大数据下VTE智能决策系统的构建与实践

李娟 丁锐 徐晓丹

摘要：目的：构建静脉血栓栓塞症（venous thromboembolism，VTE）智能决策系统并探讨其在静脉血栓栓塞症管理中的应用效果。方法：组建研究团队，结合国家政策和医院实际需求，构建VTE指标体系，借助Kettle等数据处理工具建立医院数据中心，基于帆软的丰富图表呈现各种维度的指标值，利用权限管理保证数据安全。在管理方面，完善制度流程，定期开展培训，将指标纳入绩效考核。结果：系统上线后，在临床诊疗方面，VTE风险评估率从99.79%上升至100%，VTE基础预防率从75.06%逐步上升至95.32%，并且每月稳定在90%以上。中高危患者预防率从57.08%上升至64.84%，其中机械预防率从10.02%上升至18.94%，药物预防率从54.17%上升至57.21%，联合预防率从7.11%上升至11.31%。双下肢静脉B超或肺CTPA检查预防率从36%上升至51.83%。在运营效率方面，优化了工作流程，提高了工作效率，依托自研平台的综合管理措施取得了显著成效。结论：VTE智能决策系统能提升护理人员风险评估的依从性，为医护人员提供准确有效的决策依据，辅助临床诊疗和护理，提高医疗质量，满足医院精细化管理需求。

关键词：静脉血栓栓塞症；智能决策系统；医疗大数据；预防

静脉血栓栓塞症（venous thromboembolism，VTE）是指靜脉血管管腔内血液异常凝结，形成血栓而使血管完全或部分阻塞，引起血液循环障碍的疾病[1]。VTE因高发病率、高死亡率、高漏诊率，已成为临床医务工作者面临的严峻考验[2]，但同时VTE也被认为是“最有可能预防的一种致死性疾病”。VTE的治疗费用包括住院费、抗栓药物、下腔静脉滤器植入以及血栓后综合征治疗等，远远超过了VTE预防的费用。因此，提高对VTE风险的认识并采取相应的预防措施，不仅具有重要的临床实践意义，还能有效降低住院医疗费用，减轻医疗经济负担。

目前，大部分医院的HIS系统都已支持录入VTE风险评估单、设置预防措施选项等，但是缺少对这些数据进行统计分析的系统，此部分工作通常是依赖人工完成，这是导致VTE防治工作效果不佳的一个重要因素，缺少有力的监控手段。对于人工方式进行统计VTE相关指标完成情况，存在以下问题：

①统计工作量大，任务繁重且枯燥；②数据缺乏说服力，无法保证数据准确性；③无法及时发现漏评或误评的患者，采取应对措施；④难以进行VTE相关指标趋势分析、问题分析，持续优化指标数据工作无法精确地开展。

随着以HIS系统（Hospital Information System）为核心的医疗信息系统蓬勃发展，大数据、人工智能、“互联网+”等新兴技术快速渗透到医疗领域的各个环节[3-6]，利用信息化技术管理海量医疗数据成为提升VTE风险评估率和预防率的一个有效手段。在国家政策和科技发展的助推下，本文建立了防治VTE智能决策系统，通过台州市立医院临床实践，结果表明，该系统提升了住院患者的VTE防治效果，为医院实现VTE防治“早评估、早预防、早诊断、早治疗”的目标提供了有力支撑。

一、系统架构设计

基于B/S架构，利用帆软工具实现数据可视化，利用图表直观清晰地展示各个指标，实现信息化辅助管理决策的目的。针对每个异动指标，追根究源，查缺补漏，提升医疗质量。通过权限设置对数据进行分类分级差异化的安全管理。VTE智能决策系统整体架构主要分为数据层、业务层、应用层，如图1所示。

首先，在数据层，定时对医院信息系统生成的数据使用Kettle工具进行ETL处理，建立医院数据中心。

其次，在业务层，开展需求分析与完善管理制度。组建团队，根据国家卫健委等相关机构发布的文件，如“VTE防治相关的质量安全改进政策和团体标准”“三级医院评审标准”“医院内静脉血栓栓塞症防治质量评价与管理指南”等，确定VTE指标体系内容、系统开发功能范围、培训计划、持续改进质量落实措施等。

