区域卫生决策支持系统研究

贾锋 白和健 吴芬兰

决策支持系统(decision support system，简称DSS)是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统［1］。它是管理信息系统(management information system，简称MIS)向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。20世纪80年代后期，专家信息系统(excutive information systems，EIS)、群体决策支持系统(group decision support systems，GDSS)与组织决策支持系统(organizational decision support systems，ODSS)等等概念，逐渐将DSS由个人取向，转为模式导向与群体导向［2］。20世纪90年代起，数据仓库与OLAP的概念也导入至DSS，协助DSS进行信息的存取与分析，在21世纪初，新的万维网、网络技术与互联网的出现，延展了DSS。为了进一步贯彻落实国家卫生部深化医疗体制改革的要求，继续深入探索区域卫生信息化建设实践，扩大前期的建设成果，需要从一个全新的高度展示我市医疗卫生信息化成就，并从专业的决策层面制定出有利于卫生领域向前发展的政策。因此，我们需要建设一个面向全市医疗卫生领域的决策支持系统，深度挖掘并剖析当前我市医疗卫生信息化建设成就以及存在的问题，继续推动区域卫生信息系统的后期建设，使该系统的建设上升到一个全新的高度，从而为最终实现本市卫生行政管理的现代化提供决策支持。

1 设计思想

作为一个有着面向整个医疗卫生领域提供支持的需求，区域卫生决策支持系统应该对全市的医疗信息数据进行立体化分析，以“纵向到底，横向到边”的原则，为各类用户提供各种形式的帮助。“纵向到底”是指从市县乡村各个级别逐步覆盖，对每个居民健康档案的深入分析。“横向到边”是指收集整理医疗卫生行业所有领域的数据信息，提供各自专业上的决策支持的依据，在监管行为上，坚持辖区内地域、机构、资源上的全覆盖。在用户上，不断以用户为中心，拓展系统的应用范围，努力面向各种用户群体提供有力的行政管理帮助。从目前我市卫生信息化建设的形势来分析，当前用户群体主要有以下特点：

1.1 最高决策用户 该类用户群体主要分布在市级行政单位的最高决策岗位上，他们需要及时掌握整个区域医疗行业的动态。因此，在系统上应该具有最高的权限，并为之提供最为直接的区域医疗系统的决策支持。

1.2 处室决策用户 该类用户群体主要分布在卫生行政或监管机构不同的处室岗位上，分管各自的业务领域。因此，该类用户具有某种角色权限，专注于所属处室管辖的业务领域，并对所属领域进行部分监管行为。

1.3 行政归属或地域性决策用户 该类用户群体主要分布在各级下属权力机构，如区、县一级的卫生局等，专注于所属区域的医疗行业动态。因此，系统需要提供适合于针对某个行政区划或地域范围内的决策支持，符合该类用户对于管辖区域的医疗动态、基层公共卫生的信息掌握需求。

1.4 领域专注或科研目标明确的用户 该用户群体主要分布在不同专业性的业务岗位上，专注于区域医疗下的某个业务领域，并进行相应的科学研究性工作，如院校或某类科研机构等。因此，需要对系统进行有针对性的业务领域划分，根据该类用户的需求目标，进行相应的业务领域应用开发。

2 系统目标

以我市区域卫生信息平台建设为基础，以需求为前提，以上述系统设计思想为背景，三者合一，最终形成系统的建设目标。石家庄市区域卫生决策支持系统是在市区域卫生信息平台数据中心建设的基础上，建立数据仓库，应用商业智能(BI)技术为卫生行政管理的现代化提供辅助决策支持。建立基于全市卫生资源配置动态、医疗业务发展动态、重大疾病防治情况、妇幼保健动态、公共卫生动态、行业监管状态、采供血与用血状态等方面主题的数据仓库建模和数据挖掘技术，以统一的卫生信息应用门户为我市卫生行政管理提供可靠的数据来源，并应用于行政管理的分析决策。

2.1 卫生资源配置动态 医疗卫生资源条件的完善与配备，特别是在基层医疗机构或乡镇农村一级的医疗资源配置管理方面，直接体现着全市医疗卫生建设成果。所以，如何准确地分析出全市医疗资源的分布情况，促进卫生决策者们合理分配各个层面的资源，成为了卫生资源领域挖掘的主要内容。该领域主要从机构、人员、设施、经费等角度全方位地对软硬件资源进行分析，并在空间上进行分布说明，以此对资源配置进行管理。

2.2 医疗业务发展动态 医疗业务从门诊、住院、医保、医技、体检、手术、药品等方面对各项业务进行数据的统计分析，对医院的工作量、诊断费用、床位使用情况、医疗保险消费等视点监控，实现从决策层面上实时掌握全市医院的业务开展情况。

2.3 重大疾病防治情况 建立疾病预警监测网络，在“症状”、“死因”、“疾病种类”等方面进行综合分析，对重大疾病的防治情况进行有效监控，为决策层提供进一步的决策支持。

