英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

监测医院整合信息系统：它如何确保并提高数据质量

摘要：医院部门信息系统（HDIS）的整合成为一个常见但困难的问题。 2003年5月，生物统计学和医学信息学实现了虚拟电子病人医院S.Joatilde;o（HSJ）的记录（VEPR），一家大学医院1350张床。该系统整合了10种遗传HDIS的临床数据医院管理数据库（HAD），旨在提供所有患者信息给卫生专业人士。目前，约有500名医生使用该系统HSJ-VEPR平均每天检索3000条新报告，PDF格式或HTML格式。本文介绍和讨论的作用监控数据质量的保证和提高。三种方法已经实施：（a）监测HSJ-VEPR的频率从DIS检索临床记录，查看是否每日报告数量人类发展报告发出的星期几下降了正常范围; （b）监测通过HDIS与HDIS之间的交叉检查，患者识别的不一致性HAD;和（c）监测交付给医疗的临床记录的完整性医生通过HSJ-VEPR检查他们的数字签名。 2005年期间，监测系统检测到53种异常频率模式，其中44种对应实际问题。在6个月的时间里，有400多个警报产生于患者身份识别中的不一致之处实验室报告。然而，这些数量大幅度减少发生不一致 - 从2005年7月的116次到2005年12月的10次 - 由于执行DIS的预防措施。最后报告的诚信是每次报告被要求可视化时检查，即在多于一个一年期间数十万次。总之，所有的信息在医院信息系统中可用并且应该用于触发警报的故障和不一致，以提高数据质量并确保更好的保健。

关键词： 电脑病历系统; 医疗记录联系；医院信息系统; 系统集成; 数据质量; 验证和

诚信。

介绍

医院数据整合有许多不同的优势，目前正在采取许多机构的地位。虽然频繁，但还有很多困难的问题应对。已经发现基于计算机的患者记录中的患者数据质量是几个健康信息系统相对较低。这个问题越来越多重要的是，现在比以前更多的患者数据记录。此外，评估收集患者数据的正确性是一个困难的过程当我们熟悉收集系统时。因此，其中之一卫生信息系统或网络的主要挑战是能够聚集患者的医疗记录的不同部分没有任何风险与之混合另一名患者。错误的病人识别也有影响医院收费，作为附属合伙人拒绝支付身份不明的医疗费用程序。2003年5月，生物统计学和医学信息学系实施了医院S.Joatilde;o（HSJ）的虚拟电子病历记录大学医院拥有超过1350张病床。该系统整合了临床资料10传统HDIS和诊断相关组（DRG）和医院管理（HAD）数据库，旨在提供可能的健康信息专业人士。超过500名医生每天使用该系统和HSJVEPR平均每天检索3000个新报告（PDF或HTML格式）。在本文中，我们旨在描述和讨论监控在保证中的作用并提高数据质量。

监控集成系统

为了发现和防止HSJ-VEPR中的可能出现的问题，Nagios [10]版本2（a系统和网络监控应用程序）已安装和配置。 Nagios的监视您指定的主机和服务，当事情变坏和何时发出警报他们变得更好Nagios被设计为一个牢固的监控，调度框架和警报。除了常见的硬件和服务监控传感器（例如，免费硬盘，网络ping或数据库侦听器ping），特殊传感器实施监测HSJ-VEPR报告检索和可视化率。这是可能因为它允许简单的插件设计，允许用户轻松开发新的服务检查，同时利用通知（通过电子邮件，寻呼机或其他用户定义的方法）和调度API。它也支持实施冗余和分布式监控架构。我们的Nagios的具体服务插件是返回四个状态之一的PHP 5脚本和描述性消息。有时HDIS每天发送异常数字（太大或小）向HSJ-VEPR报告。这通常反映了某种HDIS问题。原来，它实现了使用预定义频率范围的静态监控系统每个HDIS的正常性（例如：系统A每天从100个发送到4000个报告）。该这个解决方案的主要问题是大量的虚警和报警应该被触发，这些情况源于所有工作日被处理平等的事实是，周末有些部门不派临床报告。

