CN103370629B - 临床质量分析系统 - Google Patents
临床质量分析系统 Download PDFInfo
- Publication number
- CN103370629B CN103370629B CN201180067402.8A CN201180067402A CN103370629B CN 103370629 B CN103370629 B CN 103370629B CN 201180067402 A CN201180067402 A CN 201180067402A CN 103370629 B CN103370629 B CN 103370629B
- Authority
- CN
- China
- Prior art keywords
- data
- procedure chart
- emr
- colony
- agreement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种临床质量分析(CQA)系统,包括过程图工具集,其确定来自用于医疗指南的协议的过程图。映射模块将电子病历(EMR)数据格式化,所述经格式化的EMR数据被映射至过程图。测量和评估模块确定用于评估与协议相关联的护理质量的度量,并且确定用于评估的EMR数据的群体。CQA引擎基于度量和过程图,针对与协议的合规性来评估EMR数据的群体。
Description
技术领域
本申请要求于2010年12月30日提交的第61/428,636号美国临时专利申请,其通过引用的方式整体并入于此。
背景技术
在提供医疗护理的机构中,记录经常以电子病例(EMR)的形式保存。例如,医师可以将笔记输入计算机来使它们成为患者的EMR的一部分,或将笔记输入图表,或将其录音,之后抄录并且输入以成为EMR的一部分。EMR可以被存储在数据库中并且被检索以用于报告。
关于EMR的报告趋于简陋。例如,EMR可以在逐个患者基础上查看,以便查看关于之前提供给患者的护理的现有数据。在一些情况中,可以在聚合水平上查看多个患者的信息。然而,在许多情形下,这一聚合水平的报告不足以理解机构所正在提供的护理水平或理解如何改善护理质量。部分原因在于,输入到EMR中的许多数据是从护理者的笔记或口述中取得的,其难以在聚合水平上量化或掘告。
除此之外,近年来医院和其他医疗护理提供机构已经采纳基于证据的临床治疗指南(guideline),来作为他们临床质量计划的一部分。这些指南由与特定医疗专科相关联的广泛的卫生机构、专家以及权威机构所颁布。这些临床治疗指南被利用来诊断并且为各种疾病提供护理,并且在许多情形下,医院及其他护理者利用指南来提供护理。许多现有EMR系统缺乏使用EMR来评估是否遵循了指南、或指南是否对改善护理有效的能力。
附图说明
在下文描述中参照附图详细描述了实施方式。实施方式通过举例方式说明,并且不限于附图,在附图中相同的参考标号代表相同的元素。
图1示出了根据一个实施方式的临床质量分析(CQA)系统;
图2-11示出了根据一个实施方式的可以由CQA系统生成的屏幕截图;
图12示出了根据一个实施方式的评估与医疗协议(protocol)的合规性(compliance)的方法;以及
图13示出了根据一个实施方式的可操作用于CQA系统的计算机系统。
发明内容
根据一个实施方式,临床质量分析(CQA)系统可以包括过程图工具集以确定来自用于医疗指南的协议的过程图。CQA系统可以包括映射模块以将电子病历(EMR)数据格式化,从而将经格式化的EMR数据映射至过程图。CQA系统可以包括测量和评估模块以确定用于评估与协议相关联的护理质量的度量(metric),并且确定用于评估的EMR数据的群体(population),以及CQA引擎以基于度量和在群体中经格式化的EMR数据至过程图的映射,针对与协议的合规性来评估EMR数据的群体。
根据另一实施方式,一种评估与医疗指南的协议的合规性的方法可以包括:接收用于医疗指南的协议;确定来自协议的过程图;将电子病历(EMR)数据格式化;确定用于评估与协议相关联的护理的质量的度量;确定用于评估的EMR数据的群体;并且基于度量并且基于群体中的经格式化的EMR数据至过程图中的映射,例如由处理器针对与协议的合规性来评估EMR数据的群体。
本文所描述的方法和其他功能可以体现为在非瞬态计算机可读介质上的机器可读指令。这些指令可以由处理器或计算机系统执行以执行方法或功能。
具体实施方式
出于简明和说明性的目的,实施方式的原理通过主要参照其示例来描述。在下文的描述中,描述了诸多具体细节以便提供对实施方式的透彻理解。然而明显的是,对于本领域一般技术人员,可以在不受到这些具体细节限制的情况下来实施实施方式。在一些情形下,未详细描述公知的方法和结构,从而免于不必要地模糊实施方式的描述。此外,下文描述了不同的实施方式。实施方式可以以不同组合的方式一起使用或执行。
根据一个实施方式,临床质量分析(CQA)系统包括使诸如行业临床治疗指南之类的协议转变为过程图的工具集。过程图可以包括可以被可视化在显示器上的工作流程。工作流程包括例如使用工具集从协议生成的步骤。工作流程可以包括基于时间的步骤的序列,其确定自协议以从协议中规定的指南来给予(render)护理。工具集可操作为将度量与步骤关联,诸如位置与护理者身份。
CQA系统还可操作为将来自EMR的数据与过程图中的特定步骤关联,并且基于该关联确定协议合规性度量。可以生成报告以指定度量并且提供与测量护理质量和改善护理质量相关的附加信息。另外,可以对来自EMR的数据或从得自EMR的数据进行惯例性(prescriptive)和预测性分析,以确定如何修改过程图来改善护理质量。
