上QQ阅读APP看书,第一时间看更新
第四节 研究方法应用实例
上面我们介绍了临床工程研究的基本原理和方法,下面列举一些应用实例,帮助读者理解各种研究方法及其应用情况。
一、 平台、产品研发
针对目前医院医疗新需求,利用临床工程研究中的工程学研究方法,可研发各种临床工程信息管理平台和产品,优化业务流程,提高质量控制,为医院医疗提供数字化支持。各种临床工程产品,如置入物、新型医疗设备可有效提高临床服务和医疗水平。平台、产品研发的研究方法如第二节所述。下面通过几个实例介绍临床工程平台、产品研发和应用。
例1 心电监护仪智能化质控平台的研究
本研究设计一个心电监护仪质控管理平台,使检测人员能迅速、客观评判监护仪的质量控制结果并实现质控工作全流程的监控和记录。通过对现行心电监护仪质量控制方法的深入研究,利用现有检测设备,采用数据库技术和基于神经网络的数字识别技术完成质控平台的设计。该平台能够实现对心电监护仪质控数据的智能采集、识别、分析以及统计和评判。该平台的应用将大大推动军队医院质控工作朝着准确、高效和客观的方向发展,增强心电监护仪的质控管理力度,提高医疗服务水平。
平台设计中,首先对监护仪质量控制检测所使用的模拟器和现行质控方法进行深入研究,并采用视频图像识别技术实现监护仪输出数据的自动识别、采集、误差计算以及与质控标准的比对,从而迅速、客观评判监护仪的质控结果,实现质控工作全流程的监控和记录。该心电监护仪智能化质控平台分为3个部分(图2-7)。
心电监护仪智能化质控平台的工作流程依据《军队卫生装备质量检测技术规范》进行。各模拟器参数自动设置部分,通过各模拟器的自定义检测功能,稍加设置便可方便、快捷地实现《军队卫生装备质量检测技术规范》的要求。在这种模式下,只要预先设置好各模拟器的参数便可进行质量控制工作,无需重复设置。
图2-7 心电监护仪智能化质控平台的组成框图
心电监护仪检测信息通过采集并识别监护仪显示的图像信息来获取,并将获取的信息导入质控平台管理软件。
图像识别过程分为图像预处理和字符识别算法两个部分。在图像预处理部分,由于采集的图像数字区域具有相对固定的位置,为提高系统整体识别速度,在第一次识别时可用手动定位的方法标识出全体数字所在区域,以后同一类型和相同显示模式的监护仪无需再次标识,然后再对数字区域进行二值化处理。为提高下一步字符识别的效率,也可选用图像平滑、边缘提取等预处理手段。
字符识别算法采用基于神经网络的数字识别算法进行数字识别。人工神经网络是理论化的一个人脑神经网络的模型,是模仿大脑神经网络结构和功能而建立起来的一种信息处理系统。人工神经网络最主要的功能就是分类。本研究借助这个分类功能实现罗马数字的模式识别。
通过实验,建立的神经网络对罗马数字识别正确率为100%,该算法完全能够满足本平台字符识别的要求。
质控平台管理软件部分,通过PowerBuilder语言和SQL Server数据库进行平台软件的编写,整个质控流程能满足《军队卫生装备质量检测技术规范》对心电监护仪的质控要求,完成数据的分析、预处理、统计、评判以及质控工作全流程的监控和记录。
该系统采用将质控流程的设定、检测数据的采集、记录报告的生成和质控流程的监控与记录融为一体的方法,大大提高质控的工作效率,克服人为因素,保证客观结果,满足快速质控检测的要求,对质控保障工作的开展具有十分重要的意义。该智能化质控平台可明显缩减对心电监护仪质量控制的检测时间,并且检测原始记录电子化,方便检测记录的归档和查询。
例2 三维步态分析辅助系统的设计与实现
