信息鏈視域下電子病歷數據驅動臨床決策的需求模型構建

楊鑫禹 牟冬梅 丁麗芳 王萍 葉書含 李樺 張紫卉

關鍵詞：信息鏈；電子病歷；數據驅動決策；需求；模板分析；臨床決策

推進以電子病歷為核心的智慧醫療是助力健康中國的重要舉措?！丁笆奈濉比窠】敌畔⒒巹潯分赋?，要緊密結合衛生健康行業應用需求，以數據資源為關鍵要素、以優質服務為導向，構建基于數據驅動的生態系統，完善電子病歷數據庫，強化數據深度挖掘與分析應用，促進臨床決策支持應用，充分釋放健康醫療大數據價值。近年來，循證醫學和精準醫療廣泛實施，電子病歷中可用的數據資源海量累積，全科醫療人工智能的新范式有望形成，醫療決策正在向數據驅動決策的模式轉變過渡。專病數據庫、臨床數據集成平臺、智能診斷分診系統等以電子病歷為核心的智慧醫療工具已經投入實踐，試圖為醫生提供診療決策支持服務。但研究設計中醫生參與不足，導致新理念、新技術與實際臨床工作流程不匹配，給電子病歷數據價值釋放和醫生的臨床工作都帶來了負擔。世界衛生組織（World Health Organization，WHO）指出，以人為中心是智慧醫療建設的關鍵，這是信任的基礎，也是以人為本的醫療服務重要的組成部分。尊重用戶是臨床決策支持的必備條件。理解醫生用戶的需求是臨床決策支持服務與研究的前提，亟待深入探索。因此，本研究在信息鏈的視域下，通過分析臨床醫生的訪談資料，確定電子病歷數據驅動決策的需求主題，梳理需求層次，構建需求層級模型。在理論層面上，從需求視角出發為電子病歷數據價值提供釋放靶點，豐富面向臨床的數據驅動決策的理論體系；在實踐層面上，以醫生用戶為中心，助力臨床決策支持系統和工具建設，進而為面向臨床的情報服務提供指導。

1文獻綜述

1.1信息鏈相關研究

信息鏈是由“事實（Fact） -數據（Data）-信息（Information）-知識（Knowledge） -情報／智臺旨（In—telligence）”5個要素構成的連續體。與傳統的DIKW模型“數據（Data）、信息（Information）、知識（Knowledge）、智慧（Wisdom）”的中間相同，兩端有所差別。但兩者在厘清情報學概念上提供了相似的理論視角。信息鏈與DIKW模型揭示了從事實到智能的由低層次到高層次的轉化，是當今信息學科中經典的基礎理論?；谛畔㈡溁駾IKW模型，醫療健康領域已有研究按照數據、信息、知識和智慧層次對肝細胞癌等疾病人工智能診斷的研究結果進行了橫向對比與分類，構建了藥物不良反應知識發現與利用和虛擬健康社區知識發現等理論模型，從數據的轉變、應用和行動轉化等方面探索了精準醫療時代下“智慧患者”的內涵和參與新時代醫療模式的框架。信息鏈或DIKW模型也與數據驅動決策研究密切相關。Huang L等基于“DIKW”模型提出了基于安全大數據的事故調查范式概念模型，并據此構建了大數據驅動的安全決策概念框架。邱國棟等將“DIKW”模型進行了轉型升級，提出“數據一智慧”決策模型?；谛录夹g環境下的信息鏈理論，牟冬梅等構建了面向醫院管理的數據驅動決策過程模型，楊鑫禹等構建了基于數據特征的電子病歷數據驅動臨床決策模型。

1.2數據驅動決策相關需求研究

面向科研、教學、衛生健康等多個場景數據服務、數據融合、數據利用等的需求作為數據增值的根本問題和先決條件受到關注。研究者通過問卷調查、訪談法、扎根理論等方法，進行數據相關需求的分類識別、特征描述和模型構建。但綜合來看，相比于理論體系已經頗具規模的信息需求，數據相關需求的研究在需求研究主題的廣泛性、分析的深人性、研究方法的豐富性以及與理論的結合上都顯不足。在面向決策支持的方面，李品分析了決策制定過程中情報需求的層次和特征，構建了情報需求鏈和情報需求模型。在數據驅動決策方面，對需求的探索主要集中在對重癥監護病房儀表板等單一系統和工具的功能需求的羅列。

