大型方艙醫(yī)院臨床數(shù)據(jù)庫建設(shè)和應(yīng)用

馬龍鑫，湯 杰，林靖生，曹 青，陳 影，陳爾真，何 萍

（1.上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院a.信息中心；b.學(xué)科規(guī)劃與大設(shè)施管理處；c.急診科；d.醫(yī)務(wù)一處；e.院長辦公室，上海 200025；2.上海申康醫(yī)院發(fā)展中心醫(yī)聯(lián)工程與信息化部，上海 200041）

臨床數(shù)據(jù)庫的建設(shè)背景

一、本次疫情的特點(diǎn)與方艙醫(yī)院建設(shè)的背景

新型冠狀病毒病(以下簡稱新冠)，是2019 年末開始出現(xiàn)，并迅速在世界范圍內(nèi)傳播，其可引起急性呼吸道傳染病。早期新冠肺炎重癥病例比例較高，隨著新型冠狀病毒不斷進(jìn)化并產(chǎn)生新的變異株，新毒株的傳播性及重癥致死率都與之前的毒株不同，引起了人們對當(dāng)前疫苗、治療性單克隆抗體和新冠抗病毒藥物對這些變異株有效性的擔(dān)憂。BA.2 亞型已經(jīng)在至少68 個(gè)國家占主導(dǎo)地位[1]，其演變、傳播和影響的不確定性困擾各國及其政府。目前流行的奧密克戎(Omicron)變異株，雖然其導(dǎo)致的新冠肺炎癥狀較前輕微，但該變異株具有極強(qiáng)的傳染性和免疫逃逸能力，導(dǎo)致該病毒在人群中的迅速傳播，給公共衛(wèi)生和社會(huì)生活、經(jīng)濟(jì)等帶來了前所未有的挑戰(zhàn)。

截至2022 年4 月30 日，上海新增確診病例及無癥狀感染者人數(shù)已超50 萬。本市自3 月中旬開始進(jìn)行方艙醫(yī)院建設(shè)，目前已建成市區(qū)兩級方艙醫(yī)院119 家，總開放床位數(shù)達(dá)到27 萬張。本團(tuán)隊(duì)牽頭參與了多個(gè)市級方艙醫(yī)院信息化建設(shè)[2]，如上海世博展覽館方艙醫(yī)院、上海新國際博覽中心方艙醫(yī)院和國家會(huì)展中心(上海)方艙醫(yī)院等。方艙醫(yī)院要求在極短時(shí)間內(nèi)，為患者進(jìn)行即時(shí)、高效、有序的醫(yī)療服務(wù)。借助信息化、智慧化解決方案，可對緊缺醫(yī)療資源進(jìn)行高效優(yōu)化配置，使不同院區(qū)及醫(yī)療團(tuán)隊(duì)實(shí)時(shí)精確掌握診療信息，優(yōu)化患者管理控制及診療流程，可對患者臨床數(shù)據(jù)進(jìn)行匯總統(tǒng)計(jì)、決策支持及醫(yī)療質(zhì)量監(jiān)測，并可進(jìn)一步分析疾病的流行病學(xué)特點(diǎn)、探討診療策略等，為優(yōu)化新冠肺炎的防治與疫情防控提供新的思路與依據(jù)[3]。

二、基礎(chǔ)通訊設(shè)施建設(shè)方案

網(wǎng)絡(luò)通訊是實(shí)現(xiàn)業(yè)務(wù)和數(shù)據(jù)流匹配的前提條件，軟件定義廣域網(wǎng) (software defined wide area network，SD-WAN) 作為近年來逐漸受到重視的快速組網(wǎng)方式，具有無需專網(wǎng)專線等優(yōu)勢。大型方艙醫(yī)院嚴(yán)格設(shè)置三區(qū)兩通道和較為廣闊的隔離帶，不依賴公網(wǎng)IP 并能夠?qū)崿F(xiàn)遠(yuǎn)距離組網(wǎng)的優(yōu)選解決方案就是SD-WAN。本單位負(fù)責(zé)建造的大型方艙醫(yī)院IT 基礎(chǔ)設(shè)施建設(shè)方案，選擇以SD-WAN+無線AP實(shí)現(xiàn)快速開局，減少了組網(wǎng)人員部署時(shí)間，確保自動(dòng)登錄直連，保障數(shù)據(jù)業(yè)務(wù)安全穩(wěn)定，避免艙內(nèi)工作人員的手動(dòng)聯(lián)網(wǎng)操作[4]。

