文摘
本文的目的是确定应用大数据技术的医疗风险和建立一个医疗大数据风险(MBDR)控制流程和管理医疗大数据风险(MBDR)从系统的角度来看。在这个过程中,我们首先使用系统的文学评论(单反相机)方法系统地搜索在网络科学的322篇论文的主题“医疗风险”和“大数据风险”来构建一个多维系统的医疗大数据风险(MBDR)从理论水平。基于在上海医院的案例研究,我们探讨了医药大数据风险的形成机制和交互效应(MBDR)通过使用贝叶斯信念网络(bbn)方法,并建立了一个系统的风险控制过程。本文最后发现:医学大数据的多维系统风险(MBDR)包括24个子维度和5大类的维度,这有助于探讨大数据技术的医学应用从风险的角度来看。此外,医疗大数据风险(MBDR)控制过程本文构造包括:风险预测,反向推理,风险控制,风险预防在4个方面,对医院很重要实际开展医疗大数据风险(MBDR)控制。
1。介绍
智能医疗的出现可以减少风险的病人在医院感染新型冠状病毒,改善控制在医院领域的隔离级别(1]。因此,智能医疗的发展已经成为一个重要的和受到广泛关注的研究问题。近年来,随着大数据技术的发展,许多医院已被挖掘和分析医学大数据通过大数据相关技术,奠定了基础为进一步构建智能医院(2- - - - - -4]。它也证实,大数据技术的医学应用中扮演一个重要的角色在维护人类生命(5- - - - - -9]。然而,他们忽略了一个事实,有大数据技术的医学应用的风险,这种风险可以阻碍智能医疗发展的过程(10]。因此,重要的是要探讨大数据技术的医学应用的风险,最终建立一个医疗大数据风险的控制过程(MBDR)。
目前,大数据技术的医学应用研究仍然存在以下三个缺陷:其一,先前的研究学者都集中在解释大数据技术有助于智能医疗的发展,如大数据技术的医学应用可以帮助医院获取信息主要特征随时间(11),便于提供个性化医疗决策支持实现个性化精密医学对患者(12,13]。尽管一些研究已经确定了风险大数据技术的医学应用,如病人的信息安全问题,尤其是病人隐私的泄漏14),缺乏法律管理的访问,使用,和知识产权保护与大数据相关的15]。缺乏医疗风险防范和预警研究大数据问题。第二,风险大数据技术应用于医疗过程的机理需要进一步探讨,这对医院进行智能保健很重要。第三,现有的研究缺乏一个MBDR控制过程,特别是尽管有一些研究涉及医疗风险控制的建设过程,它缺乏与大数据技术(8]。MBDR控制缺乏完整性的整个过程,包括预测和诊断的功能强调风险控制没有反映。
基于编译现有的文献,本文发现,目前的研究仍然缺乏分析的风险在医疗过程中,缺乏一个完美的、系统的、可操作的过程。本文旨在解决以下问题,首先,如何构建一个多维系统的医疗大数据风险从理论水平;其次,如何澄清这种风险的内部机制的理论体系,最后,如何构造一个医学大数据风险控制过程系统。基于这种思想,本文首先搜索322篇论文通过使用单反相机的关键词方法“智能医疗”“医疗保健”,“大数据”和“风险”,然后进一步过滤104篇论文符合主题,和总结24个子维度MBDR的风险,和夫妻成5主要风险维度,包括:客户风险、金融风险、外部环境风险、医疗质量管理风险和信息系统风险。之后,本文预测和诊断MBDR结构化访谈的基础上在上海医院6医院的专家。最后,基于医院的案例研究,本文构造了一个全面和系统的风险控制过程使用贝叶斯信念网络(bbn),其中包括4个方面:风险预测,反向推理、风险控制和风险防范。
本文的贡献在于,首先,它强调应用大数据技术的医疗风险从风险的角度,建立了一个维MBDR制度。其次,它探讨了风险之间的关系在大数据技术的医学应用的过程中与在上海的医院,对医院这是重要注意MBDR进行风险控制,并帮助医院实现控制MBDR的重要性。最后,本文构造一个创新的风险控制过程,澄清的过程风险控制在4个方面:预测,反向推理,控制和预防,并帮助医院更好地开展智能医疗实践利用大数据的技术。
