本文一共涵盖3篇精选的论文范文,关于《医疗数据分析论文(精选3篇)》的相关内容，希望能给你带来帮助!摘要：对于健康医疗大数据而言，其具有来源多样、数据分散、存在大量非结构化信息、融合壁垒高等特点，正是基于上述特点，导致无法有效的对健康医疗大数据进行追溯与治理。因此为有效的改变上述不良情况，则需要采用一种有效的方式对健康医疗大数据进行追溯与治理，目前多使用基于元数据可追溯性的方式进行分析。
医疗数据分析论文 篇1：
医疗大数据分析在按病种付费管理模式下的临床应用
[摘 要]新形势下，我国医疗事业不断发展，医保制度建设也在不断完善，医保监管越发严格，如何高效利用医疗行业的信息化建设开展医保管理，将海量医保数据进行大数据分析得出的经验更好应用于我院的临床，更好地为病人服务，成为医疗行业发展重点。文章探讨了医疗大数据分析在按病种付费管理模式下的临床应用，以供参考。
[关键词]医疗大数据;医院医保管理;病种付费
1 前 言
近年来，国家实施医疗体制改革，提高了医疗投入与报销比例，医保费用逐年上涨，如何有效控制医保费用的不合理增长，成为相关部门思考的课题，于是就产生了按病种付费的医保模式，直接影响到医院的收支情况和生存能力，对医生的诊疗手段产生重大的影响。而作为医院的管理者，如何更好地利用医保智能审核反馈的信息是一项重要课题，要通过数据样本分析，发现医院诊疗手段不足，从而改善医院服务水平。
2 当前群众参保现状及医保管理模式
全民参保是新时代下的必然产物，普通人民群众为自己上了一道保险，以用最低的成本换取最高收益的保障。2018年度到我院就诊的病人，总诊疗人次448877人，职工医保占比达到76.23%;居民医保占比达到16.5%;医保人数合计达到92.73%，医保病人产生的总费用1.13亿，医保总记账金额达到7899.91万元，占医院总收入的78.5%。从数据来看医保收入占据了医院医疗收入的大部分，必须有针对性地探讨新时代按病种分值付费，通过对数据的分析，查找医院存在的问题，使我院的诊疗手段更加规范，从而改变医院入不敷出、病人叫苦连天两难的局面。当前国家越发重视医保管理问题，充分利用大数据，数据挖掘技术的开发与应用不断发展，并取得了显著效果。对医院管理能力提出了更大的挑战，需要在实践中不断摸索向前，制度不断完善，内容逐渐细化，临床与管理变得不可分割。
3 按病种分值付费模式下医保管理中存在的问题
（1）诊疗行为不规范。目前仍存在少数医生开大处方、大检查、过度治疗，导致病人费用大幅高于常规水平。由于目前医生工作量与绩效互相关联，导致医生盲目追求自身利益，忽视了医院的公益性和病人的需求性。
（2）监管的滞后性。由于事前没有监管到位，往往是事后才发现违规医疗行为的发生。有时又由于院内医保监管部门管理的滞后性没及时发现医保智能审核的偏差，在患者出现特别病种综合征风险的情况下系统容易产生硬性审核差错风险的概率，没能及时将实际病情反馈到医保局，使医院承受不必要的损失。
（3）医院过度依赖通过自身创收去养活医务工作者，缺少国家财政的投入。导致医院为了生存和发展，没有严格遵守國家各项医保政策忽视医疗过程中存在的问题。
（4）医保管理方式较为落后。较多的依赖人工，缺乏有效的信息手段提前介入到医疗行为中，同时医保管理人才缺乏综合的医疗知识，不能为错误或不完善的医疗行为及时提供有效的意见。
（5）医保政策的宣传不到位，医生自主学习意识不够强烈，缺乏比较有效的渠道了解新生代医疗。对按病种分值付费这种模式比较抗拒，认为这跟医疗行为没有关联。
