編輯導(dǎo)語(yǔ)：數(shù)據(jù)統(tǒng)計(jì)分析是各行業(yè)的常見業(yè)務(wù)，此時(shí)如果能提升數(shù)據(jù)分析的效率，將可以為業(yè)務(wù)人員降低操作成本，比如在數(shù)據(jù)導(dǎo)出時(shí)，我們是否能實(shí)現(xiàn)自定義導(dǎo)出，快速整理目標(biāo)字段？本篇文章里，作者結(jié)合醫(yī)療場(chǎng)景，對(duì)數(shù)據(jù)自定義導(dǎo)出一事做了解讀，一起來看一下。

一、背景

醫(yī)學(xué)科研是醫(yī)學(xué)進(jìn)步的動(dòng)力。通過科學(xué)的方法對(duì)醫(yī)學(xué)數(shù)據(jù)進(jìn)行整理分析，進(jìn)而得出醫(yī)學(xué)中的診療規(guī)律，并應(yīng)用于相同病癥的患者，進(jìn)而提高患者的治愈率。

患者的診療數(shù)據(jù)存儲(chǔ)于醫(yī)院的信息系統(tǒng)中。由于醫(yī)院信息系統(tǒng)并未提供醫(yī)學(xué)科研相關(guān)的分析工具，所以需要使用專業(yè)的分析軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

首先，通過搜索功能找到符合要求的患者記錄。然后，設(shè)法將科研相關(guān)的字段導(dǎo)出。

如果人工將數(shù)據(jù)導(dǎo)出，那么操作過程將會(huì)變成如下過程：從患者列表逐個(gè)進(jìn)入患者詳情，從患者詳情中找到目標(biāo)數(shù)據(jù)。

如果科研的數(shù)據(jù)涉及到多種業(yè)務(wù)，那么在同一條患者記錄內(nèi)部，就需要跨多張表單查找目標(biāo)數(shù)據(jù)。并手動(dòng)復(fù)制粘貼到系統(tǒng)外的Excel表格中。

整個(gè)數(shù)據(jù)導(dǎo)出過程中涉及多次打開系統(tǒng)、關(guān)閉系統(tǒng)，打開表單、關(guān)閉表單，在表單內(nèi)查找目標(biāo)字段，耗費(fèi)了大量的時(shí)間成本，還存在數(shù)據(jù)粘貼在錯(cuò)誤位置的可能。

如何能夠快速將目標(biāo)字段整理出來？就是我們今天討論的主題——數(shù)據(jù)自定義導(dǎo)出。

二、數(shù)據(jù)自定義導(dǎo)出

數(shù)據(jù)自定義導(dǎo)出，指的是從變量池中根據(jù)需求選中符合要求的目標(biāo)變量，以某種格式的文件一次性從系統(tǒng)中全部導(dǎo)出。

例如，系統(tǒng)提供600 個(gè)變量可用于數(shù)據(jù)導(dǎo)出。在做胃部分切除術(shù)相關(guān)的研究時(shí)，從中選擇了30個(gè)字段導(dǎo)出為CSV文件。

其中， “600 個(gè)變量”就是“變量池”，指的是系統(tǒng)中允許被導(dǎo)出的所有字段。

• “30 個(gè)字段”就是“目標(biāo)變量”，指的是本次需要導(dǎo)出的變量。
• “CSV 文件”就是“某種格式的文件”，指的是以數(shù)據(jù)導(dǎo)出后的使用目的為導(dǎo)向，生成相應(yīng)格式的文件。
• “從 600 個(gè)變量里根據(jù)需求選擇了 30 個(gè)變量”，即“自定義”，指的是用戶可以根據(jù)需要從變量池中選擇任何變量，并且變量數(shù)量不受限制。

首先，將不同業(yè)務(wù)內(nèi)、不同表單內(nèi)的導(dǎo)出頻率高的字段組合在一起形成變量池。省去查找目標(biāo)字段時(shí)的，表單切換和表單閱讀的時(shí)間。

然后，將在數(shù)據(jù)導(dǎo)出時(shí)，對(duì)數(shù)據(jù)格式進(jìn)行處理，使其滿足目標(biāo)軟件的要求，然后將導(dǎo)出后的數(shù)據(jù)直接導(dǎo)入到目標(biāo)軟件中?？s短了數(shù)據(jù)格式進(jìn)一步加工的時(shí)間。

通過這兩步，大大提高數(shù)據(jù)導(dǎo)出的效率。

1. 變量池

醫(yī)療業(yè)務(wù)復(fù)雜，一個(gè)人無法處理所有的業(yè)務(wù)，所以需要將業(yè)務(wù)拆分成不同的部分，由不同的專業(yè)人員負(fù)責(zé)不同的業(yè)務(wù)范圍，只有這樣才能讓系統(tǒng)正常運(yùn)行。

