数据生命周期视角下医疗健康大数据资产化影响因素研究

[研究目的]识别医疗健康大数据资产化的关键影响因素,对国家医疗健康大数据战略落地和产业发展、挖掘医疗健康大数据的潜在价值具有重要意义。[研究方法]采用文献分析法与专家访谈法联合识别出医疗健康大数据资产化的影响因素,并运用模糊决策实验室分析法(Fuzzy-DEMATEL)和解释结构模型法(ISM)分析影响因素的层次结构和内在联系。[研究结论]研究发现,医疗健康大数据资产化受数据采集、数据存储、数据处理、数据管理、数据应用及相关环境共6个维度23个因素的影响,其中数据共享、数据交易等4个因素是最直接的影响因素,标准管理、隐私保护等11个因素是连接底层与顶层的关键因素,技术支持、数据集成等8个因素是根源性影响因素。

数据生命周期视角下的医疗健康大数据质量评价研究

[目的/意义]随着医疗健康大数据的迅速累积,其质量问题逐渐受到关注,通过质量评价可以为医疗健康大数据质量管理与提升提供启示。[方法/过程]本文基于数据生命周期理论,构建了医疗健康大数据质量生命周期模型。然后结合文献和医疗健康数据特点构建了质量评价指标体系,采用模糊最优最劣法和熵权法综合确定指标权重。最后使用TOPSIS方法对评价结果进行排序,构建了综合评价模型。[结果/结论]对本文提出的指标体系和综合评价模型进行实例应用,发现医疗健康大数据准确性、规范性较好,完整性、及时性、互联互通性、价值性较差,总体质量有待提升,未来可以从数据采集控制、跨平台数据协同、数据价值挖掘等方面进行改善。

医疗健康大数据对医疗信息化发展的影响研究

随着技术的进步,大数据在医疗领域的应用日益增多,这对医疗服务的质量、效率以及可及性产生了深远的影响。通过对医疗健康大数据的概念、来源和关键特征的全面分析,阐明了大数据在改善医疗卫生供给体系中的作用;采用定量和定性相结合的研究方法,分析了当前医疗卫生供给体系的结构、面临的挑战与机遇;特别关注大数据如何通过高效的数据处理、精准分析以及决策支持来促进医疗信息化的发展;探讨数据管理、技术融合以及AI和机器学习在医疗领域的应用前景;针对大数据在医疗领域应用中面临的隐私、安全、技术和政策法规等挑战提出了相应的对策和建议。

医疗健康大数据资产价值实现路径分析——基于信息生态系统理论

医疗健康大数据是我国重要的基础战略资源,它对我国社会和经济发展、推动“健康中国”等方面都有着重要的作用。如何准确识别医疗健康大数据资产价值的影响因素和实现路径,是提高我国医疗健康大数据管理能力、构建高效数据治理机制的关键。本文从信息生态系统的视角,以数据生产者、数据中介者、数据开发者和数据消费者为信息主体,提出“数据产生-资产形成-价值实现-数据再生”的价值实现路径,并考虑法律、经济、技术和社会等环境因素,构建医疗健康大数据资产价值实现模型。同时,在梳理出医疗健康大数据资产价值实现的影响因素及其关联关系后,基于Vensim PLE的仿真结果模拟价值实现路径。从仿真结果看,不同社会保障机制情况下,法律完善程度对医疗健康大数据资产价值实现量的影响最显著。另外,技术水平、医疗健康数据共享程度和医疗健康相关资金投入力度对资产价值实现量也有较大的影响。本文从推进技术水平提高、完善法律政策和促进市场需求等角度提出推进医疗健康大数据资产价值最大化的途径。

医疗健康大数据分类及问题探讨

根据数据来源将医疗健康大数据分为四类:临床大数据、健康大数据、生物大数据和运营大数据。总结其内容与特点,提出医疗健康大数据研究需要在开发集成和分析工具、整合个人健康记录与电子健康档案、平衡隐私保护与信息共享之间的矛盾、完善医疗卫生信息标准体系等方面予以提升和改进。

基于医疗健康大数据的安全起源模型与可信性验证算法

面对医疗健康大数据,使用者或决策者难以判定其来源及是否可信.为了得到可信的数据,需要知道它的安全起源,同时确保数据起源的安全.针对上述问题,提出了基于W3CPROV的安全数据起源模型PROV-S,研究安全起源关系图中的各种标注对象,定义了安全起源伴生节点、安全伴生关系、触发关系以及各组件之间的关联关系.在安全模型PROV-S的基础上,以安全关系类的完整性子类为例,提出了一级完整性设计和验证方案,给出了具有实现可信性的完整性验证方案,并分析了其特点.通过对模型与可信性方案的安全及效率分析表明,建立的模型能保证医疗健康数据的安全性,完整性验证方案能保证数据来源的可信性.