大型方艙醫(yī)院每天的收治人數(shù)在七千到一萬人次左右，收治高峰可能集中在2～3 h 之內(nèi)(見圖1)。為適應(yīng)高頻數(shù)據(jù)采集的需求，大型方艙應(yīng)通過增加手持終端數(shù)量來提高采集信息的效率。手持終端系統(tǒng)涵蓋了患者查詢、身份確認(rèn)、醫(yī)囑查詢、執(zhí)行醫(yī)囑、體征數(shù)據(jù)確認(rèn)、護(hù)理文書確認(rèn)、工作量統(tǒng)計(jì)等各工作環(huán)節(jié)。如果按照同傳統(tǒng)門急診收治流程，采用一對一的問診，在方艙醫(yī)院門口將出現(xiàn)擁堵情況，大大降低運(yùn)行效率。而通過小程序掃碼提交個(gè)人基本信息和癥狀描述等信息，自動(dòng)生成住院基本信息頁和一段癥狀描述的語句。通過艙內(nèi)PDA、手機(jī)和掃碼槍等進(jìn)行核酸采樣信息的錄入，這些移動(dòng)端還可完成每日方艙運(yùn)行中的入院信息采集、艙內(nèi)診療信息和出院信息的確認(rèn)。

圖1 患者出入院分時(shí)數(shù)量

大型方艙醫(yī)院臨床數(shù)據(jù)庫建設(shè)的具體實(shí)踐

一、數(shù)據(jù)特點(diǎn)

大型方艙醫(yī)院數(shù)據(jù)存在以下特點(diǎn)。①數(shù)據(jù)量大，大型方艙醫(yī)院床位數(shù)過萬，每日產(chǎn)生了大量診療數(shù)據(jù)；②數(shù)據(jù)覆蓋面廣，涉及各個(gè)業(yè)務(wù)系統(tǒng)的診療數(shù)據(jù)，患者的基礎(chǔ)信息和各種臨床信息資源分散、重復(fù)、孤立，同時(shí)還會(huì)產(chǎn)生大量流行病學(xué)調(diào)查、輿情數(shù)據(jù)、社會(huì)及環(huán)境數(shù)據(jù)；③數(shù)據(jù)類型多，新冠肺炎患者收治過程中會(huì)產(chǎn)生大量不同類型的數(shù)據(jù)，如患者基本信息、體征數(shù)據(jù)(結(jié)構(gòu)化數(shù)據(jù))，患者入院錄、病程記錄、出院小結(jié)(半結(jié)構(gòu)化數(shù)據(jù))，肺部CT影像等影像數(shù)據(jù)(非結(jié)構(gòu)化數(shù)據(jù))；④部分患者近親或者同住人關(guān)系模糊(家庭內(nèi)部傳播病例)，部分診療數(shù)據(jù)存在信息匹配不一致，上下無法關(guān)聯(lián)。

二、數(shù)據(jù)庫建設(shè)步驟

大型方艙醫(yī)院臨床數(shù)據(jù)庫建設(shè)需分兩步走。第一步，進(jìn)行數(shù)據(jù)治理，選定采集患者的范圍，定時(shí)采集方艙醫(yī)院各個(gè)臨床業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，對采集的數(shù)據(jù)做清洗、分析和挖掘，形成新冠肺炎專病庫的元數(shù)據(jù)，完成運(yùn)營數(shù)據(jù)上報(bào)的工作；第二步，在此基礎(chǔ)上，建立新冠肺炎陽性感染群體的數(shù)據(jù)庫，提供查詢和導(dǎo)出功能，方便臨床科研人員更好地使用數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為有價(jià)值、促學(xué)科發(fā)展、攻關(guān)疫情的診療路徑和臨床指南。

三、數(shù)據(jù)標(biāo)準(zhǔn)

數(shù)據(jù)標(biāo)準(zhǔn)是指為保障數(shù)據(jù)的內(nèi)外部使用和交換的一致性和準(zhǔn)確性而制定的規(guī)范性約束。