例如，張技師和王技師分別負(fù)責(zé)實(shí)驗(yàn)室檢驗(yàn)部分和影像檢查部分的業(yè)務(wù)。如果張技師去負(fù)責(zé)影像檢查部分的業(yè)務(wù)，由于對(duì)影像業(yè)務(wù)的完全不熟悉，該段時(shí)間內(nèi)的影像檢查部分的業(yè)務(wù)將停滯。與之相關(guān)的業(yè)務(wù)都將收到影響。

醫(yī)院信息系統(tǒng)中與患者診療相關(guān)的系統(tǒng)包括門急診電子病歷系統(tǒng)、住院電子病歷系統(tǒng)、實(shí)驗(yàn)室檢驗(yàn)系統(tǒng)、影像學(xué)檢查系統(tǒng)、手術(shù)麻醉系統(tǒng)等系統(tǒng)。

住院電子病歷系統(tǒng)中包括住院醫(yī)生工作站、住院護(hù)士工作站、病案管理工作站等，存儲(chǔ)了患者的長(zhǎng)臨醫(yī)囑、用藥信息、日常病程記錄、既往病史、家族史等信息。

不同的模塊、不同的表單存放不同的患者信息。查找需要導(dǎo)出的字段時(shí)，需要翻閱不同的系統(tǒng)，在系統(tǒng)內(nèi)部切換不同的表單，在表單中找到需要導(dǎo)出的字段。整個(gè)過程耗費(fèi)大量時(shí)間，嚴(yán)重影響字段查找效率。

例如，導(dǎo)出患者胃部分切除術(shù)手術(shù)及手術(shù)前后的相關(guān)信息，則需要前往手麻系統(tǒng)、電子病歷系統(tǒng)、檢查系統(tǒng)、檢驗(yàn)系統(tǒng)等。在某個(gè)子系統(tǒng)中，仍然需要找到患者，并且進(jìn)入患者詳情找到對(duì)應(yīng)表單內(nèi)容。整個(gè)過程耗費(fèi)大量時(shí)間。

有沒有一種可能將可能用于導(dǎo)出的字段放在一起，不需要切換系統(tǒng)、表單逐個(gè)查找。

變量池就是將不同業(yè)務(wù)系統(tǒng)、不同表單中可能會(huì)用于導(dǎo)出的字段名稱放在一起。

變量池具備字段數(shù)量多、字段多值性的特點(diǎn)。

1）字段數(shù)量多

字段數(shù)量多，指的是可以用于導(dǎo)出的字段數(shù)量比較大。

出現(xiàn)這種情況的原因是，不同科室在做數(shù)據(jù)分析時(shí)關(guān)注的重點(diǎn)不同，需要導(dǎo)出的字段不完全一致。為了滿足這么多的導(dǎo)出需求，就需要把可能涉及到的字段全部放在變量池中。

一個(gè)分析方向可能會(huì)導(dǎo)出二三十個(gè)變量，需要支持幾十個(gè)可能的分析方向。對(duì)字段進(jìn)行去重以后，變量池內(nèi)的字段數(shù)量同樣也會(huì)達(dá)到幾百個(gè)。

變量池內(nèi)字段較多時(shí)，通過人眼從中找到某一個(gè)字段，耗時(shí)較長(zhǎng)。

可以按照字段所屬業(yè)務(wù)系統(tǒng)、所在業(yè)務(wù)表單對(duì)字段進(jìn)行分組。直接選中目標(biāo)字段所在表單，縮小字段查找范圍，提高字段查找效率。

也可以通過搜索功能，通過輸入目標(biāo)變量的字段名，直接定位到目標(biāo)變量所在位置，提高字段查找的效率。

例如，為了支持肝臟介入科的數(shù)據(jù)分析工作，將可能用到的字段進(jìn)行整理，共計(jì)整理出 300 個(gè)字段（下圖字段僅做示例）。

將字段按照所在表單進(jìn)行劃分人口學(xué)、現(xiàn)病史、檢驗(yàn)、手術(shù)，可以通過點(diǎn)擊左側(cè)的表單列表，將字段的范圍縮小到幾十個(gè)變量。也可以在搜索框內(nèi)輸入字段名，直接定位到該字段的位置。