需求驱动的医疗健康大数据挖掘模型构建

将跨行业数据挖掘标准流程模型(简称“CRISP-DM模型”)和需求、数据、数据挖掘方法三者的对应关系相结合构建需求驱动的数据挖掘模型。该模型主要包括需求、数据和数据挖掘方法3个核心概念与需求理解、数据理解、数据准备、建模、评估和部署6个过程步骤,分为需求层、数据层、算法层和部署层4个层次。需求驱动的医疗健康大数据挖掘模型可打破“数据先入为主”的习惯性思维,降低盲目进行数据挖掘研究引发的失败风险。整理需求、数据和数据挖掘方法之间的对应关系,可优化医疗健康大数据挖掘路径,降低数据挖掘新手的学习成本,对临床医疗和健康管理实践都具有现实意义,可用于未来的医疗健康大数据开发策略研究。

医疗健康大数据应用于老年神经认知功能障碍研究的机会与挑战

2011年,第11届美国易安信公司(EMC)世界年度大会,大数据概念被正式提出[1],标志着人类进入大数据时代。目前比较认同的大数据定义有5V特征,即数据容量巨大(Volume)、生成速度极快(Velocity)、模态多样(Variety)、可变性大(Variability)和真伪难辨(Veracity)[2],此定义可能会进一步扩增,比如增加可视化(Visualisation)和科学价值(Value)[3]。在满足大数据基本特征的前提下,与医疗健康服务目的、过程、结果相关的大数据可以称之为医疗健康大数据。2016年是我国医疗健康大数据元年.

医疗健康大数据背景下卫生信息管理专业师生批判性思维能力现况调查

目的:了解医疗健康大数据战略背景下我国卫生信息管理人才批判性思维能力的培养现状,并提出改进我国卫生信息管理人才批判性思维能力的建议。方法:采用调查问卷,调查分析学生对教学方法、教学课程体系的评价,教师对学生批判性思维能力培养的看法、师生评价教学方法重要性。结果:简单教授法仍然是教学过程中最主要的教学方法。学生认为计算机及信息系统大类中的课程能有效提升批判性思维能力,医学知识大类的课程对提升其批判性思维能力的效果最差。医疗健康大数据的背景下,卫生信息管理专业课程相关教学内容主要涉及国内外研究现状(69.44%)和研究前沿(44.44%)。教师和学生都认为PBL教学法最有利于培养学生的批判性思维能力。结论:我国卫生信息管理专业人才培养应强化师生课堂双向互动,调整优化教学课程体系,提高教师和学生的批判性思维素养。

区域医疗健康大数据在医疗机构的实践应用

目的医疗健康大数据应用背景下,打通区域医疗数据资源共享通道,利用区域医疗健康大数据进行医疗安全与质量管控,提升医院电子病历为核心的信息系统管控能力。方法完善临床数据中心,开发区域医疗健康大数据采集平台,建设院内综合医疗健康数据库,改造业务系统利用融合后的大数据。结果院内数据与区域医疗数据融合,医疗质量安全管理系统能利用融合的数据进行更加及时精准的医疗质量安全预警和管控。结论通过把医疗健康大数据应用在医院的医疗安全与质量管控、疫情预警等方面,能提升医院全过程医疗质量管理、疫情防控能力与水平。

医疗健康大数据研究进展剖析

本文从科学研究基本构成角度,对Web of Science中有关医疗健康大数据的文献进行了全面梳理。首先通过文献计量分析了开展医疗健康大数据研究的国家、学科领域、机构和资助来源;接着通过内容分析总结了这些文献的主要研究对象及其特征,介绍了世界范围内较为著名的开放医学数据资源;最后,从基础研究、应用研究和开发研究三方面剖析了医疗健康大数据研究现状,并归纳了各类研究的主要内容和主题。

面向医疗健康大数据的存储系统容错策略优化研究

从医疗健康大数据文件系统容错策略的优化出发,首先对医疗健康大数据的特点进行了分析,然后介绍了当前医疗健康大数据及其文件系统遇到的问题与面临的挑战,最后提出了面向医疗健康大数据存储的多机热备的元数据管理节点容错技术和块副本与基于纠删编解码算法相结合的存储节点容错技术的优化策略,提高了医疗健康大数据的云存储文件系统的可靠性和磁盘空间利用率。

医疗健康大数据背景下高职卫生信息管理专业建设初探

医疗健康大数据的快速发展,对卫生信息管理专业建设与发展提出了新的挑战,为了培养具有较强就业能力和可持续发展能力的卫生信息管理高素质技术技能人才,本文总结了医疗健康大数据背景下高职卫生信息管理专业建设存在的问题,并针对问题提出了相应的发展建议。

数据校验技术在医疗健康大数据质量控制中的应用分析

伴随医疗信息体系日渐成熟,各医疗卫生机构与区域卫生信息平台间已逐渐形成有效的数据通道,实现平台端医疗健康大数据的高效汇聚积累。但各医疗卫生机构对数据质量的控制能力良莠不齐,致使医疗健康大数据仅有量的积累而缺乏质的保障。本文介绍基于"校验-反馈-优化"的数据质量控制技术,将数据质量的改善过程循序渐进的落实到数据处理的各个阶段和步骤。结合校验技术提出卫生数据质量控制解决方案,实现从根本上控制医疗健康大数据质量,有效解决医疗卫生行业内棘手的医疗健康大数据质量问题,最终为医疗健康大数据的利用提供优质数据。

