分级诊疗大数据分析平台解决方案

分级诊疗大数据分析平台解决方案V3.0

分级诊疗大数据分析平台解决方案

目录

1.背景介绍.............................................1

2.产品愿景.............................................1

3.产品定位.............................................2

3.1解决的问题.........................................2

3.2达到的效果........................................3

4,产品理念..............................................4

5.总体思路.............................................5

5.1对接数据源，获取医疗卫生大数据.....................6

5.2对获取的医疗卫生大数据预处理机制...................7

5.3建立医疗卫生大数据的存储机制.......................7

5.4医疗卫生大数据的处理和分析算法分类和形成...........9

5.5开发专题大数据分析，形成专题大数据应用............11

5.6开发机构大数据分析，建立机构大数据应用............11

5.7建立平台应用实施推广组织机制......................11

5.8建立平台产品优化升级服务组织机制..................11

6.医疗卫生信息的大数据建模描述和分析..................12

6.1我们给出的相关数据模型............................13

6.2卫计委给出的相关数据模型..........................14

6.3相关数据特征对比分析..............................18

7.大数据分析应用平台支持的业务主题场景................20

7.1医疗卫生服务机构应用..............................22

7.1.1各级医院自身应用.............................22

7.1.2基层医疗机构自身应用.........................27

7.1.3区域卫生医疗联合体应用.......................28

7.1.4医疗卫生机构的合规应用.......................33

7.2患者医疗治疗应用..................................35

721患者就医过程提示服务..........................35

722患者服药提示服务..............................36

723患者饮食、运动、习惯注意事项服务..............36

7.2.4患者体征和治疗效果服务........................36

725患者交流交往服务..............................36

7.3个性化医疗服务应用................................36

7.3.1基因测序分析应用.............................37

7.3.2个性化药物应用................................37

733个人健康管理应用..............................38

7.4慢性病预防治疗应用（疾控中心）....................39

7.4.1慢性病检测、发现、预警服务...................40

742慢性病诊断服务................................41

7.4.3慢性病防控治疗服务...........................41

7.5居民健康保健应用（疾控中心）......................42

7.5.1居民自我健康保健应用.........................43

7.5.2政府卫生管理部门进行居民健康管理应用.........43

7.5.3政府医疗规划结构进行居民健康保健决策应用.....43

7.6医疗卫生管理机构应用（卫生局）....................44

7.7医疗保险管理机构应用（医保局）....................44

7.7.1基本医疗保险的决策支持分析...................47

7.7.2基本医疗保险费用单据的智能化审核.............48

7.7.3基本医疗保险的有效支付和治理应用.............48

7.7.4基本医疗保险和服务监管应用...................48

7.7.5降低看病率提升医疗效果应用...................49

7.8医药监管机构应用（药监局）........................53

7.9医药研发生产经营应用（医药企业）..................53

7.9.1医药研发企业应用.............................54

7.9.2医药生产企业应用.............................54

7.9.3医药流通企业应用.............................55

7.9.4医药零售企业应用.............................58

7.10医疗卫生资源配置管理规划应用（政府主管部门）.....58

7.10.1医疗卫生资源服务现状分析....................58

7.10.2医疗卫生资源财务供给能力分析................59

7.10.3医疗卫生资源规划指标对比....................59

7.10.4医疗卫生资源政策建议........................60

7.11商业医疗保险应用（保险公司）.....................60

7.11.1获得新客户和保留已有客户的分析应用..........61

7.11.2有效控制医疗费用的分析应用..................61

7.11.3商业医疗保险的保障设计和精算定价............61