4 医疗大数据分析在医院医保管理中的临床应用
4.1 树立医生坚守良好的执业道德规范和诊疗行为的意识
针对各个学科的发展，对患者进行规范的诊疗，减少不合理的诊断和治疗。对明确限定范围的适应证用药严格按照医保规定遵照执行。比如某院在核查医保智能化审核反馈回来的信息，关于诊断用药过程中就发现有患者慢性肾脏病4期，肾性骨营养不良，有使用骨化三醇指征，但用药范围就开了限中、重度骨质疏松、肾性骨病、甲状旁腺功能减退症的药物。这种不对症的治疗行为违反了医保限定适应证（条件）用药（住院）的规则，最终导致医保扣罚医院此部分医疗费用，使医院蒙受损失。在实际工作中，医保管理部门的职责，除了需要对医生进行必要的医保知识的培训外，还可以通过医保反馈的信息，进行大量样本的数据分析，对各类病症的用药及治疗方案进行监督，加强对医疗质量检查，有效提高医院整体临床医疗水平。
4.2 建立智能预警，实现医保精确管理
患者在医院发生了医疗行为，医生接诊完毕收费结账时就将数据上传至医保中心。从内控角度应该要有内部审核过后再上传数据，避免医生因诊断操作失误导致处方与诊断不一致的现象。这是管理前瞻性的问题，避免人为错误使医院在信誉与经济上受到损失。例如，某院曾发现一例诊断为冠状动脉粥样硬化性心脏病的患者使用门冬胰岛素。这是医生的误操作，患者可能有多种病症，不同的病症对应不同的诊断和用药，如果医院信息系统也能做到提前智能预警，医保部门及时审核这些常规的错误就能减少医保中心不予支付的款项，减轻医院损失。要通过大数据反馈的信息，筛选这些常见的问题，及时反馈给各科室和医生，避免下次出现同类的错误。还有一些病种，如宫颈息肉切除术属于指定手术单病种的范畴，医生在下诊断时没有根据医保规定按单病种上传，由于没有按单病种结算就没有对应的分值，所以医保中心无法根据分值进行拨付，只好直接对医院扣罚此项费用。
4.3 广泛应用人工智能手段，引导医务人员多学习相关政策
医院应积极利用医疗大数据，建立智能预警，通过嵌入分析系统、病例查询、费用预警体系、医保运行盈亏、处方查询等，为患者提供实时的数据服务，为医保管理提供详细、准确的数据支撑，推动医保管理模式的创新。
在医保系统开发中，首先，应以医生工作站、电子病历为基础，建立临床医嘱，使医保管理人员能够将医保政策与临床医嘱有效联系，提高医保管理水准。如医院可在平台上设置弹窗提醒，使医护人员掌握限制类、辅助类药物的具体应用，同时，保障医护人员全面理解医保用药的规则，有效减少违规行为。另外，对于患者自费项目与大额材料的使用，可采用即时提醒，使患者及时掌握相关情况，有效节省临床费用，提高医保管理效率。
其次，对于医保门诊处方的查询与复核，应在医保系统中设置条件，使工作人员能够在医保大数据中准确判断目标处方，有效降低人工操作失误。如相关人员可将处方分类以时间划分，当工作人员在搜索栏目输入目标对象时，系统能够快速挑选出目标，有效节省医保管理人员的检索时间，全面发挥了医疗大数据的作用。再次，将医疗大数据集成多个模块，为医保控费、医保监管的落实奠定基础。
最后，医疗大数据在医保管理中的应用，为医保管理提供数字化管理方案，使管理人员实时掌握医保运行指标、医保运行变化等，使医院充分结合医保政策，对医保管理系统进行准确评估，全面提高医保管理水平。如在按病种付费模式下医保中心是综合同一地区同一个病种各个医院的平均医疗费用进而产生相应的分值。医院诊疗水平的高低直接影响到分值，如慢性十二指肠溃疡对应的分值938分，而医院目前诊疗水平超过这个分值，超出部分由医院承担损失。这就促使医院学习先进诊疗理念，通过对相应病种分值分析比较，找出存在的差距，参观学习其他医院更好的经验，促进医疗水平的提升。