首先，確定數(shù)據(jù)業(yè)務(wù)標(biāo)準(zhǔn)規(guī)范。主要有患者基本信息(性別、年齡、職業(yè)等)、入院記錄(“一訴及五史”)、診斷記錄(無癥狀/輕癥/重癥/危重癥)、治療記錄(各類醫(yī)囑類)、護(hù)理記錄(血壓、體溫、尿量、呼吸頻率、血氧飽和度等)、生化指標(biāo)、CT 診斷報(bào)告(肺部CT 影像)、藥物治療醫(yī)囑(藥物治療的品種、劑量、療程等)、病程記錄、出院記錄(轉(zhuǎn)出至社區(qū)/轉(zhuǎn)出至定點(diǎn)醫(yī)院治理)以及流行病學(xué)調(diào)查與輿情數(shù)據(jù)等社會(huì)生產(chǎn)及生活環(huán)境數(shù)據(jù)[5]。對因各種歷史原因或不明原因?qū)е碌牟灰?guī)范、錯(cuò)誤的字段信息進(jìn)行清洗，避免因部分明顯錯(cuò)誤的信息導(dǎo)致上層應(yīng)用服務(wù)的結(jié)論錯(cuò)誤，保證數(shù)據(jù)準(zhǔn)確性；對數(shù)據(jù)進(jìn)行重新審查和校驗(yàn)的過程，目的在于刪除重復(fù)信息、糾正存在的錯(cuò)誤，并提供數(shù)據(jù)一致性。

其次，確定患者隱私信息技術(shù)標(biāo)準(zhǔn)。在實(shí)現(xiàn)數(shù)據(jù)完整性、準(zhǔn)確性、一致性的同時(shí)，需兼顧對患者個(gè)人數(shù)據(jù)的隱私保護(hù)，本數(shù)據(jù)庫采用數(shù)據(jù)編碼方式對敏感信息進(jìn)行脫敏，例如患者的住院號、姓名、證件號碼、聯(lián)系方式等。匿名化處理后的信息不屬于個(gè)人信息，去標(biāo)識化保存的個(gè)人信息，可有效防止未經(jīng)授權(quán)的訪問以及個(gè)人信息泄露、篡改、丟失等。

最后，確定方艙運(yùn)行數(shù)據(jù)標(biāo)準(zhǔn)，需根據(jù)大型方艙運(yùn)行管理的要求，橫向調(diào)研各個(gè)管理部門對于運(yùn)行數(shù)據(jù)和存量數(shù)據(jù)的具體需求，建立每個(gè)標(biāo)準(zhǔn)數(shù)據(jù)的申請、審批、變更、共享的流程，建立數(shù)據(jù)管理組織體系，明確管理數(shù)據(jù)上報(bào)工作的目標(biāo)和內(nèi)容，并監(jiān)督及考核數(shù)據(jù)標(biāo)準(zhǔn)的貫徹與執(zhí)行。

四、臨床數(shù)據(jù)庫構(gòu)建技術(shù)

技術(shù)平臺(tái)運(yùn)用前后端分離的方式，后端采用新型的互聯(lián)網(wǎng)架構(gòu)模式，基于Spring Cloud 微服務(wù)化開發(fā)平臺(tái)，核心技術(shù)采用Eureka、Fegin、Ribbon、Zuul、Hystrix、JWT Token、Mybatis 等主要框架和中間件，后端以Java 為編程語言進(jìn)行開發(fā)，數(shù)據(jù)庫采用Mysql 主從模式，運(yùn)行環(huán)境采用Linux Centos7 作為操作系統(tǒng)，前端開發(fā)語言采用Vue3.0，同步開發(fā)了移動(dòng)端應(yīng)用。

整個(gè)設(shè)計(jì)方案參照《DAMA 數(shù)據(jù)管理知識體系指南(原書第2 版)》[6]，基于以數(shù)據(jù)倉庫架構(gòu),分為三層源數(shù)據(jù)層(ODS)，數(shù)據(jù)倉庫層(DW)，數(shù)據(jù)集市層(DM)。源數(shù)據(jù)層(ODS)將數(shù)據(jù)源中的數(shù)據(jù)，經(jīng)過抽取、洗凈、傳輸分別裝入本層的當(dāng)前數(shù)據(jù)表或歷史數(shù)據(jù)表，以簡化后續(xù)數(shù)據(jù)加工處理的工作。數(shù)據(jù)倉庫層(DW)將從ODS 層中獲得的數(shù)據(jù)，按照主題建立各種數(shù)據(jù)模型，每一個(gè)主題對應(yīng)一個(gè)宏觀的分析領(lǐng)域，數(shù)據(jù)倉庫層排除對決策無用的數(shù)據(jù)，提供特定主題的簡明視圖。數(shù)據(jù)應(yīng)用層(DM)存放的是輕度聚合的數(shù)據(jù)，基于DW 上的基礎(chǔ)數(shù)據(jù)，整合匯總成分析某一個(gè)主題域的數(shù)據(jù)，提供給數(shù)據(jù)產(chǎn)品和數(shù)據(jù)分析使用的數(shù)據(jù)，用于提供后續(xù)的業(yè)務(wù)查詢，如OLAP 分析、數(shù)據(jù)分發(fā)等。