2）字段的多值性

字段的多值性，指的是同一個(gè)患者的同一個(gè)字段會(huì)有多個(gè)結(jié)果。

例如，張三的血常規(guī)中的白細(xì)胞計(jì)數(shù)字段有 11 個(gè)結(jié)果。

產(chǎn)生字段多值的原因是，患者癥狀在變化。為了讓記錄不斷變化的病情，需要做多次檢驗(yàn)檢查，并據(jù)此調(diào)整治療方案，最終產(chǎn)生了多個(gè)值。

例如，患者張三隨著放療的進(jìn)行，身體狀況在不斷變化。通過檢驗(yàn)檢查等手段來測(cè)量身體的各項(xiàng)指標(biāo)。放療 2 個(gè)月，共做了 7 次檢驗(yàn)。使得檢驗(yàn)部分的字段產(chǎn)生了 多次結(jié)果。

而研究時(shí)往往關(guān)注患者在某個(gè)狀態(tài)下的指標(biāo)情況，即從眾多結(jié)果中找到某一個(gè)特定的結(jié)果。

例如，研究胃部分切除術(shù)的情況時(shí)，需要了解術(shù)后第一次白細(xì)胞計(jì)數(shù)的結(jié)果。此時(shí)就需要精準(zhǔn)的找到患者的該次白細(xì)胞計(jì)數(shù)的值。

所以就需要給具有多值性的字段增加一個(gè)限定條件。

常見的限定條件有：

1. 針對(duì)數(shù)值型字段有全部、最大值、最小值、最早一次、最近一次、平均值。
2. 針對(duì)文本型、選項(xiàng)型日期型字段有全部、最早一次、最晚一次。

上述說的限定條件都有一個(gè)默認(rèn)前提，“在所有的時(shí)間范圍內(nèi)”，即在患者的整個(gè)就醫(yī)時(shí)間范圍內(nèi)，但是實(shí)際研究中，我們可能需要的是患者在某個(gè)特定時(shí)間內(nèi)某個(gè)狀態(tài)的結(jié)果。

例如，需要患者在“最近一次胃部分切除術(shù)后的第一次白細(xì)胞計(jì)數(shù)結(jié)果”。其中，特定時(shí)間值得是“最近一次胃部分切除術(shù)后的所有時(shí)間”。

此時(shí)需要先找到該患者的最近一次，胃部分切除術(shù)的時(shí)間點(diǎn)，最后以該時(shí)間為基準(zhǔn)時(shí)間點(diǎn)。然后去所有的血常規(guī)檢查中查找白細(xì)胞計(jì)數(shù)。根據(jù)血常規(guī)的檢查時(shí)間，定位到具體的某一次結(jié)果。

這種限定類型稱之為“事件-時(shí)間”型，即先通過某一個(gè)具體的事件，以該事件發(fā)生的時(shí)間點(diǎn)作為基準(zhǔn)，在該基準(zhǔn)前 / 后某段時(shí)間范圍內(nèi)，目標(biāo)字段的特定值。常見的事件有“放療、化療、手術(shù)、用藥、臨床診斷、病理診斷等”。

2. 特定的數(shù)據(jù)格式

科研的需求一直存在，為了滿足科研需求，專業(yè)統(tǒng)計(jì)分析軟件應(yīng)運(yùn)而生，并逐步發(fā)展。常用的軟件有spss、SAS、R等。其中SPSS從1984年開始發(fā)展，到2009年已經(jīng)將數(shù)據(jù)管理、數(shù)據(jù)分析做到非常完善的地步。

而2009年，中國(guó)首次將醫(yī)療衛(wèi)生信息化定性為支撐改革的支柱，在國(guó)家級(jí)層面提出發(fā)展信息化的要求。此后醫(yī)院信息化軟件迅速發(fā)展，前期以業(yè)務(wù)信息化為主。2014年才開始重點(diǎn)轉(zhuǎn)移到健康數(shù)據(jù)上。

如果此時(shí)醫(yī)院信息系統(tǒng)再集成或者開發(fā)統(tǒng)計(jì)分析軟件，需要投入大量的金錢和精力，而且醫(yī)生的接受度如何都是未知數(shù)。醫(yī)院自行開發(fā)或采購(gòu)的意義都變得不大。

造成了現(xiàn)在的情況，醫(yī)院現(xiàn)有的軟件系統(tǒng)中醫(yī)學(xué)統(tǒng)計(jì)分析部分缺失，統(tǒng)計(jì)分析工作需要在專業(yè)統(tǒng)計(jì)分析軟件中完成的。所以當(dāng)醫(yī)生想要做醫(yī)學(xué)統(tǒng)計(jì)分析時(shí)，就需要將數(shù)據(jù)從在醫(yī)院信息系統(tǒng)中導(dǎo)出。