7.11.4商业医疗保险的理赔运营管理应用..............63

7.11.5商业医疗保险的市场和销售拓展应用............65

7.12公共卫生服务应用（卫生防疫中心）.................65

7.12.1传染病预警预报..............................67

7.12.2公共卫生舆情监测预警........................68

7.12.3疾控和保健应用..............................68

7.13政府监管应用（政府主管部门）.....................69

7.13.1医药监管应用.................................69

7.13.2医疗监管应用.................................70

7.13.3医保监管应用................................71

7.13.4医疗服务机构和医生监管应用..................72

7.14新型医疗卫生服务应用（政府主管部门）.............72

7.14.1远程医疗....................................73

7.14.2移动医疗....................................73

7.14.3互联网医疗..................................74

7.14.4数字医疗....................................75

7.14.5大数据医疗..................................75

7.14.6智慧医疗....................................75

7.14.7精准医疗....................................76

8.大数据分析应用平台支持的专题大数据应用...............77

8.1患者分析（基于电子病历EMR）.........................................................77

8.1.1患者数据预处理...............................77

8.1.2患者个体（个性）分析.........................78

8.1.3患者群体（统计）分析.........................78

8.2疾病分析（基于电子病历EMR和电子健康档案EHR）...79

821常见疾病分析..................................79

8.2.2慢性疾病分析.................................79

8.2.3疾病诱因分析.................................79

8.2.4疾病统计分析.................................79

8.2.5临床路径分析.................................79

8.3医生及医护人员分析（基于医疗卫生资源数据）........79

8.3.1医生及医护人员资历资格分析...................79

8.3.2医生及医护人员行医记录分析...................80

8.3.3医生及医护人员培训进修分析...................80

8.4处方分析（基于电子病历EMR）.....................80

8.4.1医生用药分析.................................80

8.4.2患者用药分析.................................81

843处方用药分析..................................81

8.4.4医院科室用药分析.............................81

845安全用药分析..................................81

8.4.6处方符合性分析...............................82

8.4.7处方用药-诊断结论关联分析.....................82

8.4.8诊断结论-处方总价聚类分析.....................82

8.4.9患者特征-诊断结论分类分析.....................83

8.4.10患病时间-诊断结论序列分析....................83

8.5居民人口分析（基于电子健康档案EHR）............................83

8.5.1居民个体健康分析.............................83

8.5.2人口群体健康分析.............................83

853人口亚健康相关因素关联分析....................83

854人口健康相关因素关联分析......................83

8.5.5人口健康时间空间分布分析.....................84

856人口健康预测分析..............................84

8.6药品分析（基于医药产业链数据）....................84

8.6.1药品种类分析.................................84

862药品研发分析..................................86

8.6.3药品生产分析.................................89

8.6.4药品销售分析.................................89

8.6.5药品物流分析.................................90

8.6.6药品资金流分析...............................90

867药品信息流分析................................90

868药品库存分析..................................91

8.6.9药品质量偏差分析.............................95

8610药品不良反应&药品群体不良事件分析...........95