图1示出了CQA系统100,其可以连接到网络120。示出了数据源130a-n。CQA系统100可以例如经由网络120接收协议、EMR以及来自数据源13a-n的其他信息。数据源130a-n可以包括捕捉医疗数据并且从医疗数据生成EMR的电子医疗系统。数据源130a-n可以包括发布协议和其他医疗信息的系统。示出了终端用户设备140a-f。终端用户设备140a-f可以连接到CQA系统100以输入数据,并且查看合规性报告和由CQA系统100生成的其他信息。虽然未示出,一个或多个数据源130a-n和终端用户设备140a-f可以通过直接链路,而不是网络来连接到CQA系统100。例如,CQA系统100可以是生成EMA并且包括CQA系统100的电子医疗系统的一部分。另外,CQA系统100可以包括允许用户输入并且查看数据的I/O设备,诸如显示器、键盘、鼠标等。
CQA系统100包括过程图工具集101、映射模块102、CQA引擎103、测量和评估模块104、用户接口105、以及网络接口106。另外,数据存储107连接到CQA系统100以存储由CQA系统所使用的任何信息,诸如EMR、协议、过程图、报告等。数据存储107可以包括数据库或其他类型的存储系统。网络接口106将CQA系统连接到网络120。用户接口105可以包括图形用户界面(GUI),其可以在连接到CQA系统100的显示器上查看,或者经由可以包括互联网在内的网络120在终端用户设备140a-f上查看。CQA系统100的部件可以包括计算机硬件、软件或其组合。
过程图工具集101从协议生成过程图,该协议可以由医学专家、卫生机构或其他实体发布。协议是医疗相关的并且可以包括用于各种疾病或医疗状况的治疗指南。过程图工具集101提供工作空间,用于呈现例如从卫生机构接收的协议;并且提供工具,用于从该协议生成过程图。该协议可以提供为文档中的文本。可以提取来自协议的信息以生成协议大纲。用户可以使用由过程图工具集101所提供的工具,来从协议和协议大纲生成过程图。由过程图工具集101所提供的工作空间可以包括编辑器以及在下文更详细描述的其他特征。
映射模块102将来自EMR的信息映射至过程图。EMR可以包括诸如实验结果、体征(例如可以由护士或机器执行的患者生命机能的测量)、检验预约(orders for tests)、医师笔记等等。映射模块102可以将来自EMR的信息格式化成暂时过程模型。例如,映射模块102从EMR提取必要的EMR数据,并且将组织该数据以创建暂时过程模型。模型中的EMR数据可以代表关于与提供给患者的医疗护理相关联的患者事件的信息。暂时过程模型可以具有模式(schema),其用于基于数据的属性(例如时间、位置、护理者等)并且基于预先确定的类别,来组织提取的EMR数据。继而模型中的EMR数据可以被快速搜索,以用于例如由如上所述的CQA引擎103将数据映射至一个或多个过程图。
测量和评估模块104限定可以由CQA系统100生成的分析视图,并且确定KPI以及可用以分析与协议相关联的护理质量的其他度量。CQA引擎103确定度量的值,所述值可以是从EMR数据标识的或从EMR数据计算的。度量可以由用户定制。测量和评估模块104还可以定义数据元素以用于数据挖掘。例如,与过程图相关的关键词被识别并且存储作为数据元素。然后关键词被用于从EMR中的非结构化数据来挖掘信息,这可以被用来将EMR映射至过程图。
CQA引擎103将EMR数据例如从暂时过程模型映射至过程图。映射可以包括图案识别技术以将暂时过程模型中的EMR数据映射至过程图中的步骤。可以使用基于规则或基于分析的分类器以将EMR数据与过程图中的步骤匹配。另外,映射模块102可以例如根据定义的数据元素来对EMR数据执行数据挖掘,以将EMR数据与过程图中的步骤匹配。CQA引擎103可以基于度量和映射生成报告,该报告可以通过用户接口查看。报告可以识别护理质量何时不符合指南并且可以被用以检测与原因相关联的度量,原因诸如何地、何时、如何和由何人。
图2-11示出由CQA系统100例如经由用户接口101而生成的屏幕截图的示例,该用户接口示出CQA系统100的各种功能。
在一个示例中,CQA系统100被用以映射用于败血症(sepsis)的协议。败血症是一种难以定义、诊断和治疗的复杂的医学综合征。图2示出败血症项目的概况,该败血症项目可以创建在CQA系统,以检测对提供给患者用于败血症协议的护理的质量的合规性。屏幕截图200包括示出利用CQA系统100执行的步骤的项目状态及其完成状态。所述步骤包括由CQA系统100所执行的步骤,包括标准化用于败血症的协议以从协议创建过程图;在EMR数据中对临床事件进行文本挖掘以将临床事件映射至过程图中的步骤;配置疗效和合规性测量结果以用于评估合规性协议和护理的整体质量;以及从测量结果限定患者的群体和败血症分析以生成报告。屏幕截图200的其他部分,示出用于项目、消息和提醒以及将被添加至项目的新的文档的事件和里程碑(milestone)。事件和里程碑示出败血症协议的发布,其可以被接收并且存储在数据存储107中,并且可以被用来创建用于败血症协议的过程图。
图3示出从败血症协议创建过程图的屏幕截图300。过程图标注为Sepsis_Comprehensive(败血症_综合),并且被大致划分为三个部分,包括败血症、重度败血症以及败血症休克。在每个部分中是从协议创建的工作流程。该工作流程包括如下步骤,其可以包括:诸如菱形所示的决定步骤、或诸如长方形、圆形或其他形状示出的事件步骤。该工作流程是基于事件的步骤的序列,以用于为可能具有败血症的患者提供护理。这些步骤可以包括用于诊断、测量生命体征、预约检验、实验结果可以在为败血症患者提供护理。基于时间的意思是按照所示顺序遵循步骤来提供护理。过程图可以包括可以同时遵循的多于一个路径,所以某些步骤可以同时或基本上并行执行。
过程图工具集101提供工作空间以用于基于败血症协议来创建过程图。工作空间可以包括如图3所示的编辑器。例如,用户可以通过编辑器添加、移除或修改过程图中的步骤。然后在需要时可以验证、保存并且复制过程图。过程图工具集101可以从协议生成原始过程图。例如,可以使用文本挖掘来从已发布的协议识别一些列步骤,并且从识别的步骤生成初始过程图。在编辑器中示出初始过程图,并且用户可以按需修改过程图。