最后，在应用层，通过批量处理构建不同维度的数据分析表，驱动BI和报表展示。依据VTE各指标定义，进行复杂计算，分析年度、月度趋势，同时生成各项明细报表，从而得到科学准确的指标完成情况。

二、核心功能实现

（一）数据治理，建立数据中心

根据医疗大数据特点，建立数据中心的流程如下：从各业务系统抽取数据，并进行数据融合，形成完备的主数据信息，然后将主数据信息分发给各业务系统，保证各业务系统中这些信息的准确性和完整性。结合主数据格式，建立数据规范和提取转换规则。在ETL过程中，需要对数据进行清洗和校验，例如检查字符是否合法、日期数据格式是否正确以及数值是否合法等，并进行正确的转换。同时建立错误数据集，将无法匹配的孤立信息以及转换失败的数据加入其中，进行人工处理。处理成功的数据将进入标准整合库。在标准整合库的基础上，根据需求分析数据源，采用规范化的标准模型来治理数据，最终建立医疗机构数据中心，如图2所示。

在本文中，设定了两种ETL机制，分别是全量抽取和增量抽取。对于长期不更新和公共数据，采用全量抽取的方式，例如医疗机构的人员信息、门诊科室、住院科室、手术编码表、重点病种、药品编码表等。增量数据抽取设定在每天凌晨1点至2点之间完成作业任务，因为这个时间段医疗机构运行业务最少，所以抽取数据比较合适。大部分情况下，增量抽取是对前一天新增的数据进行抽取。为了提高数据的准确性，会根据需求和数据特点调整数据抽取时间跨度。例如，涉及财务费用的数据需要考虑退费的情况，退费时间跨度一般不能超过30天，因此增量抽取这部分数据时，更新前30天的数据更准确。

（二）规范指标定义，构建VTE指标体系

为进一步加强医疗质量管理，规范临床诊疗行为，促进医疗服务的标准化、同质化，本文以“规范指标定义、统一指标口径、固化指标逻辑”为宗旨建立VTE指标体系。由医务部、护理部、信息中心等多个部门分别指派负责人，组成研究团队。团队依据国家相关质控文件，结合医院实际情况确定VTE指标内容，包括：VTE风险评估率、出血风险评估率，VTE基础预防率、VTE预防率（采取机械或者药物措施）、双下肢静脉B超或肺CTPA检查预防率、VTE有危急值结果、住院期间新发VTE占比、住院手术患者VTE发生率等，以便医护人员全面掌握患者的VTE评估情况，辅助临床诊疗和护理。

（三）数据可视化，开发智能决策系统

基于数据中心和VTE指标体系，借助FineBI工具，结合数据分析技术与图形技术，利用点线图、柱状图、仪表盘、饼图、表格等形式对数据进行可视化展现。根据指标定义，对数据进行统计分析、钻取钻透、筛选过滤等多种操作，实现数据的立体式呈现。用户可以对数据进行分类、排序、组合，以了解指标趋势，同时多重属性的指标数据可以清晰展示。本系统提供多种图表自由组合的可视化方式查看指标，可多种维度对指标进行统计分析，全方位满足医疗机构精细化管理需求。时间维度支持年度、月度、季度、天，范围维度支持科室、医疗组、医生个人，同时支持各个指标的明细数据查询以供监测对比。对于异常数据及时预警通知，及时采取纠正措施，持续优化医疗机构的运行机制。

系统统一门户入口，通过对用户和权限的控制，使不同角色的用户能够通过统一入口看到符合自身需求的数据和报表视图。本系统基于此实现了统一访问、集中管理、分类维护医疗大数据的信息化管理方式。

（四）数据安全管理，构建数据权责完整体系

医疗数据自身具有高敏感性和高价值性，保证其安全十分重要。为了避免在系统使用和管理过程中因不安全操作而导致的数据泄漏、被盗取等安全事件的发生，在日常的信息化网络安全和数据库操作控制基础上，开发用户管理、权限管理模块对数据进行分类分级差异化的安全管理。

