張曙+曹禺+宣琦+倪菁+胡振敏

[摘 要]本文在數(shù)據(jù)中心的基礎(chǔ)上，對標準化存儲的時間序列數(shù)據(jù)，采用自回歸求和滑動平均ARIMA模型進行預(yù)測，從而對醫(yī)院的門診人次、住院床位進行準確預(yù)測和分析，為醫(yī)院決策提供數(shù)據(jù)支撐，從而提高醫(yī)院運營和資源利用效率，使醫(yī)院總體管理效能得到優(yōu)化。

[關(guān)鍵詞]大數(shù)據(jù)；數(shù)據(jù)中心；預(yù)測模型；時間序列；管理效能

doi：10.3969/j.issn.1673 - 0194.2017.22.040

[中圖分類號]R197.3 [文獻標識碼]A [文章編號]1673-0194（2017）22-00-02

1 研究背景

2016年，國務(wù)院辦公廳下發(fā)《關(guān)于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》指出：“綜合運用健康醫(yī)療大數(shù)據(jù)資源和信息技術(shù)手段，健全醫(yī)院評價體系，推動深化公立醫(yī)院改革，完善現(xiàn)代醫(yī)院管理制度，優(yōu)化醫(yī)療衛(wèi)生資源布局?！笨梢?，醫(yī)院通過充分運用健康醫(yī)療大數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘分析等技術(shù)手段，能夠為醫(yī)院管理層提供預(yù)測方案、決策支持和相應(yīng)的評價體系，不僅是現(xiàn)代醫(yī)院信息化建設(shè)的重點，而且也被列入了國家發(fā)展重點任務(wù)。

在此之前，國外在醫(yī)療大數(shù)據(jù)分析應(yīng)用、提升醫(yī)療管理方面有較深入的研究，如對患者流向和患者行為基于馬爾科夫鏈進行建模，分析病人進入醫(yī)療機構(gòu)的移動狀況，Taylor 等建立了包括4個連續(xù)狀態(tài)的馬爾科夫模型等。國內(nèi)在此領(lǐng)域也有一定的研究，例如，解放軍301醫(yī)院將提取患者的診療數(shù)據(jù)進行時間節(jié)點建模，還原患者的就診路徑，發(fā)現(xiàn)門診效率和患者等待時間、收費窗口訪問頻次、檢查劃價收費等是影響門診效率的關(guān)鍵因素。但是，目前國內(nèi)大多數(shù)醫(yī)院在醫(yī)療大數(shù)據(jù)利用方面，仍然處于數(shù)據(jù)的報表化或圖表化數(shù)據(jù)分析展示階段，只能對當前或歷史數(shù)據(jù)進行簡單的分析與展示。這種方式雖然對醫(yī)院的管理分析有一定的幫助，但對于管理決策層的“先知、先覺、先判”需求還有較大的差距。本文通過研究基于數(shù)據(jù)中心的預(yù)測模型，建立了關(guān)于排隊時間、床位資源使用等方面的預(yù)測模型，不僅可以持續(xù)改善醫(yī)院預(yù)警的反應(yīng)性和一致性，降低成本和風險，增加可用度；還可以讓決策層提前掌握醫(yī)院的發(fā)展趨勢，幫助決策層做出正確響應(yīng)，適時做出流程優(yōu)化再造和資源的合理調(diào)配，優(yōu)化醫(yī)院管理效能。