本研究目的是提供步态分析常用的运动平衡分析算法和逻辑,为运动平衡分析提供处理和研究平台。本研究基于C#编程语言,通过MVC设计模式,在总结步态实验常用的方法、过程和需求基础上完成平台的开发。该系统包含用于运动平衡数据分析的步态数据处理模块、针对运动分析大数据的批处理模块以及斯特鲁普测试模块,实现了数据分析、文件批处理和实验工具的三维步态分析的集成,具有较强的鲁棒性和可扩展性,已在上海交通大学MED-X步态实验室开展广泛应用并得到好评。
该系统是在总结步态分析中常用的分析参数及原始采集到的数据结构,参考各类分析系统功能和技术实现手段基础上,自主研发的三维步态分析辅助系统。系统分3个模块:步态数据分析模块、文件批处理模块和斯特鲁普测试模块。其中,步态数据分析模块主要帮助用户分析得到的步态数据,其子功能包括步态数据获取、步态数据计算及步态数据可视化。文件批处理模块能对用户大批量数据进行预处理,还能对需要分析的步态原始文件进行批处理并把结果输出至指定文件夹。斯特鲁普测试模块提供了3种常见斯特鲁普效应的实验工具,以便步态测试人员使用。
在步态数据分析模块中,系统将读取用户指定的数据文件(Excel格式),利用文件中的一些特征信息来分析文件,提取用户指定的数据信息,并做参数轨迹平面图。该模块中存储了一些常用的步态分析算法,并提供了一个供用户自定义简单算法的接口。用户可以使用步态数据可视化功能实现对步态数据的直观认识。文件批处理模块,利用文件检索技术实现对步态数据文件的批处理操作,可以实现对批量步态数据的预处理操作及分析操作。在斯特鲁普测试模块中,可以在步态测试中对受试者进行注意力干扰试验。
该系统采用的关键技术包括步态数据计算及表达式分析、三维数据可视化、批处理逻辑。
系统中集成了许多常用算法,包括基于快速凸包法的包络面积算法、最大晃动角度、均方差以及轨迹长度时间之比。在选择好所需数据后,只要对相应的按键进行操作,系统就能立刻将相应的运算结果及绘制的步态数据平面投影图显示在界面上。同时,系统还添加了自定义算法的接口,以供用户自己编写算法过程使用(图2-8)。
图2-8 步态数据分析界面
数据可视化分为三维数据图形化、数据播放控制条以及即时分析图3部分。三维数据图形化是最重要的功能单元,用户可自定义需要分析(显示)的三维步态。利用数据播放控制条,用户可以查看步态数据的动态过程。即时分析图会根据观察窗中显示数据的位置在分析图中给予标示(图2-9)。
图2-9 三维数据可视化
由于步态实验采集的数据量大,故该系统提供批处理的逻辑,减少用户花在数据整理和分析计算上的时间和精力。批处理包括数据预处理批处理以及步态分析批处理两部分。
系统采用C#语言,使用Visual Studio 2010集成开发平台,基于NET Framework v4.0环境基础开发完成。系统采用面向对象的思想,对整个系统进行模块化设计,使各个模块和单元较为独立且容易扩充,达到高内聚和低耦合的设计要求;采用MVC的设计模式,遵守模型、视图及控制器的分离原则;针对步态测试人员的需求,提供了大量辅助功能,且实现了简单易懂的交互界面,极大方便了用户的操作和使用;实现了三维步态实验数据的自动分析和批处理,能够准确、快速地得到常用的静态平衡分析结果并生成相应报告;提供了斯特鲁普的辅助实验方案以及方便动态步态平衡分析的三维步态可视化窗口。
例3 基于在体动物实验的新型房水引流装置的研究
