Article Info

近十年来，随着互联网的普及及快速发展，各行业获取信息渠道和数据规模呈指数形式递增，但大量的原始数据结构复杂，没有特定组织形式，不易被抽取，不能直接使用，传统的数据处理方式也难以应对，大数据已经从根本上改变了当今信息的量级、增速、组织管理、分析利用方式，并逐步被重视。各国专家也在研究这种前所未有的数据形态，此类信息爆炸的特性描述为4 V，即：大量、高速、真实和变化。大数据时代已经到来，在各行业，决策将由数据分析指出，而并非人的经验直觉。

如何通过科学的处理方法，从大数据中获取隐藏价值，形成有效决策支持，并在实际应用场景中发挥作用，成为热点的研究方向。数据挖掘是一项跨学科的大数据处理技术，可以发现其中的潜在知识[1]。出现于20世纪80年代后期，并在90年代迅猛发展，如今已广泛应用于各行业。在医疗领域，临床诊断、医院管理、医学影像、用药分析等方面，已经出现相关的研究，但医学是一项严谨的生命科学，且复杂多样，加之大数据技术在我国处于探索阶段，需要进行大量科学实验和深入总结，形成具有指导性意义的理论方针[2]。

1 对SPD数据的研究

1.1 SPD服务简介

我院于2017年引入SPD医用耗材配送服务，突破原有的耗材管理模式，使得材耗材管理从手工记账到单机系统、JIT采购模式，有了新的提高。由美国医院经营顾问戈登-弗里森在20世纪70年代提出了SPD供应链管理方式[3]，是指一套对物品的采购、使用、回收和配送等关键流通环节进行一体化管理的标准体系，可以加强采购部门、供应商和使用部门之间的联系，加快耗材的配送效率，降低耗材的管理成本，提高合理管控的针对性，形成整体耗材配送解决方案，实现医院耗材的精细化管理。

通过计算机技术，信息的传输更为快捷广泛，供应链每个节点不再是独立的信息孤岛，统一标准的数据接口加强了数据的真实性、有效性、一致性，信息共享机制让中间环节的实时数据更加透明，为研究的开展奠定基础[4]。

1.2 医院材料的数据形式

SPD在院的开展不仅仅是一种服务或是一套管理软件，它串联了HIS系统、物资系统、植入材料追溯系统、耗材对账系统、财务管理系统等多个院内系统关于医用耗材的管理数据[5]，包含了耗材、库存、财务、手术、追溯等多个管理角度，数据的体量大维度广，如图1所示；采用了智能柜、PDA、扫描枪、平板电脑等多种工作设备，采集的信息可能是RFID条码、二维码、一维码、标准接口采集信息等的结构化数据，也可能是图像、声音、文档、无标准手工输入信息等的非结构化数据，数据形式丰富，数据的增速快变化大[6]。SPD所产生的数据契合大数据的4 V特征，具备通过数据挖掘技术进一步研究、探索其内部价值。

1.3 建立材料管理分析系统

该系统基于SPD数据环境，采用联机分析处理（Online Analytical Processing，OLAP）体系，支持管理人员在多为数据环境下的进行数据查询和分析，具有快速、可分析、多维度、信息量大的特性[7]。可以通过数据的切块、切片、旋转、上卷和下钻操作多层次、多角度的浏览。SPD数据挖掘研究所取得的知识可以从数据仓库直接提取，并向用户提供结果。将OLAP系统和数据挖掘相结合，知识库负责耗材领域知识，OLAP与多部门用户交互，设计多种分析业务，提供多样展示方法，打造“平台+生态”的土壤，为医院各使用部门发现潜在耗材管理经验的条件。

2 材料管理分析系统的实施步骤

2.1 建立数据标准化引擎

SPD的数据存在结构化、半结构化、非结构化多种不同形式，这些数据是原始的，独立的，具有噪音的，并不能被直接使用，在进入分布式存储之前，需要进行数据清洗，确保导入的数据是可靠、安全、标准的。通过数据标准化引擎，不同格式、类型的数据对应各种导入工具，转换为统一的、标准化的数据格式[8]。