过程图中的每个步骤具有属性(attribute)。属性中的一些可以包括事件类型、时间、位置以及护理者。例如,过程图中的一个步骤是医师预约每四个小时的乳酸检验。位置可以包括医师工作的科室。时间可以指示在过程图中医师在何时将执行预约此实验的事件。其他属性可以包括事件诸如实验室之类的子类型,以及诸如每四小时的预约频率。诸如乳酸的结果成分是可以用于实验室事件子类型的另一属性。用于步骤的属性可以由用户输入并且可以通过在过程图中点击步骤来显示。
在生成并且存储过程图之后,映射模块102将来自EMR的EMR数据映射至过程图中的事件。例如,EMR可以在一段时间上采集。EMR可以来自单个实体,诸如来自单个医院或医师办公室,或者可以来自多个实体。EMR可以包括一些结构化数据,诸如护理者的身份以及执行医疗事件的时间和日期。EMR数据可以包括非结构化数据,诸如由医师或护士或实验室输入、描述所给的护理或实验室结果的文本。
映射模块102从EMR提取数据并且将其暂时对准,因而其对准过程图中的事件。映射模块102还从EMR提取属性,其符合存储在过程图中的属性。映射模块102暂时组织EMR数据,如此其对准过程图并且存储具有对准数据的属性,以生成代表关于与提供给患者的医疗护理相关联的患者事件的必要信息的患者护理的暂时过程模型。
CQA引擎103将暂时过程模型中的信息匹配至过程图中的事件。匹配过程可以包括来自用于协议的转换模型识别EMR数据的临床记录中的起点,并且然后将EMR数据从起点与过程图匹配。例如,用于协议的起点的EMR数据与在过程图的起点中的事件或事件的组匹配。继而,匹配过程继续过程图中的如下流程。匹配可以包括将EMR数据的属性与过程图中的事件的属性匹配。可以使用基于规则的或基于分析的人工智能分类器,来将EMR数据分类为属于过程图中的特定事件。
可以执行数据挖掘以从EMR数据中的文本信息提取EMR数据的属性。文本可以包括笔记或由护理者输入的例如非结构化形式的其他信息。图4示出输入可以用于文本挖掘的数据元素以便从过程图中的特定事件提取数据的屏幕截图400。如图4所示,来自过程图的事件被选中。事件被示为“协议节点”。在此示例中,所选的事件是“A.1 Physician ROS:Respiratory Distress(A.1医师ROS:呼吸困难)”。此事件A.1可以是在过程图中用于确定患者是否呼吸困难。该确定可以与其他步骤一起执行,已确定患者是否具有后续评定的资格。
对呼吸困难的确定可能未在EMR的结构化数据中说明。而是其可能在EMR中笔记的文本中或在其他信息中指定。在屏幕截图400中,文档来源被选择,文档来源可以包括EMR数据由其他信息。HPI被选择,HPI代表当前疾病的病史。选择的其他文档是医师处理笔记和就诊笔记。搜索这些文档以识别患者是否呼吸困难。
可以使用字典来确定用于形容呼吸困难的关键词。可以选择一个或多个关键词,并且使用所述关键词搜索EMR数据以确定EMR数据匹配这一过程图事件。
测量和评估模块104限定可以由CQA系统100生成的分析视图,并且确定KPI的和可用以分析与协议相关联的护理质量的其他度量。图5示出被选择用于围绕败血症协议所提供的质量护理进行分析的度量的示例。度量识别相关的协议或过程图、度量类型(例如疗效的测定)、用于确定度量的计算、笔记以及修改时间。
图6示出用于限定度量的屏幕截图600。在此示例中,度量是针对第一小时内的抗生素医嘱的合规性比率。度量通过指定名称、显示名称以及描述,并且指定度量如何计算。在此示例中,度量被定义为百分比。分子被定义为合规性事件节点B1(即抗生素医嘱)的病案数量,并且分母被定义为进入全面败血症协议的病案数量。
除确定度量、KPI和分析视图之外,由CQA系统100所进行的测量和评估过程包括确定待评估的病案的群体或集合。图7示出用于选择过滤器(filter)以识别病案的群体。EMR数据可以包括被提供针对各种疾病的护理的数百万患者的EMR。在此示例中,将过滤器设置为识别疑似具有败血症的患者的EMR。过滤器的每个值可以包括属性和值,以及属性和值之间的关系。例如,在屏幕截图700中,可以对过滤器进行选择以识别其中患者具有如下体征标记newpain=yes(新的疼痛=是);drainage issue=yes(排泄问题=是);respiratory distress=yes(呼吸困难=是);lab results for urine analysis=hazy(尿液分析的检验结果=模糊),以及在屏幕截图700的下半部分示出的任意两个过滤器的所有病案。过滤器可以通过逻辑运算(例如AND,OR)结合以选择群体。另外,可以预先确定诸如屏幕截图700所示的过滤器的集合,并且选择来自集合的某些过滤器以识别群体。在许多情况下,将从上述数据挖掘过程所搜集的EMR数据与过滤器对比,以确定来自EMR数据的病案是否应当是有待针对合规性协议来评估的群体的一部分。EMR数据由选择的过滤器过滤以确定群体。过滤可以包括确定符合过滤条件的EMR数据。
一旦群体被识别,CQA引擎103评估病案群体,以基于所确定和选择的度量来确定合规性协议。CQA引擎103可以生成分数和报告以指示合规性和来自合规性的变化,并且提供分析视图以识别特定个人护理者、特定部分、特定轮班(例如日间轮班还是晚间轮班)等问题。
由CQA系统100所生成的分析视图允许深度探讨(drill down),其可以被用以识别问题的原因。例如,初始视图可以包括过程图的彩色编码的显示器。以红色或黄色示出的事件指示来自协议高层级或中层级的差异。用户可以点击红色事件以深度探讨附加的信息,诸如用于负责该事件的部门的合规性度量。另一深度探讨可以包括用于该部门的轮班的度量。一旦识别出有问题的换班,另一深度探讨可以包括用于在换班中的个人的合规性度量。然后,可以确定补救(remedy),诸如用于并不依附于协议的个人的附加培训。在另一实施方式中,度量可以识别出在换班期间未遵守协议,所以可以指定部门的内部交换班程序作为补救。