本研究旨在依据房水引流装置的降眼压原理,针对临床应用的引流装置现有技术的不足(主要针对浅前房、低眼压、引流管移位或脱出、术后瘢痕化等并发症),吸收、借鉴国内外临床常用房水引流置入装置的先进设计理念,设计一种新型房水引流置入物。做法为利用引流管将房水引流至眼球不同部位,寻找最佳引流途径;将新型的房水引流置入物按最佳引流途径置入兔眼,与临床应用的引流装置Ahmed引流阀进行对比,验证该装置的有效性及局部组织反应。
新型房水引流装置采用硅胶材料,分为引流盘和引流管。引流盘和引流管为分体设计。类T形引流管包括进液横管和引流长管两部分,其出液端与引流盘连接处有防脱卡连接。
通过实验对该新型房水引流装置的有效性进行验证。实验对象为新西兰白兔。将实验兔分为实验组(新型房水引流装置)和对照组(Ahmed引流阀)。将新型房水引流装置置入兔眼内,术后对眼压及形态学进行观察,并做病理组织切片观察组织变化。采用SPSS13.0软件进行数据统计分析,利用重复测量方差分析各组术前、后眼压差异,应用方差检验(F检验)分析各组间眼压差异,检验结果以P<0.05为有显著差异。
研究结果显示,眼角膜缘附近极易纤维化,不利于房水的吸收,眼后节对房水的吸收率明显高于赤道部,因此利用新型引流置入物开通前房至眼后节的通道来降低眼压。术后待眼压稳定,新型房水引流装置置入术组眼压值明显低于对照组,且差异有统计学意义。新型引流置入物充分利用眼后节的空间,形成较大而扁平的滤过间隙,即功能性滤过泡,因此降眼压效果优于Ahmed引流阀。对术后眼前节情况、并发症及术后瘢痕化进程进行观察,新型引流置入物可有效控制术后浅前房、引流管移位或脱出等并发症的发生,且术后瘢痕化进程较对照组慢,能起到长期降眼压作用。
本研究在治疗青光眼的滤过性手术的引流途径方面有一定的参考意义,为新型引流置入物应用于临床提供实验依据。
二、 应用统计学或其他方法进行数据分析
在临床工程各科研领域,各种设备、实验系统等会产生大量的数据,可通过收集数据、整理数据、分析数据,对各种大数据进行统计学或其他方法的数据分析,为临床诊断和管理决策提供支持。常用数据统计分析方法如第一节所述,数据的采集、清洗和处理如第三节所述。
下面通过几个实例对统计学或其他方法进行数据分析的应用进行介绍。
例1 某体检中心眼科体检数据分析
本研究通过对浙江省级体检中心眼科体检数据分析,探讨眼科健康体检对眼部疾病防治的重要性。数据资料来源为72 364例健康体检人员的眼部体检结果,采用SPSS17.0软件进行数据分析。计数资料以%表示,用χ 2检验,P<0.05为差异有统计学意义。
检出眼部疾病前5位的是白内障、结膜炎、眼底动脉硬化、黄斑病变、杯盘比增大(C/D>0.5)。白内障检出10 702例(14.79%)、结膜炎6097例(8.43%)、眼底动脉硬化5564例(7.69%)、黄斑病变2520例(3.48%)、杯盘比增大1999例(2.76%)。考虑到眼底检查针对>45岁人群,眼底相关疾病实际检出率可能更高。
>20岁不同性别体检人群眼部疾病检出率见表2-8。>20岁体检人群不同年龄段眼部疾病检出率见表2-9。
大部分眼科疾病的检出率在不同性别人群中分布差异有统计学意义,结合临床考虑可能与体检总人群中男女性别比例差异较大有关。
检出的最常见眼部疾病为白内障,其发生率在中年阶段出现突然增长,并且随着年龄增加继续增长,在老年人群中检出率>70%。白内障目前仍是全球范围内最常见的致盲及视力致残病因。白内障、浅前房的检出率随年龄增长而增加,结膜炎在中老年人群中检出率较高,眼底检查发现的视神经、视网膜疾病在中老年人群中随年龄增长而增加,疑似干眼症则在青年人群中检出率较高。眼部体检对眼科常见疾病、隐匿性疾病的发现均有较好的提示性,可为眼病防治、防盲治盲工作提供指导。