数据标准化引擎通过ETL（Extract-Transform-Load）实现，这套微软方案可以完成数据抽取、交换、加载的过程。其管理简单、标准可控、扩展性强，方便部署，是生成数据仓库的重要工具，也是SPD环境数据标准化最重要的转化接口。主要功能有：① 数据验证，对导入数据的可靠性和安全性进行验证，以防无效数据的进入；② 数据分类，对已导入的、不同数据格式的数据进行分类，一般按照结构化、半结构化和非结构化数据划分；③ 数据转换，根据分类完成的导入数据，选择合适的数据处理方法或ETL逻辑控件，将各种异构数据转换为统一、标准的数据形式。

2.2 建立分布式存储框架

Hadoop是由Apache基金会开发的分布式系统基础架构，其通过集群化计算机环境实现大数据的高速存储和运算，拓展性强、容错度高，非常适合复杂数据的分析[9]。SPD环境的数据经过清洗后，以标准化数据形式存入Hadoop的核心存储框架HDFS（Hadoop数据存储核心框架），它由多台存储集群组成，提供高吞吐量的数据访问服务。

SPD数据多为海量的小文件，此类数据的存储需要消耗大量内存，HDFS的访问效率下降。针对此类数据特点，当SPD数据通过ETL接口进入，采用Hadoop Archiver（HAR）工具合并文件的方法来降低内存消耗，HAR会判断文件的大小和类型放入存储队列，并添加索引，当队列达到容量阈值时，小文件会合并为大文件，最后存入HDFS[10]。

2.3 建立分布式计算框架

MapReduce是一种离线的计算框架，是Hadoop的计算核心，具有高效并行计算的能力，能自动完成计算任务的多线程处理，自动划分计算任务和计算数据划分，并自动分配处理结果的存储空间[11]。MapReduce的采用Master/Slaver设计架构，计算过程采用“分而治之”的处理思想，大处理量的数据文件被切割为多个独立的分片，被多个Map任务处理，每个Map工作节点允许一个计算函数处理分片数据，并将结果写入临时存储

Hadoop提供了一种数据仓库的访问工具Hive，Hive可以将数据文件映射成表，并提供完整的类似于SQL的查询语言HQL[12]。可以使用HQL来进行Map和Reduce处理，简化操作。SPD数据存储密度、计算强度大，而实际的研究过程，通过MapReduce计算框架对复杂数据的处理，设计者往往无需关注这么多细节，减少了开发负担[13]。

2.4 建立标准服务接口

通过ESB建立安全分析接口获取接口。SPD数据环境的系统通讯接口遵循医院新部署的系统互访方式ESB总线，此方式基于SOA设计思想[14]，以服务为中心设计开发，需要将应用系统提供的服务注册到ESB体系中，对服务进行统一管理并以总线形式对外提供调用接口。院内外系统之间设立防火墙，阻止系统间信息的直接互访，并在总线端完成访问权限配置，如图2所示。在信息安全和系统管理角度，和以往的模式相比有一定的先进性。

3 材料管理分析系统的应用

通过数据挖掘技术对SPD项目在生产过程中发生数据的分析研究，提炼医院耗材管理的经验，预测之后的管理方向，如图3所示，具体研究内容如下。

3.1 耗材质量情况分析

耗材的质量是医院采购选择条件的重中之重，特别是植入性耗材，关系到病人术后的生命质量，甚至安危，为病人选择优质耗材，可以提高病人的治愈率，降低医疗事故和纠纷的风险。完成植入性耗材的质量情况分析，可以对医院的准入标准、临床治疗、采购优先、术后效果等多方面做出。通过材料管理分析系统，可以得出耗材在院使用的情况评价[15]。

对病人术前的身体情况、用药记录、检查化验指标、适应症、不良反应、操作难度等影响因素挖掘，可以给出本次手术的适用材料排名。对耗材植入体内的副作用、后遗症、排异反应的数据分析，可以得出同类型植入性耗材在术后得分，如果整体表现欠佳的耗材，如安装起搏器后，根据定期对病人关于分析因素的回访记录，产生了不良事件比例较高的品牌型号。采购部门多方论证后，可以考虑更换。

3.2 病人对耗材的接受度分析

植入性耗材的临床表现是评价耗材优劣最重要的指标，然而，价格因素也会影响病人对耗材的喜好。由于此类耗材的价格普遍昂贵，国内品牌和进口品牌存在很大价差。而病人的经济情况各异，并不是所有病人都可以负担最优质的产品。同时，手术的技术含量也需要纳入考虑，难度大的手术优先考虑进口品牌；难度适中的手术，价差大的选择国产品牌，价差小的选择进口品牌；而难度小的手术，则优先考虑国产品牌。医院可以组织临床专家讨论手术难度与适用耗材之间的对应，将结果维护进系统，形成院内提供给医生的参考标准。