2。文献综述基于单反相机
系统的文学评论(单反相机)方法是基于系统和可复制的。单反相机的方法最初是应用于社会学领域(16),由于方法的科学性,其逐步接受其他更多的研究领域17]。本文系统回顾文献是按照规范的单反相机,旨在搜索、评估、和分析所有文学与一个特定的研究领域,从而避免单一的局限性的影响的文献结果。单反相机的特点是一个详尽的文献检索,以减少评判一个科学、透明的过程中的错误。有许多研究如何使用单反相机,进行文献综述和本文的文献进行系统回顾根据以下步骤:确定评估的目的;文献检索;文献筛选;质量评价;数据采集;集成的研究;和写作文献综述(18]。
2.1。单反相机的操作步骤
在第一步中,关键词选择根据研究的目的,和文学识别和检索相关的入选标准。首先,搜索是在网上进行的科学的“智能医疗”的主题“医疗保健”,“大数据”和“风险”和322获得了英语文学和筛选2021年9月,论文写作的时间。
在第二步中,以排除可能的错误在搜索过程中,322年的搜索论文首先接受源期刊,和那些不符合“医疗大数据”的主题被排除在外,和共有190篇论文在这个阶段被排除在外。随后,不符合主题的文学“大数据风险在卫生保健”排除在外,和共有28个论文被排除在外19]。最后,104份文件高度相关的话题“大数据风险在卫生保健”标识和编码为英国文学基础。
2.2。定义风险维度的医疗大数据基于单反相机
在本文中,我们使用“explore-word-frequency-cluster分析”功能在NVivo 12软件耦合的五种MBDR基于筛选文献,包括:客户风险、金融风险、外部环境风险、医疗质量管理风险和信息系统风险。wordcloud也显示在图1。关键词的频率决定了字体大小和频率的单词“病人、金融、环境、质量和信息”。
2.2.1。客户风险
在客户端,有人担心,大数据技术在医疗中的应用将排斥某些人群和那些缺乏知识或能力使用数字资源数字排斥的风险(20.]。与此同时,它将进一步深化数字鸿沟,因为这些人群将无法利用数字卫生服务(21]。此外,一些学者指出,大数据的应用程序,如果管理不当,将会提高客户的隐私问题,如病人医疗信息的数据泄漏的风险22),使用的数据为歧视性或其他有害的目的(23]。
2.2.2。金融风险
在金融方面,减少应用大数据的成本是医疗行业面临的一个重大问题24]。它已经指出,病人数据的大幅增长将导致成本大幅增加,这将最终使医院很难维护大量的数据(24]。它也指出,大数据技术的使用需要额外的成本和费用由于复杂的分析系统,保险公司和医疗机构必须识别成本超支由于欺诈、滥用和错误(25,26),而获取和清理数据的过程中使用大数据技术是昂贵和耗时的27]。此外,除了成本风险,指出,大数据技术的医学应用程序需要大量投资(24]。
2.2.3。外部环境风险
外部环境风险主要是有关法律、政策和安全监管面临的风险大数据技术的医学应用。在法律方面,关于大数据的医疗监管政策变化是由于法律的动态特性(26),而相关法律需要进一步改善和缺乏有效的保护病人”或用户的隐私(28]。政策方面主要包括大数据的医疗政策的结构形式,政策主体的责任和权力,大数据的详细政策缺乏医学(29日]。在安全监管方面,有问题,如没有统一的权威的国家标准智能医疗安全监管和没有专业评估组织智能医疗设备(26]。
2.2.4。医疗质量管理风险
在大数据技术的医学应用,一些学者指出,在卫生保健的质量管理(有风险30.]。通常缺乏数字在药物实现过程管理和质量控制,和药物实现的业务流程缺乏实时,准确,不可抵赖性实现记录(31日]。大数据技术的医学应用交付也可能造成的风险,如医疗事故的风险和误诊和遗漏是不可预测的,特别是在远程医疗实践基于医学大数据技术将进一步增加风险发生的可能性(Abugabah et al ., 2017)。此外,人工智能基于大数据技术必须被整合到医生的工作流程,这意味着它必须密切相关的工作流图像检查工作站,这可能导致中断或减速在工作流和生产力32]。
