医用耗材精确分析方法探究*

——袁丽洁 李帅帅 武 卓 王 凤 罗竫娜

随着工程学与材料学技术的飞速发展，新的医用耗材不断应用于临床，在提高医疗技术的同时，也成为医疗费用不断上涨的重要因素[1]。医用耗材的支出已同药品、人力资源共同构成医疗机构三大运营成本。因此，医用耗材的经营管理越来越受到重视，而对医用耗材精确分析成为医院管理者决策提供数据支持。

1 为什么进行医用耗材精确分析

精确分析是对医用耗材使用过程中的各种信息和数据进行分析和评价，通过成分分析、消耗统计、标准掌握及评判考核，形成完全的效果反馈与质量改进循环回路。

当前，药学管理部门对临床合理用药提出了较全面的解决方案并逐步在医院推广应用，但医用耗材合理使用的评价机制研究尚未起步，致使耗材使用成本无法掌握，考核督导管理空白[2]。不能对耗材使用的总量和成本进行统计，直接影响医疗决策、成本控制、效益分析以及监督考核等工作，甚至直接影响医院医用耗材管理决策。

网络信息和人工智能技术日益成为当前解决社会运行和治理的首要手段。通过对临床数据进行信息挖掘，采取人工智能的手段，建立知识库并对使用过程进行智能控制，最终可实现医用耗材管理的智能管控。

在传统医用耗材管理过程中，由于人力资源和管理成本的限制，管理者往往更关注重要物资，针对高值和植入性耗材的物流、使用、追溯建立有较为完备的流程[3]。但针对低值非植入性耗材的管理往往有所疏忽。以某医院2017年11月使用的医用耗材为例，该院共使用医用耗材663种，共计32 121 636.88元。按照采购金额排序，尽管排名后80%的耗材的使用需求和实际使用量并不高，但是这些医用耗材的加在一起的总费用却是7 641 910.51元，远远超过价值分布曲线处于头部第一位置耗材的金额1 837 276元。长尾理论告诉我们，不仅要关注传统使用曲线的头部部分，更要关注长尾部分，这就需要通过精确分析发现每一种耗材在流通、使用过程上的差异，进而通过精准管控解决这种差异化问题。

2 精确分析方法

精确分析正是通过对耗材使用数据和历史规律的挖掘与分析，发现耗材使用的特征，探讨实现精准管理的方法。而分类、聚类、关联三种数据挖掘方法能够在医用耗材管理的精确分析方面发挥较大作用[4-5]。

2.1 分类(Classify)

通过对一个归属类别历史样本库中数据属性的比对，寻找数据对象具有显著区别的典型特征，通过这些特征对新的数据进行预测，将其归属到不同的已知分类中。在这里，历史样本库叫“训练样本”，典型特征变量叫“自变量”又叫“预测变量”，归属类别变量叫“目标变量”，新的数据项叫“评分样本”。分类方法是应用最广泛的数据挖掘方法之一，分类模型可解决对类别未知的样本进行预测，属于预测性模型，以判断其属于哪个类别的问题的。

2.2 聚类(Clustering)

聚类类似于分类，但与分类的目的不同，聚类模型属于非预测模型(描述型模型)，是将物理或抽象对象的集合分成由类似的对象组成的多个未知的类的过程。属于同一类别的数据间的相似性很大，跨类的数据关联性较低，数据相似性较小。聚类模型与分类模型的最大区别在于不去设定“目标变量”，而通过事先给定自变量，模型算法可以自动的将评测样本进行分组。

2.3 关联(Apriori algorithm)

关联是在给定数据集中找出数据项与项之间存在的相互关系，即可以根据某一个数据的出现推导出较大几率的其他数据及可能性。关联算法是进行符合布尔关系规则频繁项集的方法之一，核心思路是基于两阶段频度集思想的递归算法，其数据挖掘过程主要包括两个阶段：一为找出所有的高频项目组的海量原始数据；二为发现这些高频项目组中的关联规则。关联模型又叫“购物篮分析”，属于非预测模型，是通过对购物车内商品的种类进行分析，找出这些商品之间可能存在的关联性，根据关联性调整货品摆放位置以增加销量。

3 精确分析应用

当前，医院耗材管理系统中数据信息的利用过于浅显，大部分停留在数据的简单查询以及从报表中获取决策信息的层面，基本无法自动获取决策相关数据[6]。而以数据挖掘技术为核心的精确分析方法，可发现医用耗材信息之间的关联，对推动医院管理精准化具有重要应用价值。

(1)分类模型应用。采用决策树的方法建立分类模型，其具有预测精度高，预测结果稳定性高，结果易理解等优点，决策树是分类模型中最常用的方法之一[7]。如针对留置针选择的问题，以常用留置针包括普通留置针、正压留置针和安全留置针作为目标变量，可将患者年龄、配合度、血管条件、传染病情况及护师操作熟练程度作为自变量，建立分类模型，通过判定为合理选择提供依据。

(2)聚类模型应用。构建聚类模型最关键的工作之一是选择聚类所需的自变量，自变量的选择往往取决于应用的目标要求。例如，我们需要对医用耗材进行深入管控，选择可否计费，是否高值，是否植入，可否与医疗服务项目绑定等作为自变量，采取聚类的方法，可以直观准确地找到目标耗材的分组情况。针对聚类所产生的不同细分群进一步分析耗材的使用情况，进而找到针对不同群体的措施。如图1所示，进行聚类模型分析后：(1)表示采取流量流向管理方法；(2)表示采取链路式管理方法；(3)表示采取传统入出库管理方法。

(3)关联模型应用。关联规则模型可解决耗材中心库房备货和发货过程中的大量问题，通过对大量的医用耗材领用情况进行数据分析，能发现不同物品之间的关联性，进而将关联物品进行统一封装，以减少管理人员的工作量。当前，很多耗材经销商在医院实行的SPD(即Supply供应、Processing管理、Distribution配送)模式的智能备货，应用的就是关联规则模型。

4 小结

随着新医改政策的推进以及医院信息技术的突破性发展，医用耗材流通领域正在进行一场精细化管理的改革。医院外部阳光采购、两票制、集中配送等政策的持续引导，使得医用耗材的应用行业环境面临巨大变化。医院内部破除以药养医、禁止过度医疗、百元医疗收入耗材不大于20元的指标限制，成为医院主动进行医用耗材管控的内部驱动[8]。在此情况下，医院医用耗材管理面临着从粗放型、规模型、数量型向精细化、科学化、流程化的模式转变，耗材管理的着眼点将必然会聚焦在耗材本身，开始由精细管理向精准管理转型。以数据挖掘为基础的精确分析是实现精准管理的重要技术手段，随着算法的不断完善，以及对精准管理认识的提升，必将在未来的医用耗材管理和流通领域发挥巨大的作用。

图1 聚类模型的应用分析