基于医疗大数据的不良事件预警模型构建及实证研究

At the background of the serious environment of medicine in which the physicians were hurt by the families of patients frequently in our country, reporting and effective management of incident events become very important for patients safety, but most of the incident events were concealed or omitted. The results of our previous studies showed that the rate of reporting of incident events was only 0.25%. Medical big data mining bring a new way to incident events management. It will be effective and feasible for incident events management through medical big data early-warning analyzing, but few of these were reported based on the literature review. In this project, we will try to: a, establish an incident events early-warning index system through the mixed methods including qualitative and quantitative research and Delphi method under risk management theory; b, construct an incident events early-warning model under big data mining technology such as named entity recognition, association rules and deep learning. This model will be used to predict the clinic incident events in time after combining the incident events early-warning index system and medical data integration platform; c, form a bi-direction incident events management system with voluntary reporting and early-warning in order to increase the rate of incident events reporting. This project aims to start a new way for incident events managment, open a new area for patient safety management, decrease the rate of concealed and omitted incident events, improve the effects of incident events management and then enhance the patient safety.

我国当前医疗形势严峻，伤医事件频发，不良事件的上报管理对医疗安全管理具有重要意义，但是，我们的前期研究显示，不良事件的上报率仅0.25%。医疗大数据挖掘给不良事件管理带来新的视角，通过医疗大数据预测分析加强对不良事件的管理具有重要价值和理论上的可行性。本研究拟在危机管理理论指导下，运用混合性研究的方法，通过质性的深度访谈和量性的回顾性病例对照研究构建能发现不良事件发生痕迹的预警指标库；应用德尔菲专家咨询及心理学测量等方法对不良事件预警指标进行评价和调整；在医疗大数据集成平台上，应用命名实体识别技术提取非结构化数据，将预警指标与关联规则、深度学习等大数据技术结合，探索基于医疗大数据的不良事件预警系统，并最终形成自愿上报与预警监管的医院不良事件双向管理系统。该研究创新了不良事件的管理方法，拓宽了医院安全管理研究的新领域，对实现不良事件的有效管理，改善瞒报漏报现象，提升患者安全有重要意义。

我国当前医疗形势严峻，伤医事件频发，不良事件的上报管理对医疗安全管理具有重要意义，但是，我们的前期研究显示，不良事件的上报率仅0.25%。国内不良事件瞒报漏报情况严重，尚缺乏对瞒报漏报事件进行有效监督管理的方法。医疗大数据挖掘给不良事件管理带来新的视角，通过医疗大数据预测分析加强对不良事件的管理具有重要价值和理论上的可行性。本研究拟在危机管理理论指导下，运用混合性研究的方法，通过质性的深度访谈和量性的回顾性病例对照研究构建能发现不良事件发生痕迹的预警指标库；应用德尔菲专家咨询及心理学测量等方法对不良事件预警指标进行评价和调整；在医疗大数据集成平台上，应用命名实体识别技术提取非结构化数据，将预警指标与关联规则、深度学习等大数据技术结合，探索基于医疗大数据的不良事件预警系统，并最终形成自愿上报与预警监管的医院不良事件双向管理系统。. 本项目得到包括2个一级主题、13个二级主题、35个三级主题的压疮不良事件预警指标体系框架；基于随机上下采样文本卷积神经网络RS-CNN的超短文本矢量特征提取方法进行特征提取，构建了总特征词集；利用支持向量机的算法建立预测模型。本项目遵照预期形成大数据技术下的压疮不良事件预警模型1项并正在申请国际发明专利；在国内外核心期刊发表较高水平学术论文11篇，其中SCI7篇；培养研究生3名，其中毕业硕士研究生2名，在读研究生1名；组织国际国内学术研讨会3次，国际和国内学术会议专题报告或讲座8人次。. 相比于传统的依靠临床护士评估的方法来说，本项目所得预测模型能及时地发现临床已经发生的压疮或有压疮发生风险的病例，减少瞒报漏报情况，从而尽可能全面收集压疮不良事件，总结分析干预方案，减少压疮的发生，不仅节省了大量的人力物力财力，对压力性损伤的风险预警也可以在真正意义上达到实时监测、动态预警、实现早发现早干预早治疗，对减轻病人的痛苦、减少医疗费用及促进医疗事业的发展具有重要意义。