通过绩效监视改进基于价值的护理

准确衡量基于价值的护理策略的影响

自 20 世纪 70 年代以来，医疗卫生行业一直在不断转型。2001 年，美国医学研究所发表了“跨越品质鸿沟 (Crossing the Quality Chasm)”报告，并提出了三个目标：提升人群健康水平、改善患者体验和治疗效果、降低人均医疗成本。自此以后，医疗服务的提供方式便发生了翻天覆地的变化。医疗卫生行业从数量驱动的医疗转向了基于价值的综合医疗，前者奖励更多就诊、更多规程和更多入院，而后者更加注重以患者为中心、优化资源以及改善患者治疗效果和组织财务状况。

要推行基于价值的医疗模式，仅依靠临床系统无法帮助医疗机构识别和解决成本效率低下的问题。他们需要企业级可见性来执行平衡分析，通过权衡和调整报销模型、质量、疗效、资源利用率和成本等因素发现改进机会。然而，许多医疗机构发现实现这种可见性水平具有一定难度，其中，阻碍医疗机构全面实施价值医疗的一个主要障碍是无法将来自电子医疗和电子健康记录系统的临床数据与非临床数据和非结构化数据集成。

因此，扫清这一障碍是医疗机构当前的首要任务，幸好，技术可助其一臂之力。医疗机构可以借助现代化数据平台收集必要的数据，结合使用高级分析和人工智能来评估和生成数据报告，然后利用这些数据来发现医疗服务或其它业务中存在的潜在问题和机会。

简化 KPI 制定

随着医疗机构推行以患者为中心的护理计划，构建低成本的交付模式、设法降低固定成本、改善护理质量和解决健康的社会决定因素对他们而言至关重要。在实施了这些举措后，医疗机构还应根据患者报告结果和重新入院率等关键绩效指标 (KPI) 来评估这些举措的有效性。同时，医疗机构员工不仅需要能够访问所有相关数据，还需要能够理解数据、解释数据并采取相应行动。

Oracle Data Platform 可提供医疗机构需要的所有功能，并通过自动化特性简化流程，帮助医疗机构成功捕获所有可用数据，并据此采取行动。

该图展示了面向医疗卫生行业的 Oracle Data Platform 如何通过绩效监视来支持基于价值的护理。该平台包括以下五个支柱：

1. 1. 数据源、探索
2. 2. 摄取、转换
3. 3. 持久保存、整理、创建
4. 4. 分析、学习、预测
5. 5. 评估、行动

“数据源、探索”支柱包括四类数据。

1. 1. 应用包括患者管理记录。
2. 2. 健康记录包括通用调查问卷和特定病症调查问卷以及来自 EHR、EMR 和医疗路径等系统的临床数据。
3. 3. 第三方数据包括患者报告结果。
4. 4. 技术输入包括来自 EMR 和 ePrescribing 系统的数据。

“摄取、转换”支柱包括四个功能。

1. 1. 批量传输使用 OCI FastConnect、OCI Data Transfer、MFT 和 OCI CLI。
2. 2. 批量摄取使用 OCI Data Integration、Oracle Data Integrator 和 Data Studio。
3. 3. 更改数据捕获使用 OCI GoldenGate 和 Oracle Data Integrator。
4. 4. 流摄取使用 Kafka Connect。

所有四种功能均单向连接至“持久保存、整理、创建”支柱中的服务数据存储、云端存储和事务数据存储。

“持久保存、整理、创建”支柱包括五个功能。

1. 1. 服务数据存储使用 Autonomous Data Warehouse、Exadata Cloud Service 和 Exadata Cloud@Customer。
2. 2. 托管 Hadoop 使用 Oracle Big Data Service。
3. 3. 云端存储使用 OCI Object Storage。
4. 4. 批处理使用 OCI Data Flow。
5. 5. 治理使用 OCI Data Catalog。

这些功能在支柱内互联。云端存储不仅单向连接至服务数据存储和托管 Hadoop，还双向连接至批处理。

托管 Hadoop 以单向方式连接到服务数据存储。

有两个功能连接至“分析、学习、预测”支柱：服务数据存储连接至分析和可视化功能以及数据产品 API 功能；云端存储连接到机器学习功能。

“分析、学习和预测”支柱包括三个功能。

1. 1. 分析和可视化使用 Oracle Analytics Cloud、GraphStudio 和 ISV。
2. 2. 数据产品 API 使用 OCI API Gateway 和 OCI Functions。
3. 3. 机器学习使用 OCI Data Science、Oracle Machine Learning 和 ML Notebooks。
4. 4. 数据产品 API 功能单向连接至机器学习功能。
5. 5. 服务数据存储和对象存储为 OCI Data Catalog 提供元数据。

