14、医疗大数据分析与管理：挑战、收集与标准

医疗大数据分析与管理：挑战、收集与标准

1. 医疗大数据分析的挑战

在医疗领域，有效地将信息驱动的见解融入临床和运营流程，能为社会保险协会带来巨大的回报。更健康的患者能降低护理成本，提高执行透明度，还能提升员工和消费者的满意度。然而，医疗大数据分析面临着诸多挑战，这些挑战主要围绕大数据的三个特性——Volume（大量）、Variety（多样）和Velocity（高速）展开。

• 捕获（Capture） ：所有信息都有来源，但对于一些医疗服务供应商来说，信息来源可能缺乏良好的信息管理习惯。捕获干净、完整、准确且有序的信息，以便在不同系统中使用，是各机构持续面临的挑战。电子健康记录（EHR）不佳、易用性差、工作流程混乱以及对为何要好好捕获大数据缺乏充分理解，都会导致信息质量问题，影响信息的整个生命周期。
• 清理（Cleaning） ：医疗服务供应商深知医疗机构中秩序的重要性。未分级的信息可能会迅速使大型信息分析项目失败，尤其是在整合不同信息源时，这些信息源可能以略有不同的配置记录临床或运营组件。信息清理（也称为净化或筛选）能确保数据集准确、正确、可靠、适用且不被破坏。虽然大多数信息清理工作仍需手动完成，但一些 IT 供应商提供了自动化筛选工具，利用逻辑标准来比较和区分大型数据集，以确保医疗信息数据中心的高精度和高可靠性。
• 存储（Storage） ：随着医疗信息的数量呈指数级增长，一些供应商已无法应对本地服务器农场的成本和影响。分布式存储正成为越来越受欢迎的选择，因为成本降低且可靠性提高。近 90% 的医疗协会正在使用某种基于云的健康 I