李晶慧 陈 睦 金广予
“十四五”时期,公立医院已经到了从“量的积累”转向“质的提升”的关键期,推动公立医院高质量发展,必须把发展的着力点放到提升质量和效率上。本研究通过物联网、大数据、云计算等新一代信息技术,对公立医院大型医用设备评价指标进行了探索,构建了大型医用设备评价指标体系,并借助信息化手段,实现了对大型医用设备的精细化管理,助力公立医院提质增效,提升医院智慧化管理水平。
从政策要求来说,近年来,我国密集发布一系列政策,其核心是要求公立医院以高质量发展为目标,提高医院运营管理精细化水平[1]。开展大型医用设备现状调查分析,优化医疗机构的资源配置比重,使大型医用设备配比合理化、制度化、规范化,是医院高质量发展的现实要求[2]。
从医院核心竞争力提升角度来说,随着精确定量诊断、微创与无创治疗、AI智能诊断等先进诊疗技术手段的快速发展与应用,各级各类医疗机构医用设备的规划配额不断增加[3]。医用设备对现代医院诊疗体系的重要性和不可或缺性愈发明显,科学配置、合理应用并保障医用设备使用处在最佳状态,不仅是医用设备管理的核心,也成为提升医院整体水平的核心之一。因此,设备管理的要求从传统的采买、保证设备正常使用,提升到如何通过分析大型医用设备的使用情况,科学、精准地指导医院阶梯化、适宜地配置大型医用设备,从粗放式的经验管理向标准化、精细化的科学管理转变[4],以助力医院学科发展,从而提升医院整体水平。
从全国范围来看,我国对大型医用设备配置使用情况的评价研究一直在不断推进,多数研究倾向于对设备的配置状况进行综合分析[5]。但由于我国大型医用设备配置与使用管理存在整体水平较低、地区不均衡和设备利用率有待提高[6]等问题,对于是否配置大型医用设备、是否更新及如何实现阶梯化配置,尚未建立统一的评价体系。
从医院实际情况看,虽然医院越来越重视医用设备的管理,但国内研究公立医院大型医用设备绩效评价的文献匮乏[7],普遍存在着信息化水平跟不上智能管理要求的现象。一方面,医用设备管理无法通过信息化手段实时发现医用设备使用过程中的变化,跟踪使用频次等环节无法实现动态管理;另一方面,医用设备管理系统“信息孤岛”问题制约了数据的共享,难以真正做到以数字说话,无法真实反映设备投入的实际效果。
上海申康医院发展中心(以下简称“申康中心”)是市级公立医疗机构国有资产投资、管理、运营的责任主体。上海36家不同类型的市级医院,涵盖综合医院、中医类医院、妇儿类医院、专科类医院等。申康中心在管理方面,需要做到国资投入标准统一、公平、科学,实现资金使用效率最大化,使用效益最优化。同时,市级医院作为设备的使用方,在医用设备管理上追求管理有据可依、支出可控,能用数据指导医用设备全生命周期管理。
因此,本研究的目的就是形成一套大型医用设备的评价指标体系,通过医疗数据和设备使用数据的融合,形成对设备全生命周期管理的智能分析与评价,真正实现用数据引导、自我完善和提质增效。
2.1.1 合规化原则 本研究遵循《医疗器械经营监督管理办法》(国家食品药品监督管理总局令第8号)、《大型医用设备配置与使用管理办法》(卫规财发〔2004〕474号)等对医疗设备管理的要求。
2.1.2 标准化原则 通过对知网、万方、维普等数据库进行检索,梳理国内外关于大型医用设备评价指标的相关文献,提炼与市级医院大型医疗设备评价指标有关条目,深入分析现有研究资料,总结指标的影响因素。
2.1.3 数字化原则 通过构建医用设备评价指标,对医用设备使用全生命周期进行管理,切实做到管理流程数字化,资产信息数字化,使用情况数字化。指标体系可为定量评估设备的使用状况提供分析工具[8],具有较强的推广性。
综合上述参考依据,使用文献分析法和实证研究法,结合申康中心对大型医用设备的管理目标,确定对应的多个评价维度。从科学配置、安全使用、效能服务、科研能力、就医体验五大管理需求出发,梳理上述管理需求与管理事务的联系,将管理目标场景化,最终形成了14个管理场景(图1)。
图1 大型医用设备管理场景
查找国内外关于大型医用设备配置的相关文献,通过对专家进行问卷调查和召开研讨会的方式,探讨应用情景和主要影响因素;将14个场景分解为评价指标,并通过多次专家研讨确定评价指标的名称及定义,最终输出49个评价指标。
表1 大型医用设备评价指标体系(以“增加设备”场景为例)