表2-8 >20岁不同性别体检人群眼部疾病检出率
*同一病种不同性别间比较,P<0.05
MGD.睑板腺功能障碍(meibomain gland dysfunction)
表2-9 >20岁不同年龄段体检人群眼部疾病检出率
*同一病种不同年龄段间比较,P<0.05
MGD.睑板腺功能障碍(meibomain gland dysfunction)
例2 DR和螺旋CT检查在鼻骨骨折中的应用价值
临床医生常规根据外伤史、触诊检查和鼻骨侧位X线片诊断鼻骨骨折,但由于鼻骨两侧对称,在侧位片影像重叠和局部软组织肿胀等原因常导致漏诊。因此,对临床及数字X线摄影(digital radiography,DR)检查怀疑鼻骨骨折或鼻骨骨折不明显的患者,需进行螺旋CT检查。
本研究所选病例为某时间段内鼻部外伤同时行DR和CT检查的患者,共计30例,其中男22例、女8例,年龄19~58岁,平均42岁。患者临床表现均有不同原因的鼻部或颜面部外伤史,伴有鼻部或颜面部的软组织肿胀、疼痛及触痛,部分患者有鼻出血、鼻部塌陷变形等。DR鼻部侧位片采用俯卧头部标准侧位像,并常规摄取双侧位像。鼻部CT检查采用美国GE公司Prospeed AI单层螺旋CT机横断位扫描,必要时行冠状位扫描。对复杂的鼻骨骨折可以进行多平面重建(multiplannar reformation,MPR)或3D重建。
结果表明,30例患者中,DR检查发现鼻骨骨折或可疑骨折19例(63.3%),未发现骨折征象11例(36.7%),部分骨折部位诊断欠准确、具体,对多处骨折及周围情况报告不全。CT检查29例为阳性,其中单侧鼻骨骨折14例,双侧鼻骨骨折7例,鼻骨骨折伴上颌窦额突骨折4例,伴鼻缝分离1例,伴眼眶内侧壁骨折1例,伴鼻中隔骨折2例。其中1例DR显示鼻骨线样低密度影,怀疑鼻骨骨折,后经CT检查证实为鼻上颌缝影。
DR由于具有较大的动态范围和宽容度的摄影条件,只需在适当设定的范围内一次曝光,经计算机后处理,可显示不同解剖部位的高分辨率图像,减少了患者接受的辐射量及重复摄片。另外,DR还具有多种后处理功能,使鼻骨骨折的诊断率较普通X线平片明显提高。
鼻骨CT扫描能清楚显示鼻骨骨折的3种基本影像学表现——线性骨折、粉碎性骨折、塌陷性骨折,结合冠状扫描及MPR或3D重建技术能更清楚地显示骨折的类型、错位的程度以及骨缝的分离等。
DR对于诊断鼻骨骨折有一定的价值,但也有一定的局限。为防误漏诊,应将CT列为必备的检查项目,螺旋CT及其图像重建技术能动态、立体地观察鼻骨骨折及其周围结构的改变,是鼻骨骨折准确而理想的影像学检查方法。
例3 Logistic回归及ROC曲线评价三种弹性参数联合应用在鉴别乳腺肿块中的价值
本研究回顾性分析124个乳腺肿块的AR、SR、SWV参数,运用Logistic回归及ROC曲线初步探讨3个参数单独及联合应用对乳腺肿块良恶性判别的诊断效能。
研究对象为某时间段在某院就诊的120例患者(共124个乳腺实性肿块),均为女性,年龄17~77岁,平均(46.6±13.5)岁,肿块直径0.6~4.0cm,平均(1.91±0.72)cm。以病理结果为金标准将124个肿块分为两组,良性组63例共65个肿块,恶性组58例共59个肿块。