1.3模板分析相關研究

質性的模板分析（Template Analysis）是一種強調等級編碼的主題分析形式。與扎根理論和解釋現象學分析等傳統的主題分析方法相比，模板分析能夠在一系列不同的認識論和方法論立場下使用，而不特定包含在一種哲學假設中：通常在數據子集中開發初步模板，而非完全在后期定義主題；允許使用先驗主題，即在編碼之前可以暫時擬定與研究相關的主題：使用的編碼級別更多，更能豐富而詳細地展示數據。靈活高效、透明度高、能在開放式與結構式之間達到一定的平衡是它的關鍵優勢。在國外，模板分析已經廣泛應用于醫療健康和圖書情報等多個領域。采用模板分析的方法，Salim S Y等基于9人的訪談資料建立了外科手術信任的概念模型，Matthews H等確定了影響女性乳房重建術后的生活質量和滿意度的關鍵因素，Cushing A L等探討了人工智能對檔案專業知識的影響。先驗主題可以從經典理論和前期文獻中確定。Behnke K等以食品追溯系統的概念框架為先驗主題，確定了基于區塊鏈的食品溯源信息共享的邊界條件。Gonzalez-Zapata F等從文獻綜述中確定了先驗主題，對政府開放數據的報告和訪談進行了模板分析，并基于信息價值鏈識別了智利開放政府數據的問題。模板分析適用于對需求現象的解釋性分析。Cheng V W S等基于自我決定理論，詳細分析了文化多樣性人群對精神健康信息技術的設計需求。Varley A L等在美國醫學研究所報告中確立了概念框架，以此為先驗主題，揭示了無家可歸者對初級醫療保健的需求，包括尊重與信任、知識共享與信息流動等。國內模板分析的應用很少，傅涵采用模板分析研究了腦癱患兒照顧者的獲益感情況。

綜上，信息鏈是信息科學重要的理論之一，與新時代下醫療服務新范式的創新發展緊密相關，也為數據驅動決策的分析解構提供了關鍵的理論視角。數據相關的需求研究方面已經積累了一定的研究成果，但在與基礎理論的結合上稍顯薄弱。信息鏈與需求分析的結合暫未實現。數據驅動決策的需求研究剛剛起步，缺乏細粒度、深層次、綜合性的分析，系統的需求理論體系尚未形成。模板分析方法在需求探索和理論構建方面是靈活且細致的。但是它的使用在國內還處于初步階段，對其特點、使用方式、研究步驟等均缺乏規范化的描述。因此，本研究在信息鏈的視域下，采用模板分析的方法，細粒度地提煉電子病歷數據驅動臨床決策的需求主題，構建層級模型，豐富數據驅動決策的需求研究。

2研究設計

2.1研究方法與研究過程

模板分析可以用來處理很多類型的文本數據，訪談是模板分析中最常見的數據源。研究利用半結構化訪談的方法進行資料搜集，采用模板分析進行需求主題提煉，從信息鏈中提煉先驗主題，并以信息鏈為核心骨架，重新組織需求主題，構建需求層級模型。研究過程如圖1所示。

2.2資料收集與整理

采用理論抽樣和滾雪球抽樣方式，招募當前或者以往在臨床科室和面向實際患者的綜合性科室進行臨床工作，年限滿一年，負責或者參與臨床診療決策的臨床醫生進行訪談。訪談對象選擇的基本原則為：①同質異質性：選擇有臨床決策工作經歷和任務的醫生。同時，為了獲得主題相關的更豐富的信息，招募盡可能涵蓋不同年齡段、學歷、執醫階段、來自不同等級醫院的樣本；②信息密集性：盡可能選取有充分的臨床決策經驗，可以充分表達需求信息的醫生：③全面完整性：研究設計時不擬定訪談人數，以理論飽和性為目的。結合研究目的、相關文獻和以往研究經驗，預計需要12次訪談，資料可以達到飽和。在2022年8月-12月進行正式訪談。訪談時間為31～63分鐘，全程錄音。當訪談進行到第14位受訪者時，理論趨于飽和，為了保證理論飽種性，又繼續采訪受訪者3名，沒有新的理論范疇產生。按照訪談順序，標記為P1～P17，受訪者詳細信息如表1所示。最終收集到訪談音頻累積時長約727分鐘。對錄音進行人工轉錄，共形成17（P1～P17）份、合計超過21萬字的規范化轉錄文檔以供后續研究使用。