數(shù)據(jù)庫采用關(guān)系型數(shù)據(jù)庫Mysql 主從架構(gòu)，即一臺(tái)主數(shù)據(jù)庫對外提供讀寫操作，一臺(tái)從數(shù)據(jù)庫對外提供讀的操作，數(shù)據(jù)從主庫同步到從庫。在這種數(shù)據(jù)庫架構(gòu)中，從庫支持讀，分擔(dān)了主庫的讀壓力，提升了并發(fā)度；當(dāng)機(jī)器發(fā)生故障時(shí)，從庫可以作為備份庫，主從庫自動(dòng)切換，并由Mysql 主從復(fù)制功能實(shí)現(xiàn)了主服務(wù)器與從服務(wù)器之間數(shù)據(jù)的同步，增加了數(shù)據(jù)庫系統(tǒng)的可用性。

本數(shù)據(jù)庫以隔離人員轉(zhuǎn)運(yùn)數(shù)據(jù)和入院登記數(shù)據(jù)為底座，對接移動(dòng)CT 車、核酸檢測等地方檢測信息平臺(tái)，以小程序等多終端采集源頭信息為輸入源，開展高頻次、標(biāo)準(zhǔn)化、滾動(dòng)式的數(shù)據(jù)庫全面比對。實(shí)現(xiàn)患者自助服務(wù)為方艙醫(yī)療管理系統(tǒng)提供基本信息，自動(dòng)完成新冠病毒感染相關(guān)醫(yī)療處理，待醫(yī)務(wù)人員集中確認(rèn)后完成醫(yī)療服務(wù)。高度適配疫情期間大型方艙醫(yī)院運(yùn)營數(shù)據(jù)庫的需求，為精準(zhǔn)防疫構(gòu)建堅(jiān)強(qiáng)的數(shù)據(jù)資源支撐。

大型方艙數(shù)據(jù)庫功能

大型方艙醫(yī)院數(shù)據(jù)庫基本功能包含運(yùn)行管理頁面、科研首頁、患者中心、隨訪管理、人群探索、數(shù)據(jù)洞察、科研項(xiàng)目管理和數(shù)據(jù)安全。

一、運(yùn)行管理頁面

大型方艙醫(yī)院一方面需要完成傳染性疾病收治情況的管理，另一方面需要把不同維度的數(shù)據(jù)上報(bào)到直接管理部門，為傳染病管理部門的管控決策提供數(shù)據(jù)支撐。通過多終端自動(dòng)采集系統(tǒng)實(shí)時(shí)匯聚各業(yè)務(wù)系統(tǒng)數(shù)據(jù)形成一目了然的疫情數(shù)據(jù)大屏(見圖2)，實(shí)時(shí)顯示方艙醫(yī)院的運(yùn)行數(shù)據(jù)。比如各病區(qū)患者數(shù)量、每天出入院數(shù)據(jù)、轉(zhuǎn)出患者數(shù)量、核酸檢測數(shù)據(jù)、患者各項(xiàng)體征數(shù)據(jù)等，能夠?qū)崟r(shí)反映方艙醫(yī)院運(yùn)行情況、并對可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行預(yù)警。

圖2 大型方艙運(yùn)行管理前端顯示

數(shù)據(jù)大屏通過圖表方式直觀展示新冠肺炎相關(guān)的診斷分布、確診渠道分布、年齡段分布、性別分布、基礎(chǔ)疾病分布、疫苗接種情況、住院天數(shù)分布等和低齡/高齡數(shù)據(jù)分析，同時(shí)顯示當(dāng)前入組患者的數(shù)量以及對應(yīng)的病例數(shù)和支持項(xiàng)目，臨床科研人員可清晰地看到新冠肺炎相關(guān)指標(biāo)的趨勢以及數(shù)據(jù)分布情況[7]。