4.4 争取财政较大的支持
探索既能促进医务人员工作积极性，又最大限度地保护患者利益的补偿机制。建立一个诚信就医、诚信看病、医者仁心的社会氛围，剔除医务工作者要靠医疗收费养活自己的恶性循环机制。
5 医疗大数据应用的挑战与措施
5.1 医疗数据不完整，实效性不强
由各个层面来看，在社保信息系统中，医保信息主要是参保人员、结算数据等，医疗行为相关的病例、医嘱、服务反馈、药品进销存等数据普遍存在缺失问题，影响了医保智能的监控，制约了支付方式的改革，相关部门很难对参保人提供精确服务。同时，医保联网的检测数据多是以月为单位上报，以此为医保基金监管、参保待遇查询、宏观决策等提供数据支撑。但是，以月更新影响了信息实效性，制约了医疗大数据的作用发挥。对此，相关部门应对参保登记、参保人员基础信息进行统筹规划，建立独立的数据库，使相关人员能够准确把握参保人员具体情况，为医保管理提供准确的信息支撑。同时，对信息资源进行有效整合，对联网监测到的医疗数据进行优化，將每月一次更新调整为每日一次，细化业务数据，提高医疗信息的实时性，为医保管理提供准确的数据支持。
5.2 医疗数据的应用并不充分
在医院医保管理中，医疗大数据的应用仍不充分。虽然社保部门已认识到数据背后的价值，并积极与相关部门联合开发数据并应用，但是，以医保为主，相比于医疗大数据，社保部门开发的数据仅是其中冰山一角，大量数据并未被有效应用。并且问题数据的存在，影响了数据质量，若将问题数据应用于医保管理中，将给医保管理带来负面影响。对此，有效剔除问题数据，充分利用医疗大数据，对医保管理具有重要意义。
基于此，社保部门可利用互联网、大数据等手段，积极建设大数据平台，对医保数据进行高效、集约式管理，为广大群众提供有效的社保服务。平台建设中，可以大量医疗数据作为基础，建设协同、服务、决策、监管的数据管理平台，对数据标准统一、统一管控，提高管理服务的效率，充分发挥医疗大数据的作用。同时，平台建设对数据统一管理，有效解决了问题数据带来的影响，充分发挥医疗大数据的作用，为提升医保管理质量奠定基础。
5.3 医疗大数据的安全体系并未健全
近几年，国家高度重视医疗大数据的安全性，并制定了相应的安全管理规范。但是，大数据环境下，数据链条较长、规模较大、数据流动性强、来源面广，加大了数据安全保护的难度，传统的安全控制方式已经无法保障医疗大数据的安全。对此，为了发挥医疗大数据在医保管理中的作用，应积极构建数据安全体系，管理人员要充分认识到数据安全的重要性，树立安全意识，防范数据泄露风险。同时，构建数据管理机制，对医疗大数据进行科学管理，实现数据管理的规范且权责明确，保障医疗数据安全。
6 结 论
总而言之，目前的医保政策上至国家层面下至基层医疗机构都是一个探索的过程，在这个云数据快速发展的大时代面前，应将数据集成加工后的结果应用到临床上，加强医疗大数据的应用，全面发挥医疗大数据的作用，提高医院医保管理水平，推动医疗行业进一步发展。
参考文献：
[1]江海林， 李玲， 彭雯君. 大数据环境下医院医保系统开发与应用探讨[J]. 中国管理信息化， 2018（6）：158.
[2]景玺， 秦靖沂. 大数据在医保管理中的应用与发展方向[J]. 中国医疗保险， 2018，118（7）：24-27.
[3]程越岳.基于经济视角的医疗大数据应用与主要问题解决思路[J].中国市场，2017（17）.