以14个管理场景中的“增加设备”场景为例,通过计算单台日均工作时长、单台日均工作量、平均预约天数这3项核心指标(表1),分析大型医用设备实际的工作强度和饱和度,综合判断是否有必要通过新置设备来缓解压力、增加供给。管理场景的指标化保证了管理目标的科学性、有效性。
依据49个评价指标,进一步确定指标对应的数据字段,之后采集每个指标的数据字段,建立指标数据库。使用层次分析法,对涉及的指标数据进行归一化处理,基于医用设备管理经验,确定指标权重,建立动态模型,衡量每类设备的每个场景,展示多指标对某一场景的综合影响。
以是否需要“增加设备”为例,构建定量评价指标模型算法和权重确定方法如下:
以医院为单位,设有n家医院;
(1)设n家医院的单台日均工作时长:x11,x12,……,x1n;
(2)设n家医院的单台日均工作量:x21,x22,……,x2n;
(3)设n家医院的平均预约天数:x31,x32,……,x3n;
(4)设n家医院的单台日均工作时长的均值μ1和标准差δ1;
若未提供,可按如下方式计算;
(5)设n家医院的单台日均工作量的均值μ2和标准差δ2;
若未提供,可按如下方式计算;
(6)设n家医院的平均预约天数的均值μ3和标准差δ3;
若未提供,可按如下方式计算;
(7)计算决策指标yi;
式中,k1,k2,k3为权重系数;且k1+k2+k3=1;
通常,x1i≥μ1且x2i≥μ2且x3i≥μ3时,(医院日均工作时长、日均工作量都高于市级均线,且预约时长也高于市级均值)考虑为医院增加设备。通过象限图,可清晰看出是否需要增加设备,见图2。
指标构建时充分发挥医联平台的大数据优势,对医联平台已有医疗信息、收费信息等部分均不重复向医院采集,由医联平台统一推送。除此之外,尽量避免人工采集,医用设备实时使用以物联网技术采集为主,设备维修维保信息通过接口向大型医用设备生产厂商采集。这样可确保指标体系数据来源的同源、全面、安全、稳定,最大限度地保证数据全面完整,符合高精准、高可用的要求。
以CT为例,可以通过设备的开机时长、日均工作时长和工作量来分析设备的使用效率,并结合设备维修情况反映设备的稳定性;通过分析普通/高级功能的使用占比反映设备选配功能使用情况;结合检查实际发生时间、出报告时间等,分析设备使用过程中是否安全可控、高效,实际使用是否与配置相匹配等。
此外,设备期间维护、故障处理等指标可反映预防性措施对设备物理状态的影响。可作为设备日常管理评价、厂商考核、品牌选择的参考之一。
以配置分析管理场景为例,针对新增、更新、阶梯配置不等问题,通过数学模型计算,配合图谱,直观反映医院对增加设备的迫切性、单台设备更新的必要性、梯度化配置的精准性,解决在区域规划、政府预算投入既定情况下,作为办医主体,如何合理安排资源,怎么配,配什么,达到最优配置的目标。人机配比、临床辐射可作为同等诉求下的排序参考,专业人员充足,可以满足更多临床科室业务的,可优先配置。
以CT设备为例,将指标进行归一化处理,得到每家市级医院对应的“是否需要新增设备”得分,将“得分”从高到低进行排序,代表市级医院CT设备需求强烈程度由高到低,以此作为财政投入配置CT设备的重要参考依据。见表2。
图2 大型医用设备管理场景(以“增加设备”场景为例)
表2 市级医院CT设备新增需求强烈程度排名(n=30)
基于大数据的市级医院大型医用设备评价指标构建及应用从市级医院现实需要出发,考虑了指标在管理场景中的应用,以及相关数据的可采集性、可追溯性和可比较性,并进行了数据平台建设,并在上海市36家市级医院范围内进行了应用,涉及大型(高值)医用设备包括CT、MR、PET-CT、PET-MR、SPECT、TOMO等,对优化医用设备管理方式,提升医院整体运行水平,推动医院数字化转型非常有意义。
下一步大型医用设备评价指标构建与应用将从两方面继续优化:
一方面,确保数据质量与安全。进一步加强与相关系统的联动,减少数据手动采集率,提升数据可靠性;另一方面,从应用深度出发,在现有偏重设备使用状态、效率、效益数据分析的基础上,更多地结合经济运营、医疗业务等数据多维度分析,探索从设备管理向医院决策管理扩展,从设备管理评价向大型医用设备对临床业务能力提升评价扩展,同时通过运算训练,提升智能决策模型的精准性。