医疗健康大数据视角下医院病案的统计及管理体会

浅析医疗健康大数据视角下医院病案的统计和管理体会。方法:研究基于回顾性视角,以信息化病案管理作为研究主体,参照传统人工病案管理方式,论述信息化病案管理在统计与管理水平提升上的价值。设计样本50例,均来自本单位各临床科室医师,研究时间为2019年01月至2021年07月;以本单位病案改革前后作为分组依据,将改革前的人工病案管理数据作为对照组,改革后的信息化病案管理数据作为观察组;比较两组病案准确性评分、病案利用评分、病案存储评分、病案安全性评分差异。结果:观察组病案准确性评分、病案利用评分、病案存储评分、病案安全性评分均高于对照组,对病案录入准确性与统计信息准确性的满意度高于对照组,对病案利用便捷性与规范性的满意度高于对照组,对病案存储规范性与有效性的满意度高于对照组,对病案管理安全性的满意度高于对照组,差异有统计学意义(P<0.05)。结论:建议医疗单位落实信息化病案管理服务,其可取代传统人工病案管理模式,推动医院病案管理进步。

基于医疗健康大数据的重大传染病监测预警标准体系构建设想

本文研究构建基于医疗健康大数据的重大传染病监测预警标准体系,依托上海市已初步建立的传染病综合监测系统,研究面向重大传染病监测的大数据资源目录,为传染病监测相关数据的汇集和治理提供标准依据,基于监测数据的深度和广度,建立症候群指标和重大传染病监测预警指标,研究构建预警研判标准和模型,实现重大传染病的主动监测和预警。在此基础上,研究公共卫生风险评估及预警服务标准,为重大传染病联防联控应对机制奠定基础。

健康医疗大数据治理的健康权面向

健康医疗大数据的社会价值与科学价值日益受到重视,当前关于健康医疗大数据治理的个人自决模式和积极利用模式均存在相应的问题,从健康权的角度理解健康医疗大数据治理有利于解决这些问题。健康权是当代人权的重要内容,健康医疗大数据应用可以在提高健康决策能力、实现健康资源的公平合理分配、增进健康服务水平、扩展国民健康参与等方面促进健康权的实现,但也可能在对隐私保护、违反不歧视和平等保护原则、过度商业化等方面影响健康权实现,其利益分配也值得关注。从国家对健康权的尊重义务、保护义务和实现(促进)义务的角度,有助于理解国家对健康医疗大数据的治理措施。具体而言,应当从社会共治的角度理解知情同意原则,根据数据来源不同采用不同授权机制,对不同的数据应用场景进行类型化规制,并在数据利用的收益分配方面充分考虑公众健康需求。

健康医疗大数据质量管理方法研究

作为重要医疗行业资源,健康医疗大数据对医疗卫生事业健康发展具有至关重要的科研价值,其质量直接关系到信息的精准度和产出的正确性,但由于技术原因和自身特点等原因,健康医疗大数据无法达到准确的分析要求,未能被充分地挖掘和利用。本文从健康医疗大数据的特点及现阶段我国健康医疗大数据存在的问题和难点出发,在全面数据质量管理理论的基础上,提出健康医疗大数据质量全生命周期管理方案,包括数据传输控制、数据处理控制、数据利用评价、综合分析评价、数据安全和人才团队建设等,并逐条进行阐述,以期优化我国健康医疗大数据质量,提升其利用价值。

健康医疗大数据视角下医院档案管理的需求及策略分析

发展健康医疗大数据是国家的战略要求,在此背景下,医院档案管理工作有了更高的要求,工作人员应在健康医疗大数据框架内做好工作规划,转变思想观念,积极开展相关工作以推动医院档案管理的升级,发挥档案工作在健康医疗大数据建设中的重要作用,为人民群众服务,为国家医疗卫生事业贡献力量。

用户信息焦虑纾解驱动医疗健康大数据价值实现影响因素与路径研究

[目的/意义]从用户信息焦虑视角切入,挖掘用户信息焦虑纾解与医疗健康大数据价值实现的关系,并分析价值实现的影响因素及其组合路径,有利于新时代我国医疗健康事业与医疗健康产业的发展。[方法/过程]以信息焦虑理论与MOA理论框架为指导,首先通过随机田野实验证明信息焦虑纾解有利于医疗健康大数据价值实现,同时发现影响医疗健康大数据价值实现的条件变量,采用问卷调查收集相关数据,利用模糊集定性比较法详尽分析其影响因素与组合路径。[结果/结论]研究客观信息环境、信息质量认知、信息时效、信息安全、信息检索能力、信息利用能力等不同变量因素对用户信息焦虑与医疗健康大数据价值实现的影响,得到6条组合路径,即客观信息环境缺失型、机会主导的动机和能力融合型、能力主导的动机和机会融合型、低能力下的质量和安全妥协型、信息安全要素缺失型以及低能力下的时效和安全妥协型,该组合路径可为医疗服务机构改善信息化建设、完善数字化转型以及提高用户体验提供要素参考。