“评估、行动”支柱包含如何运用数据分析来监视绩效和支持基于价值的护理交付模式。

1. 第一组包括监视资源的分配和使用，并根据患者风险和治疗方案、同行比较和国际基准以及成本报告来评估疗效和队列。
2. 第二组包括患者疗效预测。

“摄取、转换”、“持久保存、整理、创建”及“分析、学习、预测”这三大核心支柱由基础设施、网络、安全和 IAM 提供支持。

面向医疗卫生行业的 Oracle Data Platform 架构让医疗机构能够从患者报告结果、患者管理记录以及其它许多数据源中捕获、存储、管理和获取洞察，帮助医疗机构实现目标 — 转型为基于价值的医疗体系。

• 首先，我们需要尽可能了解患者的一切信息。为此，我们使用 OCI GoldenGate 启用更改数据捕获，从不同的健康管理系统中摄取近乎实时的运营数据，如患者管理记录和医疗路径。
• 我们现在可以添加数据集来丰富患者信息，帮助理解对他们进行评估的原因以及曾经给他们开了什么处方。这些数据集通常包含大量数据，在大多数情况下，批量摄取通常是较为有效的摄取方法。这也是较为高效地使用来自不同电子健康记录提供商（如 Epic 和 Oracle）的数据的一种方法。
• 我们也可以使用流摄取来摄取 ePrescriptions，甚至电子健康记录（具体视供应商而异）等流数据。此外，在该使用场景中，我们打算通过分析社交媒体消息、对第一方帖子的响应以及热门消息来分析和快速响应患者情绪。摄取的社交媒体（应用）消息/事件将存储在云端存储中以供后续使用，帮助我们充分了解患者体验。
• 如果有大量本地部署历史数据，则最好选择使用批量传输流程上传患者报告结果、患者报告体验度量以及与保险公司签订的基于结果的合同条款。

数据持久性和处理建立在四个组件之上。

• 已摄取的原始数据存储在云端存储中。对于 ePrescriptions 数据、电子健康记录数据、历史调查问卷、患者报告结果和社交媒体数据等持久保存的数据，我们将使用 OCI Data Flow 来执行批处理。这些处理过的数据集被返回到云端存储，以进行后续持久化、管理和分析，并最终以优化的形式加载到服务数据存储中，或者也可以根据架构偏好和使用开源数据源选项的意愿使用 Oracle Big Data Service 作为托管 Hadoop 集群来对这些数据进行批处理。
• 我们创建了一个经过处理的数据集，以经过优化的关系形式持久保存数据，从而提高服务数据存储的管理效率和查询性能。这让我们能够识别并返回再入院率、患者疗效、索赔处理率和索赔拒绝率等关键绩效指标。

分析、学习和预测能力建立在两种技术方法之上。

• 分析和可视化服务提供多种类型的分析。描述性分析使用直方图和图表描述当前趋势，例如提供五年生存率、二次手术、意外入院和治疗计划偏离等治疗结果信息。诊断分析用于解释某些事件发生的原因以及触发这些事件的因素。例如，您可以通过诊断分析了解导致某个国家特定地区患者从转诊到第一次门诊随访的时间偏离标准时间的背后原因，或为何患者人均护理天数在某些特定情况下会有所增加。规范性分析可以提出合适的行动方案来支持最优决策。例如，您可以使用规范性分析来获得关于规程调整和临床调整的建议，从而改善患者生活质量报告结果（例如改善患者身体功能或减少疼痛）。
• 除了高级分析之外，也开发、训练和部署机器学习模型。这些模型可通过 API 访问，或部署在服务数据存储内部。
• 您可以对经过整理、测试的高质量数据和模型应用治理规则和策略，将其作为数据网格架构中的“数据产品” (API) 公开，以便在整个医疗机构中分发。

基于价值的护理的优势

了解基于价值的护理计划的执行情况是医疗机构优化和调整策略，实现持续成功的关键。一个成功部署并通过评估的基于价值的护理策略将为医疗机构带来许多优势和增强功能，最终不仅惠及患者、员工和临床医生，医院自身的收入水平也将得到大幅提升。例如：

• 高效地收集和应用患者信息，了解医疗服务的治疗效果
• 公平、透明、可持续地利用资源，改善患者疗效和体验
• 更有效地防治过度诊断、过度处方、资源分配不当和诊断依据不足等问题
• 识别与不合理使用医疗技术和护理服务（过度或不足）相关的无根据差异
• 防控抗生素耐药性蔓延
• 应对阿片类药物成瘾风险