通过系统分析，可以在保证质量的前提下，给出适合病人情况的耗材使用建议。通过对病人的收入阶层、家庭经济情况、耗材的价格与临床表现等多种因素的分析，可以为医生关于本次手术的耗材使用选择给出针对性建议，满足不同情况病人的需求。

3.3 耗材议价空间分析

随着医改的深入，医用耗材的销售价格收到制约，医院从中获得的收入也随之减少，医院需要控制成本弥补这一块损失。在商业模式中，存在绝对成本控制、相对成本控制、全面成本控制、定额法等多种方法和案例，此类教例可以为医院的耗材价格谈判提供参考。以商业成本控制模型为依托，分析系统从院内物资系统获取采购信息，从外部专网获得他院的采购信息，通过对同种耗材院内不同时期的采购价格，不同医院同期的采购价格、耗材在市场的不可替代性等因素的分析，能为医院耗材成本控制提供有力的数据支持，发现可能存在的议价空间[16]。

3.4 供应商服务情况分析

SPD是一种集中采购的供应方式，其“零库存”的管理理念要求耗材在院的流动加快，以保持管理灵活、货品新鲜以及账目健康，对供应商提出更高的要求[17]。选择资质完整、信誉良好、服务可靠的供应商，可以保证医用耗材的顺利周转，更好地为医院服务。通过关于供应商的三证完整、货源情况、配送及时、响应速度、应急处理、售后服务、附加服务等因素的挖掘，分析系统可以根据供应商在院的服务情况，给出综合评价。

4 总结

医院材料管理分析系统基于实际工作中的项目题材、立足于高质量数据，需秉持高效、务实的实践思想；通过观察、抽象、总结的科学方法提炼共性指标；发现可能的知识，并反复论证其可靠性；真实的反应研究中的发现和不足，形成具有因果关系的个性结论；根据实践经验心得，提出创新性的进一步探索方向；辩证地看问题，将零散的知识结构化，丰富知识体系，阶段性地逼近真理，逐步形成具有指导性意义的规则，并助力实际的生产工作。

[1]潘长玲.大数据分析在健康管理领域中的应用及挑战[J].现代医学与健康研究电子杂志,2018,(9).

[2]徐志祥,王莹.我国医疗行业大数据应用现状及政策建议[J].中国卫生信息管理杂志,2017.

[3]许冠吾,吴涛.SPD供应链下医院耗材收费规范研究[J].卫生经济研究,2016,(12):54-57.

[4]武文成,秦利荣,徐海青.运用 SPD 管理模式对医院医用耗材精细化管理的影响[J].中国医疗设备,2018,33(9):153-157.

[5]许翔,王伟明.SPD供应链管理研究在大型公立医院的应用研究[J].中国卫生产业,2018,(7):11.

[6]黄璐颖.条形码技术在医用高值耗材管理中的应用[J].中国医疗设备,2015,30(9):139-140.

[7]徐永红.多维数据模型与OLAP实现[J].中国金融电脑,2004,(11):49-52.

[8]王才有.大数据时代的医院数据平台建设[J].中国医院, 2016,20(1):15-17.

[9]刘勇,陆小慧.分布式文件系统的文件访问处理、安全访问方法及装置[J].广东通信技术,2018,38(3):69-75.

[10]李维,计虹.基于Hadoop的医院数据利用探索与实践[J].中国卫生信息管理杂志,2016,13(1):70-74.

[11]覃雄派,王会举,杜小勇,等.大数据分析——RDBMS与MapReduce的竞争与共生[J].软件学报,2012,23(1).

[12]冯兴杰,吴稀钰,赵杰,等.QAR数据仓库在Hive中的构建[J].计算机工程与应用,2017,(11).

[13]张锐.基于Hive数据仓库的物流大数据平台的研究与设计[J].电子设计工程,2017,25(9):31-35.

[14]张丽,常建国,郭凌菱,等.基于SOA架构的医联体信息系统研究与实现[J].中国医疗设备,2014,8(2):59-61.

[15]郭晓明,周明江.大数据分析在医疗行业的应用初探[J].中国数字医学,2015,(8).

[16]许翔,王伟明.SPD供应链模式的成本量化控制[J].中国卫生产业,2017,(14).

基于SPD数据的医院材料管理分析系统的设计与实现

引言