二、科研首頁

本數(shù)據(jù)庫選定采集患者的范圍，可每日多次定時(shí)采集方艙醫(yī)院各個(gè)臨床業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，并對采集的數(shù)據(jù)做自動(dòng)清洗、分析和挖掘，形成臨床數(shù)據(jù)庫的元數(shù)據(jù)，并進(jìn)行標(biāo)準(zhǔn)化、結(jié)構(gòu)化處理(見圖3)，快速創(chuàng)建CRF 表格、數(shù)據(jù)抽取、數(shù)據(jù)自動(dòng)采集、患者數(shù)據(jù)全景展示，支持對大量醫(yī)療數(shù)據(jù)進(jìn)行深度的分析和挖掘，為傳染病專病研究提供全鏈路數(shù)據(jù)匯總，可實(shí)現(xiàn)流行病學(xué)調(diào)查記錄和藥物流行病學(xué)數(shù)據(jù)之間的時(shí)序性聯(lián)動(dòng)及病歷數(shù)據(jù)的高效檢索，此種多模態(tài)、多維度數(shù)據(jù)的挖掘，在最大程度上為臨床科研人員提供數(shù)據(jù)分析依據(jù)，為攻關(guān)新冠肺炎疾病因果推斷的準(zhǔn)確性及研究結(jié)果的可重復(fù)性提供數(shù)據(jù)支撐。

三、患者中心

本數(shù)據(jù)庫提供了強(qiáng)大的多維篩選工具，如根據(jù)自定義納入、排除標(biāo)準(zhǔn)和數(shù)據(jù)導(dǎo)入規(guī)則，可自動(dòng)納入患者，并針對新型冠狀病毒的特點(diǎn)，定制疾病數(shù)據(jù)庫內(nèi)的科研指標(biāo)與指標(biāo)分組方式，在患者詳情頁中查看每個(gè)患者的全景科研數(shù)據(jù)，即患者重點(diǎn)數(shù)據(jù)的全周期時(shí)間軸，患者診療事件按照時(shí)間進(jìn)行可視化展示，支持患者原始病歷視圖溯源。

四、隨訪管理

參照新冠肺炎診療方案與隨訪要求，數(shù)據(jù)庫支持自定義(包括文本、單選、多選、數(shù)值、日期、子表單、邏輯計(jì)算題、積分題、附件題等多題型表單)隨訪選項(xiàng)及內(nèi)容。隨訪表單具有自由邏輯配置必填項(xiàng)、數(shù)字值域，字段設(shè)置及計(jì)算邏輯，也可按條件出現(xiàn)或隱藏。按自定義隨訪計(jì)劃自動(dòng)生成并提示每日隨訪任務(wù)，直接進(jìn)入填寫當(dāng)次隨訪表單，移動(dòng)端隨訪記錄自動(dòng)同步至患者隨訪記錄，方便醫(yī)生可查看歷次隨訪記錄，并隨時(shí)調(diào)整隨訪計(jì)劃和內(nèi)容。通過隨訪任務(wù)時(shí)間的設(shè)置，過期自動(dòng)失訪。

數(shù)據(jù)庫自動(dòng)生成整體隨訪信息，概覽并可視化展現(xiàn)，便于臨床研究人員了解隨訪進(jìn)度、訪視情況、隨訪記錄?？砂慈虢M時(shí)間、就診時(shí)間、最近隨訪時(shí)間、隨訪狀態(tài)、隨訪表單字段等進(jìn)行綜合查詢，隨訪點(diǎn)、隨訪員、患者等多個(gè)維度統(tǒng)計(jì)，便于隨訪進(jìn)度的總體把控[8]。

五、人群探索

人群探索為臨床科研人員提供針對病歷描述的精確搜索(診斷信息、年齡范圍、疫苗接種情況等)和模糊檢索(包括入院記錄、病程記錄、出院小結(jié)、死亡記錄等)，并支持設(shè)置為定時(shí)任務(wù)，根據(jù)任務(wù)定時(shí)執(zhí)行檢索并自動(dòng)分組納入患者。