8.7医疗健康检验检测分析（基于电子健康档案EHR）.............96

871生理信号检测分析..............................96

872医学影像图像分析..............................96

8.7.3DNA检测和DNA序列分析......................96

8.7.4重要人体征数据分析...........................96

8.7.5远程自助健康医疗检测分析.....................97

8.8医疗安全风险分析（基于电子病历EMR）.............................97

8.8.1医疗安全分析.................................97

8.8.2医疗风险分析.................................97

8.8.3假药、过期药、成分异常药的使用分析...........97

8.8.4医疗事故诱因分析.............................97

8.8.5医疗安全风险统计分析.........................97

8.9医疗卫生资源分析（基于政府的医疗卫生资源数据）....97

8.9.1医生护理人员分析.............................97

8.9.2医院床位分析.................................98

8.9.3医疗检测检验能力分析.........................98

8.9.4医疗卫生资源需求分析.........................98

8.9.5医疗卫生资源匹配度分析.......................98

8.9.6医疗卫生资源对比分析.........................98

8.10医疗卫生效果分析（基于电子健康档案HER和医疗卫生资源

数据）...............................................98

8.10.1医疗卫生满意度分析..........................98

8.10.2医疗卫生问题诱因分析........................98

8.10.3医疗卫生规划符合度分析......................99

9.关键核心技术和算法....................................99

9.1大数据分析能力...................................99

9.2大数据分析技术...................................100

9.3大数据存储技术和系统.............................101

9.4大数据业务模型建模...............................101

9.5大数据的实时查询.................................104

9.6大数据的复杂分析.................................106

10.用医疗卫生大数据为业务服务.......................109

10.1核心理念........................................110

10.2管理闭环........................................111

11.未来市场前景分析..................................114

12.总结.............................................116

分级诊疗大数据分析平台解决方案V3.0

1.背景介绍

根据实际情况编制

2.分级诊疗大数据分析平台愿景

形成充分发挥大数据技术的，针对医疗医药行业的，能充分适应

医疗卫生信息特征的大数据分析应用支撑平台，通过大数据分析，达

到发现知识、发现规律、预测未来，将医疗卫生行业推进进入大数据

时代提供技术可行性。

第1页

3.分级诊疗大数据分析平台定位

分级诊疗大数据分析平台以医疗卫生行业的整体数据架构（数据

模型、数据构成、数据关系）为基础和标准，以对应的医疗卫生业务

数据为输入，通过大数据技术，形成针对医疗卫生行业中不同机构、

角色和业务活动的智能化应用，因此分级诊疗大数据分析平台不是代

替已有医疗卫生信息化系统，而是在多个方面强化已有医疗卫生信息

化系统，包括任意查询、即兴分析、业务增强、规则约束、预测未来、

发现知识，并提供互动性、及时性、预知性、洞察性，从而达到实现

智慧医疗的目标。

3.1解决的问题

当前医疗卫生信息化建设的主要问题是各个区域内不同医疗机

构中患者的基础信息和各种临床信息资源分散、重复、孤立，导致有

效信息闲置、信息重复或不一致，很难得到有效利用。

通过分级诊疗大数据分析平台实现国家医疗卫生信息化规划中

“4631-2〃的三大基础数据库，即电子健康档案数据库、电子病历数

据库和全员人口个案数据库的应用落地；

通过分级诊疗大数据分析平台实现智慧医疗的核心部分，即医疗

卫生服务体系的智能化，使医疗卫生的各种应用提升水平；

通过分级诊疗大数据分析平台为“看病难、看病贵”的解决提供

科学定量判断依据、对比分析依据和分级诊疗大数据分析平台效果评

价依据；

第2页

3.2达到的效果

分级诊疗大数据分析平台预期部署到云平台上运行，采用SOA的

理念进行架构开发，通过分层将公共大数据算法模型封装为服务，对

业务应用提供服务，同时平台业务应用也是服务的形式存在，即应用

单位不再需要购买部署自己的服务器硬软件环境，只需要开通相应服

务就可以了。各个应用单位根据自己的业务需要定制服务，平台支持

“开通即用”服务模式，为实现业务应用集成，分级诊疗大数据分析

平台将对外支持WebService方式的接口服务。

分级诊疗大数据分析平台希望将医疗卫生的智慧功能应用普及

到业务角色和过程的方方面面，包括医生（包括专科医生、全科医生、

保健医生等）、患者（包括慢性病患者、潜在患者等）、管理者（包括

医疗管理者、医疗保险管理者、医药监管管理者、公共卫生管理者等）、

医药经营者（药品研发、药品生产、药品物流、药品零售等）以及商

业医疗保险经营者（健康险、大病险、医疗意外险等）。

第3页

4.分级诊疗大数据分析平台理念

医疗卫生、健康保健、医药器械形成的海量数据就象一座待开发

的金矿，利用大数据技术、云计算技术、物联网技术和便携设备技术