图8-11示出由CQA系统基于由CQA分析引擎103所进行的比较来生成的报告的屏幕截图的示例。报告可以基于为协议定义和选择的度量。图8示出用于败血症协议的整体合规性报告的示例的屏幕截图800。屏幕截图800示出疗效简档和合规性简档。简档指示群体类别的合规性的百分比。
图9示出节点合规性的屏幕截图900。在此示例中,节点是医师。报告指示每个医师的度量包括合规性百分比和平均总成本。报告可以被用以识别不合规或价格过高的医师。图10和11示出提供具有按照轮班的合规性百分比的报告的屏幕截图1000和1100。这些报告可以被用以在每小时基础上评估合规性度量。屏幕截图900-1100中的报告可以被用作深度探讨过程的一部分来识别如其与协议相关的不良护理质量的根本原因。
图12示出根据一个实施方式的方法1200。通过举例而不是限定的方式结合在图1中所示的CQA系统100来描述方法1200。方法1200可以由其他系统执行。
在1201处,接收协议。例如,CQA系统100从可以是健康机构的数据源130a接收协议。协议可以是在互联网上发布的文档,其针对医疗状况指定治疗指南。CQA系统100可以下载该文档。协议被存储在数据存储107中。
在1202,从协议生成过程图。过程图包括可以被可视化在显示器上的工作流程。工作流程可以包括根据协议确定的、基于时间序列的事件(例如步骤)以根据协议中指定的指南来给予护理。过程图工具集101可操作为将属性与事件相关联,属性诸如事件类型、位置、护理者身份、事件子类型、医嘱频率、结果成分等等。属性还可以包括识别事件在过程图的工作流程中何时发生的时间属性。过程图例如被存储在图1所示的数据存储107中。
过程图工具集101提供用于例如基于败血症协议来创建过程图的工作空间,其中用户可以与过程图交互,并且通过编辑器在过程图中添加、移除或修改步骤。图3示出过程图的至少一部分的示例。过程图工具集101可以例如通过从发布的协议中识别一系列步骤,并且从识别的步骤生成初始过程图,来从协议生成初始过程图。显示过程图并且用户可以按需修改过程图。
过程图工具集101存储针对过程图中每个事件的属性。事件的属性可以由用户输入并且可以通过点击过程图中的步骤来显示。
在1203,确定包括KPI在内的度量以分析与协议相关联的护理质量。度量可以是被用户选择和/或定义的。例如,测量和评估模块104可以存储预先确定的用于协议的度量的集合,并且将这些度量呈现给用户。用户可以选择度量中的一个或多个或者定义新的度量以用于评估。
在1204,定义数据元素。数据元素可以被用于数据挖掘以将EMR数据映射至过程图。例如,数据元素可以包括与过程图中的步骤相关的关键词,诸如“乳酸检验”、“呼吸困难”等。这些关键词可以例如在如下所述的1206,被CQA引擎103使用来搜索EMR数据并且将EMR数据映射至过程图。图4示出屏幕截图400,其可以被用于定义数据元素。
在1210,EMR被接收。EMR可以从图1所示的数据源130a-n接收。在1211,EMR被格式化并且例如在数据存储107中存储。格式化可以包括从EMR提取数据,并且以一种格式存储数据,该格式允许数据针对一个或多个过程图而被搜索用于评估。提取的数据可以包括属性和从EMR的结构化和非结构化部分提取的其他信息。例如,映射模块102提取与存储在过程图中的属性一致的来自EMR的属性。例如,从EMR提取的属性可以包括接触患者发生的时间。患者接触可以包括在为患者提供护理时发生的一个或多个动作或事件。另一属性可以包括患者接触的位置。另一属性可以包括将患者接触和与患者接触相关联的数据按照事件类型分类,事件类型诸如观察、干预、医疗关怀(medical concern)类型等等。
从EMR提取的数据被组织并且存储,使得其可以跨一个或多个属性被搜索。例如,映射模块102组织EMR数据以从提取的数据创建暂时过程模型,其代表关于与提供给患者的医疗护理相关联的患者事件的必要信息。暂时过程模型可以包括代表提取的属性的模式。
从接收的EMR提取数据可以包括从EMR的结构化部分和非结构化部分提取数据。接收的EMR可以包括存储在预先确定的字段中的结构化数据,所述预先确定的字段对应于暂时过程模型中的字段。对于非结构化数据,可以执行数据挖掘以从文本信息提取属性。例如,对患者是否患有呼吸困难的确定可能未在EMR的结构化数据中指定。相反,它可以在EMR或其他信息中的笔记或文档中指定。搜索文本以识别患者是否曾患有呼吸困难。该信息被提取并且可以与时间和位置以及针对观察的其他属性一起,被存储在过程模型中的观察事件类型下。文本搜索可以是数据挖掘过程的一部分。数据挖掘可以包括使用由用户指定的关键词。
可以连续执行步骤1210和1211。例如,在被接收时或成批将EMR格式化并且存储。可以按需根据步骤1201和1202生成过程图。
在1205,确定EMR数据的群体以用于针对在1205执行的过程图进行评估。例如,测量和评估模块104可以向用户呈现过滤器以选择群体。过滤器可以被修改和恢复。过滤可以包括确定符合过滤器条件的EMR数据。
在1206,针对合规性在1202处生成的过程图来评估EMR数据的群体。评估可以基于在1203处确定的度量。评估可以包括将来自群体的EMR数据与过程图中的每个事件进行比较。例如,来自1211的、在1204处确定的群体中的经格式化的EMR数据由CQA引擎103分析以将来自群体的经格式化的EMR数据映射至过程图中的事件。例如,过程图中的事件可以指示医师在过程图的工作流程中的某点检查呼吸困难。过程图中的事件的另一示例可以是在过程图工作流程中的某点每四个小时预约或执行乳酸检验。CQA引擎103通过搜索经格式化的EMR数据,来确定这些事件是否在向患者提供的护理的时间线的适当时间执行。