作者：叶运平
医疗数据分析论文 篇2：
基于元数据可追溯性的健康医疗大数据分析
摘 要：对于健康医疗大数据而言，其具有来源多样、数据分散、存在大量非结构化信息、融合壁垒高等特点，正是基于上述特点，导致无法有效的对健康医疗大数据进行追溯与治理。因此为有效的改变上述不良情况，则需要采用一种有效的方式对健康医疗大数据进行追溯与治理，目前多使用基于元数据可追溯性的方式进行分析。本文将论述基于元数据的数据融合方式及数据可视化呈现等内容。
关键词：元数据;可追溯性;健康医疗大数据
随着健康意识的不但提升，近年来健康医疗大数据开始受到医学界的重点关注，为此国家卫建委下发相关的政策加强对健康医疗大数据的规范管理与开发应用。为有效的实现上述目标，目前开始使用基于元数据可追溯性的方式对健康医疗大数据进行分析[1]。本文将探讨基于元数据可追溯性的健康医疗大数据分析方式与效果。
1.基于元数据的数据融合方式
1.1需求现状分析
1.1.1目前我国国医疗健康元数据的现状
所谓的元数据主要是指“关于数据的数据”，若能对元数据进行良好的管理，则能够有效的实现对数据统一管理，由此可知，需要对元数据进行准确、快捷访问。通过近年来的研究发现，完整的元数据管理模式主要分为如下部分，即完整的字段定义、与数据源的对应关系、不同数据来源元数据间的映射关系。但通过观察实际情况可知，因无法对元数据定义及录入时统计口径进行统一，从而导致医疗数据存在精准度欠缺、一致性低、准确度较低等不良问题[2]。
1.1.2临床数据交换标准协会中元数据可追溯能力的可视化呈现
自进入国际协调会议后，我国卫生部门对临床数据提交的规则与要求进行了更加向有效的完善。Real World Data是临床数据交换标准协会的一个重要项目，其主要的宗旨在于通过电子健康记录系统对相关数据进行收集，以便能够将其有效的运用到临床研究与安全报告中。然而通过纵观实际情况发现，临床数据交换标准协会在元数据的可追溯性方面仍然存在较大的缺陷，因此为有效的解决此问题，目前临床数据交换标准协会开始使用Trace-XML系统，主要包括验证端到端的追溯能力、运行端到端追溯查询、可视化端到端的追溯能力等部分，有效的提升元数据的分析能力。
1.2基于元数据的数据融合的设计思路
为有效的提升基于元数据的数据融合能力，目前多使用半自动化的融合方式，该种方式包括如下功能：①能够实现对原始数据库的表、字段、表间关系的有效抽取;②形成原始数据库的数据模型元数据，能够对每个表与字段标注业务名称与备注;③具有按照业务名称或表与字段名称进行搜索的功能;④具有对表与字段的增加、修改、删除管理数据模型的功能。
1.3基于元数据的数据融合的结构设计
（1）逻辑架构。对于数据采集而言，需要具有规范地目录，包括数据源、数据目标与转换规则等。目录的生成的方式如下，即将基于已存在的业务术语关联到对应的元数据，并通过数据源映射到业务术语，并且形成新目录。在形成目录的过程中，主要涉及到如下方面：①使用自然语言处理算法去重、归一、梳理、消歧数据，之后将数据模型添加至知识库中;②依据对应业务数据模型将处理后的数据模型抽取、清洗到目标数据库中。
（2）数据收集与分析。在数据收集方面主要使用具有高性能、高可用、高扩展特性的结构化数据库集群系统，该种系统不仅能够提供通用计算平台，同时还能够广泛应用于支撑各类数据仓库系统、商务智能系统与决策支持系统中。在数据分析方面，筛选不同部门的所需数据，以便能够对医疗数据全景图进行规划，从而能够提取出更具有价值的数据。
（3）技术架构。目前多使用基于CWM的医疗元数据管理进行技术架构。所谓的CWM主要是指对象管理组织在数据仓库系统中定义的、具有完整的元模型体系结构，主要用于数据仓库构建与应用的元数据建模方面。通过分析可知，CWM模型主要包括如下规范：①CWM元模型。该模型主要用于对数据仓库系统的描述。②CWM XML，主要是指CWM元模型的XM表达形式。③CWM DTD。该种格式主要是DW/BI共享元数据的交换格式。④CWM IDL。该种格式主要是DW/BI共享元数据的应用程序访问接口。
2.数据可视化呈现
为更加明确数据资产分布情况与产生过程，目前多采用数据可视化系统，主要包括元数据采集、元数据展示、元数据应用、元数据搜索、元数据浏览及管理、数据字典管理等内容，具体如下：