的最新成果，将给医疗卫生事业带来全新革命性的改变，明显解决看

病难和看病贵的问题，达到医疗卫生资源配置分布合理、大病小病治

疗各司其职、疾病预防治疗有机结合、公民健康保健全过程覆盖。

第4页

5.总体思路

通过建立医疗卫生大数据的统一标准和规范，形成可被相关业务

应用所利用的医疗卫生大数据源和交互机制，在此基础上，首先形成

专题大数据应用，这些应用具有跨部门和组织机构的通用性，并具有

良好的稳定性，因为这些应用是面向医疗卫生专题的；基于专题大数

据应用，根据医疗卫生相关部门和组织机构的业务要求，可开发形成

各种业务大数据应用，并且随着平台的推广，积累的医疗卫生业务大

数据应用的实例将会越来越多，并最终形成不同方向的最佳应用样

例。

医疗卫生大数据源专题大数据应用业务大数据应用

个人（患者、亚健康）

医疗卫生服务机构

医药生产经营企业

医疗卫生管理机构

医疗保险机构

公共卫生服务机构

医药监管机构

第5页

5.1对接数据源，获取医疗卫生大数据

医疗卫生大数据中心为分级诊疗大数据分析平台进行医疗卫生

大数据分析提供数据源，但不在分级诊疗大数据分析平台范围内，并

平台只是开发提供一套与该数据中心的数据读取接口，并具有监控数

据读取情况汇总统计和异常提示功能。

该数据中心的定位：整合区域内不同医疗机构中患者/健康人群

的各种临床诊疗数据、健康数据，在相对集中的逻辑/物理环境中，

构建一个以存储和处理患者/健康人群诊疗信息为核心，覆盖多学科、

多专业的面向区域内主要卫生行政主管部门、临床医疗机构和社会公

众的医学（医药、医疗、健康）信息资源共享机制--一区域性医学数

据中心。区域性医学数据中心的建设以行政业务处理、医疗、预防、

保健、康复为服务主线，以健康人群和患者的医疗活动需求为基础。

区域卫生数据中心通过制定标准的数据接口，建立基于广域网的信息

交换、数据采集和传输机制，对区域内医疗卫生信息数据进行采集、

传输、清洗和汇总，将医院、社区、医药企业以及公共卫生机构的各

类数据、系统有机地整合起来，生成区域的卫生大数据。

第6页

5.2对获取的医疗卫生大数据预处理机制

医疗卫生大数据预处理主要完成对已接收数据的辨析、抽取、清

洗等操作，目的是将数据按统一的格式提取出来，然后再转化，集成,

载入数据仓库的工具(ETL)包括：抽取：因获取的数据可能具有

多种结构和类型，数据抽取过程可以帮助我们将这些复杂的数据转化

为单一的或者便于处理的构型，以达到快速分析处理的目的；清洗：

对于大数据，并不全是有价值的，有些数据并不是我们所关心的内容,

而另一些数据则是完全错误的干扰项。因此要对数据通过过滤“去

噪”从而提取出有效数据。

5.3建立医疗卫生大数据的存储机制

虽然关系型数据库系统(RDBMS)在安装和使用上仍然占有主要地

位，但毋庸置疑，非关系型数据库NoSQL技术已经成为今天发展最快

的数据库技术。NoSQL是对数据库系统的总称，在某种程度上，它的

性能和用途可能完全不同。

目前除了关系型数据库外，还主要存在有以下四种NoSQL数据管

理系统：

键值数据库：当数据以键的形式访问时，比如通过国际标准书号

ISBN找一本书，键值数据库是最理想的。在这里，ISBN是键，书籍

的其他信息就是值。必须知道键才能查询，不过值是一堆无意义的数

据，读取之后必须经过翻译。

文档数据库：该数据库以文档的形式管理和存储数据。有点类似

于键值数据库，但文档数据库中的数据有结构。与键值数据库中值是

第7页

一堆无意义的数据不同，文档数据库中数据以文档的结构被描述，典

型的是JavaScriptObjectNotation(JSON)或XML。文档存储数据库中的

数据可以通过定义的任何模式进行查询，但键值数据库只能通过它的

键进行查询。

列式数据库：也被称为列式存储或宽列存储，一改之前行式存储

的方式，对数据进行列式存储。在传统关系型数据库中，数据经常以

行来访问。以列式管理记录的NoSQL数据库可以管理大规模的动态

列。因为没有固定的模式，所以列名和键可以变换。列式数据库适用

于不经常写的情况，要满足ACID(原子性、一致性、隔离性和持久

性)的要求并不难，而且模式是变化的。

图型数据库：图型数据库关注值与值之间的关系，用图型的数学

概念存储数据。图型数据库用带有点、边缘和属性的图的结构表示和

存储数据。在图型数据库中，每一个元素都包含一个直接的指向它毗

邻元素的点，所以也就不需要索引查找。

每个种类的NoSQL数据库都有适用的不同类型的应用程序和用

例，这就涉及到一个NoSQL社区常用的一个话题，即多样持久性，或

者说根据数据库处理应用程序需求的不同，使用不同的数据库系统，

用于不同的应用程序和用例。

第8页

5.4医疗卫生大数据的处理和分析算法分类和形成

•技术分类方法

/根据挖掘任务：分为分类或预测模型发现、数据总结、聚类、关

联规则发现、序列模式发现、依赖关系或依赖模型发现、异常

和趋势发现等等；

/根据挖掘对象：可分为关系数据库、面向对象数据库、空间数据

库、时态数据库、文本数据源、多媒体数据库、异质数据库、

遗产数据库以及环球网Web；

/根据挖掘方法：可分为:机器学习方法、统计方法、神经网络方

法和数据库方法。

•主要处理和分析技术

/预言处理：用历史预测未来；

/挖掘规律处理：了解数据中潜在的规律；

/关联分析：查找存在于项目集合或对象集合之间的频繁模式、关

联、相关性、或因果结构；

/序列模式处理：给定一个由不同序列组成的集合，其中，每个序

列由不同的元素按顺序有序排列，每个元素由不同项目组成，

同时给定一个用户指定的最小支持度阈值，序列模式挖掘就是

找出所有的频繁子序列，即该子序列在序列集中的出现频率不

低于用户指定的最小支持度阈值；

/分类（预言）分析：预测分类标号（或离散值），根据训练数据

集和类标号属性，构建模型来分类现有数据，并用来分类新数

第9页

据。建立连续函数值模型，比如预测空缺值；

聚类分析：聚类是一种无监督分类法：没有预先指定的类别。在

同一个类中，对象之间具有相似性；不同类的对象之间是相异

度分析；把一个给定的数据对象集合分成不同的簇。将物理或

抽象对象的集合分组成为由类似的对象组成的多个类；聚类在

不同的应用领域，用作描述数据，衡量不同数据源间的相似性，

以及把数据源分类到不同的簇中；聚类是将数据分类到不同的

类或者簇这样的一个过程，所以同一个簇中的对象有很大的相

似性，而不同簇间的对象有很大的相异性；聚类与分类不同，

聚类所要求划分的类是未知的；

异常检测分析：异常检测是数据挖掘中一个重要方面，用来发现”