3模板分析與模型構建

模板分析通?；谝粋€數據子集，開發初始模板，然后將模板應用于后續數據，并不斷修改和完善。本研究采用有限現實主義的哲學立場進行模板分析，認為人類不能在質性研究中完全除掉主觀性，希望能得到接近“現實的世界”的結論，強調研究者的自反性。個人與其研究經驗的結合在自反性方面對理論形成至關重要。研究團隊具備一系列主題相關的學科專業知識，包括醫學信息學、信息資源管理、臨床醫學、計算機科學與技術等；在質性分析和數據驅動決策方向中有較豐富的研究經驗；團隊有臨床醫師，曾經參與臨床決策工作。因此，能夠保證從內部和外部的雙重視角來理解研究資料。

3.1初步編碼

在熟悉數據后，按照信息鏈模型的基本要素，歸納4個先驗主題，分別是：①電子病歷數據形成需求；②臨床關鍵信息形成需求；③臨床知識形成需求；④臨床決策智能支持需求。根據后續分析的實際情況對先驗主題進行重新定義或者刪除。采用質性分析軟件Atlas.ti 8對前5位受訪者的訪談記錄進行初步編碼，從訪談記錄中識別需求相關數據，并進行標注和標簽化，示例如表2所示。

3.2聚類分析與初始模板生成

將新出現的編碼和主題與先驗主題聚集在一起，挖掘它們的組內和組間關系，進行組織和聚類。按照層級進行主題排列、初始編碼模板的定義與構建。兩位編碼人員同時編碼，遇到不一致的地方，由團隊集體討論，達成共識。初始模板拓展了先驗主題，重新歸納為7個一級主題．21個二級主題，36個三級主題，13個四級主題和3個五級主題。

3.3模板應用與改進

完成初始模板構建之后，回到訪談數據本身，將模板應用于后12位受訪者的訪談數據中。如果模板中的現有主題無法包含新的數據，則對其進行修改，包括插入新主題、重新定義現有主題、合并主題、改變主題范圍或者刪除多余主題等。對模板進行迭代的應用和修改后，形成“最終版本”，概覽如表3所示?！白罱K模板”定義了7個一級需求主題，24個二級主題，53個三級主題，43個四級主題，2個五級主題。

3.4需求層級模型構建

依據模板分析的實驗結果，以信息鏈為主線，構建電子病歷數據驅動臨床決策的需求層級模型，如圖2所示。從信息鏈的視域看，醫生用戶的需求可分為4大層面。

4模型闡釋與研究發現

4.1數據層面的需求

疾病診療事實經過描述形成了電子病歷數據。不同于一般數據，電子病歷需要由醫療服務提供者進行記錄。部分年長的醫生使用計算機錄入的速度較慢，且部分門診病人數量大、看病時間短，再加上病歷錄入與歸檔有時間限制，醫生的病歷記錄工作繁重?！埃ㄈ绻f）機器可以替代人工，那只能在錄入階段”（P12）。智能化書寫與記錄成為醫生在這一層面的關鍵需求。對于常規疾病，患者的主訴、癥狀、既往史、疾病發生部位等部分是高度相似的，病歷記錄的重復度極高，具備智能化的條件和必要性。部分醫院的電子病歷系統已經設置了模板復制功能，更智慧的模板自動生成和推薦備受期待。在文字的快速轉錄方面，被提及最多的是語音轉文字。目前，部分系統已經具備錄音功能，但是由于口音、環境吵鬧、記錄效果不佳等原因并未被充分使用。監測醫患溝通場景、智能化備份、轉錄生成病歷初稿記錄能夠很大程度減輕醫生的記錄工作量，還有助于診療規范與追責。除此之外，檢查檢驗結果的關聯互引也能幫助醫生快速完成病歷記錄。通過數據驅動的方式起草病歷，由醫生進行針對性修改和確定是醫生想要的數據記錄模式。如果能夠隨著醫生的逐步輸入，漸進性自動地匹配可能要記錄的內容則更具友好性?？偟膩碚f，智能化書寫與記錄能促使病歷更加詳細全面，能夠在一定程度上提升病歷數據的質量。同時，也能減少醫生的職業倦怠，促使醫生把更多的工作日寸間用于服務患者。

