现代医院后勤设备数据模型的构建和应用

张 灵 王 毅 余俊蓉 吉 喆 莫远明 吴 耿

中山大学附属第一医院 广东广州 510080

1 后勤设备管理现状

现代医院医疗技术在高速发展中,各类后勤设备也在不断更新和迭代来保障医院临床需求。俗话说“兵马未动粮草先行”,后勤设备设施安全高效运转,才能保障临床医护人员有更多精力投入到病人身上,为病人解除病痛。但后勤设备设施多而杂,涉及众多专业,且标准不一,在维护和数据统计上会有诸多不便。如何管理庞杂的设备设施和运维数据,是目前众多医院所面临的难题。大多医院为解决这一难题会建设各类信息化模块,但是如果没有设定好主数据管理模型和管理指标,数据之间不能相互赋能,信息化模块采集到再多数据对管理运营来说意义都不大。

目前信息化已经成为医院的核心竞争力之一,在医院的信息化建设目标中纳入了后勤信息化建设内容[1]。但在实际的建设过程中,医院对后勤信息化管理重视程度仍有欠缺,缺乏顶层规划,数据混乱,标准不一,导致很多系统建而无用。后勤设备数据模型标准规范迫在眉睫,通过为全院后勤设备产生的数据制定统一的数据元标识符,建立标准的格式要求和数据元准值,形成数据管理指标,提升数据可用性,实现互联互通[2]。

2 研究意义

通过医院后勤设备数据模型的构建,把现有散落在各个后勤智能化系统以及信息化系统中的多源异构数据汇聚在一起,改变原有后勤设备数据混乱,标准不统一的问题[3]。通过构建后勤设备数据元,将设备数据与业务数据有机结合,适配后勤业务的动态发展,打造数据的多元分析维度,360°掌握后勤设备情况,为后勤信息化智慧化建设发展奠定夯实基础[4]。

后勤智慧化建设,在智慧医院建设中的起步较晚,其复杂程度不亚于临床信息化系统,后勤智慧化建设的基础就是构建完善数据模型,从后勤设备数据入手,采集真实有效的设备基础信息和运行状态信息,根据数据间的内部组成关系和潜在逻辑关系进行数据分析,从而构建高可用的后勤设备数据模型,在此基础上将数据模型应用到后勤智慧化系统的建设过程,通过项目应用打磨完善数据模型,为后勤智慧化系统提供标准的主数据,使业务系统的交互更顺畅,促进智慧医院的建设。

3 后勤设备数据编码体系设计思路

通过对医院后勤信息化当前建设情况的分析和对未来的展望,参考在其他行业中成熟完善的关于设备数据元标志的成果,在当前医院的后勤信息化建设框架下,形成一套医院标准的后勤设备数据模型规范,以信息化系统为载体将后勤所有设备进行有序管理。

本文的后勤设备数据编码体系设计思路如下:

①以国家卫健委的制度和规范为指导,结合医院后勤管理需求,借鉴《WS363.1-2011卫生信息数据元目录》和《WS599.4-2018中华人民共和国卫生行业标准》(简称“该标准”)要求,将后勤设备的全生命周期中产生的所有数据分为动态数据和静态数据[5-7],如表1所示。

表1 静态数据和动态数据示例

②自上而下,逐步实现后勤设备主数据模型搭建,主要包含设备设施管理数据收集、数据源标准统一、管理模型搭建。

③在后勤设备主数据模型制定过程中,首要满足医院需求,形成医院管理标准,在实际运用过程中逐步推进,形成行业规范、国家规范[8]。

④以管理目标为导向,以数据为支撑[9]:在医院后勤信息化管理中,利用主数据模型搭建的统一标准,使得数据互联互通,形成管理指标,提升设备的运行安全、使用效率,降低运维成本。

4 后勤设备数据模型建立技术路线

如图1所示,通过后勤设备的数据采集、清洗,建立相应的主数据模型,以完善的主数据模型作为数据基础底座,进行分析与计算,形成不同维度的指标比值和排名,积累大量的指标值形成资料库、策略库、故障库来协助医院后勤管理者对设备运营进行评价和决策,对设备运营相关联的质量进行正向激励,激发后勤的服务效能,助力提升医院的满意度,从而提升医院的品牌效益[10-12]。

