1 / 18
文档名称:

健康互联_甲骨文临床数据中心解决方案技术交流.docx

格式:docx   页数:18页
下载后只包含 1 个 DOCX 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

健康互联_甲骨文临床数据中心解决方案技术交流.docx

上传人:1017848967 2016/3/11 文件大小:0 KB

下载得到文件列表

健康互联_甲骨文临床数据中心解决方案技术交流.docx

文档介绍

文档介绍:<Insert Picture Here> Connected Health: 健康互联甲骨文临床数据中心解决方案技术交流侯雪桥,甲骨文大中华区医疗卫生解决方案总监 2014 年5 月信息保护说明 The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not mitment to deliver any material, code, or functionality, and should not be relied upon in making purchasing decisions. The development, release, and timing of any features or functionality described for Oracle ’s products remains at the sole discretion of Oracle. 2 业务场景: 从海量临床数据的积累中发现信息的利用价值医生相似病例?我目前一个具有高血栓风险的系统性红斑狼疮的儿科病人,如果采用一定剂量的抗凝血药物治疗,其生存率是多少? 运营管理者?膝关节置换术的平均住院天数增加一天对医院盈利能力的影响多大? ?花费在各个环节上的等待时间是多少? 临床数据的整合与分析研究人员?如何找到那些 EGFR 受体表达水平两倍高于正常临界值的癌症病人临床质量管理?医院各病种护理质量的变化趋势是什么? ?异常二次返院的前十大病种是什么?费用增加比例? 建立临床数据中心的外在驱动力整合和分析临床数据,建立面向运营、质控、科研等方面的二次利用?借鉴《 HIMSS EMR Analytics 》、《国内电子病历七级认证》等医院信息化建设参考,临床数据中心应具备以下特征: –独立的:独立于 HIS/EMR/LIS/RIS 等业务系统的操作性数据存储–临床的:重点关注各类临床数据,包括但不局限于: ?(按类型)主客观的、(按结构)文本或多媒体的?(按系统源) :病历、医嘱、费用、检查检验报告、影像或其他数据?(按业务线) :诊断、用药、检验、放射、超声、内镜、心电、病理等检查信息、用血信息、治疗信息、体检信息、手术麻醉、 ICU 监护信息;入院、出院、转科、医保及其它患者统计信息; 门诊、住院医生电子病历、护理电子病历等文档信息–集中的:集中存储及管理–长期的:各类数据都具备长期性、按时间轴、按问题轴、跨门诊住院的可追溯–以某种主题中心的(X-centric): 根据不同业务目标划分不同主题域,例如:以患者为中心的临床决策支持、以疾病为中心的临床科研分析 HIMSS CDR 外在推动力内在驱动力:各种临床研究与决策有不同的着眼点, 但有着统一的数据分析范式——“来自信息的挑战”随着循证医学的进步,医学已经演化成从海量健康信息中迭代搜索提炼以下问题答案的范式什么东西有用? 可依赖医学证据( 循证) 为什么有用? 作用机理用于什么地方? 精确施治是否最优? 有效性证明什么时候成为普遍实践? 最佳实践、临床标准 Adapted from Dr. e Poste; The Biodesign Institute, June 2008 CDR 还能实现多层次多角度的分析,应对医院对临床数据的各种价值追求数据分析的颗粒度所需比照的数据量…以病人为中心的数据分析和利用以疾病研究为中心的数据分析和利用以科室/ 学科为中心的的数据分析和利用以全院运营为中心的的数据分析和利用临床数据整合、清洗、数据分析等手段?个性化诊疗决策支持?比较有效性研究?队列有效性研究?卫生经济学研究?单病种研究?临床路径研究?运营决策支持建立临床数据中心最重要的是可重用的架构和应对各种技术挑战的手段 CDR “一个基础、多种应用”的本质导致了迭代实施时会面临各类挑战架构挑战: ?总体架构、应用架构、部署架构?集成与现有系统的集成与解耦、?海量数据量管理、复杂查询性能?数据建模、模型一致性、标准化程度?元数据管理、数据质量管理?数据安全、隐私保护、访问审计?架构: –基础框架–技术路线或标准–功能模块–必要技术指标数据挑战: ?缺乏高质量的临床数据?通用数据语义增强工具(例如自然语言处理?针对特定专业专科课题,利用特定模板或工具增强?需要临床业务的需求推动? IT/ 临床/ 数据分析师在平台与工具支持下探索?临床信息模型的复杂性与非标注化?借鉴 SNOMED CT/UMLS ?手段–各种工具–最佳实践机房运维