研究使用Siemens AcusonS 2000超声诊断仪,内置声脉冲辐射力成像(acoustic radiation force impulse,ARFI)技术,选择9L4高频探头,频率为4.0~9.0MHz。先用二维常规超声扫查到肿块后,切换到声触诊组织成像(virtual touch tissue imaging,VTI)模式,测量肿块VTI模式下与二维模式下的面积比(area ratio,AR)和应变率比值(strain ratio,SR);最后切换到声触诊组织定量(virtual touch tissue quantification,VTQ)模式,将取样框置于肿块内部,嘱患者屏气,测量横向剪切波速度(shear wave velocity,SWV)。由于仪器限制,SWV值的测量范围为0~9m/s,结合二维图像,进行统计分析时将实性肿块显示为“×××m/s”记为9m/s。以上三组数据均测量5次取平均值。
应用SPSS15.0统计软件,计量资料以 ±s表示,良、恶性组间比较行两独立样本均数t检验。对AR、SR、SWV行Binary Logistic回归分析,产生联合诊断预测概率新变量PRE_2,并建立回归方程,对预测新变量及3个变量分别绘制ROC曲线,获得曲线下面积,根据约登指数(敏感性+特异性-1)找出最佳诊断分界点。以 P<0.05为差异有统计学意义。
经病理诊断证实,良性组65个肿块,恶性组59个。恶性组的AR、SR、SWV各参数值均显著高于良性组( P<0.05)。
以AR、SR、SWV作为自变量,病理诊断作为状态变量,进行Binary Logistic回归分析,上述3个参数均与恶性肿块呈正相关,Logistic回归分析结果见表2-10,得到恶性肿块预测概率值回归方程 P=1/[1+e -(-9.814+4.919AR+0.049SR+0.607SWV)],对该Logistic回归模型进行似然比检验,差异有统计学意义(χ 2=423.648, P=0.000)。在建立回归方程的同时,SPSS工作表中产生联合诊断预测概率新变量PRE_2。
表2-10 恶性肿块AR、SR、SWV参数Logistic回归分析结果
AR:面积比;SR:应变率比值;SWV:横向剪切波速度;Constant:常数
用单个参数判断乳腺良恶性肿块时,AR的曲线下面积最大,SR的曲线下面积最小,联合诊断预测概率新变量PRE_2曲线下面积为0.941(图2-10)。
图2-10 AR、SR、SWV、PRE_2诊断乳腺良恶性肿块的ROC曲线
AR、SR、SWV3个参数联合应用在鉴别乳腺肿块良、恶性方面发挥了更大的作用,因此在实际临床工作中,建议以常规超声为基础,结合弹性成像,运用回归方程对乳腺实性肿块进行综合分析,为临床提供更细化的诊断依据。
三、 建立智能模型进行数据分析
建立智能模型进行数据分析,即利用模糊集、粗糙集、遗传算法和机器学习等不确定人工智能方法分析数据间的依赖关系、概率因果关系、数据分类与聚类,并用于决策、对策及融合分析。常用研究方法如第二节第五部分所述。在建立模型之前需要对获取的大数据进行预处理。数据的采集、清洗和处理方法如第三节所述。
下面通过几个实例对建立智能模型进行数据分析的方法应用进行介绍。
例1 基于支持向量机的医院住院费用影响因素分析
本研究利用支持向量机建模,对医院住院费用的主要影响因素进行分析,探讨有效的医疗费用影响因素分析方法。
随机抽取浙江省6家医院,利用各医院电子病历系统,选取3种典型内、外科疾病,建立支持向量机模型、BP神经网络模型、多元线性回归模型,选取23个变量进行费用的预测分析。在数据整理过程中,对极端值进行了处理,分别对住院费用影响因素及其影响程度进行分析。利用支持向量机模型,分别对3个病种进行分析。