①用户管理。该模块实现多维度管理用户信息的功能，包括注册用户、分配部门、角色和职责等。例如，可以从数据库批量导入用户信息并同步更新用户信息，也可以手动添加用户。支持按部门、职务、角色列表对用户进行分类，支持在PC端和移动端进行用户编辑和使用。只有注册成功成为合法用户，才能登录系统、申请权限和查看相关数据。

②权限管理。每个合法用户因其角色、职务、部门等信息的不同，所能查看的指标范围也不同，因此需采用相应的权限机制进行控制。例如，院长可以查看全院指标数据，即具有最大权限范围，但是财务科主任只能查看运营效率相关的指标数据，不能查看其他指标数据。采用多级权限分配模式，在多个部门共用系统的同时，每个部门都有自己的管理员，并可以给其他部门员工分配权限，实现多级管理员层层分配。设置权限管理模块负责人账号，根据用户角色进行授权，并明确每个指标数据的负责人、权限审批流程和各环节负责人，实现不同科室和角色的数据查看权限控制。例如，科室主任只能查看全科数据，不能查看其他科室数据；医疗组组长只能查看本组数据，不能查看其他医疗组数据；临床数据权限可以实现医生个人只能查看自己的数据，不能查看其他医生数据；中层干部、值班人员等角色根据医疗机构需求定制数据查看范围。通过严格规范的权限审批流程和严谨的权限管理模块，可以避免数据泄漏、越界访问等问题，确保数据安全。

三、应用效果分析

某院自2022年5月VTE智能决策系统上线以来，VTE评估率和预防率逐步提高，有效提升了VTE防治水平，系统运行效果得到全院一致认可，具体如下：

（一）有效提升VTE相关指标质量

①VTE基础预防率。所谓基础预防是指最基本的预防措施，包括向患者传达VTE的危害性、讲解相关预防知识，并帮助患者改善不良的生活习惯，如适量运动、控制血压、血糖和血脂等基础疾病。这项工作主要由护士指导完成，计算公式如下：

VTE基础预防率 = 周期内采取基础预防措施的出院患者总例数 / 同期出院病人总数 × 100%

由于之前一直没有相应的监测系统，依靠人工统计效果不佳。因此，在2022年5月系统上线前，该指标一直低于78%，在5月系统上线后，医务人员可通过系统实时查看VTE基础预防执行情况，及时发现不足并加以纠正，该指标开始稳步提升，到2022年12月增长至90.88%。2023年，VTE基础预防率月均值稳定保持在90%以上，如图3所示。

②VTE风险评估率与中高危患者预防率。对系统上线前（2022年1月－4月）与上线后（2022年5月－8月）的风险评估率与VTE中高危患者预防率进行统计比较，结果见表1。各VTE预防率的子指标计算公式如下：

VTE风险评估率 = 周期内完成VTE风险评估出院患者总例数 / 同期出院患者总例数 × 100%

VTE预防率 = 周期内采取机械或药物预防的出院患者总例数 / 同期中高危出院患者总例数×100%

VTE机械预防率 = 周期内采取机械预防的出院患者总例数 / 同期中高危出院患者总例数×100%

VTE药物预防率 = 周期内采取药物预防的出院患者总例数 / 同期中高危出院患者总例数×100%

VTE联合预防率 = 周期内采取机械和药物预防的出院患者总例数 / 同期中高危出院患者总例数× 100%

VTE双下肢静脉B超或肺CTPA检查预防率 = 周期内采取双下肢静脉B超或肺CTPA检查预防的出院患者总例数 / 同期中高危出院患者总例数 ×100%

由表1数据分析可以得出，使用VTE智能评估系统后，可以及时查看VTE风险评估情况，并且可跟踪每位患者的评估详情，进一步促进护士在患者入院后及时进行VTE风险评估，评估率从99.79%上升至100%。VTE重在预防，信息化系统的使用助推了VTE预防措施的落实。系统上线后，预防率从57.08%上升至64.84%，其中机械预防率从10.02%上升至18.94%，药物预防率从54.17%上升至57.21%，联合预防率从7.11%上升至11.31%，双下肢静脉B超或肺CTPA检查预防率从10.02%上升至18.94%。