在一个示例中,映射过程可以包括CQA引擎103将经格式化的EMR数据中的信息与过程图中的事件匹配。匹配可以包括将经格式化的EMR数据的属性与过程图中的事件的属性进行匹配。匹配可以从在过程图开端的事件开始以识别该事件的EMR数据。继而匹配过程按照过程图的工作流程继续用于其他事件。映射过程可以利用在1204处定义的数据元素来将EMR数据与过程图中的事件匹配。例如,数据元素可以包括被用以挖掘经格式化的EMR数据的关键词,以识别与过程图中每个事件相关的EMR数据。
匹配的经格式化的EMR数据可以与对应的过程图中事件相比较,以确定是否向患者提供了根据过程图的医疗护理。例如,比较可以确定在患者护理期间,是否在适当时间为患者检查呼吸困难,或是否在适当时间执行乳酸检验。来自步骤1203的度量的值可以从比较来确定。另外,可以为群体确定聚合尺寸,诸如死亡率、合规性比率、治愈百分比等。
在1207,通过CQA系统100生成评估报告。报告可以指定度量和允许深度探讨的度量的分析视图,诸如结合图8-11所述。报告可以根据过程图指定协议的合规性变化。报告可以包括疗效差异分析、驱动器节点分析、成本机遇分析以及驱动器节点成本分析。报告还可以包括对于度量的积分卡测量。报告还可以包括与主要和次要度量一起的定义的KPI。
上述的所有方法和操作以及功能中的某些可以作为机器可读指令来提供,机器可读指令诸如存储在可以是诸如硬件存储设备或其他类型的存储设备之类的非瞬态的计算机可读存储介质上的计算机程序。例如,机器可读指令可以作为包括源代码、目标代码、可执行代码或其他形式的程序指令而存在。一个计算机可读存储介质的一个示例包括常规计算机系统RAM、ROM、EPROM以及磁盘或光盘或磁带。
参见图13,示出了用于CQA系统100的计算机平台1300。要理解的是,平台1300的图示是通用化的图示,并且平台1300可以包括附加的部件,并且描述的部件中的某些部件可以被移除,并且/或者修改而不偏离平台1300的范围。另外,CQA系统100可以在诸如云系统之类的分布式计算系统中实现。
平台1300包括诸如中央处理单元、ASIC或其他类型的处理电路之类的处理器1301;诸如监视器的显示器1302;诸如单输入接口和/或到局域网(LAN)、无线802.11x LAN、3G或4G移动WAN或WiMax WAN之类的网络接口;以及计算机可读介质1304。这些部件中的每个部件可以可操作地耦合至总线1138。诸如CRM1304之类的计算机可读介质(CRM)可以是任意适合的介质,其参与向处理器1301提供指令以用于执行。例如,CRM1304可以是诸如磁盘或固态非易失性存储器或易失性介质之类的非易失性介质。CRM1304还可以存储其他指令或指令集,包括文字处理器、浏览器、电子邮件、即时消息、媒体播放器以及电话代码。
CRM1304还可以存储诸如MAC OS、MS WINDOWS、UNIX或LINUX之类的操作系统1305;应用1306,网络应用,以及数据结构管理应用1307。操作系统1305可以是多用户、多线程、多任务、多线程、实时等等的。操作系统1305还可以执行诸如从接口1303、包括从诸如键盘或小键盘之类的输入设备来识别输入之类的基本任务;向显示器1302发送输出并且追踪CRM1304上的文件和目录;控制诸如磁盘驱动器、打印机、图像捕捉设备之类的外围设备;并且管理总线1308上的流量。应用1306可以包括各种组件以用于建立并且维护网络连接,诸如用于实现通信协议并且执行CQA系统100的代码或指令。
诸如数据结构管理应用1307之类的数据结构管理应用为如上所述的非易失性存储器提供各种代码组件,以用于建立/更新计算机可读系统(CRS)架构。在某些示例中,由数据结构管理应用1307执行的所有过程中的一些过程可以被集成到操作系统1305中。在某些示例中,过程可以至少部分实现在数字电子电路装置、计算机硬件、固件、代码、指令集或其任意组合中。
虽然已经参照以上公开描述了实施方式,在不偏离在如下权利要求所述的实施方式及其等同物的情况下,本领域技术人员能够对所述实施方式做出各种修改。
Claims (17)
1.一种临床质量分析CQA系统,包括:
过程图工具集,用于从用于医疗指南的协议确定过程图;
映射模块,用于将电子病历EMR数据格式化,以将经格式化的所述EMR数据映射至所述过程图;
测量和评估模块,用于确定用于评估与所述协议相关联的护理质量的度量,并且确定用于所述评估的所述EMR数据的群体;以及
CQA引擎,用于基于所述度量和在所述群体中的经格式化的所述EMR数据至所述过程图的映射,针对与所述协议的合规性来评估所述EMR数据的群体,
其中所述映射模块通过暂时组织所述EMR数据以创建暂时过程模型来格式化所述EMR数据,并且所述映射包括:从所述过程图中的起点开始,将所述暂时过程模型中的信息与所述过程图中的事件匹配,并且按照所述过程图中的工作流程继续所述匹配。
2.根据权利要求1所述的临床质量分析CQA系统,其中所述过程图工具集用于显示所述过程图,并且所述过程图工具集用于接收对所显示的所述过程图的修改并且用于存储经修改的所述过程图。
3.根据权利要求1所述的临床质量分析CQA系统,其中所述过程图包括从所述协议确定的事件的基于时间的序列以根据所述指南给予护理,并且所述过程图包括用于所述事件的属性,其中所述属性包括如下中的至少某些:事件类型、时间、位置以及护理者。
4.根据权利要求1所述的临床质量分析CQA系统,其中所述匹配使用利用由所述测量和评估模块定义的数据元素从非结构化数据而数据挖掘的信息,其中所述数据挖掘包括:接收包括与所述过程图中的事件相关的一个或多个关键词的所述数据元素,并且在非结构化的所述EMR数据中搜索所述一个或多个关键词。
5.根据权利要求1所述的临床质量分析CQA系统,其中所述测量和评估模块通过如下方式确定所述群体:接收用于限定群体的过滤器,并且根据所述过滤器过滤所述EMR数据以确定所述群体。
