年齡、職業(yè)、醫(yī)保類型、付費方式、繳費情況（足額繳費、欠費低于500元、欠費低于5 000元、欠費5 000元及以上）、患者類型（健康體檢、慢性病患者、非手術(shù)患者、手術(shù)患者）、入院病情（一般、急、危）、疾病診斷（診斷明確、較明確、需進一步檢查、很難明確）、確診日期（當日確診、3 d內(nèi)確診、7 d內(nèi)確診、未確診）、壓瘡（無、有）、跌倒（無、有）、麻醉傷害（無、一般傷害、嚴重傷害）、醫(yī)療差錯（無、一般差錯、嚴重差錯）、藥物不良反應（無、一般反應、嚴重反應）、輸血不良反應（無、一般反應、嚴重反應）、非計劃再次手術(shù)（無、簡單非計劃手術(shù)、嚴重非計劃手術(shù)）、醫(yī)院感染（無、有）、術(shù)后并發(fā)癥（無、一般并發(fā)癥、嚴重并發(fā)癥）、其他并發(fā)癥（無、一般并發(fā)癥、嚴重并發(fā)癥）、非預期重返住院（無、有）、術(shù)前平均住院日（3 d內(nèi)、3～5 d、5 d以上）、醫(yī)生勞動負荷（管床5人以下、5～10人、10人以上）、患者檢查檢驗危急值、呼吸機監(jiān)測數(shù)據(jù)等客觀性評價指標。少部分數(shù)據(jù)則只能由醫(yī)生手工錄入，包括醫(yī)院信息系統(tǒng)未采集的和主觀的評價指標，如文化程度（文盲、高中及以下、大專及本科、碩士及以上），經(jīng)濟狀況（很好、較好、一般、差）、患者身體素質(zhì)（很好、較好、一般、差）、患方配合程度（很好、較好、一般、差）、患者心理素質(zhì)（很好、較好、一般、差）、對診療認可度（高、較高、一般、差）、患方結(jié)果期望（無所謂、一般、較高、高）、醫(yī)患溝通及時性（很好、較好、一般、差）、醫(yī)患溝通有效性（很好、較好、一般、差）等。

然后根據(jù)指標情況進行評分賦值，最后將評估值錄入到風險預警模型中。各指標部分賦值情況見表1。

表1 患者部分三級指標賦值情況

2.3 風險預警的實現(xiàn)

將風險預警模型與信息技術(shù)相結(jié)合，由軟件編程人員利用Visual Studio.NET、SQL Server、ASP.NET等相關軟件和編程技術(shù)將風險預警模型編寫到信息系統(tǒng)中，并將風險值R劃分為4個風險等級予以顏色顯示，即無風險（R≤60）顯示綠色、低度風險（60＜R≤80）顯示藍色、中度風險（80＜R≤90）顯示黃色、高度風險（R＞90）顯示紅色。當系統(tǒng)上顯示相應的顏色時，醫(yī)生內(nèi)部系統(tǒng)將自動彈出并提示，相應的管床醫(yī)生或者醫(yī)院管理者采取措施并積極改進。

3 討論

近年來，國內(nèi)有關醫(yī)療風險防范、醫(yī)療風險預警、預警系統(tǒng)等研究成果明顯增多，但大多數(shù)研究還停留在宏觀層面上，對醫(yī)療風險預警機制的應用研究還較少，且大多數(shù)風險預警研究對醫(yī)院信息系統(tǒng)數(shù)據(jù)的利用度不高。如：黎靜輝[16]基于HIS系統(tǒng)數(shù)據(jù)設計醫(yī)療風險預警模型，利用大部分患者基本信息，但缺乏電子病歷、檢驗檢查等其他海量數(shù)據(jù)，不足以支撐風險預警的精準性。歸純漪等[15]研究公立醫(yī)院醫(yī)療風險預警及規(guī)避機制，從宏觀方面解讀如何預防和規(guī)避醫(yī)療風險，沒有實質(zhì)的數(shù)據(jù)支撐。朱驕鋒等[17]基于商業(yè)智能技術(shù)建立醫(yī)療風險預警評估模型，其適用性還有待驗證。吳業(yè)帆等[18]將風險預警系統(tǒng)用于某兒童?？漆t(yī)院術(shù)后并發(fā)癥的干預效果評價，進行了難能可貴的實戰(zhàn)探索。

文章另辟蹊徑，首先運用科學的方法，分別從患方基本情況、疾病信息、質(zhì)量指標和管理因素等4個維度構(gòu)建醫(yī)療風險預警指標體系，挖掘平時無法評估的定性指標進行定量處理，建立及時、有效、簡單、實用的醫(yī)療風險預警模型。其次，指標體系不僅僅利用HIS系統(tǒng)的基礎數(shù)據(jù)，還擴展到LIS、PACS、EMR等信息系統(tǒng)，利用患者就診的全量數(shù)據(jù)。再次，利用先進的數(shù)據(jù)挖掘技術(shù)，將醫(yī)療風險預警模型與信息系統(tǒng)相結(jié)合，建立數(shù)學模型，通過信息化技術(shù)轉(zhuǎn)化為智能預警模型，實時預測醫(yī)療風險，為醫(yī)院風險管理提供系統(tǒng)、科學、合理的建議，到達預警目的。

綜上所述，文章在醫(yī)療風險預警的探索有其獨到之處，充分利用醫(yī)院的信息系統(tǒng)和先進信息技術(shù)，構(gòu)建一套醫(yī)療風險預警指標體系，可供其他醫(yī)療同行參考。另外，通過患者就診海量數(shù)據(jù)進行風險預測，預測精準度較高。但文章仍存在諸多不足，如預警指標可能不夠全面，定性指標較多，與信息系統(tǒng)的整合還需加強。醫(yī)療風險預警指標的部分評估值由管床醫(yī)生評分錄入，雖然為定量評分，仍存在一定的主觀性，無法真正做到客觀。此外，預警模型數(shù)據(jù)指標僅來自一家醫(yī)院，無其他醫(yī)院相關數(shù)據(jù)，模型的共享性有待進一步驗證。