图1 后勤设备数据模型构建技术路线

4.1 数据采集与录入

医院后勤设备数据采集,主要分为两个途径,①设备的基础静态数据(含设备医院资产信息、设备出厂信息、设备质检信息、设备购置信息、设备安装调试信息)[13];②设备的运行动态数据(含设备使用信息、设备校验信息、设备维修信息、设备保养信息、设备巡检信息、设备告警信息、设备能耗信息、设备使用价值信息),借助信息化系统将这两种数据的进行数据全覆盖采集与有效录入,通过创建标准的数据接口,采用不同的采集手段,将采集的数据经过预处理后,按照动态和静态数据相关元素存储至数据中心。同时基于该标准的指引,将设备的动静态数据分配至对应的数据元标识符,符合卫生信息数据元目录要求的均按照此目录进行标识,此目录没有的按照此目录的标识规则进行补充添加,并标注数据元名称、数据元值的数据类型、表示格式、数据元允许值、字段名、字符解释等,如表2所示。

表2 主数据模型示例

4.2 数据预处理

为保证采集数据的准确性、完整性、一致性和安全性,需要对采集与录入的信息进行预处理操作。借助信息化软件将采集到的数据进行清洗、脱敏、转换、加载、更新和数据校验[14]。

4.3 指标模型搭建

数据指标是在后勤设备数据集的基础上,将已经归类的具有数据元标识符的有效数据,通过标杆值对设备管理行为进行引导。指标搭建是为了给后勤设备运行状态预期达到的指数、规格和标准做对比,从而来衡量设备是否在处在最佳运行状态,同时给运营维护提供参考依据。

后勤设备的指标搭建主要从设备服役指标、告警监控指标、巡检类指标、保养类指标、维修类指标这些角度来进行指标分解,例如比值变化(占比、比率、变动率、在同等规模下的投入与消耗、同一周期内环比的波动)、排名变化(数据标准化后的等距排名)等[15]。

4.4 质量指标评价体系搭建

后勤设备运营期间质量指标评价体系筛选的要点是用“率”非“绝对值”体现真实情况,用客观数字来衡量主观能动性[16]。指标可能由多个条目集合而成,手工输入和自动抓取方式并用,通过后台逻辑阻挡失误。主要评价体系指标体现如下:

4.4.1 静态基础数据库 资产数据、成本数据、人员数据、知识库等;

4.4.2 运行动态数据库 依据指标类型和重要等级可分为三个级别:

①三级指标,运行实施指标、技术参数、现场值守监管指标:动态的、短期的数据,如设备运行参数、重要事件记录;

②二级指标,监督管理指标、运行质量指标:周期性的、经过统计分析的数据,如设备运行月故障次数与维修率、库存周转率等;

③一级指标,决策评价指标:长期性的、去规模化的数据,如投入产出比、设备平均运营成本、单位面积能耗等。

4.4.3 数据存储与计算 将经过数据采集与录入的数据进行存储,后勤设备数据结构各异、分析的实时性要求各有不同、数据应用丰富多样,采用人工智能算法将数据进行指标分解,同时借助DEA数据包络分析、TOPSIS优劣解距离法、SR秩和比综合评价法、权重计算熵值法、权重计算标准差法等方法,形成运营维护需要的指标评价体系。图2展示了指标评价体系人工智能算法模型。

图2 指标评价体系人工智能算法模型

使用到的相关运筹管理学算法如下:

1)DEA数据包络分析

2)TOPSIS优劣解距离法

minOEk

3)RSR秩和比综合评价法

百分数位P概率单位Y百分数位P概事单位YP0.9902.67P99.0107.33P1.2222.78P98.6787.22P1.1682.86P98.3527.14P2.2753.00P97.7257.00P3.5933.2P96.4076.80P4.7463.33P95.2546.67P6.6813.5P93.3196.5P10.0273.72P89.9736.28P15.8864P84.1346P22.6634.25P77.3375.75P27.4254.40P92.5755.60P37.0704.67P62.9305.33

