数据驱动下的精准化护理管理应用进展

长春中医药大学 胡安琪 周秀玲 方海丽 房鑫 金靖雅

在数字化经济时代下，基于数据驱动下的精准化管理对改进护理管理质量发挥着重要的作用，该文对大数据、数据科学、护理大数据予以介绍的基础上，从临床护理管理、延续性护理管理和护理教育管理三个方面进行阐述，分析数据驱动下精准化护理管理的应用现状，为护理管理提供准确的科学的数据支撑。

2021 年12 月国务院关于印发“十四五”数字经济发展规划的通知，充分运用新型数字技术加快推动文化教育、医疗健康等领域公共服务资源数字化供给和网络化服务[1]。数据的爆发增长、海量集聚为医疗卫生系统带来了新机遇，而护理作为医疗卫生领域的重要分支之一，深受影响，因此将数据驱动运用于护理学科成为发展护理学科的必要条件。本文以数据驱动为基础，通过概述大数据、数据科学和护理大数据的概念，从临床护理管理、延续性护理管理和护理教育管理三个方面进行综述，以数据为中心，结合护理信息化，为开拓数字驱动在护理领域中的应用以及为未来护理大数据的发展提供切实可行的依据。

1 相关概念

1.1 大数据的定义

大数据被描述为一种新的研究方法，并被称为“数据驱动的方法”[2]。2011年，麦肯锡全球研究所（The McKinsey Global Institute）认为大数据是一种规模大到在捕获、存储、管理和分析方面远远超出典型数据库软件工具能力范围的数据集[3]，并具有数据规模大（Volume）、高速（Velocity）、多样性（Variety）、真实性（Veracity）、低价值密度（Value）的5“VS”特性，是我们这个时代最重要的技术趋势。

1.2 数据科学的概念

数据科学既是一种理念，也是一套技术，为从业人员提供了结构、原则和框架，系统地从健康数据中提取有用的知识，以回答临床科学和实践产生的问题[2]。国家数据科学联盟将数据科学定义为能组织和使用数字数据的系统研究，以加速发现、改进关键决策过程并实现数据驱动经济[4]。

1.3 护理大数据的概念

目前，不同的专家对于护理大数据的定义有不同的看法，Cooke等[5]人将护理大数据定义成各类临床数据、管理数据、注册系统、电子健康记录等各种数据集，朱瑞芳等认为护理大数据是指所有与护理和生命健康相关的海量数据，包括临床护理大数据、区域卫生服务平台大数据、护理研究大数据等，其作用在于通过计算机处理大量繁杂的医疗护理数据，从而更好的预测和改善患者的预后，增加了精准化护理管理的有效性。

2 数据驱动在护理管理中的应用

2.1 在临床护理管理中的应用

护理质量管理和护理安全作为医院重要考评指标之一，是医院优质服务和品牌建立的关键因素，然而护士的质量评估没有一个客观的评估指标，往往要耗费大量的人力和时间来进行现场考察，所得的评价结果可信度不高，可比性也不强。因此，护理人员要以收集挖掘数据为基础，使护理质量评估更加科学化。青岛大学附属医院基于“三维质量结构”模型，构建了涵盖通识、专科、专病和专项技术的174 项护理质量指标，形成纵横交错的质量控制管理网络系统，并建立质量控制管理数字化平台，将全员数据汇集于同一终端，完成数据的便捷获取、存储、管理、分析与再利用，实现了护理质量精准管控。何云霞等构建护理管理信息化平台，采集护理敏感质量指标原始数据，并进行自动统计、分析反馈，实现数据的实时查询和再利用。虽然信息化系统的建立给护理管理者提供了护理数据，促进了护理质量的提升，但是我国各大医院的质量管理系统中的护理数据不能与其他医院进行共享。因此，有必要建立专业统一的护理质量指标系统，实现各大医院资源共享，同时采用循证方法代替经验管理，帮助护理管理者分析护理信息，从而减轻护理管理者工作量。护理安全不仅是护理管理的重要组成部分，也是推动精准化护理管理走向科学化和规范化的基础。越来越多的数据显示，大数据应用与护理安全管理能够减少临床上不良事件的发生。跌倒是医院内最常见的不良事件，以老年人居多，世界卫生组织（WHO）报道因跌倒而死亡或受重伤风险最大的是老年人，并且风险随着年龄的增长而增高。我国老年群体普遍缺乏预防跌倒意识，临床护士则通过单一的量表进行跌倒风险评估具有很大的局限性。因此利用大数据技术建立风险预测模型成为患者安全管理研究的重点。Bjarnadottir 等采用自然语言处理设计，从重症监护医学信息集市数据库（MIMIC-III）收集了重症监护病房患者的电子病历数据，通过数据选择，预处理，转换，利用护士的经验对相关资料进行提取汇总，识别跌倒风险因素，有效预防跌倒发生。袁金蓉等设计带有先进传感器的可穿戴设备的跌倒监测平台，通过采集个体的生理数据和监测跌倒事件，对跌倒风险因子进行筛选并建立定量化的跌倒风险预测模型，实现对跌倒事件实时准确的判断，提高跌倒风险评估的科学性和精确性。数字化技术的不断发展，使得临床护理工作更加精准化，护士根据数据平台实施有效的护理措施，减少了不良事件发生，保证病人安全。