2.1元数据可视化的主要内容
2.1.1元数据采集方面的可视化
纵观目前的实际情况，现有的健康医疗大数据平台主要包括事实表与值域表。事实表主要分为定义类与管理类元数据等方面;值域表主要为表示类元数据。为实现数据融合后的格式统一，在采集数据的过程中采用可视化操作管理，主要包括结构标准化、数据标准化等内容。通过对数据进行标准化处理，在较大程度上实现了数据的高效与融合的规范性[3]。
2.1.2元数据展示方面的可视化
所谓的元数据展示功能主要是指对某元数据来源的分布情况进行展示，从而能够追溯到影响该指标的所有源数据库的元数据，通过采用血缘关系分析能力利用图形对各业务数据的图谱进行完整展现。
2.1.3元数据搜索方面的可视化
所谓的元数据搜索主要是指用户可通过不同类型的数据源库对元数据进行搜索，以便能够更快的对元数据进行定位，并增强用户的了解程度。
2.1.4元数据浏览方面的可视化
所谓的元数据浏览主要是指用户可对数据字段名称、字段类型、长度、是否必填等项目进行查看浏览;并且用户能够依据自身的实际需求对过滤规则进行编辑，以便能够使元素局更加标准化、更具有规范性。
2.2治理后的平台功能情况
通过纵观健康医疗大数据平台治理后的实际情况，相比于治理前，該平台具有更高的完整性、正确性、一致性、合理性与时效性。收集实时与标准的数据能够对数据进行有效的治理;对元数据标准进行统一后获得的主数据具有更加良好的存储、整合、清洗与监管效用。按照目前现有的需求，基于元数据的数据融合能够对诸多不同医疗机构的数据进行整合;将整合后的数据按照慢病管理、公共卫生、药品使用情况予以分类，由集合后的数据集市对所需要数据进行抽取，之后进行计算，并对计算后的数据予以可视化呈现，便于用户直截了当的进行观察分析。同时，用于生成统计指标所调用到的字段，不仅能够进行详细的可视化展现，同时还能够辅助用户对数据实体间的组合与依赖关系进行理解，最终有利于客户的选择。
通过对平台进行治理后，医疗大数据平台可依据追溯数据来源及其元数据，实现了对数据的有效的控制，并且用户可依据患者、病种、科室的具体情况对该区域的医疗信息进行详细查看并作出相应的分析。
3.总结
伴随着互联网技术的不断发展，将会出现更多的健康医疗大数据，为确保数据控制获得较高的质量，对数据进行统一、一致的管理，保证大数据平台的正常运行，则需要对数据进行良好的整合，而基于元数据的数据融合方式则是实现上述目标的重要方式，能够获得良好效果。
参考文献：
[1]王霞，李岳峰，董方杰，胡建平，张学高.中国健康医疗大数据资源核心元数据研究[J].中国卫生信息管理杂志，2019，16（03）：268-271.
[2]王利亚，邱航，陈若雅.基于元数据可追溯性的健康医疗大数据治理方法及可视化呈现[J].中国卫生信息管理杂志，2019，16（06）：661-666.
[3]阮彤，邱加辉，张知行，叶琪.医疗数据治理——构建高质量医疗大数据智能分析数据基础[J].大数据，2019，5（01）：12-24.
作者：吴小颖 李熠慜
医疗数据分析论文 篇3：
论新医改背景下大数据分析对医疗资源配置的促进作用
【摘 要】以医疗服务机构改革、医保体制改革和药品流通体制改革为核心的三医联动医疗服务体系改革是解决百姓“看病难”“看病贵”问题的重要途径。资源的优化配置已成为此次改革中实现医疗资源公平性的着眼点之一。论文从大数据的特征入手，从医疗保障、药品供应保障体制改革、医联体的建设及医疗机构内部改革三个层次梳理大数据分析运用现状，并通过大数据分析的预测性及分析范围的高维度论述其在医疗卫生服务体系改革中的促进作用。
【
【關键词】大数据分析;医疗卫生服务体系改革;资源配置
【
1 引言
为了缓解和根本上解决长久以来困扰医疗行业健康发展的诸多问题，国家积极实施了一系列医疗体制改革的措施并取得了一些成效。然而，当改革逐步进入“深水区”，协调推进医疗服务体制、药品供应保障体制以及医疗保障体制改革已是势在必行。2017年李克强总理在主持召开的国务院常务会议中，明确指出要通过医改，优化医疗资源配置以保障人民健康。因此，医疗资源优化配置既是医疗行业发展的关键，同时也是三医联动中亟待解决的重要问题之一。