小的模式”（相对于聚类），即数据集中间显著不同于其它数据的

对象；

可视化分析。数据可视化可以让数据自己说话，让用户直观的感

受到结果；

数据挖掘算法。分割、集群、孤立点分析还有各种算法让我们精

炼数据，挖掘价值。这些算法要能够应付大数据的量，同时还

具有很高的处理速度；

语义引擎。人工智能从数据中主动地提取信息。包括机器翻译、

情感分析、舆情分析、智能输入、问答系统等；

数据质量和数据管理。透过标准化流程和机器对数据进行处理可

以确保获得一个预设质量的分析结果。

第10页

5.5开发专题大数据分析，形成专题大数据应用

面向医疗卫生专业所特有的专题，开发形成一系列的专题大数据

应用。在充分调研和分析医疗卫生行业的业务特性基础上，研发形成

具有我国医疗卫生行业特征的分类专题大数据分析，并根据专题组成

和业务功能要求形成满足该业务专题的大数据应用，如心脏病专题的

大数据应用，包括其成因的大数据分析、其日常行为对病情影响的大

数据分析等，为有关机构进行心脏病的有关活动（预测、预防、治疗、

恢复）提供支撑。

5.6开发机构大数据分析，建立机构大数据应用

面向不同的医疗卫生机构和部门及其相关企业机构，开发形成针

对不同机构和部门业务的机构大数据应用，如医疗卫生机构应用、医

疗卫生管理机构应用等。在上述专题大数据应用基础上，结合所承担

的相关医疗卫生及其相关机构项目，进行机构大数据应用定制开发。

5.7建立平台应用实施推广组织机制

在分级诊疗大数据分析平台开发和部署基础上，逐步形成基于分

级诊疗大数据分析平台开发应用项目的实施推广组织机制，包括市场

宣传、营销推广、实施维护和售后服务等。

5.8建立平台产品优化升级服务组织机制

分级诊疗大数据分析平台作为公司的主打产品系列，要建立严格

的版本控制，并根据市场反馈和内部技术发展，进行有计划的平台版

本升级，并将新版本升级信息和文档，按规定通知已有用户，并及时

第11页

进行升级维护服务。

6.医疗卫生信息的大数据建模描述和分析

伴随着中国医疗卫生服务的信息化进程推进，将产生大量的数

据。这些数据主要来源于医疗业务活动、健康体检、公共卫生等9项

医疗卫生服务。数据内容包括来自医院的大量电子病历、区域卫生信

息平台采集的居民健康档案等。其中大量充斥着非结构化/半结构化

的数据，包括图像，office文档，以及XML结构文档等。医疗健康

大数据的应用，关键是整合所有可能得到的这些数据，为机构和政策

制定者来找到如何刺激经济并降低共享数据的技术门槛。

临床数据

第12页

6.1我们给出的相关数据模型

我国医疗卫生行业涉及的数据实体对象种类非常众多，包括医疗

机构一科室一医生（门诊、住院）、大众群体一患者、医疗管理部门

一卫生局一疾控中心一医保中心一发改委一中医药管理局、医药管理

部门一药监局、医药研发一医药生产一医药经营一药品（处方药、ODC

药）、医疗器械研发一医疗器械生产一医疗器械经营一医疗器械、商

业医疗保险公司、体检中心一体检医生、APP服务等。

第13页

6.2卫计委给出的相关数据模型

2010年底，原卫生部完成了“十二五”卫生信息化建设工程规

划编制工作，初步确定了我国卫生信息化建设路线图，简称“3521-2

工程”，即建设国家级、省级和地市级3级卫生信息平台，加强公共

卫生、医疗服务、新农合、基本药物制度、综合管理等5项业务应用，

建设健康档案和电子病历2个基础数据库和1个专用网络建设，进

行医疗卫生信息标准化体系和安全保障体系2个体系建设。

2013年11月，卫生部和计生委合并后，信息化建设工程规划的

顶层设计规划又调整为“4631-2工程”，其中，“4”代表4级卫生信

息平台，分别是：国家级人口健康管理平台，省级人口健康信息平台、

地市级人口健康区域信息平台及区县级人口健康区域信息平台；“6”

代表6项业务应用，分别是：公共卫生、医疗服务、医疗保障、药品

管理、计划生育、综合管理；“3”代表3个基础数据库，分别是：电

子健康档案数据库、电子病历数据库和全员人口个案数据库；“1”代

表1个融合网络，即人口健康统一网络;最后一个“2”是人口健康信

息标准体系和信息安全防护体系。依托中西医协同公共卫生信息系

统、基层医疗卫生管理信息系统、医疗健康公共服务系统打造全方位、

立体化的国家卫生计生资源体系。卫计委规划的三大基础数据库相互

关系和包括的主要数据如下图所示。

第14页

i＞病历概要：包括患者基本信息等四项内容：

2、门（急）诊诊疗记录：包括门（急）诊病历、

处方等六项内容。

3、住院诊疗记录：包括住院病案首页、住院志等

九项内容。

4、健康体检记录：一般常规健康体检记录。

5、转诊（院）记录：患者转诊的主要工作记录。

6、法定医学证明及报告：包括出生医学证明等。

生医疗机构信息：医疗机构法人信息。

电子病历数据库

1、个人基本信息：包括姓名、性别、照片、英文今

1、个人基本信息：包括人口学信息、社会经济.曾用名,身份证号码、年龄、证件类型、证件号码、籍

学信息、亲属信息、社会保障信息、基本健康信息贯、国籍、户籍类叁、户籍地址、政治面貌、健康状况、

、建档信息。婚姻状况、宗教信仰、兵役状况、文化程度、专业、学位

2、主要卫生服务记录：包括儿童保健信息、妇、职称、从业状态、工作单位、工作单位通讯地址、社保

女保健信息、疾病预防信息、疾病管理：高血压、号、民政抚助时蟹类型、联系电话、手机号码、电子邮件

糖尿病、肿瘤、重症精神疾病等病例管理信息，老、现居住地址、居住类型、死亡标识信息等.