2.2 在延续性护理管理中的应用

延续性护理是护理模式的转变，是改善患者及其家庭生活质量，减轻社会老龄化对家庭和社会的负担，它使患者能够在家里享受与医院相同的健康指导，帮助患者恢复病情，提高患者依从性。在信息爆增的时代，医疗大数据在患者病历资料数据管理中起到重要作用，护理专家能够运用数据挖掘、人工智能等新型数字技术从医院数据库中挖掘患者既往疾病信息，从而提供适当的治疗和护理。Peng 等利用医学数据挖掘技术，对中医药管理局中1000 例肝癌患者临床资料进行分析研究，经过数据清理和不规则数据去除后，将剩余800 病例平均分为传统常规护理组和持续性护理组，应用隐马尔可夫模型方法进行训练，得到模型中的转移概率，利用模型学习到的改进率来评价疗效，客观的证明了延续性护理疗效高于传统常规护理组。有专家等建立智能医疗系统，利用关联规则的Apriori 算法，从医院数据库中挖掘乳腺癌患者术后的相关信息进行整理分析，在移动医疗的延续性护理新模式下患者依从性、护理前后生活质量、患肢功能受限、护理满意度整体提高，维持治疗效果，延长生存时间。Steinberg 等运用数据挖掘算法对4 万左右的诊疗用药记录以及实验室检查等数据进行处理后，建立了代谢综合征的预测模型。数据挖掘的结果表明，腹围增大和血糖升高为代谢综合征的高危因素，而高用药依从性和定期随访能够降低代谢综合征的发病风险。不仅医学挖掘技术作为一个新兴的跨学科技术，具有广阔的发展前景，人工智能技术也是如此。人工智能技术在医疗保健领域应用广泛，其中人工神经网络（Artificial Neural Network ANN）就是人工智能领域的“领头羊”，它能够模仿大脑神经网络结构和功能，建立一个简单的模型并根据不同的连接模式形成不同的网络，解决了许多现代计算机难以解决的实际问题。Sullivan 等基于ANN 算法，通过使用常规收集的护理数据，开发和验证了一个临床可解释的死亡风险预测模型，能够识别老年人12 个月死亡率的风险，并制定个性化护理计划，提高其生存质量。但是医疗数据库中拥有不同来源的信息，数据体积大，护理学者如何从浩瀚的数据库中捕获确切、可行的数据是医疗数据挖掘能否运用实践的关键。因此，护理人员在挖掘数据的过程中，要过滤、清理多余数据，保证数据的一致性。

