手機又震動了，一條微信傳來，“主任，在不，我過來找你溝通一下...”望著手機,我揉揉發脹的太陽穴，苦笑著無奈的搖搖頭，彎曲的手指不斷的撓著不多的幾根頭發，頭大呀，我已經記不起這是第幾次的溝通了。

一、數據的變遷

最近這家百年的醫院，啟動了精細化的績效方案，據說利用了大數據技術去分析各科室的數據，技術上非常先進，經過公司講師多輪的“培（HU）訓（YOU）”，院里決定當年完成相關系統建設，用信息化讓這家老店煥發出新的魅力。

雖說事先做了各種測算，但是這方案一開始實施，主任們就炸開了鍋，各種反映的聲音一浪高過一浪，都說不能準確體現科室工作。按說，績效方案也是經過幾輪次的激烈討論形成的，公司請來的績效專家那也是在愛森者和肯德基操過江湖的喲，代表著最先進的管理理念，那是不接受反駁的。各路“諸侯”也都簽字畫押了的?？蛇@上線一看，咋跟當初的設想差距這么大呢。問題出在哪里呀？

很多時候，同樣的問題也都擺在我們面前。系統別家用過，業務流程討論清楚了，可還是使用效果不好！為什么？為什么？為什么？說好的，大數據不關心質量，只要你數據量夠大，一切都不是問題。

“忽如一夜春風來，千樹萬樹梨花開”。當管理者發現，經過這些年的信息化建設，匯集起來的數據越來越多時，就有了利用數據的大好念頭，這種水到渠成、瓜熟蒂落的期望在技術的推動下更是蔓延開來。大家都寄希望能拿這些數據來加強管理，促進科研，發揮數據的價值。尤其是近年來大數據、人工智能的醫療應用案例也不斷吸引著業界的眼球，沖擊著我們醫者的大腦，多巴胺持續的分泌著，通過數據的分析利用，發發SCI的文章也不是遙不可及了，CNS三大頂尖雜志相序有了醫療大數據的研究論文。

可是現實是，“別家的孩子總是考雙百，自家的孩子只有血壓蹭蹭過200，咬牙切齒的安慰著，親生的，親生的…. ”。

二、數據治理，提升數據質量

數據質量問題

以往我們是困惑沒有系統、沒有數據，可是當各個系統建立起來，新問題又來了，各個系統的數據總是有差異的，八字不合呀。

舉個例子吧，HIS里出來的手術登記數據和手麻系統的就不同，而且數據的涵義也隨著時間的推移在發生著變化。

與手術相關的這些個數據，遠古時代我們做數據統計，統計員每天會根據手術室的登記本，統計出每天有多少臺手術，日積月累形成月報表、年度報表。每天一早手術室的阿姨會交一張紙條過來，上面寫著“某年某月某日，手術開展情況”?，F在看來，數據量非常小，僅能反映整個醫院手術的數量。

后來有了手術登記系統，統計員也不需要去專門收集數據了，系統會根據手術室錄入登記的每臺手術的數據，統計出手術報表，不僅能方便完成數據的統計，而且數據更加豐富，手術科室、主刀醫生等等數據都有，這時候大家是皆大歡喜的，數據自動匯總，需求得到滿足。

再后來隨著醫療技術的發展，手術的種類越來越多，從傳統手術方式拓展到了微創手術、內鏡手術、機器人手術、介入手術。又因為手術地點不同分出來了門診手術、急診手術、美容手術、眼科白內障手術等等。做手術的科室也從住院手術室發展到了門診、急診、內鏡中心、介入室，手術統計又變得復雜了，涉及到了多個科室多人用多個業務系統來進行登記，統計時就涉及到多業務系統數據的集成。

數據質量管理流程

這時候在管理上又要求統計大中小手術量、一類切口、二類切口、非計劃二次手術、有的還要手術室準點開臺率；還要手術分級管理，抗菌藥物使用、毒麻藥品使用、高資耗材全程可追溯。種種需求都要滿足，就需要重新梳理與手術相關的數據定義及來源，通過梳理統一數據元、定義好元數據，明確數據采集的標準，定義數據的用途，并與數據采集者的績效關聯。數據來源也涉及信息科、手術室還有了收費室、藥劑科、財務科、耗材庫房、成本核算科室等等科室人員。必須達成一致標準。標準和計算方式還需要和國家衛生健康委最新的方式相一致，這樣才能保證一個醫院提供的數據符合上級的要求，尤其是在國家對醫療數據質量考核越來越嚴格時，這點尤為重要。比如西安某醫院上報國家衛生健康委數據質量問題，在我看來，就是典型的不注重數據質量，院內業務不統籌管理帶來的不良后果。

 數據質量評估體系

三、如何實現有效的數據治理

數據治理框架

這么多數據，來源于不同的系統，系統上線時間又各不相同，所以呀，大家在做集成平臺時，第一步就應該梳理數據源，要有個權威的項目小組，能夠對醫院各個系統的數據定義給予明確，計算公式給予確定，能夠對業務流程進行統一。而且這個定義的標準一定要以文件形式下發，才具有可操作的權威性。

第二步就得針對各個系統產生數據的不一致進行根源分析，找出不一致的原因。這是需要在第一步確定的數據范圍基礎上，一個一個進行，來不得虛假。每一個數據指標能夠從產生、傳輸、分析到應用全過程一致，那么才能搭建起數據應用的金字塔。羅馬不是一天建成的，數據的璀璨光芒也需要我們用汗水去打磨。

第三步原因找到了，就是整改了喲，整改工作也不是個輕松的活，這有點像業界說的數據清洗，但是數據清洗是對數據進行重新審查和校驗，目的在于刪除重復信息、糾正存在的錯誤，并提供數據一致性。而數據治理是從清洗的過程數據去發現數據質量問題，尋找解決途徑，進而提升數據質量的過程。就是要找到數據不準的問題所在，由誰來改，按什么標準去改。有的問題是系統問題，需要修改程序；有的問題是，計算方法問題，需要改變計算方法；有的問題甚至是機制體制問題，還需要必要的責權利的重新劃分。

比如上報衛生健康委的績效考核數據涵蓋醫療、運營、人才、教學、科研、管理等現代醫院管理的方方面面內容，這在業務上涉及醫務部、運營管理部、藥學部、教學部、科技部、財務部等相關科室，傳統由某一個部門主管都存在職能交叉或者業務空白點，尤其是數據一旦不準，該由誰進行核對和確認，缺乏明確職責分工，必須重新給予明確。只有這樣，才能做好相應數據管理工作。

這在最近的一次通報中也可以看出來，沒有院級層面的統抓統管，最終數據質量難以得到保證，甚至出現弄虛造假的現象。數據治理還是一個動態的平衡過程，會隨著需求的變化發生變化，往往會滯后于業務需求，一般也不太容易引起院級層面的重視。所幸，隨著數據價值被業界所認同，數據分析利用成為醫院管理的常規工具，數據治理工作將逐步走向正軌，數據也將煥發出生機與活力。

作者：黃昊，CHIMA常委，重慶大坪醫院信息科主任，著有公眾號“愚人老黃”。