表1.系统A在2005年发送的报告的百分比2.5和97.5

表2.系统A中的动态和静态方法触发的警报

决定开发一个从报告数量中学习的动态系统以前在同一个工作日收到。定义一个初始知识库，一个表被创建，其中每个记录包括一个特定HDIS的报告数量特别的一天。触发真实警报的天数被排除在外，仅包括在内正常日子系统计算百分位数2.5和97.5（使用Oracle的percentile_disc函数）用作正常的较低和较高边际间隔。当作业运行时，将报告的数量与百分位数进行比较。知识数据库只有在没有触发报警的情况下才能增加包含这个新的知识数据库。表1描述了2005年检索的报告的百分位数2.5和97.5分按平日从表中可以看出，差异很大不同的工作日在同一个系统中。在表2中，描述了警报的数量来自静态和动态方法。粗体的数字表示错误警报检测，两个误报（警报被触发，但不应该是）和假阴性（警报应该触发，而不是）。该动态方法显示出比静态方法更好的灵敏度（44/44 = 100％）（44分之35= 79％）。动态方法的特异性也较好（312/321 = 97％）比静态方法（310/321 = 96％）。

监测患者识别中的不一致

卫生信息系统整合的主要挑战之一是收集部分内容该病历不会危及患者数据质量。 HSJ-VEPR指标所有信息到一个独特的医院病人号码。 识别问题发生时医院病人人数或医院遇险人数HDIS错误 这些错误可能导致将报告与不同的患者相关联。因为这些错误大多来自于错误的身份识别数字，其他信息（姓名和出生日期）通常指正确的患者。检测识别错误的想法是基于检查名称和日期由人道主义救护署针对医院管理数据库（HAD）发送的出生日期。该主要的困难来自病人姓名的微小变化，这将导致虚假识别错误（例如：“Jessica Maria Smith Murphy”lt;=gt;“Jessica Maria S.墨菲”）。

患者数据质量算法随着新临床的到来而触发来自特定HDIS的报告，分为三个阶段：第一次检测错误医院病人人数，第二次检测医院遇险人数和第三家店铺的错误报告在HSJ-VEPR。

1第一阶段 - 使用医院病人编号搜索HAD。功能等同用于计算两者识别（来自HDIS和HAD）是否相同人。如果没有，则会触发数据错误异常。

2阶段 - 使用医院遭遇号码搜索HAD。功能等价物用于计算两者的识别（来自HDIS和HAD）是否参考同一个人。如果没有，则会触发数据错误异常。

3阶段 - 如果以前阶段的两个调用函数等效返回false，比患者识别数据在HAD和HDIS中不一致，临床报告是不存档在HSJ-VEPR中。如果至少有一个呼叫返回真实的临床报告存档。

实施了四项功能来计算身份的等同性。

bull;wordsIn（name）：返回名称中存在的单词数。

bull;numberEqualWordsIn（name1，name2）：返回相等字数name1和name2。 两个字符串都使用空格分割成单独的阵列。 返回两个数组中存在的字符串数。

bull;sim（name1，name2）：返回介于0和1之间的值

name1和name2之间的相似性; 0表示名称不同，1表示

那个名字是完全一样的。

bull;等效（id1，id2）：如果id1和id2指的是相同的人，则返回true，否则为false

如果不。 如果患者姓名的相似度较大，则两个标识是相同的那60％（这个值是经过几经观察发现的病例）或出生日期相同时。

作为一个例子，如果“杰西卡玛丽亚·史密斯墨菲”的报告出生于1964年6月13日医院患者人数4012734由特定的人道主义信息系统发送，但是相同医院病人人数HAD患者“Jessica Maria OSullivan”出生于2月16日 - 1962年，然后numberEqualWordsIn（“Jessica Maria Smith Murphy”，“Jessica Maria”OSullivan“）= 2，sim =（2 * 2）/（4 3）= 57％，出生日期不同，所以等效返回false，并触发识别错误。发生错误时，会生成报告并发送给HDIS管理员。这个报告包括HDIS和/或HDIS发送的所有信息的错误说明从HAD检索。通过这样做，可以跟踪和纠正错误的起源。一个维护本地错误日志以备将来使用。该模块已在2005年7月部署，并正在为每个组态HDIS。目前每月扫描的平均报告为65.000份（每天2.100份）。每个HDIS都发现病人识别错误，他们的进化是这些误差是医院病人数量和总和之和医院遇到人数。