资源是稀缺的，医疗资源更是如此。有学者认为，医疗资源的优化配置需要以医疗服务的可及性、医疗服务的公平性以及医疗体系的效率为主要标准[1]，因此，在三医联动中要实现资源的优化配置需要三个层次共同协作完成：首先，医保基金要对医疗、医药资源的配置体现出核心杠杆的作用;其次，在医联体改革中，促进医疗资源下沉，平衡各级医疗机构成员间的医疗资源的分布，实现“双向转诊”制度长久并有效得到实施，也需要体系内医疗资源的合理配置;最后，对于参与改革的各级医院来说，协调改革与发展的关系，提升人力及物质资源有效分配，实现资源优化配置也是保证改革顺利实施的重要一环。要每一个层次达到资源优化配置的管理目标，不但需要实施管理的主体对自身情况有充分的认识，同时还需要对改革所涉及的各利益主体有更为全面和深刻的了解。如何更有效地实现这三个层次的资源配置的目标，便是摆在改革者面前的一个难题。幸运的是，在互联网及云计算风起云涌的当前，大数据的分析与应用或许可以为我们提供一个解决问题的全新视角。
什么是大数据？目前学术界没有明确统一的界定，但是数据规模大、数据类型多以及应用价值高等特点是目前很多学者广泛所认同的。随着信息时代的到来，海量数据的收集、处理、分析与应用已经帮助很多行业实现跨越式的发展。近几年，医疗卫生服务体系改革的有关研究中，很多学者已经开始运用大数据的分析作为工具解决改革过程中涉及的一些问题。
2 三医联动中大数据分析已取得的进展
2.1 大数据分析在医疗保障及药物保障体系中的应用
《“十三五”深化医药卫生体制改革规划的通知》中明确指出，未来的医疗体制改革将以病种付费为主，按人头、按床日、总额预付等多种付费方式相结合的复合型付费方式，鼓励实行按疾病诊断相关分组付费（DRGs）的方式。有条件的地区可将点数法与预算管理、按病种付费等相结合，促进医疗机构之间有序竞争和资源合理配置。由此可以看出，医保付费的核算趋向精细化、复杂化。这就迫使医保付费体系的改革需要涉及更多方面，既需要考虑医保及自费总额的总体控制要求，又要考虑医学技术的安全性、疗效以及经济性。因此，信息的收集和分析也必然是多维度的，如公共卫生数据，患者就診行为偏好，临床医学信息以及管理等方面。通过整合大量信息，可以为医保决策提供更有价值的科学依据。另外，在基本药物保障体系中，由于网上集中采购信息系统功能的缺失，存在着交易过程以及信息不对称所造成的信息碎片化问题。借助于大数据可以帮助政府监管者从全局掌握信息，有助于降低政府型和市场型交易费用，提高药品供应效率[2]。
2.2 大数据分析在平衡医联体中医疗资源的应用
为了解决目前医疗资源在地域间以及不同层级的医疗机构间分布不均衡的问题，我国正逐步引导并实行社区首诊、分级诊疗、双向转诊的医疗体制的供给侧改革。有研究表明，借助智慧医疗项目的大数据平台，可以有效地控制医疗业务成本并进行预警式分析，并借助服务创新以弥补各级医院的服务短板[3]。此外，融合大数据分析及博弈论的思想，通过模型建立医疗系统总效益公式，可以提高患者病情甄别精度、提高院间双向转诊的效率，实现医疗系统以及患者双方总效益的增加[4]。
2.3 大数据分析在医院资源优化配置中的应用
在疾病诊治、慢性病的防治以及重大疾病的诊断、精准治疗等方面，大数据的收集与应用也有了开拓性的进展。其中精准的治疗就意味着通过对患者大量的诊治数据分析，对疾病的治疗方式、药物用量等能做到更为精准，也可以为医院实现智慧医疗提供强大的数据支持。从管理运营角度来看，大数据的分析和应用因客观情况存在着差异，在管理方面仍属于起步和探索阶段。未来改革中医院决策的可靠性程度将更多地依赖数据分析的全面性。通过挖掘大量患者的诊疗数据的有价值的信息，可以实现医疗数据社会效应与经济效应的双重提高[5]。还有学者认为，大数据可以为医院的管理带来潜在的价值，其中包括依据通过对患者住院信息，可以降低住院患者的平均住院日以及医疗保险赔付精算和预测。
3 信息时代大数据分析的优势
