智慧医疗 城市医院医疗大数据分析服务系统建设方案.docx

城市医院医疗大数据分析服务系统建设方案文件编号202X QK011/ BT-ZTA-QK011文件状态草稿V正式发布正在修改当前版本拟制日期审核日期目录第一章项目概述4第二章 最多跑一次实施效果跟踪5第三章门诊号源供需缺口分析7第四章门诊排队分析8第五章患者付费分析10第六章检查检验分析11第七章 住院管理分析12第八章特定人群就医行为分析13第九章 出院高风险居民跟踪管理14第十章抗菌药使用状况监控分析15第十一章 医生工作负荷跟踪评估16第十二章床位资源需求预测及床位使用 1712.1, 床位资源使用1712.2, 床位资源预测17第十三章重点病种医疗质量分析19第一章项目概述居民就医行为跟踪模块提供对居民就医行为的全面解析，帮助管 理者更好地理解居民健康服务需求，发现影响居民满意度的关键因素， 从而能够有针对性地制订服务提升举措。该模块通过对挂号平台访问 流量分析和行为跟踪，医院预约号源/现场挂号号源释放进度及特征 画像、居民就医行动轨迹、居民就医各环节等待时长、居民复诊随访 情况、就诊频率和倾向、公共卫生服务资源使用、医疗服务支出等情 况等的分析，刻画全区居民医疗服务需求满足的状况，就医行为的特 征，发现医疗服务供需的关键矛盾点，为全区医疗资源规划、医疗服 务管理政策的制定提供有价值的输入。第二章最多跑一次实施效果跟踪针对最多跑一次等重点便民惠民工程，建立全流程监控体系。从 相关服务的认知情况、使用情况、使用效果、居民相关就医行为的变 化、各项等待时间的变化等层面，建立可量化、可比对的监控体系， 衡量各项重点举措的实际效果、存在问题，为政策的进一步优化提供 全面的参照系。95,287 上月门2姓怪号人次1,065.31 上月门急均次用 调l.EbLfl： 1JB1.S1 Wr 10,151,04(万;上月门入FpDHiUm MSE< "H c 23%4.961 上时出祝人庶 nt RtUHti “m .*f*20,098.65 上月住i庭均枚用9,970.94(71；上月出心&入HIV：7.7W±±A O2a7.17(Jj)VJt 3.07,-iK«a 人«门鲫队门诊号源放出美追构成 预约挂号病人占B蛙势 当曰顼约挂寄秋占比造势 预约挂号号源充足度走势 门诊JSAfit®平均间走势患者忖费门诊患者畋屋方式枸成口诊崽者支打渠道构成医生开单付亮完成平均耗时走势门诊窸者当日检童平均等待时间 门诊患者衲检查平均轮候天故 电子检直报告日均调阅次数固剥踵发生统计 重验滋生统计住院修理白间手术占押期手术比走势 病人平均住院时长走势 病A术前住院时间5比走势 木后随访率走势分iH诊疗戏向转诊人次数走皆上簸国院ni分转诊病人占比上坂国院住院转诊病人占比芸魇院U务跑一次实施效黑宗合 iW便民服务人群覆盖水平评价。上月挂号流量m-r1.芦'前.就就就我/就#武武妒:庆苛抽七就一就武矿式前武术第三章门诊号源供需缺口分析通过对挂号平台访问流量分析和行为跟踪，医院预约号源/现场 挂号号源释放进度，门诊就诊情况的分析，建立全区门诊号源供需情 况的全景分析，发现门诊服务供需矛盾的焦点，居民挂号行为的特征, 为全区门诊医疗资源的统筹规划、优化配置提供建议。第四章门诊排队分析随着社会经济的发展以及人们生活水平的提高，公众对于医疗健 康保障的需求与日俱增。但目前我国的医疗资源，特别是优质资源仍 然十分紧张，排队就医已成为一种普遍现象。面对节节攀升的接待人数及日益提升的服务效率，利用大数据分 析手段，通过医院预约平台门诊号源的渠道、预约的患者的数据、预 约挂号病人占比、单日预约挂号病人占比、门诊病人平均等待时间进 行分析，为全区门诊医疗资源的统筹规划、优化配置提供建议。一方 面可以帮助解决医院服务系统中人员、设备的优化配置，为医院决策 者提供参考依据；另一方面通过系统优化，找出患者和医院间的平衡 点，既减少患者的排队等待时间，又防止医院资源的浪费，从而尽力 获取最大的社会效益和经济效益，促进服务资源供应均衡化，使全区 居民享有更加完善的预约诊疗服务。tm.戡#，副T”:g+X d lLiieHOW.1J ntvuU修中心E3F, fi代地.*典计手机预约自助机挂号付费取号候诊就诊缴费排队状况可查.按时到医院助ilii*.埃计功凸 fWE1 SWg.l*rH；：5；«i+ aunnffRAH- 在供黔计西I：y哗计日m内忻人，栈切干灼瞰由日J："埃对曰*内而食|-«人，球白球均陋酎!):Mi史用匚已*，、，H特艺年也暮【>&，第五章患者付费分析医疗机构在“互联网+”模式下的多种支付方式，解决了传统医院 支付模式下的看病“三长一短二即挂号、候诊、缴费时间长，看病时 间短的问题，将以往的院内支付改为院外线上支付，方便了患者就 医。