2.4 妇幼保健动态 针对妇女病普查、婚前检查、孕期筛查、产前检查、分娩、产后访视这几个基本阶段进行分析，挖掘出妇女病治疗情况、高风险/危险产妇比重、产后访视率等重要指标。通过围产儿、新生儿、儿童体检、计划免疫四个重要方面对儿童保健情况进行统计分析，在出生情况、儿童接种、儿童健康等方面进行有效挖掘。

2.5 公共卫生动态 以社区预防、保健、医疗、康复、健康教育及计划生育技术指导的“六位于一体”社区医疗卫生服务体系的工作管理为目标，深入分析基层卫生机构的工作开展情况，提供有效的绩效考核依据，并为基层的工作开展提供意见。

2.6 行业监管状态 为实现医疗改革提高医疗质量，减少患者负担的目标。建立包括临床质控与诊疗监管在内的监管指标：在院内感染、诊断、手术和会诊等管理上进行监控管理;在基本药物方面，加强对医院基本药物采购、价格执行、使用量、诊断下的使用情况等重点环节进行实时监控，保障国家规定的基本药物制度得到严格执行。加强对区域内医院门急诊和住院总费用、平均费用、各病种费用的综合分析，实现医疗费用的实时动态监管，合理控制医疗费用增长。

2.7 采供血与用血状态 实现区域内各医院临床用血量与血库供血的监控，并提供库存与使用量上的预警。

3 技术方案

DSS的架构以Sprague与Carlson所提出的对话-数据-模式(Dialog-Data-Modeling，DDM)架构最为学术界所接受［3］，认为DSS有三大组件［2］：数据库管理系统(database management system，DBMS)模式库管理系统(model-base managemt system，MBMS)对话产生与管理系统(dialog genernation and management system，DGMS)

在区域卫生信息系统实现的信息集成的基础上，在决策需求的指导下，预先把分散在各系统中的信息和数据抽取出来，经过清洗、格式转换和重新编码加载到数据仓库，并通过企业报表、仪表盘等工具展示出最终的管理和决策信息，形成一个面向多学科集成的商业智能(BI)技术体系。该体系主要涉及到数据仓库与联机分析处理(OLAP)两大技术。

3.1 数据仓库技术 数据仓库(Data Warehouse，DW)是一个集成的、面向主题的(Subject Oriented)、时变的(Time Variant)和非易失(Non-Volatile)的数据集合，反映出历史变化，强调数据分析和报告结果产生的海量数据存储技术。它的建立是整个决策支持系统建设最为重要的一环，不但汇集了海量的医疗数据，而且形成海量业务数据的常态化预分析处理机制，使决策结果以最高效的读取速度展现到用户面前，供辅助决策需要。也就是说，数据仓库为支持海量存储和高层决策分析提供了一种解决方案［2］。

3.2 联机分析(OLAP)技术 OLAP是基于多维数据库和多位分析的一类技术，是专门用于支持复杂的决策分析、支持信息管理和业务管理人员决策活动的一种决策分析工具，通过组织和汇总数据而为高效分析查询创建多维数据集［4］，使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术［5］。

联机分析(OLAP)可以用不同的格式组织和提供医疗卫生数据，以满足不同用户的各种需求，它管理大量历史数据，提供汇总和聚集机制，并在不同的粒度级别上存储和管理医疗卫生信息，扩大了用户的视野，增加了分析的灵活度，提高了问题追踪的透明度，使数据的展现更加多样化，生动化，从而为决策政策的制定与执行提供了有力的支持［6］。

4 应用和展望

在区域卫生信息平台一期建设中，项目同时启动了对决策支持系统的试探性建设，成功建立了以区域卫生信息化为核心目标的数据仓库，完成部署从医院业务端到最终数据仓库端的数据ETL体系，并实现了ETL的可控化管理。在应用上，主要完成了卫生资源配置动态和卫生事业发展动态两个方面的建设，通过商业智能(BI)技术为用户提供丰富的决策支持。

未来，区域卫生决策支持系统将会沿着国家医疗体制改革道路，不断配合相关部门的行政管理需要，继续深入建设，逐步完善，努力探索，使之成为区域卫生信息平台乃至整个卫生信息化建设工作的有力支撑。

1 http：//baike.baidu.com/view/8048.htm.

2 闵建虎.基于数据仓库的决策支持系统建设研究.微型电脑应用，2010，26：48-50，55.

3 Michael S，Scott M.Management Decision Support Systems：Computerbased Support for Decision Making，Cambridge，MA：Division of Research，Harvard University.1971.216.

4 朱玉颖，刘宏伟，张岩.基于数据仓库的数据挖掘技术研究现状与进展.信息化纵横，2009，18：4-7.

5 李卫玲，刘红磊，景晓鹏等.多维分析的OLAP模块设计与实现.洛阳师范学院信息技术学院，计算机与数字工程，2011，39：164-166.

6 Power DJ.(2002).Decision support systems：concepts and resources for managers.Westport Conn，Quorum Books，2002.251.