本研究在WEKA(waikato environment for knowledge analysis)数据挖掘平台中,采用第三方Libsvm库进行住院费用影响因素分析。而Libsvm采用一对一多分类器进行多分类,并在数据库测试数据集Letter、Iris的基准数据集测试上取得95%以上的准确率。利用SPSS19.0建立数据库,将所有数据随机分为2组,70%作为训练样本集,30%作为测试样本集,采用WEKA软件建立支持向量机模型。分别用3种核函数建立支持向量机拟合模型,分析其收益以确定核函数的选择。运用WEKA软件建立BP神经网络的拟合模型。在建模时,对住院费用、住院天数等相关变量进行对数变换,以此来减少极端值对网络的影响。以住院费用为目标变量,通过计算各变量的敏感度,分析住院费用的主要影响因素。利用WEKA软件建立多元线性回归模型,对数据相关变量进行正态检验,运用对数转换将偏态分布的数据转换为正态。以住院费用为因变量,其他变量为自变量,运用标准化回归系数解释自变量对住院费用的影响。
基于径向基核函数的支持向量机模型对住院费用预测准确度最高,达到96.07%。当对各病种进行混合分析时,3种模型分析均显示住院费用的主要影响因素为住院天数、疾病种类、手术名称、医院代码;当对各病种进行单独分析时,不同病种的影响因素重要程度有所不同,但主要的影响因素基本一致。支持向量机在住院费用影响因素分析中具有可行性,根据其分析结果制订合理的单病种付费制度,可有效控制医疗费用的快速增长。建议可以根据支持向量机的分析结果,划分可控和不可控因素,对可控因素的组合进行模拟预测,计算住院费用的支付标准,制订相应的单病种付费制度。
例2 大型医疗射频设备硬件过热检测方法研究
射频设备过热检测是指对射频探头过热的弊端进行提前预判,保证患者的安全。过热检测主要是提取大型医疗射频设备硬件状态信号特征,建立融合诊断网络,将所有特征进行融合处理,从而实现设备硬件过热检测。射频设备深入人体组织完成工作,受到体内血压等因素的影响,过热信号传递较为缓慢,用传统的过热检测方法进行检测时,存在明显滞后误差,造成检测不准。为此,提出基础小波模糊训练算法的大型医疗射频设备硬件过热检测方法。
针对大型医疗射频设备硬件的状态进行信号采集,将采集到的信号进行特征提取,从而为设备硬件过热检测提供依据。在特征提取过程中,在不同的时间域和频率域中,实现状态信号特征的挖掘。利用小波模糊训练方法,能够根据状态信号特征完成大型医疗射频设备硬件过热检测。利用改进算法进行大型医疗射频设备硬件过热检测,能够对硬件过热的情况进行准确的检测,从而为诊疗检查提供设备保障。
针对研究提出的基于小波模糊训练算法的大型医疗射频设备硬件过热检测方法的有效性,采集大型医疗射频设备硬件状态信号,分别利用传统算法和本算法进行大型医疗射频设备硬件过热检测,检测耗费的时间。结果,利用本算法进行大型医疗射频设备硬件过热检测实验,耗费的时间远远低于传统算法,保证对设备硬件过热现象进行实时检测。并且,利用本算法进行大型医疗射频设备硬件过热检测实验,检测的误差远远小于传统算法,从而保证了检测的精确度。不同算法检测误差如图2-11所示。
图2-11 不同算法检测误差
四、 医疗器械与设备的物流系统建模与仿真
目前我国现代物流系统由于缺乏前瞻性和系统规划,在物流资源的配置、物流网络的结构等方面,很难保证可靠性、合理性、协调性和最优化,物流运作过程(主要是运输过程和仓储过程)仍以经验管理为主。现代物流系统正朝着自动化、信息化、集成化的方向快速发展,计算机建模与仿真作为一种先进的解决问题的手段被越来越多地应用到现代物流系统的分析、评价中。医疗器械与设备的采购、运输、仓储等过程同样需要物流系统的支持。具体介绍见第二节第六部分内容。