年人健康管理信息、医疗服务信息等。2、个人力.展信息、：包括工作、教育、家庭、住

房、社保、公积金、计划生育、卫生健康、犯罪记

录、死亡信息信,

电子健康档案数据库全员人口个案数据库

电子健康档案的数据架构是以人的健康为中心，以生命阶段、健

康和疾病问题、卫生服务活动（或干预措施）作为三个纬度构建的一

个逻辑架构，用于全面、有效、多视角地描述健康档案的组成结构以

及复杂信息间的内在联系。通过一定的时序性、层次性和逻辑性，将

人一生中面临的健康和疾病问题、针对性的卫生服务活动（或干预措

施）以及所记录的相关信息有机地关联起来，并对所记录的海量信息

进行科学分类和抽象描述，使之系统化、条理化和结构化。

第15页

帕视角

Z轴卫生飓务活动

二

小

网视角

F二

r，

\

亡

学W

丫轴

主

要

龄

学春

健

康

期

龄期

幼

问

题

主

要

前

儿

婴

健

康

主

期

要

期

问

题

儿

康

健

二

二

期

题

问

一

一

个人健康档案的三维概念模型，可以清晰地反映出每个个人不同

生命阶段、主要疾病和健康问题、主要卫生服务活动三者之间的相互

联系。同时一，坐标轴上的三维坐标连线交叉所圈定的空间位置（域）,

表示了人在特定生命时期、因特定健康问题而发生的特定卫生服务活

动所需记录的特定记录项集。由于三维空间中的任意一个空间位置都

对应着某个特定的健康记录，从而构成了一个完整、立体的健康记录,

这些健康记录全面地反映了个人健康档案内容的全貌。

•第一维（X轴）：生命阶段

按照不同生理年龄可将人的整个生命进程划分为连续的若干生

命阶段，如：婴儿期（0〜1岁）、幼儿期（1〜3岁）、学龄前期（3〜

6岁）、学龄期（6〜12岁）、青春期（12〜20岁）、青年期（21〜45

岁）、中年期（46〜60岁）、老年期（60岁以上）等八个生命阶段。

第16页

也可以根据基层实际工作的需要，将人群化分为：儿童、青少年、育

龄妇女、中年和老年人。

•第二维（丫轴）：健康和疾病问题

每一个人在不同生命阶段所面临的健康和疾病问题不尽相同。确

定不同生命阶段的主要健康和疾病问题及其优先领域，是客观反映居

民卫生服务需求、进行健康管理的重要环节。

•第三维（Z轴）：卫生服务活动（或干预措施）

针对特定的健康和疾病问题，医疗卫生机构开展一系列预防、医

疗、保健、康复、健康教育等卫生服务活动（或干预措施），这些活

动反映了居民健康需求的满足程度和卫生服务利用情况。

个人健康档案（EHR）基本结构

第17页

6.3相关数据特征对比分析

从医药医疗健康大数据分析应用角度，分级诊疗大数据分析平台

需要一个尽可能全和细的数据集合，所以理想状态是结合上两部分数

据内容形成的超集集合，甚至包括一些非医疗健康数据，如考察研究

