基于数据中心的住院患者等候时间分析与利用

根据国家卫生健康委数据统计，2019年1～11月，全国公立医院出院人数达15308.6万人，同比上升4.3%。医院服务量不断上升，加之对于提高优质医疗服务能力的需求，促使医院加强门诊和住院服务力量统筹，合理分配优质医疗资源满足老百姓看病需求。国家卫生健康委在《进一步改善医疗服务行动计划》中提出要缩短住院患者等候时间，让患者享受更便捷的诊疗服务。但有研究发现，等候时间长仍是降低患者满意度的主要因素之一。本文旨在以我院外科病房为例，探索住院患者等待时间情况及等待入院天数影响因素，为进一步提高医院服务质量提供参考。

1 对象与方法

1.1 研究对象

2016年起我院住院通知单试行上线。从我院数据中心抽取开具住院通知单并在该病房住院的患者5919人次。我院自2015年以集成平台为信息协同手段，建立基于Hadoop构架大数据技术的全量实时数据中心，结合Spark Steaming等高性能计算框架和Sqoop ELT等大数据工具，整合临床数据，集中存储统一管理，数据量已超过22.79亿，累计海量数据14.8TB。通过数据清洗和归档，将患者院前、院中和院后数据进行串联，通过数据治理，优化数据质量。从数据中心抽取本研究患者资料，包括年龄、性别、患者来源、婚姻状况、住院次数、门诊诊断、住院类别、入院目的、入院途径、医生类型、开住院通知单时间、入院时间。通过医院数据查询审批后获得数据，数据仅供本研究使用。

1.2 研究方法

本研究为回顾性研究。患者数据均已去隐私，以患者编号作为患者唯一标识。数据原始来源为门诊医生站和住院电子病历，数据中心从住院电子病历病案首页抽取年龄、性别、患者来源、婚姻状况、住院次数、门诊诊断、住院类别、入院目的、入院途径和入院时间，从HIS抽取开住院通知单时间，所有变量在业务流程中均为重要必填项或参考项，保证了数据的真实性和完整性。对抽取后的数据与原始数据进行二次核对，保证数据的一致性。医生类别根据临床医师组进行划分。

1.3 统计学分析

用SPSS 26.0进行数据统计分析。两两比较分析采用非参数检验。采用多元线性回归对住院患者等候时间及其影响因素进行分析。检验水准α=0.05。住院等候时间以患者入院时间和患者开住院通知单时间的差计算。

2 结果

2.1 基本情况

患者男性3364人次，女性2555人次，分别占56.83%和43.17%。患者平均年龄37.67岁，年龄最大的患者89岁，年龄最小的患者1岁，21～40岁患者所占比例最高（37.17%），共2200人次。未婚患者2014人次，占34.24%，已婚患者3785人次，占63.95%。除西藏自治区、宁夏回族自治区、香港、澳门和台湾外，其余各省均有患者分布。本市患者2844人次，占48%；非本市患者3075人次，占52%。

患者等候入院时间平均数为18.98天，中位数8.89天（P₂₅=3.67，P₇₅=21.93）。手术患者5730人次，占96.81%。入院时情况一般患者5795人次，急者50人次，危者2人次，分别占99.11%、0.86%和0.03%。门诊入院患者5589人次、急诊入院患者250人次，分别占94.42%和4.22%。

2.2 住院患者等候时间单因素分析

不同性别患者等候入院时间差异无统计学意义。相较其他年龄段患者，21～40岁患者等候时间[10.93(3.99，26.67)]更长，80岁以上患者等候时间[0.06(0.02，5.25)]更短，差异有统计学意义(χ2=115.59，P＜0.05)。入院时病情急[0.03(0.01，0.38)]、危[0.025(0.02，0.03)]者等候时间很短。入院目的为手术者等候时间[9.01(3.89，22.86)]较入院目的为观察[0.03(0.01，1.54)]和治疗[0.03(0.01,0.70)]者等候时间更长，差异有统计学意义(χ2=283.51，P＜0.001)。门诊诊断个数为2的患者等候时间最长，此后诊断个数越多等待时间越短。相较于副高职称医生[10.36(4.70，20.95)]和带组医生[10.14(4.90，25.71)]，主治医生的患者等候入院时间[5.70(0.07，14.76)]更短，差异有统计学意义(χ2=137.43，P＜0.001)。详见表1。

表1 住院患者等候时间单因素分析 

2.3 影响因素分析

以住院患者等候时间作为因变量，根据单因素分析的结果，结合文献综述发现的可能和住院患者等候时间有关的影响因素，被筛选进入模型的变量为：患者来源、住院次数、门诊诊断个数、住院类别、入院目的、入院途径、医生类型。