6.根据权利要求1所述的临床质量分析CQA系统,其中所述CQA引擎通过将来自所述群体的EMR数据与所述过程图中的每个事件进行比较来评估所述EMR数据的所述群体。
7.根据权利要求1所述的临床质量分析CQA系统,包括:提供所述评估的报告的用户接口,其中所述报告指示以下至少一个:所述度量、允许深度探讨来识别合规性失败的原因的所述度量的分析视图,以及针对与所述群体的所述协议的合规性的百分比。
8.一种评估与医疗指南的协议的合规性的方法,所述方法包括:
接收用于医疗指南的所述协议;
从所述协议确定过程图;
将电子病历EMR数据格式化;
确定度量以评估与所述协议相关联的护理质量;
确定用于所述评估的所述EMR数据的群体;并且
由处理器基于所述度量并基于在所述群体中的经格式化的所述EMR数据至所述过程图的映射,针对与所述协议的合规性来评估所述EMR数据的群体,
其中经格式化的所述EMR数据被暂时组织以创建暂时过程模型,并且所述方法还包括:通过如下方式映射所述群体中的经格式化的所述EMR数据:
从所述过程图中的起点开始,将所述暂时过程模型中的信息与所述过程图中的事件匹配,并且按照所述过程图中的工作流程继续所述匹配。
9.根据权利要求8所述的方法,其中从所述协议确定过程图包括:将与所述协议相关联的属性与所述过程图中的事件关联。
10.根据权利要求8所述的方法,其中确定过程图包括:
基于从所述协议识别的步骤来从所述协议生成初始过程图;
接收对所述初始过程图的修改;并且
存储包括所述修改的所述过程图。
11.根据权利要求8所述的方法,其中所述过程图包括从所述协议确定的事件的基于时间的序列以根据所述指南给予护理。
12.根据权利要求8所述的方法,包括:
对所述EMR数据中的非结构化数据进行数据挖掘;并且
利用从所述非结构化数据所数据挖掘的信息,来执行所述匹配。
13.根据权利要求12所述的方法,其中所述数据挖掘包括:
接收与所述过程图中的事件相关的一个或多个关键词;并且
在所述EMR数据中搜索所述一个或多个关键词。
14.根据权利要求8所述的方法,其中确定用于评估所述护理质量的度量包括:接收所述度量中的至少一个的定义。
15.根据权利要求8所述的方法,其中确定所述EMR数据的群体以用于所述评估包括:
接收用于限定所述群体的过滤器;并且
根据所述过滤器过滤所述EMR数据以确定所述群体。
16.根据权利要求8所述的方法,其中针对与所述协议的合规性来评估所述EMR数据的群体包括:将来自所述群体的EMR数据与所述过程图中的每个事件进行比较。
17.根据权利要求8所述的方法,包括:
生成所述评估的报告,其中所述报告指示以下至少一个:所述度量、允许深度探讨来识别合规性失败的原因的所述度量的分析视图、以及针对所述群体的所述协议的合规性的百分比。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201061428636P | 2010-12-30 | 2010-12-30 | |
US61/428,636 | 2010-12-30 | ||
PCT/US2011/068177 WO2012092589A1 (en) | 2010-12-30 | 2011-12-30 | Clinical quality analytics system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103370629A CN103370629A (zh) | 2013-10-23 |
CN103370629B true CN103370629B (zh) | 2015-04-29 |
Family
ID=46383561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180067402.8A Active CN103370629B (zh) | 2010-12-30 | 2011-12-30 | 临床质量分析系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20130275149A1 (zh) |
CN (1) | CN103370629B (zh) |
AU (1) | AU2011351962B2 (zh) |
CA (1) | CA2823571C (zh) |
WO (1) | WO2012092589A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5922235B2 (ja) * | 2011-08-16 | 2016-05-24 | ザ クリーブランド クリニック ファウンデーションThe Cleveland ClinicFoundation | 問題指向型の医療記録を容易にするためのシステム |
WO2013135636A2 (en) | 2012-03-12 | 2013-09-19 | Icon Clinical Research Limited | A clinical data management system |
US9864837B2 (en) | 2013-02-28 | 2018-01-09 | Accenture Global Services Limited | Clinical quality analytics system with recursive, time sensitive event-based protocol matching |
US10365945B2 (en) | 2013-03-27 | 2019-07-30 | International Business Machines Corporation | Clustering based process deviation detection |