（二）显著提高医务人员工作效率

系统上线前，每次需要VTE相关数据时，都需要与信息中心工程师进行需求沟通，大约耗时10分钟。工程师根据需求，在数据库中重新编码查询数据，大约耗时15至20分钟，整个过程大概需要25至35分钟。这个流程既繁琐又效率低下。同时，由于无明細数据可追踪，数据缺乏说服力，如有异常，也无法及时有效地进行监测干预。系统上线后，工作人员只需登录系统查看即可，平均耗时2分钟，大幅提升了工作效率，减少人工统计工作，同时还有相关明细数据可追踪，共同监督。

（三）持续改善医疗服务质量系统

依据VTE指标定义，统计分析相关数据并进行可视化展示，为医院管理者进行VTE质量管控提供了便利。临床护士、医生可以在系统进行自查，快速找出漏填或误填的病人。

以2022年1月VTE风险评估率为例，图4中展示了各科室的指标数据，针对没有达到100%的科室（例如图4中的骨科三），可以继续查看明细数据。在表格的右部分，已完成风险评估的病人排在表格前面并以蓝色背景突出显示，未进行风险评估的病人则位于表格末尾，未添加背景色。这样方便筛选出未评估的病人，从而及时采取应对措施。医院管理层可依据系统数据对医务工作人员进行考核，遵循持续质量改进理念，督促其提高业务素质和操作规范。从而达到规范VTE预防手段，做好早期危险因素筛查工作，提前进行VTE风险评估，选择合适的预防措施，降低医疗风险，提高医疗质量的目的。

四、结束语

随着VTE智能决策系统的上线应用，医院VTE风险评估率以及各种维度的预防率都得到了显著提升，这促进了预防措施的落实。同时，该系统与绩效考核制度挂钩，有效提高了医护人员的VTE防治意识。在医院运营管理层面，优化了医务人员的工作流程，大幅提升了工作效率，将其从繁琐枯燥的工作中解放出来。然而，该系统在智能评估方面的功能还不足，下一步应思考如何基于临床路径方法建立标准化干预诊疗路径，以实现对患者评估、预防、诊断、治疗等全过程各个节点的全面质控。同时，还可以考虑智能生成质控专题报告，挖掘相关高危致病因素和信息，构建VTE防治的数据统计、深度分析和智能检索的全员、全程、全时、全域的一体化动态监控体系。

作者单位：李娟 丁锐 徐晓丹 台州科技职业学院

参考文献

[1] 陈倩，胡雅毅.妊娠相关静脉血栓栓塞的危险因素及其预防决策[J].中华妇幼临床医学杂志：电子版，2019，15（6）：623-631.

[2] 王小荣，仇永贵，赵建美等.静脉血栓栓塞症风险评估及防范措施[J].中国卫生质量管理，2015，22（1）：32-34.

[3] 常朝娣，陈敏.大数据时代医疗健康数据治理方法研究[J]中国数字医学，2016，11（9）：2-5.

[4] 张习梅，杨露，南原.疾病预警在健康大数据管理平台中的应用[J]医学信息学杂志，2021，42（2）：49-52，65.

[5] 张弘政，刘迷迷，李琳，等.基于通用数据模型的健康醫疗大数据平台，治理研究[J].医学信息学杂志，2022，43（6）：2-7.

[6]李娟，丁锐.三级公立医院绩效考核平台的建设与应用探讨[J].中国数字医学，2022，17（7）：67-71.

项目名称：2023年度高校国内访问工程师“校企合作项目”：基于医疗大数据的VTE智能评估系统研发；项目编号：（FG2023320）。

李娟（1987.06-），女，汉族，安徽怀宁，硕士，高级工程，研究方向：计算机应用技术。