表3.来自四个部门信息的临床报告患者识别错误的频率系统和医院管理数据库

检测到这些错误已经触发了他们对每个HDIS的修正以及部门工作流程（例如系统A）的变化导致更少识别错误。 HAD也发现两个错误，由不适当的再利用引起一个独特的医院病人人数。由于HDIS软件错误，有些患者报告有问题生成，源自零大小的文件。 当这些文件被检测到时，也是一个报告生成并发送到HDIS管理员。

通过数字签名监测临床记录的完整性

数字签名机制保护电子文件的完整性为与该报告密切相关的该报告创建唯一标识符（散列）内容。然后使用公钥加密对该唯一标识符进行数字签名技术（例如使用私钥/公钥对）。私钥（必须保留秘密）用于在公共密钥（即公共密钥）处应用数字签名知识）用于验证该签名的有效性。如果报告的内容由于某些原因，数字签名无效，报表不能更改信任了在HSJ-VEPR中对报告进行数字签名的过程如图所示图1.当代理人收集报告时，它们使用私有数字签名键和存储[11]。这个过程只能在每个报告中执行一次，不需要任何操作代理人自动调用加密软件进行签名那个报告。非常重要的是，这个私钥是保密的，所有的动作的代理人密切监和审计。当要求报告时，公众密钥用于自动执行报告数字签名的验证（in a模块名为HSJ.ICU代理）。用于这种效果的加密技术是GnuPG [12]。这是开放的源软件基于Open PGP标准[13]电子邮件加密软件。它使用公钥数字签名算法（DSA）（密钥大小1024）执行数字签名服务（和SHAD-1做哈希）[14]。整个过程是透明并且不干扰系统的其余部分（不需要额外的功能或功能）及其实际用途。 Nagios插件正在实施当数字签名验证失败时触发警报。

图1.数字签名和签名验证过程

讨论

当前和以前的IS行为的比较也允许检测违规行为。在这种情况下，用于触发警报的知识是从过去构建的经验。我们觉得，随着时间的推移，我们会有更多的记录，因此范围的百分数范围可以从[2.5,97.5]变为[1，99]增加方法的特异性。我们也正在研究在警报被触发时采取不同的措施改进值太低或太高。我们用于检测患者识别错误的方法是一种特殊情况（尽管如此严重的一个），可以做些什么来改善患者数据质量。许多其他类型患者资料可从这种方法中受益，从行政到临床数据。在我们看来，集成分布式系统之间的交叉检查可能是用于保证全球患者数据质量。一个机构的知识关于特定患者应该是每个IS上的知识的总和属于布式基础设施。本文提出的方法保证使用分布式知识作为一个整体带来好处每个IS的患者数据质量。由于正确的检查方法已经到位，综合制度的不一致之处往往随着人们的意识而下降这些沉默的问题增加。实现的数字签名系统为系统增添了一个真正的价值不能立即实现。它的重要性将只有在未来才会被重视需要访问过去的患者信息，将强调重要性和必要性信息是可信的，没有不一致的。总之，医院信息系统中的所有信息都可以和应该用于触发警报的故障和不一致，以提高数据质量，确保更好的保健。

参考文献

[1] R. Lenz and K. A. Kuhn, 'Integration of Heterogeneous and Autonomous Systems in Hospitals,' Business Briefing: Data management amp; Storage Technology, 2002.

[2] W. Hogan and M. Wagner, 'Accuracy of data in computer-based patient records.,' J Am Med Inform Assoc, vol. 4, pp. 342-355, 1997.

[3] K. Hammond, S. Helbig, C. Benson, and B.-S. BM, 'Are electronic medical records trustworthy? Observations on copying, pasting and duplication,' presented at AMIA Annual Symposium, 2003.

[4] J. Hohnloser, M. Fischer, A. Konig, and B. Emmerich, 'Data quality in computerized patient records. Analysis of a haematology biopsy report database,' Int J Clin Monit Comput, vol. 11, pp. 233-40, 1994.

[5] J. C. Wyatt, 'Clinical data systems, Part 1: Data and medical records.,' Lancet, vol. 344, pp. 1543-7, 1994.

[6] E. Berner and J. Moss, ' Informatics Challenges for the Impending Patient Information Explosion,' J Am Med Inform Assoc, vol

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25894]，资料为PDF文档或Word文档，PDF文档可免费转换为Word