2.2.5。信息系统风险
在信息系统方面,可能会有一系列的数据访问和数据共享的问题。有些学者指出了困难访问病人的数据后将大数据技术应用于医疗保健服务,这可能是由于限制私人医疗数据的释放增加法律法规。基于信息技术市场的竞争性质,电子医疗记录供应商不愿提供数据大数据软件提供商(32]。此外,医疗信息系统主要关心的问题,如医疗数据传输和医疗数据安全,黑客是有利可图的,他们可能是由利润非法侵入的医疗信息系统和偷病人的个人健康数据29日]。MBDR维度体系如表所示1。
3所示。Bayesian-Based MBDR控制流程建设
3.1。贝叶斯信念网络
贝叶斯信念网络(bbn)模型是一种概率基于概率推理的图形化网络(38]。这是一个有向无环网络图形组成的一组条件概率,随机变量相关的许多节点,每一个都有一个有限数量的相互独立的国家。1988年,珍珠提议bbn,它主要是用来解决问题的不确定性和不完全性(39]。
bbn有能力描述事件多态性和关系非确定性,使正向推理、反向推理,和敏感推理。(1)向前推理:它主要用于可靠性分析,发生的概率的一个叶子节点可以推断基于根节点的先验概率。这种推理方法预测为基础的“结果”“原因”。它预测节点状态,如果变量的可能结果是已知的某种状态。(2)向后推理:主要用于导致诊断、基于贝叶斯公式推理出最接近的原因链从下到上。它反向推理的“原因”基于“结果”,这意味着推断事件的可能原因如果它发生。(3)灵敏度推理:它是一种推理来确定节点的变量在目标节点上产生重大影响,并分析之间的影响程度,“原因”和“原因”。换句话说,当多个原因,相关性的程度不同的原因进行了分析,主要和次要的原因事件识别。
bbn的实际应用中,网络结构建模通常是基于专家的知识和经验在相关的领域,然后每个节点的条件概率分布表确定网络中基于问卷调查和统计数据。(40]。bbn由观测数据与专家经验相结合更客观、准确,被称为后bbn [41]。
在实际应用中,bbn有几个重要公式,如下所示(42]。
确定bbn,联合概率分布的节点作为制定
贝叶斯参数学习算法:计算整个样本的概率分布的期望根据观察到的变量和当前参数值,如以下方程: 在哪里D样本数据集和吗 的条件概率分布参数的兴趣。
发现的最大期望概率分布(2)公式,公式的值
贝叶斯网络进行的分析过程通过概率论的知识,并指出其节点和导演边之间的关系可以是一个很好的解决问题的办法。在本文中,我们主要使用贝叶斯网络模型来评估在医疗应用大数据的风险。使用贝叶斯网络模型的优点主要体现在以下四个点。(1)贝叶斯网络是一个有向无环图,完全可以以图形方式呈现整个风险形成机制,显然,可以表达更清楚每个风险因素之间的逻辑关系,使不确定性推理的过程也更直观,和表达的过程风险因素导致的医疗大数据和它们之间的关系更清楚。(2)贝叶斯网络模型既能充分利用专家先验知识和机器学习的数据,大大减少了人的主观因素对评价结果的影响。有许多因素影响医疗大数据的风险,和每个风险因素之间的关系更加复杂,所以它可以学习贝叶斯网络的强大的逻辑推理能力,然后结合专家知识修正,这不仅可以避免过度拟合医疗风险数据的大数据,而且还避免了人类主观因素对评价结果的影响。(3)正向推理的贝叶斯网络模型的功能,反向推理,推理、灵敏度高、可项目医疗大数据风险的大小和反向推理,找出关键影响因素的医疗大数据风险,并提供制定有针对性的措施和整改意见的基础。(4)连续对贝叶斯网络的研究,贝叶斯网络在许多领域被用于风险评估工作。与此同时,贝叶斯网络学习和推理的算法变得越来越成熟,对贝叶斯网络算法和软件也发展和成熟,和贝叶斯网络分析软件的使用可以快速并且准确地构建模型,减少了繁琐的计算过程,提高了计算结果的准确性。
3.2。Bayesian-Based案例研究
本文中选择在上海是一个著名的医疗单位,这是一个综合医院集医疗、教学、科研、预防和也是一个国家临床药物试验机构,卫生部的专家培训基地,和临床基地标准化培训的住院医生和全科医生在上海。目前,该单元的重点是提高现代医院管理和精益管理,帮助医院发展与智能管理和智能医疗、并通过数字转换和智能的支持,医院的操作,管理和服务模式将发生重大的变化。这个单位是中国的第一个医院开始数字转换,因此高度代表。使用互联网医院等平台,各种互联网应用,远程诊断和治疗,区块链,和5 g,在线和离线综合服务的新模式将形成和当前智慧病房的普通内科将不断升级和改造的基础上,使病人更舒适医疗经验。
常见的数据收集方法用于案例研究包括纪录片的方法,档案记录方法,访谈法,直接观察方法,参与观察方法。在本文中,使用访谈法进行案例研究。被采访者都是六个专家门诊,金融,管理,质量管理,在上海一家医院和物流部门,熟悉业务参与五大数据风险维度在医疗保健,和一个专家是一个医院的高级经理,大数据的应用在医疗保健方面的专长。在问卷调查研究阶段,六个专家被要求回答一份调查问卷,关于大数据的应用程序的风险在他们的医院根据他们的经验和知识,并根据收集到的问卷调查本文使用精灵软件最初构造贝叶斯信念网络(bbn)。在调整阶段,六个半结构式访谈进行了询问专家的建议相关bbn确定在初始阶段,平均每次采访持续60分钟,他们建议调整一些次级因素之间的关系。结构的确定阶段,本文结合了专家的建议和调整次级因素关系的专家建议的“背景知识”为背景学习进一步提高bbn精灵软件结构和最后决定bbn结构,如图所示2。
4所示。讨论
基于单反的结果,本研究从专家,收集有效问卷6构造贝叶斯神经网络结构,首先,在精灵的帮助下软件的风险预测和逆推理功能,从正向和反向推理的方向,分别为这两个目标是找出敏感因素引起风险的发生在医院大数据技术的应用在上海和探索在医学大数据风险形成的机理,其次,使用风险控制手段控制系统风险的医疗大数据,最后使用风险防范手段有针对性地提出风险控制建议。
4.1。风险预测函数
首先,H从bbn获得价值结构表明,大数据在卫生保健的风险高34%的风险。根源是“客户隐私问题”,“数字技术的排斥,”“不信任的信息,”“客户增长成本,”“数据处理成本,”和“需要大量的数据,”“客户成本增长”,“数据处理成本”,“需要巨大的投资”,“隐私法是失踪,”“医疗服务的复杂性”,“医疗数据传输问题,”“黑客的问题,”“有限的基础设施”根节点”。其次,高风险次级因素的概率变化影响整个风险系统的概率变化,和医院可以使用这个函数来预测每个风险时的结果如图3,提前采取风险防范措施。所以本文将每个根节点变量设置为一个已知状态,MBDR发生的概率增加,其中顾客的成本增长和基础设施限制引发的最大变化,表明MBDR发生的原因通过顾客的成本增长和基础设施的局限性影响更大,医院应该多注意预防成本和基础设施方面的风险。
4.2。反向推理函数
首先,当医疗大数据的风险水平达到最高,中间节点的影响力的大小医疗大数据的风险水平进行了分析。从图4的概率,我们可以发现,中间节点“客户风险,”“金融风险”“外部环境风险,”“医疗质量管理风险,”和“信息系统风险”的高风险,中等风险和低风险增加,表明中间节点产生重大影响的程度大数据的医疗风险。
其次,在确定什么因素影响MBDR的出现,我们发现的最大原因节点MBDR是医疗质量管理风险,然后继续向后原因导致节点,逐步追溯到根节点,最后确定原因到目标节点的链。链的原因(医疗服务的复杂性——不正确的诊断工作流程风险——医疗质量管理风险——医疗大数据风险)发生的“MBDR”如图5,然后发现外部因素来控制这种风险的发生。分析MBDR bbn的因果链结构的进一步探讨大数据应用的原因和机制在医院风险。
4.3。风险控制手段
基于风险预测和诊断原因,本文提出了以下原则,系统动力学问题出现在风险控制的过程。系统动力学的观点强调系统作为一个整体,所有因素和主要集中于探索复杂系统的动态变化模式作用下的各种因果关系在战略层面。系统动力学的研究在医疗风险管理是它的一个关键领域的应用。系统动力学模型优于其他传统方法在有效地识别风险因素之间的相互关系43]。他们帮助风险的内部结构可视化系统的循环链,从而反映风险的具体传输过程44]。他们可以用来分析、调整和控制因素之间的动态关系发生变化,这有助于精确测量的概率发生的危险因素,制定相应的控制策略45]。
在研究过程中,首先,本文发现MBDR是整个系统的“链”。系统由多个风险因素,每一个都是一种不断变化的状态,有不同的链相互作用的原因,所以这个系统是一个相对复杂的系统。本文从系统动力学的角度来看,应该找到整个动态变化的原因,每个风险因素准确地分类,不同的风险控制决策,有助于提高医院的风险分析能力和全面风险管理水平。此外,这个链系统可以找出关键路径,导致发生MBDR和准确识别风险来源提供参考。在控制过程中,三层之间的相互作用,导致链从导致角度,导致链的子结构,和从子结构系统,是至关重要的。这有助于医院切断控制过程的风险,有效地维护病人的生命。
4.4。风险防范手段
MBDR系统是一个复杂的动态系统,系统内的所有影响因素可以影响智能医疗在医院的发展。达到改善的目的智能医疗的发展,我们应该从五个方面:提高意识保护客户的隐私和安全,提高财务管理能力,完善法律法规和政策,提高医疗质量的管理,提高医疗信息系统。
4.1.1。提高人们的保护客户的隐私和安全意识
随着智能医疗的迅速发展,越来越多的病人的详细信息暴露在互联网上,所以重要的是要保护客户的隐私和安全。医院应该关注在大数据技术的应用三个方面。首先,医院应加强管理病人的个人信息,包括病人的个人数据,疾病诊断和医疗和护理治疗操作。其次,医院应该着重加强医疗和护理的专业人员,限制访问病人的医疗记录,有效地提高医疗安全监督检查,维护患者隐私信息和医疗数据安全。最后,医院应该尊重患者的知情同意权,如果他们需要使用患者信息应用大数据技术时的两倍。
10/24/11。提高财务管理能力
提高财务管理能力,防止金融风险对医院应用大数据技术很重要。提高财务管理能力可以增强预防从外部和内部两个方面。外部的预防主要是必需的,前一个全面的数据分析和可行性研究之前大数据技术的具体实现投资业务活动。内部增强包括两个方面,一方面是提高财务管理系统,主要包括建立健全财务预算机制,完善财务预算机制,提高医院的投资分析和风险控制能力。另一方面,要充分发挥内部审计的监督作用,以及内部审计组织需要监控医院从几个维度的内部控制工作,确保完美的建设工作,充分发挥其管理职能。
4.4.3。完善法律法规和政策
一个良好的法律和政策环境可以鼓励医院积极参与医疗大数据的工作。首先,在相关政策的制定,应该减少使用强制性政策,和应用程序需求导向的政策应该增加实现多元化发展政策的使用。同时,要注意提高大数据技术人才的培训和建立一个完美的专业人才培养体系和评估机制。在制定法律法规,我们需要关注两个方面;一方面,加强法律法规的研究和明确的价值类型,特点,应用条件的各种法律法规,等等,为医院合理选择提供理论支持和应用大数据技术。另一方面,我们确保法律和法规的实施和打击的违法行为,应用大数据技术在医院医疗管理可以以有序的方式进行。
4.4.4。提高医疗质量的管理