通过对门诊患者收费方式构成、门诊患者支付渠道构成、医生开 单付费完成平均耗时的分析，对医疗机构在运用“互联网+”的模式下， 减少医院窗口的数量，降低了人力成本，提高医疗服务效率的实际效 果，为下一步开展有针对性的工作提出可行性建议。! *1K*2S*A4i7.5 -税汁日期 ZC11-29、至 2BO-0M9、 Sfi'L医院总收入分析至 2lO-09-0»)HW朝T I 4fl*,肺邛i 鼬让斗也fiffi挪：叶1样诂WASWtmn-瞰(炯d .-田籽闹Fl-_ Hifi球 如Kln»住院药制以湖.S9L-雎：L4J.2M.捋LrC65,91. T9淘笙，一“吨皿00拼占此70.171,295,02*. 741*®. 14. 03，:曲第六章检查检验分析随着群众的健康保健意识的增强，导致医院检查科室的等候人群 明显增加，患者就医的等候时间较长，出现“排长队”的现象。通过对 患者检验检查患者的平均等候时间，门诊患者预约检查平均轮候天数、 电子检查报告日均调阅次数等维度的分析，了解检查检验环节患者的 就医体验，帮助医疗机构在保证检查质量的前提下，提升患者的就医 感受。第七章住院管理分析对医院开展日间手术、择期手术进行对比分析，并利用大数据手 段，挖掘日间手术、择期手术走势对比，通过患者平均住院时长、术 前住院时长、手术时长、术后恢复时长等维度的趋势分析，寻找成因， 发现医院住院管理服务的改进方向。DD第八章特定人群就医行为分析针对老人、儿童等重点关注的人群，进行专项的就医行为分析， 通过分析他们的就医频率、就医途径、就医方便度、主要病种、住院 情况、医疗保障情况、医疗费用负担等情况，了解特殊人群寻求医疗 服务的行为模式，发现其中需要优化和改善的空间，为社会关注的重 点弱势人群提供更好的关怀。第九章出院高风险居民跟踪管理基于居民全生命周期及院内管理数据，可实现对出院患者各类风 险的预测评估，发现可能引起意外风险（例如复发，再入院等）的因 子，并指导实现、院内管理流程优化、出院患教方案定点实施、家庭 医生特种患者管理计划。并通过数据分析持续观察不同方案对疾病管 理，和医疗服务经济性的提升作用，进一步优化医疗资源分配和创新 医疗服务的开展。疾病特彼入院病情健康状况 1出院状态住院情况©检验数据 第十章抗菌药使用状况监控分析在提供抗菌药使用关键指标查询的基础上，提供更加深度的分析 模型，对抗菌药物关键指标的走势、影响因子、关键控制因素等进行 深度挖掘，辅助管理部门制定抗菌药管理优化的策略，锁定抗菌药使 用管理的关键目标对象。第十一章医生工作负荷跟踪评估通过对医院门诊、手术、住院等数据的分析，建立对医生工作负 荷的综合评价模型，合理评价医生工作强度，对于强度不足或过高的 情况考虑给予干预，并在资源配置上有意识地进行引导优化，对于可 能出现的医务人员高度饱和情况及时发出预警，保障医院业务健康运 营。IE90天医生单日接i汨同电第十二章床位资源需求预测及床位使用12.1 .床位资源使用医院出入院病人来源与途径分析，对医院床位资源使用情况进行 全景式的分析，通过对病人入院后检查、检验、手术、医嘱等各类数 据的重新组合与解剖，刻画病人入院后的诊疗路径，发现其中的问题 环节，为医院床位效率的提升提供指引，并且通过对全院床位数据的 整体分析，为全院床位资源集中调度提供数据参考。同时，对于病人 除入院数据的深度分析和建模，能够帮助住院管理中心合理预估医院 各科室住院需求情况，从而为病人入院合理筹划、跨科室床位科学调 度等工作提供支持。122床位资源预测对医院床位资源使用情况进行全景式的分析，通过对病人入院后 检查、检验、手术、医嘱等各类数据的重新组合与解剖，刻画病人入 院后的诊疗路径，发现其中的问题环节，为医院床位效率的提升提供指引，并且通过对全院床位数据的整体分析，为全院床位资源集中调 度提供数据参考。池懊用戛砌忻+5W(X：iI+2flE(«f ；04ZH14 |»11B：I34-HE «?: Il+fl»E I hr OH : T|hJHE flHM：i2ruKE(IIZ)5flSFaWS) .1£flS!.H；> 12=AE (>*!；<ID二 RBt 中)17g KRI 7底 J» 4M 皿 KR PD% SIK E 10D%tRTFJO% b«W0H 5OK使用*50格秘使用印*8州用地以上(;成规分折十二ME I： fe-It ； XUS I： *» >+±M& i W . M :，1flE i' it®»*)TtKElWfll+点 14ft)呻 1.口1£HG IJMt)-HE (KU>vML i WEB >zw&rtiiu五HfiW吹 M 40K3% AM 100*gSIMg 朔蹈(人倾上第十三章重点病种医疗质量分析对于本区居民高发及重点关注的重点病种，建立医疗质量评价体 系，包括诊断质量、治疗的治愈好转情况、单病种的治疗成本、病人 住院成本、手术成本、疾病复发率等的分析，并且通过多大量单病种 诊疗数据的深度学习，建立病种-处方-手术-诊疗措施的关系图谱，能 够及时发现单病种诊疗过程中的异常状态，对各医疗机构的单病种诊 疗质量进行更加细致的分析。