六、數(shù)據(jù)洞察

大型方艙醫(yī)院運(yùn)營的過程中，數(shù)據(jù)庫可梳理出大量的指標(biāo)，分散在各個(gè)業(yè)務(wù)流程中，若不對指標(biāo)定義優(yōu)先級，建立聯(lián)系，則每次分析數(shù)據(jù)、定位問題時(shí)，都會(huì)如大海撈針，存在大量的重復(fù)且無效的工作。數(shù)據(jù)洞察可為數(shù)據(jù)分析人員提供自定義查看數(shù)據(jù)分布的途徑，新建各種指標(biāo)體系(見圖4)，如患者年齡分布、診斷分布、疫苗接種情況、藥品使用情況、生化指標(biāo)等信息。該功能設(shè)計(jì)多種數(shù)據(jù)統(tǒng)計(jì)分析功能，包括樣本設(shè)置、變量有效填充率計(jì)算、描述性統(tǒng)計(jì)、單因素分析、相關(guān)性分析、多因素分析等，將各項(xiàng)信息的分布、使用等結(jié)果直觀展示給臨床科研人員。

圖4 方艙醫(yī)院數(shù)據(jù)庫的結(jié)構(gòu)及指標(biāo)模塊

七、科研項(xiàng)目管理

數(shù)據(jù)庫提供病歷條件檢索功能，通過多維度數(shù)據(jù)的綜合查詢，開展復(fù)雜條件、沙漏型的病歷數(shù)據(jù)查詢，實(shí)現(xiàn)病歷信息的全方位、多維度、統(tǒng)一視圖瀏覽。利用于大數(shù)據(jù)和人工智能技術(shù)，根據(jù)新型冠狀病毒特點(diǎn)建立的?？茖２炷軌虺浞滞诰蚶梅脚撫t(yī)院積累的萬份病歷的全量數(shù)據(jù)，通過數(shù)據(jù)治理后的元數(shù)據(jù)均作為查詢條件，進(jìn)行精確和模糊匹配，開展回顧性和前瞻性的科研分析，同時(shí)記錄每個(gè)研究者的查詢記錄。在安全權(quán)限或者數(shù)據(jù)權(quán)限管理下，提供導(dǎo)出功能，方便臨床科研人員對數(shù)據(jù)進(jìn)行再加工，全流程支持整體科研提高科研醫(yī)生開展課題、采集科研數(shù)據(jù)及錄入隨訪數(shù)據(jù)的效率。

八、數(shù)據(jù)安全

數(shù)據(jù)安全主要體現(xiàn)在以下四個(gè)方面。①云安全管理，采用云主機(jī)安全、Web 應(yīng)用防火墻、高防IP、態(tài)勢感知管理平臺(tái)和漏洞掃描服務(wù)，可實(shí)現(xiàn)快速精準(zhǔn)識別入侵威脅，搭建多層級高效防護(hù)機(jī)制；②權(quán)限管理，對臨床科研人員進(jìn)行權(quán)限分級管理，賦予不同用戶不同權(quán)限，如只有授予導(dǎo)出權(quán)限的用戶才能進(jìn)行數(shù)據(jù)導(dǎo)出；③數(shù)據(jù)脫敏，采用數(shù)據(jù)編碼方式對敏感信息進(jìn)行脫敏，例如患者的住院號、姓名、證件號碼、聯(lián)系方式等；④實(shí)名認(rèn)證和數(shù)據(jù)溯源，所有用戶實(shí)名以手機(jī)號作為登陸賬號，患者相關(guān)數(shù)據(jù)界面顯示登錄者的水印及時(shí)間，用于后續(xù)新冠肺炎科研數(shù)據(jù)使用的記錄和溯源。

數(shù)據(jù)庫應(yīng)用效果

一、決策即時(shí)分析指揮艙

基于數(shù)據(jù)庫進(jìn)一步研發(fā)了決策即時(shí)分析指揮艙，面向臨床診療、運(yùn)營管理，展示當(dāng)前方艙、病區(qū)、患者等不同維度數(shù)據(jù)分析模型；提供確診患者來源、病區(qū)患者分布、基礎(chǔ)疾病分布、低齡或高齡患者數(shù)據(jù)分析和重危癥患者數(shù)據(jù)分析等，為管理者提供可靠的決策依據(jù)，實(shí)時(shí)改進(jìn)診療方案，提升運(yùn)營管理水平。