某种药对某种疾病的医疗效果时，如果能获得当地的气象天气信息，

可能分析出的结果将明显不同。另外可以看出目前所给数据都是结构

化数据，如果从大数据分析应用角度，理想的数据还应该包括图像、

图形、文本等半结构和非结构数据，以及非关系数据（多维数据），

才能构成满足医药医疗健康大数据分析应用的需求。

2000年以来，我国的医疗数据的生成和采集主要局限于各大医

院。近几年，随着社区系统、新农合系统、村卫生室系统等基层医疗

卫生信息系统逐步上线，医疗卫生数据源头也越来越多，数据量越来

越大。从卫生服务的类型看，区域卫生信息的类型主要有：医疗服务

类、公共卫生服务类、社区卫生服务类、卫生业务类、卫生管理服务

类数据。根据估算，中国一个中等城市（1千万人口规模）50年所

积累的医疗卫生数据量就会达到10PB级。随着各地区域卫生信息平

台的建设，存储于各医疗卫生机构的数据将逐步通过各种方式实现整

合与共享。

多维数据由于医疗数据是多种数据源数据的汇总，数据之间的关

系非常复杂。如下图所示：以患者为中心的服务需要把一个患者的全

周期数据按照时间轴排列，并分析诊断、用药和患者生命体征、检验

检测值之间的关联；以医生为中心的服务又需要把与医生相关的患者

第18页

数据挑拣出来，并进行分类；以科室为中心的服务可能需要既从科室

所属医生的角度，又要从在该科室就诊患者的角度进行分析；针对社

区的服务可能需要统计整个社区居民某项指标（比如血压、血糖）的

达标率。医疗数据的多维度、多粒度为各种信息服务的多角度、多层

次分析提供了可能，但同时也为大数据分析带来了挑战。因为不可能

为每一种信息服务存储一份特定的优化模式的数据，况且也无法枚举

出所有可能的信息服务需求。这就需要医疗数据的存储模型能够适应

灵活多变的多维统计分析需求。

第19页

7.大数据分析应用平台支持的业务主题场景

分级诊疗大数据分析平台支持的业务主题应用场景将尽量以国

务院发布的《全国医疗卫生服务体系规划纲要（2015〜2020年）》内

容和目标为依据，即“优化医疗卫生资源配置，构建与国民经济和社

会发展水平相适应、与居民健康需求相匹配、体系完整、分工明确、

功能互补、密切协作的整合型医疗卫生服务体系，为实现2020年基

本建立覆盖城乡居民的基本医疗卫生制度和人民健康水平持续提升

奠定坚实的医疗卫生资源基础。”最终形成我国医疗卫生服务体系的

总体布局，如下图。

分级诊疗大数据分析平台将以患者个人生命全周期、个人疾病全

周期、医疗卫生服务、医药供应链所产生的大数据源为主，以支持个

人、医疗卫生服务机构、医药生产经营企业、医疗卫生管理机构、医

疗保险机构、公共卫生服务机构、医药监管机构等的业务大数据应用

第20页

为主要应用场景。

医疗卫生大数据源专题大数据应用业务大数据应用

以个人为中心全生命周期的阶段划分，如下图:

医疗卫生服务也从局限于医院内部的检查、诊断和治疗，扩展到

未病、病前和病后的全过程医疗卫生活动。这些活动如下图：

第21页

教育预防筛查体检/监控诊断治疗1预后康复转归更好其他

____/

保险

X容

医患基因症状疾病诊断用码理疗疗养

环境5类信息(1)痊愈预约

荚

健

咨询

现

医医生态EHR体格影像病因诊断用药Q)进展随访宁养心

板务

老

CIS养

思患饮食影像物理险壹诊断用药(3)恶化运动残疾随访

门我

家庭运动物理实验定位诊断手术恶病质预防死亡诊断

经驶

提开

法因理疗临床

基因实收试验诊断扩散试依

故据

心理基因鉴别诊断轼移分折

展不

呈现

免疫心理

生化

7.1医疗卫生服务机构应用

医疗卫生服务机构要实现业务信息智慧洞察的目标，必须使用适

当的技术架构平台来支持业务数据分析系统。方法包括应用大数据、

数据仓库和商业智能技术，集成医院各类数据资源，实现医疗服务机

构各类管理指标的预警监控，并提供多维综合分析平台。从而应用大

数据处理和商业智能技术，分析挖掘医院运营各个方面的信息数据，

通过预警监控、多维联机分析等技术手段，能够有效地提升医院的医

疗质量，提高医院科学管理水平，辅助管理层决策。

7.1.1各级医院自身应用

医院核心业务每天产生大量的医疗数据，具有丰富的价值，通过

数据挖掘等手段的分析，构成指导决策的数据，这对医院的发展、决

策非常重要。“现在的一个医生，最多能管理30个糖尿病患者，但是

大数据研究一做出来，一个医生能管理200个糖尿病患者，光这一个

应用，我们就可以增加七倍的生产力。”

第22页

通过全面分析患者特征数据和疗效数据，然后比较多种干预措施

的有效性，可以找到针对特定患者的最佳治疗途径。通过对在患者档

案方面的大数据分析，可以确定哪些人是某类疾病的易感人群，使他

们尽早接受预防性干预。这些方法也可以帮助患者选择恰当的治疗分

级诊疗大数据分析平台。

＞临床决策支持分析：大数据分析将使临床决策支持系统更智能，

这得益于对非结构化数据分析能力的日益加强.例如:可以使用图

像分析和识别技术，识别医疗影像数据，或者挖掘医疗文献数据

建立医疗专家数据库，从而给医生提出诊疗建议"此外，临床决策

支持系统还可以使医疗流程中大部分的工作流向护理人员和助理

医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高

诊疗效率。

•就诊人数及走势分析，使医院管理人员及时准确地了解各科室

的工作量，有效地指导计划、人员计划及药品材料计划，大

大增进对未来工作量的把握度；

・药品材料消耗及供应商分析，指导医院的采购行为；

•医疗能力分析：医院各级领导及时准确地了解各科室的医疗能

力情况，治愈率和好转率；

•医疗效率分析，分析人均住院时间、人均治疗时间等，对各科

室的效率进行分析；

・库存分析，用于了解西药、中药、材料的库存情况，指导资源

使用;

第23页

•医疗质量分析，包括对门诊质量、住院质量、检验质量等的分

析。

＞医疗数据可视化分析：根据医疗服务提供方设置的操作和绩效数

据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进

信息透明"流程图的目标是识别和分析临床变异和医疗废物的来

源，然后优化流程。仅仅发布成本！质量和绩效数据，即使没有

与之相应的物质奖励，往往也可以促进绩效的提高，使医疗服务

机构提供更好的服务，从而更有竞争力。公开发布医疗质量和绩

效数据还可以帮助病人做出更明智的健康护理决定，这也将帮助

医疗服务提供方提高总体绩效，从而更具竞争力。

院长综合查询全院绩效分析

uRt»*«»»a

Mon.1.*

tW>.19KdM«Z^

ri，4TWU