數(shù)據(jù)導(dǎo)出后，需要手動(dòng)對(duì)數(shù)據(jù)格式處理，才可以滿足目標(biāo)軟件的需要，浪費(fèi)醫(yī)生的時(shí)間。

怎么才能讓數(shù)據(jù)導(dǎo)出后，不需要額外的數(shù)據(jù)處理，直接被目標(biāo)軟件所使用，從而減少醫(yī)生時(shí)間的浪費(fèi)。

在數(shù)據(jù)導(dǎo)出時(shí)，由系統(tǒng)完成數(shù)據(jù)格式處理的工作，數(shù)據(jù)被導(dǎo)出后可以直接導(dǎo)入分析軟件，從而節(jié)約數(shù)據(jù)處理的時(shí)間。

在數(shù)據(jù)導(dǎo)出時(shí)，根據(jù)目標(biāo)軟件的需要，生成特定數(shù)據(jù)格式的文件。數(shù)據(jù)文件被導(dǎo)出后可以直接導(dǎo)入分析軟件，從而節(jié)約數(shù)據(jù)處理的時(shí)間。

特定的數(shù)據(jù)格式，指的是醫(yī)療信息系統(tǒng)往統(tǒng)計(jì)分析軟件傳輸數(shù)據(jù)時(shí)，按照統(tǒng)計(jì)分析軟件對(duì)數(shù)據(jù)格式的要求生成數(shù)據(jù)。

以將數(shù)據(jù)導(dǎo)入spss分析為例。

spss對(duì)導(dǎo)入數(shù)據(jù)有以下要求：

1. 文件格式為Excel或csv。
2. 同一個(gè)案的數(shù)據(jù)要單獨(dú)占一行。
3. 每一個(gè)測(cè)量指標(biāo)只占一列。
4. 測(cè)量指標(biāo)的結(jié)果為數(shù)值型。

如果導(dǎo)入的數(shù)據(jù)不符合要求，則數(shù)據(jù)導(dǎo)入失敗，需要手動(dòng)對(duì)數(shù)據(jù)進(jìn)行調(diào)整，然后再重新導(dǎo)入。

為了保證數(shù)據(jù)能夠直接導(dǎo)入spss中。導(dǎo)出的數(shù)據(jù)需要滿足：

1. 文件格式為Excel或csv。
2. Excel中同一個(gè)案的數(shù)據(jù)要在一行，每一個(gè)測(cè)量指標(biāo)占一列。
3. 確保數(shù)值型字段的數(shù)據(jù)類型為數(shù)字，而不是文本。
4. 將枚舉型的值替換成數(shù)字。

系統(tǒng)將處理好格式的數(shù)據(jù)，以Excel文件的形式傳遞給前端頁(yè)面。用戶將文件下載下來以后，直接導(dǎo)入spss做分析工作。

三、總結(jié)

由于醫(yī)療信息化和專業(yè)統(tǒng)計(jì)軟件的發(fā)展速度不均衡，造成了醫(yī)院信息系統(tǒng)與統(tǒng)計(jì)分析軟件互不相通。所以醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析時(shí)，需要先數(shù)據(jù)導(dǎo)出，再導(dǎo)入分析軟件。

2014年，中國(guó)提出“46312”計(jì)劃，開展“健康中國(guó)云服務(wù)計(jì)劃”，國(guó)內(nèi)的醫(yī)療大數(shù)據(jù)產(chǎn)品迅速崛起。臨床大數(shù)據(jù)公司紛紛成立，醫(yī)院開始建設(shè)臨床數(shù)據(jù)中心。醫(yī)院信息化從業(yè)務(wù)信息化發(fā)展到臨床數(shù)據(jù)精細(xì)化。

各大數(shù)據(jù)平臺(tái)不僅開始增加傳統(tǒng)的統(tǒng)計(jì)分析工具，也增加了基于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)的的新的分析方法。這使得我們可以在大數(shù)據(jù)平臺(tái)中完成統(tǒng)計(jì)分析工作。不過易用性、使用習(xí)慣仍需要不斷打磨。

相信不遠(yuǎn)的將來，再做醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析時(shí)，可以在院內(nèi)大數(shù)據(jù)平臺(tái)中，無縫完成數(shù)據(jù)分析工作，不再需要將數(shù)據(jù)導(dǎo)出。

PS：與之前完成的數(shù)據(jù)的高級(jí)搜索剛好組成一體，通過高級(jí)檢索搜索到目標(biāo)患者，然后將需要的字段導(dǎo)出。

本文由 @山南 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Pexels，基于 CC0 協(xié)議