4.2信息層面的需求

在具體的疾病診療環境中，數據被賦予了現實的功能性意義成為信息。原始的電子病歷數據從整體上看是十分龐雜的。醫生需要手動查找和使用，工作量大，容易疲憊。臨床關鍵信息的組織、提取與識別是這一層面的需求，涉及電子病歷數據本身的抽取及與其他信息的協同。其中，病歷的組織查詢是基本的需要。目前，部分高級別的醫院已經能通過身份證號或就診時間等實現院內病歷的查找。但是，同一患者多識別號（例如多次使用不同的門診號掛號）等影響查全和查準的問題較為突出，按照身份證號碼等唯一識別號進行數據關聯十分重要：索引方式比較死板和單一，有必要按照疾病類別、病人類型、治療方式及科室關鍵指標（例如疼痛評分、手術方式）甚至是自定義指標進行多維度索引：查詢范圍僅局限于院內甚至是科室內，病人的就診經歷可能分布在不同醫院和科室，省級和國家級等區域性電子病歷數據共享查詢迫在眉睫。關鍵信息抽取和推薦方面，現病史、既往史、家族史等病史信息和危急值、典型的陽性體征、異常情況信息很重要。如果通過數據驅動的方式模擬臨床上的危急值報告制度，將對疾病的跨科室診療、爭取最佳搶救時機以及避免突發惡性情況非常有意義。病情轉歸信息展示與病歷摘要形成是更高級的需求。通過對病情轉歸關鍵指標的提取與記錄，追蹤病人的生物學指標數值的變化，以可視化的形式呈現給醫生，有助于醫生快速掌握病情變化。P10說，“更多應該是提供給我們一個更簡易的指標變化，這樣一個過程才能夠有助于我們的決策。而我們決策更多是基于患者每一次檢查結果的改變”。受訪者們用“論文的摘要”和“關鍵詞”來具象化對病歷摘要生成的需求，希望摘要簡潔明了地刻畫患者的癥狀、治療以及預后的診療經過，幫助醫生迅速捕捉新患者在臨床上的關鍵情況，快速回憶起老患者前期的就診場景。

4.3知識層面的需求

知識體現在對疾病和如何進行臨床干預的理解，包括對潛在風險的把握。這一層面的需求分為診療經驗與知識的提煉補充、電子病歷數據驅動的患者疾病風險預測。前者包括疾病規律挖掘、治療知識總結與挖掘、匹配其他來源的前沿知識并推薦。很多疾病的發病、轉歸都有潛在的規律，包括地域性和時間性等，例如腦血管疾病在秋冬季節高發。分析疾病在電子病歷數據中區域性和時間性的分布規律，挖掘癥狀、檢查檢驗數據的相似性，能夠幫助醫生更快速、全面、本地化地理解疾病，做好診療決策的準備工作，也有助于優化資源調配等醫院管理任務。診療知識挖掘方面，通過電子病歷數據驅動，可以實現治療方案之間或者與診療指南的對比分析，支持醫生自定義化的病歷標注和共享討論，實現前沿診療方案的提煉歸納，對新的診療手段進行效果評價。P12表示，“收集或者是（將）相似的（信息）進行歸類，那么確實可以去總結一些道理，甚至形成一些研究結果……總是會有一些規律在的，方便后人遇到此類情況的時候有一種緊急的判斷”。除了從電子病歷數據本身進行挖掘提取，還可以匹配最新的學術會議與臨床指南或由人類醫生自行添加的自主總結的知識。