2 基于醫(yī)院大數(shù)據(jù)的管理效能優(yōu)化預(yù)測模型的方法研究

2.1 建立數(shù)據(jù)中心

本文建立的管理效能優(yōu)化預(yù)測模型是在醫(yī)院運營數(shù)據(jù)中心（Operation Data Repository，ODR）的基礎(chǔ)上實現(xiàn)的，因此本項目首先要建立全院級的運營數(shù)據(jù)中心ODR。其過程是：醫(yī)院從人事、財務(wù)、HRP、物資和設(shè)備等多個數(shù)據(jù)源，采集并整合醫(yī)療服務(wù)及臨床業(yè)務(wù)系統(tǒng)產(chǎn)生的運營過程記錄信息，通過數(shù)據(jù)的清洗及質(zhì)控，建立ODR。ODR的建設(shè)過程主要包含兩大部分：第一，先建立數(shù)據(jù)復(fù)制庫，然后對復(fù)制庫中的數(shù)據(jù)經(jīng)過ETL過程后存儲到數(shù)據(jù)中心，對數(shù)據(jù)進行采集和整合；第二，數(shù)據(jù)的多維度分析與展現(xiàn)，其中包含了OLAP。醫(yī)院通過這兩部分的建設(shè)，一方面可以提高全院數(shù)據(jù)的完整性和準確性；另一方面可以深入對數(shù)據(jù)進行利用、挖掘和分析，使預(yù)測模型更加準確。

2..2 建立預(yù)測模型

在ODR基礎(chǔ)上，筆者對標準化存儲的數(shù)據(jù)進行分析、利用，建立預(yù)測模型。為了簡化分析過程，筆者首先根據(jù)數(shù)據(jù)特點將數(shù)據(jù)中心的數(shù)據(jù)分為兩類。第一類是橫截面數(shù)據(jù)，該數(shù)據(jù)是大體上同時或者和時間無關(guān)的不同對象的觀測值組成的數(shù)據(jù)；第二類是時間序列數(shù)據(jù)，這是在不同時間點上收集到的數(shù)據(jù)，這類數(shù)據(jù)反映了某一現(xiàn)象或事物等隨時間的變化程度或狀態(tài)。因此本文建立的預(yù)測模型的是在時間序列數(shù)據(jù)基礎(chǔ)上進行的。時間序列可以用一個變量過去的觀測實際值來預(yù)測同一變量的未來值，也就是說，時間序列的因變量為自變量未來的可能值。

由于時間序列具有非線性、非平穩(wěn)性、快速變化并且包含噪聲干擾的特點，所以國內(nèi)外很多專家對時間序列進行了深入研究，并提出了多種針對時間序列的預(yù)測方法。從大的分類來說，時間序列主要分為兩類：一類是基于模型的時間序列預(yù)測，如自回歸滑動平均（Auto-Regressive and Moving Average，ARMA）模型、自回歸求和滑動平均（Auto-Regressive Integrated Moving Average，ARIMA）模型等；另一類是基于人工智能的時間序列預(yù)測，如遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）預(yù)測、回聲狀態(tài)網(wǎng)（Echo State Network，ESN）預(yù)測等。

本文采用自回歸求和滑動平均ARIMA模型。該模型的基礎(chǔ)是自回歸和ARMA模型。假定時間序列用X1，X2，…，Xt表示，則一個純粹的AR（p）模型意味著變量的一個觀測值由以前的p個觀測值的線性組合加上隨機誤差項at（該誤差為獨立無關(guān)的）而得。

Xt=φ1Xt-1+L+φpXt-p+αt（1）

本文采用的ARIMA模型方法比傳統(tǒng)方法更加可靠，因為ARIMA模型的擬合綜合考慮了序列的趨勢變化、周期變化及隨機干擾，并借助模型參數(shù)進行了量化表達，擬合效果的驗證在理論上具有說服力，在應(yīng)用上切實可行。ARIMA模型一般情況下有多個參數(shù)，利用差分來消除趨勢或循環(huán)成分，在對醫(yī)院就診這樣的有季節(jié)和趨勢等成分的時間序列進行ARIMA模型的擬合研究和預(yù)測時，不像純粹的、滿足可解條件的ARMA模型那么簡單。因此，實際建模會更加復(fù)雜，需要經(jīng)過反復(fù)比較。