在信息时代背景下，医疗机构内部管理的分析中，大数据的分析具有时代优势。大数据的分析具有较强的预测性。在三医联动的改革中，医疗服务提供主体在各项决策的制定过程中，对信息的预测性需求增强。从很多成功实施医联体改革地区的经验来看，在形成医疗联合体的同时，普遍都采取了整体打包医保资金的做法。以更为精细化的医疗资源布局，推动医生合理接诊、患者合理就诊的新格局的形成。而为了实现这一目标，与医保机构协商确定打包资金的规模以及打包资金在医疗服务体系内部的再分配，则是医疗服务机构需要决策的难点。通行的做法就是根据以往的信息进行测算并据此对下一年的医保资金进行预测，因此，数据的分析要具有一定的预测性。大数据分析正是以大量样本作为分析对象，因大量样本总体变化具有一定的稳定性，可以弥补个别样本以及极端特殊情况对分析结果造成的影响。面向管理决策的有关研究认为，大数据的分析的技术可以厘清数据交互连接所产生的复杂性，克服数据冗余与缺失对分析造成的不确定性，根据实际需要从高速增长和交叉互联的数据中充分挖掘其中的信息、知识和智慧，以达到充分利用数据信息价值的目的[6]。
随着改革过程的逐步推进，医疗服务机构面临的不确定因素增多，这就意味着医院决策所需要考虑的因素既是多方面的又是难以量化的。管理决策的制定所依赖的不仅是管理者的经验和直觉，而是需要获取大量的外部信息，尤其是与患者就诊有关的信息。只有基于这些科学的数据所得到的结果才能使决策更为科学、合理。另外，传统的财务指标对运营成果的考核具有局限性。大数据的分析既可以满足传统财务指标综合分析的需要，同时还支持对非财务指标的需要，正是这种高维度信息的使用，对于问题成因可以有更为充分的认识和发现，提高决策的精准性和预测性。
4 医疗服务体系改革中大数据分析所面临的问题
4.1 跨机构数据整合口径一致性
为了提高医疗资源的利用效率，大数据的分析的内容既包括医疗机构运营所产生的全成本信息，同时又包括患者在药品使用、医疗费用以及医保基金等海量就诊数据。而这些数据在信息系统开发之初，不同医疗机构对信息要求的个体化差异，会使这些数据在统计口径、数据格式以及信息完整性方面存在差异。在医联体组建过程中，信息共享以及信息整合的程度，会直接影响到大数据分析的内容覆盖的范围以及分析获取数据的质量。
4.2 分析方法的应用
医疗行业用于资源整合的数据信息既包括大量的已经量化的数据，同时包含大量的定性数据的分析。决策的对象既包括可用货币计量的实物资产，同时还包括医护等人力资源等非货币化资源的配比问题。数据处理及分析方法除了涉及统计、计量等管理学科，还可能扩展到计算机、社会学、生物等多学科、多角度的交叉来处理相关问题。因此，数据处理及分析的方法的应用既可能会影响到数据分析质量，又是大数据分析需要突破的难点和重点。
4.3 数据的保密
许多地区与智慧医疗有关的项目都在积极地实施和开展。大量与患者就诊有关的数据被保存，这其中包括医院日常管理患者的临床诊断、病程记录、检查化验的信息、用药记录等方面，信息类型既包括了文字同时还会包括许多图像信息。因此，在这些数据的收集、储存、传输以及调用方面对患者信息的保密性是医院开发的信息系统是需要着重考虑的方面。此外，大数据在使用、储存过程中需要防范信息泄露的问题，避免信息被不法分子窃取和滥用。
未来随着医改进程的不断推进，作为一种适应时代需要的分析方法，与大数据有关的分析将更加广泛地应用到各个层次的改革中。相信随着大数据的分析方法研究的不断深入，资源配置会更加精细化、科学化。希望在医改中，大数据的分析可以被更多的改革主体所接受和应用，也希望大数据分析技术和方法可以得到更深层次的研究和开发，从而更有效地推动医改的顺利实施。
【参考文献】
【1】代英姿，王兆刚.中国医疗资源的配置：失衡与调整[J].东北财经大学学报，2014，91（1）：4-53.
【2】左根永，方龙宝.基于交易费用理论和大数据技术的基本药物供应保障体系优化策略研究[J].中国卫生经济，2014，33（6）：62-64.
【3】吴俊，文联.大数据如何驱动医疗服务供给侧改革——基于A市智慧医疗案例的探索研究[J].山东财经大学学报，2017，29（1）：73-89.
【4】郭晨，李刚，何宇.大数据时代下分级诊疗制度设计：基于医疗资源优化配置的博弈分析[J].中国卫生经济，2018，37（5）：22-25.
【5】陈惠芳，徐卫国.大数据视角下医疗行业发展的新思维[J].现代管理科学，2015（4）：70-72.
【6】徐宗本，冯芷艳，郭迅华.大数据驱动的管理与决策前沿课题[J].管理世界，2014（11）：158-163.
作者：陈明