2.3 在护理教育及教学管理中的应用

随着大数据、云计算、数据挖掘等新兴技术的不断涌现，护理教育者逐步转变教学模式，开展了精准教学，实现了个性化教育。精准教学是指在信息技术支持下，通过精准评估学情，精准设计教学资源、教学目标、教学环节和教学过程，全程精准记录学生的学习行为，来精确评估存在或潜在的问题，进而针对性地调整教学策略的一种方法。相比于传统教学方式，精准教学通过新兴数字技术，不断采集、整合、分析学生学习过程中的数据，通过数据挖掘等科学手段分析学生的学习特征、学习路径、学习效果等。比如Psaltis 等从学生的面部表情以及身体运动提取信息，推断在数字化学习环境中学生的专注度；Whitehill 等根据学生的面部表情，从而自动识别学生的专注度。徐林燕等根据学生的网络学习数据为参照创建学生画像，采用聚类分析将学生分为勤奋型学习者、消极型学习者、中规中矩型学习者和三好学生型学习者4类，为不同类型的学生制定个性化任务。当学生完成不同阶段的学习活动后，教师会根据网络学习实时数据调整任务设置、教学进度和安排课堂教学，进而为学生进行成绩评定。研究表明数据驱动的精准教学提高了教学有效性，也提高了学生参与度和学习兴趣。李鹏基于雨课堂实施混合式精准教学。通过课前推送预习资料，教师通过雨课堂了解学生预习情况，并调整教学安排；课中运用雨课堂进行测试讨论，弹幕互动、讨论、投稿、不懂随时点等环节，学生同步反馈学习情况，教师根据实时反馈调整授课进度，加强重难点讲解；课后推送复习资料，教师利用雨课堂收集的数据分析教学效果三个环节，能够随时知道学生学习情况，该精准教学模式有利于提高学生成绩、教学满意度与自主学习能力。数据驱动下的精准教学不仅实现了教师针对性教学，也有助于促进学生个性化发展，提升学生的思维能力。虽然很多教育者将数据驱动融入到教学当中，却不清楚该如何正确利用，且对系统自动形成的数据盲目依赖。因此，在培养过程中，更要注重师生大数据分析能力和方法的教育，能够使用数据科学的方法促进护理学科的发展，以便在日后工作中能够科学地使用基于统计的数据处理技术，提高护理结果。

3 总结

在新一轮技术革命不断深化的今天，数字化已经是必然趋势。在数字化经济的背景下，护士应把数据资源作为核心，以现代信息化技术为主要载体，把数字化技术和护理学科有机地结合起来，使护理管理更加精细，从而推动护理事业的发展。从护理行业现状看，护理数据资源的整合不足、专业护理信息人才短缺、数据处理能力不足、数字化发展不均衡等问题仍然存在，针对这些问题，护理团队需要将数据和技术深度融合，完善护理数据库，提升数据管理和数据质量，推动数据资源标准体系建设，构建统一护理数据资源管理平台，实现护理数据跨区域、跨网络共享复用，提高医院护理管理数据资源利用率，实现护理管理智能化。同时，护理管理者也要学习如何从海量的数据库中挖掘有意义的护理数据，提升使用大数据的能力，以改变医疗保健、护理质量、成本效益及患者安全性。而在护理教育方面，加快数据科学的教学对护理教育专业学生起着关键性的作用，各个高校应该将数据科学这门课程纳入到教学中，培养护理学科人才，加速护理学发展。

引用

[1] 国务院印发《“十四五”数字经济发展规划》[J].新理财,2022(Z1):8-11.

[2] Paul A Harris,Robert Taylor,Robert Thielke,et al.Reseach Electronic Data Capture (REDCap)—A Metadata-driven Methodology and Workflow Process for Providing Translational Research Informatics Support[J].Journal of Biomedical Informatics,2009,42(2):377-381.

[3] 大数据战略重点实验室.大数据概念与发展[J].中国科技术语,2017,19(4):43-50.

[4] PROVOST F,FAWCETT T.Data Science and its Relationship to Big Data and Data-driven Decision Making[J].Big Data,2013,1(1): 51-59.

[5] COOKER C R,IWASHYNA T J.Using Exeisting Data to Address Important Clinical Questions in Critical[J].Crit care Med,2013,41(3): 886-896.