3 應(yīng)用預(yù)期成效

目前，醫(yī)院門診患者數(shù)日益增長是造成患者排隊時間長、床位資源緊張的重要原因，本文通過提前預(yù)測出未來門診就診的患者數(shù)量，可以為醫(yī)院制定各種預(yù)案提供充足的緩沖時間。筆者所在單位通過對已建成的運營數(shù)據(jù)中心中的5～10年的門診相關(guān)歷史數(shù)據(jù)進行分析建模，可預(yù)測醫(yī)院在未來某個時間段內(nèi)患者各個就診環(huán)節(jié)的排隊及等候時間，幫助決策者提前采用諸如通過擴展第三方支付方式、擴大預(yù)約途徑與范圍、改變樓層職能布局、增加床位數(shù)量等方式，優(yōu)化就診流程，提高患者就診效率，改善就醫(yī)體驗，提高患者滿意度，解決“看病難”的問題。預(yù)測分析結(jié)果如圖1所示，該模型通過對掛號排隊時間、掛號后就醫(yī)等待時間、醫(yī)生問診時間、門診繳費等待時間、發(fā)藥等待時間、化驗等待時間、檢查等待時間和報告等待時間等指標進行預(yù)測分析，可得出患者在就診各個環(huán)節(jié)花費的時間，從而有針對性地對花費時較長的環(huán)節(jié)進行優(yōu)化。圖2為科室單日掛號人次預(yù)測趨勢圖。

另外，醫(yī)院住院床位緊張也是各大醫(yī)院的突出問題，本文通過建立課題預(yù)測模型可以解決這一難題。本文通過建立預(yù)測模型，不僅可以預(yù)測住院人數(shù)，還可以深入分析現(xiàn)有的病床使用情況，使病床得到充分利用，進一步使醫(yī)院資源得到有效分配，為病人帶來方便。

4 結(jié) 語

本文通過建立醫(yī)院大數(shù)據(jù)的管理效能優(yōu)化預(yù)測模型，實現(xiàn)了醫(yī)院對患者就診整個流程的實時監(jiān)測和預(yù)測分析，包括對門診患者和住院患者的人數(shù)預(yù)測。該系統(tǒng)最大的創(chuàng)新點有以下兩個方面。首先，在標準規(guī)范和安全體系架構(gòu)下，該模型將全院數(shù)據(jù)進行標準化存儲建成數(shù)據(jù)中心，從而建立相關(guān)預(yù)測模型，確保了數(shù)據(jù)的完整性和統(tǒng)一性，減少了預(yù)測的誤差，使預(yù)測更加精準，為醫(yī)院領(lǐng)導(dǎo)層提供更加準確的決策支持。其次，該模型能夠充分利用醫(yī)院歷史和實時數(shù)據(jù)，為醫(yī)院管理者提供處理關(guān)鍵報警所需的信息和指導(dǎo)，提升醫(yī)院的總體管理效率，并縮短患者就診時間，有效解決患者“看病難”的現(xiàn)狀，為廣大醫(yī)療患者謀福祉，響應(yīng)了國家政策。

主要參考文獻

[1]寧媛，李皖.圖像去噪的幾種方法分析比較[J].貴州工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2006（34）.

[2]李彥，汪勝前，鄧承志.多尺度幾何分析的圖像去噪方法綜述[J].計算機工程與應(yīng)用，2011（47）.

[3]范啟勇，秦曉宏，劉青，等.上海市醫(yī)院信息集成平臺建設(shè)與實踐應(yīng)用指南[M].北京：科學(xué)出版社，2016.

[4]白國剛，楊宏橋.醫(yī)院數(shù)據(jù)中心建設(shè)研究[J].中國醫(yī)療設(shè)備，2012（7）.

[5]倫淑嫻，林健，姚顯雙.基于小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[J].自動化學(xué)報，2015（9）.

[6]饒運章，徐水太，熊靈燕.基于ARIMA模型的礦區(qū)重金屬污染時間序列預(yù)測[J].金屬礦山，2010（6）.

[7]霍曉宇，楊仕教，吳長振.基于BP神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測方法及應(yīng)用研究[J].南華大學(xué)學(xué)報：自然科學(xué)版，2012（2）.

[8]王衛(wèi)琪，景立偉.自回歸求和滑動平均模型在醫(yī)院藥品收入預(yù)報中的應(yīng)用[J].山西醫(yī)科大學(xué)學(xué)報，2008（3）.endprint