風險預測利用比醫生主觀判斷更加精細的結果幫助醫生獲得量化的診療知識，“防患于未然”，預防醫療事故。這個需求貫穿患者發病、人院、診斷、治療、出院、預后全流程全環節。需要重點關注不良或者突發狀況，尤其是對骨髓衰竭等惡性并發癥風險、自殺等死亡風險、腸系膜血栓等突發危重疾病風險、穿刺損傷等檢查檢驗風險和不良反應風險的預測。治療方面，用藥風險和圍手術期風險是關鍵。根據藥品說明書死板地頻繁提示藥品副作用及不良反應是醫生比較反感的，結合患者真實的病歷數據提供個體化的風險提示，更有利于幫助醫生決策思考。圍手術期風險方面，目前會根據一些評分量表完成對血栓等風險的簡單評估。通過數據驅動，自動地進行更全面的風險預測受到極高的期待。再人院、住院時長、出院診斷等出入院相關風險和預后情況的預測對醫生采取進一步的復診和增強性治療護理決策有很強的指導意義，幫助醫生對病人進行更具針對性的回訪和囑咐，對臨床和醫院管理都很有價值。P10認為風險預測是非常好的，“比方說再入院這種情況，如果能夠預測出來，有一些患者……我們可能就不讓他走了……因為他沒有必要占用這些醫療資源……另外，比方說風險比較高，我會在相應的時間段進行一個回訪，詢問患者的病情變化，然后進行一個遠程的診療指導”。最后，關于風險預測的可解釋性展示也是非常有必要的。

4.4智能層面的需求

情報／智能是為了解決現實的臨床問題而被激活的，具備鮮明的目的性和現實價值。將這一層面的需求歸納為3個一級主題，分別是電子病歷數據驅動的診斷輔助、治療方案的輔助制定與推薦，以及病情異常原因分析?；颊卟∏閺碗s，醫生的記憶儲備有限，?？漆t生擅長的診療方向有差別。疾病診斷輔助指的是希望通過電子病歷數據驅動，自動形成初步診斷，并提供鑒別診斷疾病參考范圍，推薦進一步的檢查檢驗，放大醫生已知的疾病范疇，避免遺漏，同時縮小醫生需要考慮的診斷范圍，避免過度檢查，減少有創檢查，促進精準診斷。初步診斷方面，可以通過對電子病歷中的主訴、病史等數據的分析，自動生成最可能的疾病診斷。這對常規性疾病的意義有限，但對罕見病、疑難病和地方病是非常有價值的，能夠打破醫生思維和認知的慣性與局限性。提供鑒別診斷疾病參考范圍是受訪醫生多次強調的需要。面向系統生成的或者醫生人工寫入的初步診斷，提示與其臨床表現相似、區分度低的疾病范圍，尤其是惡性疾病，對強化醫生的診療知識、避免病情貽誤有很重要的作用。更進一步，可以提示鑒別的關鍵點，尤其是典型的陽性體征。由數據驅動的方式將接下來的檢查檢驗項目列出，重點標記必要的項目，提示其中需要重點關注的指標與影像學部位。智能診斷的可解釋性分析有助于增強醫生的信任，使醫生的思路與以數據為中心的決策路徑形成碰撞和互相補充。

治療方案的制定與推薦包括治療方案匹配與制定、治療方案定制化調整、可解釋性分析3個二級主題。通過與指南、權威文獻中的治療方案匹配，從多家醫院的病歷中總結，以及從精?？剖液歪t生的過往診療記錄中挖掘，針對患者個體，推算是否具備手術指征、應該采用何種術式、手術治療是否更符合患者利益，推薦合適的藥物類別、劑量、療程，確定是否要進行放療和化療，以及放化療的用藥與療程，提供詳細的會診與轉診計劃。由醫生在這個基礎上做一些高級的修改，使之個體化。這個主題下還有一個很重要的三級主題是特殊狀態下治療方式的制定，包括副反應、多合并癥情況、疑難病例、特殊人群（例如臟器位置與常人不同）的方案建議，以及在突發昏迷等無法自述病史和癥狀時的緊急措施推薦。不同醫院、科室能進行的治療方式是不同的，方案制定時需要因時、因地甚至因人而定制化調整。治療決策只有能實施才有實際價值。P1表示，“我們希望系統能夠提供一個符合我們醫院現有醫保政策，我們能開展的一些技術。有一些雖然系統提示了，但是超出我們醫院的承載力了，對我們來說也就沒有任何意義了”。通過數據驅動進行治療方案推薦時應當提供方案的原始來源與有效性的證明。