US9430616B2 (en) * | 2013-03-27 | 2016-08-30 | International Business Machines Corporation | Extracting clinical care pathways correlated with outcomes |
US10586615B2 (en) | 2016-11-01 | 2020-03-10 | International Business Machines Corporation | Electronic health record quality enhancement |
CN109543957A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的生成病案质检报告的方法和装置 |
WO2024089684A1 (en) * | 2022-10-23 | 2024-05-02 | B. G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Computerized method and system for assessment of quality of long-term management of patients |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6292796B1 (en) * | 1999-02-23 | 2001-09-18 | Clinical Focus, Inc. | Method and apparatus for improving access to literature |
US20020019749A1 (en) * | 2000-06-27 | 2002-02-14 | Steven Becker | Method and apparatus for facilitating delivery of medical services |
US20040122701A1 (en) * | 2000-11-22 | 2004-06-24 | Dahlin Michael D. | Systems and methods for integrating disease management into a physician workflow |
US7865371B2 (en) * | 2002-05-10 | 2011-01-04 | Shen Michael Y | Management of information flow and workflow in medical imaging services |
US8117549B2 (en) * | 2005-10-26 | 2012-02-14 | Bruce Reiner | System and method for capturing user actions within electronic workflow templates |
WO2009079377A2 (en) * | 2007-12-18 | 2009-06-25 | New York University | Qeeg-guided selection and titration of psychotropic medications |
CA2722489C (en) * | 2008-04-30 | 2018-05-22 | Ecolab Inc. | Validated healthcare cleaning and sanitizing practices |
US20100017225A1 (en) * | 2008-07-18 | 2010-01-21 | WAVi | Diagnostician customized medical diagnostic apparatus using a digital library |
-
2011
- 2011-12-30 CA CA2823571A patent/CA2823571C/en active Active
- 2011-12-30 US US13/496,230 patent/US20130275149A1/en not_active Abandoned
- 2011-12-30 WO PCT/US2011/068177 patent/WO2012092589A1/en active Application Filing
- 2011-12-30 AU AU2011351962A patent/AU2011351962B2/en active Active
- 2011-12-30 CN CN201180067402.8A patent/CN103370629B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CA2823571C (en) | 2018-05-08 |
AU2011351962A1 (en) | 2013-07-18 |
CA2823571A1 (en) | 2012-07-05 |
US20130275149A1 (en) | 2013-10-17 |
AU2011351962B2 (en) | 2015-01-22 |
WO2012092589A1 (en) | 2012-07-05 |
CN103370629A (zh) | 2013-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103370629B (zh) | 临床质量分析系统 | |
US11348669B2 (en) | Clinical trial re-evaluation system | |