提高医疗质量的管理,我们可以遵循“一个优化和两个标准”的概念。“优化”指的是业务流程的优化,也就是说,医院应该充分发挥计算机网络的特点,建立“以病人为中心”医疗服务模式,简化病人咨询并不直接相关服务链接。“两个标准”是指:医疗行为规范,也就是说,医院应该规范业务操作的平台,如电子医疗文档生成按照国家规范相比原手写的格式更标准化,可以保留原来的修改痕迹;监测链接规范,通过标准化的系统监控,以减少人工操作链接,确保标准化和治疗过程的准确性。
4.4.5。完善信息系统
“一中心三保护”的概念可以用来改善信息系统应用过程中巨大的医疗数据。“一个中心”是指集中监控平台的建设在医院医疗系统安全。“三保障”是:安全保护的计算机环境,即。,to improve the single function of intelligent medical devices to block data leakage and virus transmission; security protection for network communication, i.e., to deeply analyze the special communication protocols in the medical field to trace and control the source of data leakage and network attacks; security protection for regional boundaries, i.e. security partitioning of hospital networks and protection of intranet security by deploying firewalls in a series of ways. The control process of MBDR is shown in Figure6。
这种风险控制过程有助于评估MBDR的司机和相关影响因素和将这种影响关系MBDR控制仪器。这种风险控制过程提供了一个有效的信息可视化流程图来帮助决策者根据风险调整subrisk因素的概率高价值,并进一步采取一系列的措施包括风险预测、反向推理,风险控制,风险防范通过观察概率的变化。风险控制过程介绍了来自不同领域的研究者提供了一个机会,包括但不限于大数据技术应用在医学和医疗、金融、保险、运输管理、物流和零售、文化和娱乐,来管理各种风险的过程中应用大数据技术更加系统和容易通过从业者。
5。结论
本文的主要贡献是把单反相机法与贝叶斯神经网络方法,并使用单反相机的方法系统地组织医疗大数据风险维度体系,奠定了基础的初始贝叶斯神经网络结构的确定。其次,最初确定贝叶斯神经网络结构修正相结合的案例研究与专家知识在上海一家医院。最后,贝叶斯网络的风险预测和敏感性推理功能是用来探索医学的形成机制和交互效应大数据风险在医疗行业实践从系统的角度来看,最后整个过程的医疗大数据构造风险控制,提高医疗大数据风险的可操作的水平,具有理论和实践意义医院开展智能医疗实践。
的研究仍有一定的局限性。首先,案例研究部分只集中在一个全面的医疗单位,医院在上海,和调查对象是不够全面的,所以需要验证,研究结果的普遍性和其他医疗机构,发展大数据技术应用在未来可以进一步探讨。其次,只有6份有效问卷从专家在这项研究中,和受访者的数量很小,所以样本数据需要在未来进一步扩大。最后,本研究的调查对象持有不同意见问卷项目由于自己的知识和经验,和不同专家的主观判断偏差应该最小化未来探索更有效的MBDR控制过程。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究受到了社会科学研究规划项目吉林省教育部门(JJKH20221179SK)。