例1 基于物流ERP系统实现医用高值耗材的精细化管理
医用高值耗材是指专科使用、直接作用于人体、对安全性有严格要求且价值相对较高的医用材料,如骨科置入器材、人工关节、人工晶体、置入式心脏起搏器、人工心脏瓣膜、血管或腔道内导管支架、介入性治疗导管器材和其他金属或高分子置入性器材等。企业资源计划(enterprise resource planning,ERP)系统是指建立在信息技术基础上,以系统化的管理思想,为企业决策层及员工提供决策运行手段的管理平台。它是从物料需求计划(material requirement planning,MRP)发展而来的新一代集成化管理信息系统。它扩展了MRP的功能,其核心思想是供应链管理。
在实施全院大物流管理系统中,按照流程规范化、业务透明化、服务专业化、系统智能化的设计目标,基于统一数据平台的高值耗材管理模块,将医院管理信息系统(hospital information system,HIS)与物流ERP系统进行整合,以条形码为线索实现全程可追溯、收支同步的管理模式,最终实现对全部高值耗材(包括骨科手术高值耗材)的“一物一码”管理。
供货商经院级招标采购委员会审核资质后进入名录,临床科室根据需求在系统中填写申请表,经科主任和物资中心主任二级审核后,由物资中心库管对申请单进行分拆与合并,按供应商生成采购订单,采购员通知供应商供货,到货后库管员交货验收,在系统中生成唯一条码,填入批号和有效期,完成预入库。
耗材使用前,临床科室填写手术申请单和高值耗材请领单,二级库完成复审和备货,手术医生或巡回护士领走耗材并签字,术后在HIS中通过扫描条码录入实际使用的耗材项目记费,持未用的耗材到二级库管扫码退库。数据传到物资中心,产生真正的采购订单和真正的入库单、出库单,并生成耗材结算数据。月底物资科按供应商汇总出账单,通知供应商开发票,会计进行发票与账单的核对后进入财务处理流程。
业务流程中的几个重点环节:物流系统与HIS完成物料与物价收费对照;采购与预入库业务流程;请领流程;术后HIS的确认与记费流程;高值耗材出、入库业务流程。
加强对医用高值耗材的精细化管理是医院管理中的重要环节。该院借助物流系统与HIS的集成,实行“双对账”和全面的“一物一码”管理,确保耗材实物与记费信息一致性,实现了高值耗材全程可追溯的闭环管理。该系统的应用提高了业务量和临床服务综合效率,且大幅度减少了月末、季末各类统计报表的上报时间;对高值耗材从采购、入库、领用到HIS计费等全业务过程深入管控,健全了医院安全内控机制,提高了耗材管理的透明度,保证耗材的可溯源性和医疗安全,为患者提供更优质的医疗服务。
例2 数字化药房分拣系统建模及仿真
随着自动化技术的不断进步以及医疗保障体系的逐渐完善,国外的许多数字化药房产品已推向市场。我国药房数字化的应用属于起步阶段。传统药房的服务模式是“取药治病”,主要以人工为主,患者需要排很长时间的队才能够拿到药品,效率低,容易引起医患矛盾;药房设备设施陈旧、工作环境差、占用人员多、工作强度大。这是目前大多数医院药房普遍的状况及存在的问题。因此,药房分拣系统的规划设计对提高药房工作效率有十分重要的现实意义。
本研究对医院药房的一些相关知识进行了简单介绍,运用物流系统中所涉及的有关方法和理论知识,对药房分拣系统的基本组成进行了简单分析。研究搜集某三甲医院1个月的处方资料,运用EIQ和ABC分析工具,对处方订单进行了订单量、品项数、品项数量、品项受订次数的统计分析。根据以上分析结果,了解了医院药房药品的物流特性,进行了数字化药房分拣系统的规划,确定了药品分拣方式、分拣策略和两种分拣设备,以及不同种类的药品在这两种分拣设备下各自的作业方式。