4)权重计算熵值法

5)权重计算标准差法

根据以上计算模型进行计算后,所有数据信息统一存储至数据资源库中,同时医院运维所需要的各项指标均可通过要求按需展示出来,借助有效数据的大量积累,依据算法得出运营需要的相关权重、闭环反馈和依据质量评价体系横向比较得出的正向激励等,均可以给医院管理提供决策支撑[17]。

4.5 数据智能化管理

为保证运维设备数据信息的标准一致性,借助数据智能管理服务组件对所有信息进行统一管理,监控数据产生的全流程,当出现问题时,能够快速追根溯源,对问题进行快速定位。

4.5.1 数据公共属性管理 提供统一的数据元/数据集的公共属性内容,减少系统之间的重复数据采集,借助互联互通平台进行数据赋能,设备的数据元和数据集的公共属性设置,需严格遵循国家、省市和行业的标准。

4.5.2 元数据管理 元数据是数据管理的最小单元,元数据管理模块提供元数据录入、元数据信息维护(包含类型、来源、目标等)及元数据管理和查询等功能,通过元数据管理可有效进行数据来源追溯以及维护自定义表单。

4.5.3 值域代码管理 值域代码的管理即标准字典表。当主数据模型中的数据代码和国家标准代码不一致时,可通过值域对照功能进行映射,解决标准不一致的问题,从而便于信息交换与共享。

4.5.4 数据集管理 数据集管理是对表结构进行管理,在主数据模型服务中的所有数据分析报表、指标和模型,都可以追溯到具体的表结构。通过数据集管理,整个主数据模型的信息管理将不再零散,而展示关联性。

5 应用价值

基于以上的后勤设备数据模型,构建医院后勤设备数据模型标准规范,以此作为设备主数据模型底层逻辑,建立医院后勤设备全生命周期管理数据库,为完善医院后勤设备的预防式维护体系提供数据支撑,从而提升医院后勤设备的使用寿命,并通过专业的评价体系和闭环设计,使得数据库不断优化,最终形成全省乃至全国范围内可借鉴的以后勤设备全生命周期管理为基础的设备预防式维护体系。

5.1 后勤设备数据模型标准规范构建

后勤设备数据模型标准规范构建是面向医院后勤所有运营保障设备的分散式、多种类的数据集合,依据规范约定建立可多系统共用的主数据模型,从而有效解决大量数据堆砌下数据治理、数据安全和多源异构数据融合等问题。

后勤设备数据模型标准规范将实现全院设备统一的数据元标识符,建立标准的格式要求和数据元准值。借助信息化手段使不同设备间可以在一体化平台进行有效交互,形成相关数据指标,如表3所示。同时设备运维数据的积淀有利于建立后勤设备运维知识库,提高设备运维效率和管理水平,提升服务质量和品质。

表3 应用示例

此外,后勤设备主数据模型的数据元标识符需要符合科学性、唯一性、自主性、兼容性、拓展性、可溯性和易于管理等基本功能。

5.2 基于后勤设备数据模型的设备全生命周期应用

基于后勤设备主数据模型的打造和应用,建设后勤设备全生命周期管理体系,除了设备本身属性的数据收集外,对后勤设备的维护、巡检、保养等全流程进行管理,并获取设备运行的数据,对设备的运行情况进行评估。同时可以借助通过耗材管理系统,对设备设施及物料进行统一跟踪管理,达到设备全生命周期运营情况的精准把控的目的[18]。

后勤设备的全生命周期中产生的数据元可以推动医院后勤运维从电子化、信息化、数字化再到智能化的变革。

5.3 基于后勤设备数据模型的搭建预防式维护体系

通过设定的标杆值进行越限告警,做好定期保养和维修,避免事后处理带来安全隐患和经济损失,从而建立完善的设备预防式维护体系。

6 结束语

通过构建大型医院的后勤设备主数据模型,统一信息化建设过程中设备数据的标识符,为医院在后勤智慧化建设中提供统一的数据基础,为建设后勤智慧运营中心提供数据标准,有利于促进建立医院行业的后勤设备运维知识库,提高运维效率和后勤服务质量,给医院智慧化建设提供基础条件。