二、為數(shù)據(jù)上報(bào)構(gòu)建指標(biāo)體系

根據(jù)各個(gè)主管機(jī)構(gòu)的數(shù)據(jù)上報(bào)要求，將指標(biāo)分為三類，包括基礎(chǔ)指標(biāo)、衍生指標(biāo)和計(jì)算指標(biāo)(見表1)。

表1 上報(bào)指標(biāo)數(shù)據(jù)列表

1.基礎(chǔ)指標(biāo)：基于單一實(shí)體的屬性或行為統(tǒng)計(jì)得出，沒有更上游的指標(biāo)，即該指標(biāo)的父指標(biāo)是其自身。例如今日入院數(shù)、今日出院數(shù)等都屬于基礎(chǔ)指標(biāo)。

2.衍生指標(biāo)：對單一父指標(biāo)進(jìn)行某些維度上的取值限定而定義出的新指標(biāo)，整體上，其統(tǒng)計(jì)方式和基礎(chǔ)指標(biāo)一致。例如按診斷(無癥狀或者輕癥)分別統(tǒng)計(jì)的入院患者的數(shù)量、間隔24 h 二次陰性患者的數(shù)量等。

3.計(jì)算指標(biāo)：對描述型指標(biāo)進(jìn)行計(jì)算、排序、累計(jì)等操作后定義的指標(biāo)，例如累計(jì)收治人數(shù)、平均住院天數(shù)等。

三、臨床研究數(shù)據(jù)挖掘

建立新冠病毒病專病庫，提供查詢和導(dǎo)出功能，方便臨床科研人員更好地使用數(shù)據(jù)，轉(zhuǎn)化為攻關(guān)疫情的診療路徑和臨床指南，可以開展多維度的數(shù)據(jù)分析和挖掘。例如，通過患者流性病學(xué)調(diào)查數(shù)據(jù)和社會(huì)生產(chǎn)/生活數(shù)據(jù)的自動(dòng)解析，利用人工智能進(jìn)行模型搭建，挖掘病例關(guān)系，總結(jié)感染背后的高危行為，包括與患者接觸、人群聚集、出行等，形成可視化的時(shí)空軌跡碰撞和區(qū)域風(fēng)險(xiǎn)研判模型和高風(fēng)險(xiǎn)活動(dòng)的歸因分析，用于疫情趨勢預(yù)測、政策模擬仿真等應(yīng)用于疫情防控實(shí)戰(zhàn)的功能，可進(jìn)一步助力疫情防控的“早發(fā)現(xiàn)、早研判、早阻斷”，為決策者提供大數(shù)據(jù)支持的疫情分析。

討論及未來可開發(fā)功能

方艙醫(yī)院臨床數(shù)據(jù)庫通過快速構(gòu)建符合診療、科研維度的高質(zhì)量新型冠狀病毒專病庫，實(shí)現(xiàn)新冠患者診療數(shù)據(jù)的采集、存儲(chǔ)、質(zhì)控和利用，為防控新冠疫情、開展醫(yī)療救治、攻關(guān)科研難點(diǎn)、長效聯(lián)防等提供了有力的信息化保障。方艙醫(yī)院新型冠狀病毒數(shù)據(jù)庫建設(shè)過程中利用自然語言處理技術(shù)，對病歷文本中的醫(yī)學(xué)知識進(jìn)行挖掘，提高了臨床科研的效率和質(zhì)量。同時(shí)，在保證數(shù)據(jù)安全及患者隱私保護(hù)的前提下，實(shí)現(xiàn)數(shù)據(jù)的完整共享與應(yīng)用機(jī)制，充分發(fā)揮科研數(shù)據(jù)價(jià)值。

未來可利用方艙醫(yī)院臨床數(shù)據(jù)庫累積的大量高質(zhì)量數(shù)據(jù)，實(shí)現(xiàn)可數(shù)字化、圖形化地仿真?zhèn)魅静?dòng)力的展現(xiàn)，自動(dòng)生成和推算確診人數(shù)、治愈人數(shù)、死亡人數(shù)的仿真結(jié)果和未來長期走勢圖，也可為突發(fā)公共衛(wèi)生事件防護(hù)工作中疫情分析、疫情研判、應(yīng)急預(yù)案提供輔助決策支持，提升應(yīng)對傳染病疫情處理能力[9]。