基于医院的处方订单,运用Petri网建模,描述了两种分拣设备的分拣方式以及订单合并流程。并运用Flexsim仿真软件将所建的Petri网模型转换为Flexsim的三维模型并对其进行仿真,为数字化药房分拣系统的规划改进提供决策依据。
数字化医院药房分拣系统规划是一个比较复杂的工程,用传统的数理工具很难预测其规划过程中所出现的各种瓶颈。Flexsim作为离散物流系统建模仿真的软件平台,是数字化药房分拣系统仿真研究的理想选择。通过对药房分拣系统的建模及仿真,为系统规划改进提供决策依据,从而为提高药品分拣率、降低分拣出错率、减轻药房工作人员劳动量、减少患者取药排队等待时间提供了保障。
五、 基于量表和成本率进行数据分析
例1 对置入心律转复除颤器患者前瞻性随机多中心试验
在一个前瞻性、随机、多中心试验中,Wathen等人评估患者在置入复律除颤器前后生活质量的差异。患者被随机分入抗心动过速疗法组(n=313)或休克疗法组(n=321)。患者在基线和12个月自主进行SF-36。两个治疗组之间基线上的SF-36量表分数没有统计学显著差异,但分数变化有统计学显著差异。相比于休克疗法组,抗心动过速疗法组在物理功能得分( P=0.02),身体作用得分( P=0.04)和精神组件汇总得分( P=0.03)有更大改善。
Duru等人也评估了置入心脏起搏器患者(n=76)和置入心律转复除颤器患者(n=76)的生活质量差异。患者在设备置入后的6个月完成SF-36。虽然其他研究报告置入心脏起搏器患者的生活质量有所改善,但这个研究结果表明,置入起搏器患者和置入心律转复除颤器患者任何的SF-36得分均没有显著差异。
例2 利用成本率决定多种诊疗方法的优先级
对于某种疾病有多种互相独立的治疗方案需要选择,各治疗方案在临床上均可以实施,在健康保险方面也可以覆盖的情况,卫生保健政策制定者因其手头有限的资源,面临着选择的巨大挑战。将选择做先后顺序排序是一种常用的手段。表2-11演示了如何使用成本率来给相互独立的各种诊疗方法排序。这种方法也可以用在器械覆盖方面。第二列中的数值是指每一行的诊疗方法所能带给人群的总体质量调整生命年(quality adjusted life years,QALYs)总数。第三列中的数值是指每一行的诊疗方法所针对的所有目标人群所需要的总成本。选择的下一步便是根据各诊疗方案成本-效果比来排序。该表中已经排好了各方案的顺序。最后一步便是将每一个诊疗方案加入方程式中,逐行往下,直到用完配置的预算。换言之,如果你仅有420 000美元的预算,你将有资金完成A、B、C三项治疗方案。在现有预算前提下,这个选择将给全体人群带来最佳的成本效用。
表2-11 在固定预算下通过卫生经济学方法选择互相独立的干预手段 *
续表
*选择过程:首先根据成本-效果比排序,之后不断叠加各选项,直到用完预算 +所有患病人群共同受益的总体质量调整生命年
≠所有目标人群所需要的治疗总成本
成本-效果比和成本-效用比常以相近的形式呈现,并被称为排名表。Tengs和他的同事曾发表过一份关于大量干预措施的列表(表2-12),塔夫茨医学中心(波士顿,马塞诸塞州,美国)也有一个网页,其中根据卫生经济学研究总结了一份含有大量数据的成本-效用比值。
表2-12 各干预措施比较(每获得1生命年所需成本)
续表
资料来源:从Tengs等人研究中总结得出
(费晓璐 彭明辰)