最后，當患者的病情發展出現異常情況，醫生希望能通過電子病歷數據分析，形成針對異常狀態的情報，推送與異常指標關聯的指標情況，提示與異常癥狀相關的并發癥等，分析患者個體的特殊情況，調整前期治療中的不妥之處。幫助醫生打破主觀思維局限，不遺漏隱藏的關鍵指標，快速全面地進行異常溯源，以調整式地對癥護理。

4.5對電子病歷數據驅動臨床決策應用的風險感知

在訪談的最后，醫生闡述了對在臨床實踐中采納電子病歷數據驅動臨床決策的態度?？傮w來看，受訪醫生均對此呈現出不同程度的積極性，認為電子病歷數據驅動臨床決策有很大價值。同日寸，也一致認為它能起到的作用是決策支持而不是替代人類醫生。醫生對在臨床上應用的感知風險主要可以分為7大方面：①數據方面，由于數據技術與服務開發應用過程中存在一定的不公平性，甚至是偏見與歧視，用于訓練模型的電子病歷數據在患者種族、性別、年齡等多個方面會存在納入偏倚，這會導致預測結果或決策方案失誤。此外，電子病歷數據確權不清，數據傳輸和共享困難，患者隱私、數據安全存在一定風險；②技術方面，技術成熟度不高，數據驅動決策的輸出結果會對資歷尚淺的醫生產生誤導，其準確性和可信性令人擔憂。此外，會出現技術系統流程固化不靈活、與醫生臨床工作需求不匹配，也就是所謂“外行指導內行”的現象，引起醫生反感；③醫生方面，部分醫生可能會過度地依賴數據與技術，在臨床決策中忽略人類醫生的責任意識，引發不良事件?？咕軇撔碌尼t生無法信任機器產生的結果，抵制由此引發的決策方式和工作流程的變化。而且數據驅動決策過程中會涉及很多技術和方法變化，醫生會在學習的過程中花費很長的日寸間：④患者方面，患者對這種臨床診療方式不一定能夠理解和信任。這會增加醫患溝通的難度，導致患者依從性變差：⑤決策方面，疾病、患者對疾病的感知、圍繞患者疾病的臨床決策都是復雜的，涉及很多因素，以數據為中心的方案難以重現醫生的經驗和同理心，可能脫離實際，不具備可執行性；⑥組織環境方面，醫院等組織機構難以負擔由此帶來的經濟成本、人力成本和物力成本，無法完成配套的技術架構搭建，數據與系統的更新維護困難；⑦法規方面，圍繞數據驅動決策的倫理、法律、共識，在臨床上有待持續明確、發展與實施。

5結語

通過模板分析的方法分析訪談資料，細粒度地挖掘了電子病歷數據驅動臨床決策的需求主題，提煉出病歷的智能化記錄、臨床關鍵信息的組織與提取識別、電子病歷數據驅動的疾病風險預測、疾病診療經驗與知識的提煉補充、疾病診斷輔助、病情發展原因分析、治療方案的輔助制定與推薦7個一級主題。探討了需求主題的內涵、層級、形成原因和意義。模板分析方法中的先驗主題設置為結合理論視角提供了嵌入點。把需求主題按照信息鏈的層次進行系統組織，構建了需求層級模型，為數據驅動決策研究提供了新的理論視角。受訪醫生均對電子病歷數據驅動臨床決策應用在實踐持有不同程度的積極態度，認為它能起到很好的決策支持作用。同時，也表達了在數據、技術、醫生、患者、決策、法規和組織環境方面的擔憂。研究納入了來自不同地區、級別醫院，以及科室的初、中、高級醫生，為電子病歷數據驅動臨床決策提供了宏觀上的需求洞見，未來還可以進一步增加招募對象數量，分類比較醫生用戶的需求差異以及從前瞻性和時間縱向的角度分析需求的演變。