引入变量后，患者来源、住院次数、门诊诊断个数、住院类别、入院途径和医生类别会对住院患者等待时间产生影响。本模型常数项回归系数为32.07。本市患者比非本市患者等待时间多2.09天，住院次数每增加1，等待时间增加0.3天；相较其他住院类别，住院类别为急和危的患者等待入院时间分别减少14.49天和9.11天。入院途径间比较，门诊、急诊和其他途径入院患者等待时间分别减少14.27天、17.35天、24.23天。医生类别间比较，相较于其他类型医生，主治医生的患者等待时间更短。详见表2。

表2  住院患者等待时间的多元线性回归结果

3 讨论

3.1 等候入院时间差异大，本地患者等待时间长，主治医生的患者等待时间短

等候时间差异大，主要原因是患者病情差异大，病情危急患者等待时间较短，需较长时间占据床位的非手术患者，等候时间较长。外地来京患者旅途奔波、经济负担高，除医疗费外还有交通费、护工费、陪护亲属住宿费和误工费等支出。为提高外地患者就医的便捷性，在病情一般的情况下，外地患者等待时间通常短于本地患者。但这也会造成本地患者的流失。主治医生患者相较于副高职称医生和带组医生的患者，等候时间更短，经与临床医生访谈，得知患者住院前会多次专家门诊就诊以决定最终治疗方案，虽然开具住院通知单但患者仍未决定是否住院，导致开住院通知单到患者实际入院的时间较长；但通常找主治医生开具住院通知单时患者已决定住院，因而主治医生等待时间更短。

3.2 通过信息系统实现手术患者预住院管理

预住院模式是针对需要住院治疗的且病情相对稳定的患者在没有空床不能立刻收治的情况下，完成正式住院诊治所需要的相关检验检查，患者在完成必要检查和处置后，根据床位情况安排正式入院。传统医疗管理模式下，患者需在正式住院后才能接受检验检查和会诊评估，并且在正式住院后仍需排队等候手术或治疗安排，整个住院周期消耗时间较长。预住院模式可降低患者的术前住院日、减少患者流失率、提高床位利用率。在医院建立预住院信息系统，实现患者就医全流程追踪，便于患者管理。医生可在系统中总览患者情况、合理统筹床位和入院时间。有研究表明信息需求与焦虑水平呈正相关，提供信息越充足患者焦虑程度越低，患者就医体验越好。在医院信息建设中可增加提醒功能，通过短信提醒、电话随访等方式提示患者预住院进度、注意事项等，提升服务质量，提高就医体验，减少流失率。

3.3 加强管理，统筹患者安排

细化科室管理，优化绩效考核，医生明确待入院患者人数、病情、开住院通知单情况，合理安排患者入院。根据开住院单情况和待入院患者人数明确床位预留计划，根据患者病情和患者来源综合考虑患者预入院时间，优化医疗资源配置减少医生间的等待入院时间差异。做好患者的沟通和交流工作，告知患者入院流程、注意事项，以保证沟通的流畅性和诊疗信息的及时传递。另外，科室可制定管理方案，增加人力辅助住院管理，全面统筹患者安排。绩效考核是医院管理的一个重要组成部分，做好绩效考核对调动员工的积极性和主动性具有十分重要的作用；建立具有可操作性的绩效考核体系，促使各个临床医技单元主动提升“战斗力”和“持久力”。临床科室可完善绩效考核中关于患者满意度的评价，综合床位数、待入院患者数综合制定绩效考核指标，减少无效住院通知单数量，加强医生对于提升待住院患者满意度的意识。

3.4 通过大数据分析辅助住院管理

医院信息化的建设积累了大量医疗数据，通过数据挖掘与综合分析辅助医院管理、完善医疗体系是发展的关键所在。目前对于住院等候时间的预测较少，但有研究者通过神经网络等方法预测患者住院天数或术后住院天数，模型结果对于临床诊疗有提示作用，可对患者管理起到辅助作用，提高工作效率。针对缩短患者等待时间的需求，可借鉴其他研究者的经验，通过文献学习结合临床经验，充分利用医院数据资源，通过大数据分析预测患者等待入院时间，帮助医生安排患者入院，也能给予患者提示，减少患者心理负担。此外，也可通过数据模型规划床位管理，将人工智能技术与临床需求相结合，通过智能提醒辅助住院管理工作，提高工作效率。

2016年住院通知单逐步上线，因而2016年数据并不是全年所有患者数据，仅有开住院通知单患者数据。未按门诊诊断分层进行影响因素分析。门诊诊断需要临床专业知识判断，且患者会有多个门诊诊断，无法判断哪个是主诊断。后续会继续收集数据扩大样本量，并邀请临床医生参与门诊诊断处理。在医院信息化建设方面，通过信息系统实现手术患者预住院管理，利用大数据预测模型辅助临床日常工作，加强管理，统筹患者安排，提升服务质量。