US20220130554A1 (en) | Method for an ai powered automated analyzer for displaying comprehensive medical reports, a supervised learning ml classifier for automated protocol change, a reinforcement learning ml classifier for predetermined protocol change, an iterative or recurrent neural network natural language processor and a successive or recursive neural network natural language processor for medical learning, understanding, prediction, and prescription | |
Mans et al. | Process mining in healthcare: evaluating and exploiting operational healthcare processes | |
US9898513B2 (en) | System, method and computer program for multi-dimensional temporal and relative data mining framework, analysis and sub-grouping | |
Vanbrabant et al. | Quality of input data in emergency department simulations: Framework and assessment techniques | |
CN101903887B (zh) | 对临床决策支持系统的连续版本的半自动验证 | |
US11488717B2 (en) | Method and system for analysis of spine anatomy and spine disease | |
CN109643586A (zh) | 管理护理路径 | |
CA2816107A1 (en) | System and method for machine based medical diagnostic code identification, accumulation, analysis and automatic claim process adjudication | |
US20160110502A1 (en) | Human and Machine Assisted Data Curation for Producing High Quality Data Sets from Medical Records | |
US20220005565A1 (en) | System with retroactive discrepancy flagging and methods for use therewith | |
Martin | Data quality in process mining | |
US11669678B2 (en) | System with report analysis and methods for use therewith | |
US11581097B2 (en) | Systems and methods for patient retention in network through referral analytics | |
CN111279424B (zh) | 用于优化图像采集工作流的设备、系统和方法 | |
WO2014113730A1 (en) | Systems and methods for patient retention in network through referral analytics | |
Zhan | Health services information: patient safety research using administrative data | |
US20230197291A1 (en) | Systems and methods for patient retention in network through referral analytics | |
EP2685407A1 (en) | Computer system, method and program to quantify quality of service provision | |
Scurti | Data-Driven Analysis to Improve Oncological Processes in Hospital | |
van Kasteren | Cost-Effectiveness of Expensive Drugs | |
Wang | Design and Mining of Health Information Systems for Process and Patient Care Improvement | |
Madaan et al. | Usability Measures for Large Scale Adoption of the Standardized Electronic Health Record Databases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |