談談醫療行業數據治理的四個關鍵階段【後附醫院數據治理案例】
數據是推動醫療行業的改進，駕馭不斷變化的醫療行業環境的必要資源。它使醫療行業組織能夠評估醫療的提供和支援方式、患者參與和教育的方式，以及支付者和提供者如何共同努力提高價值。但是醫療行業數據很複雜，而且很難利用。通過良好的數據治理實踐，基於原則的數據處理方法可以彌合差距。數據治理使組織能夠最大化其數據的價值以改善結果。
一 醫療數據治理定義
醫療行業數據治理是將數據作為戰略資產進行管理的學科。它為數據通過人員、流程和技術的編排支援組織優先事項鋪平了道路。通過專註於增強決策，數據治理可幫助組織領導者改善臨床、運營和財務結果。重要的是，數據治理是一項持續的、企業範圍內的跨職能工作，旨在優化數據以造福患者、員工和社會。數據治理不能作為其自身的目的——為治理而治理。如果以一次性事件的「一勞永逸」的心態來處理，它將失敗。並且不能局限於組織層次結構中的 IT 部門。
1醫療行業的挑戰和數據治理
組織迫切需要數據治理來應對當今的挑戰。通過確保人們能夠在正確的時間以正確的格式訪問正確的數據和資訊以做出臨床和業務決策，數據治理顯示了組織對數據進行投資的價值。然而，組織經常面臨：·無法響應新的分析用例和需求。·數據品質差或未知；數據孤立、不準確、不一致、不規範等。·決策周期冗長且不準確。·試圖回答同一問題的不同來源的分析結果不一致。·缺乏解決數據品質問題的責任或流程。這些問題中的每一個都對組織及其患者產生負面影響。通過更好的數據治理，組織可以克服財務風險、運營效率低下和安全問題，從而為包括患者在內的整個系統帶來價值。
2 醫療行業當務之急和數據治理
最終，數據治理將實現更多轉型。通過良好的治理實踐最大化數據的價值，組織將能夠查看和使用影響患者健康的所有因素，例如將社會經濟和可穿戴數據納入醫院數據生態系統。向基於價值的臨床的轉變推動了對可靠數據的需求，這些數據可以衡量整個醫療過程中的成本、利潤和生產力。它還需要領導者有能力評估預期的投資回報，以改善特定的醫療結果。做得好，數據治理是轉型的促進劑。它使組織能夠實現醫療改革所需的整合廣度和速度，由臨床和技術創新提供支援，這對於提高患者和社區的護理成本和品質至關重要。
二 醫療數據治理的四個階段
強大的數據治理由四個階段構成，所有階段都可以改進從董事會到一線的決策。
數據治理階段一：提升
有效數據治理的第一階段是通過制定與組織優先事項相一致的願景和議程來提升治理的重要性。目標是將數據的感知從昂貴的技術轉變為寶貴的資源。與任何協作努力一樣，最好從對目標的共同理解開始，並為工作定義一個有限的、可實現的和具有戰略目標的範圍。使用增量方法，因此組織可以首先處理最重要的事情，此步驟通過定義預期結果並展示它們與組織戰略方向核心的臨床和業務活動的關係來促進高層的認同。
數據治理階段二：建立
建立一個組織結構來完成數據治理任務有助於建立良好的治理實踐。管理數據是一項影響整個系統的許多組的工作。組織起來並把合適的人和團隊帶到談判桌上對於任何新計劃的成功都很重要。組織的數據治理方法必須克服相當大的複雜性。通常，治理決策位於相互競爭的優先事項（財務、臨床和運營）的交叉點。管理團隊必須考慮到這種跨職能協同。此外，用於數據治理的資源可能是有限的，尤其是起初。確保合適的人加入合適的小組將有助於充分利用可用的資源。最後，組織有不同的需求，並且沒有單一的「一刀切」的模板來構建數據治理資源。只有在制定了數據治理的高級議程後，領導者才必須著手建立團隊。圍繞最需要做的工作組織人員，而不是建立團隊然後尋找工作，將有助於指導方向。
數據治理階段三：執行
創建具有人員和資源分配的優先數據治理項目，以執行治理任務。在第二階段創建的數據治理委員會應該支援一組具有明確目標的項目，以支援對工作的有紀律的關注。這種項目組合方法有助於將工作分解為可隨著時間分階段進行的可管理單元，並且它允許調用不同的人員來支援數據治理組合中的不同項目。
數據治理階段四：擴展
確保數據投資和努力將持續並在整個組織中延伸到未來。建立一套實踐來持續支援和改進數據治理工作對於確保數據治理組合的持續相關性和價值以及維護早期取得的成果非常重要。數據治理的機會看似無窮無盡，但人們的時間、精力和關注點卻是有限的。展望未來，組織可以為治理工作帶來新的活力和新的視角，幫助建立和保持成就動力。對數據治理的持續投資也有助於培養數據驅動的文化，加強整個組織的預期行為。
三 有效的醫療行業數據治理的原則
每個數據治理階段都必須包含四個核心原則以支援成功，無論其具體結構或領導如何：利益相關者參與：組織必須超越 IT 部門，讓臨床、運營和財務利益相關者圍繞數據作為一種戰略資產的意識來參與——突出其在支援從董事會到一線的更好決策的價值。共同理解：在整個組織內促進數據治理的目標和成就，培養數據驅動的文化。對齊戰略：確保數據治理明確支援組織的優先事項和戰略，在整個數據生命周期中滿足用戶的需求，並平衡明顯的衝突。重點突破：組織領導者應該精益求精，做最重要的事情，然後隨著項目的推進進行調整。以實現最大共同利益所需的最小程度管理數據非常重要。
四 醫療行業數據治理需要持續的轉型
成功的數據治理不是一次性事件。這些步驟不能一次性完成，因為醫療行業正在不斷發展和變化；醫療行業組織必須能夠做出反應。作為一個持續和迭代的過程，數據治理能夠響應不斷變化的環境，並使領導者能夠重新平衡優先事項以管理衝突。最後，數據治理工作必須由整個組織的領導者推動，他們強調數據驅動的文化，並將數據視為組織目標和改進的資產。
五 醫療行業數據治理案例
1 背景
隨著醫療保健向分析驅動型行業轉型，數據已成為其最寶貴的資產，也是最難管理的資產之一。為了支援醫療服務和其他功能，衛生系統必須整合來自一系列複雜的內部應用程式的數據，包括住院和門診 EHR、實驗室資訊系統、藥房系統和 ERP 系統。與此同時，這些組織還必須從附屬提供商的 EHR 系統、付款人、外部實驗室、藥房和基準來源中提取數據。對於醫院來說，良好的數據治理實踐顯然是必不可少的，以確保所有這些數據都得到充分理解、信任、可訪問和安全——尤其是在數據驅動的環境中驗證儀錶板、記分卡和其他分析輸出的準確性。著眼於創造這樣的環境，堪薩斯大學醫院設定了一個總體目標，即成熟為一個高級分析組織，能夠管理非常大的數據集並執行預測分析以追求最佳結果。為了實現這些目標，堪薩斯大學醫院需要一個「單一事實來源」，用戶可以依賴它來獲取從不同來源和系統中提取的高品質數據。雖然這可以部分通過技術來實現，但他們還需要為數據治理建立一個堅實的框架。簡而言之，這是由建立程式和執行計劃的管理機構對數據進行管理，以確保其安全、可用、可得和可靠。已確定某些數據治理最佳實踐涉及一系列問題，從數據管理到品質和可用性。為了落實這些和其他最佳實踐，例如高層領導的積極承諾和參與，以及將數據治理與現實世界的臨床或運營努力聯繫起來以實現必要的參與水平，堪薩斯大學醫院隨後成立了數據治理委員會。
2在沒有數據治理模型的情況下管理數據的不足之處
堪薩斯大學醫院面臨著醫療保健組織面臨的幾個常見數據挑戰，首先是手動收集、獲取和驗證來自眾多來源的數據所需的時間。這使員工沒有多少時間來實際研究數據以尋求改進機會。隨著內部和外部對資訊的需求不斷增長，這個過程變得更加昂貴和低效。將正確的數據掌握在正確的決策者手中也變得更加困難。然而，醫院需要一個更有效的替代方案，而不僅僅是增加更多的全職員工來管理不斷增長的數據量。數據品質問題也經常浮出水面，說明需要對不同數據源進行廣泛清理。除了不準確或完全缺失的數據之外，非標準數據術語和定義是最常見的問題之一。相互矛盾的數據是另一個挑戰，例如董事會成員在兩份不同的報告中遇到的不同的逗留時間值。這些和其他差異通常是由生成資訊的時間或不同源系統中的不同數據類型定義造成的。最終結果是用戶並不完全信任這些數據。為了克服這種不信任，堪薩斯大學醫院希望實施標準術語和定義，並實施更好的數據管理流程和實踐。他們還希望讓臨床和運營最終用戶更容易訪問數據。最後，他們希望創建一個單一的資訊真實來源，可以考慮到參與數據收集和分析的許多不同的人以及他們不同程度的培訓和經驗。
3自動分析與人工實施的政策相結合
為了解決對數據的不信任問題，堪薩斯大學醫院成立了一個數據治理委員會，該委員會由高層領導批准，並被授予管理所有商業智慧、數據和資訊資產的行政權力。為了滿足其不斷增長的數據報告需求，堪薩斯大學醫院選擇投資於現代分析基礎設施。這種解決方案的主要特點顯著有助於向數據驅動文化的轉變。·數據收集過程的自動化·為決策提供及時、準確的數據·正確的用戶可以訪問正確的數據·將重點從數據報告轉向識別和執行改進為了自動化數據收集和報告，醫院部署了企業數據倉庫和分析應用程式。
4數據治理委員會章程
從一開始，該委員會就明確表示其目的不是擁有數據，而是促進將其用於有效決策。為此，委員會追求數據的四個主要目標：數據治理。這涉及將臨床、管理和技術合作夥伴聚集在一起，共同設計和優化與組織戰略和目標一致的資訊資產。它還包括事實來源的聲明、記錄系統、角色和責任、資訊交付標準和經過認證的企業報告/儀錶板。數據安全和訪問決策在此治理的範圍內。品質。完整、及時、準確和一致的數據支援成功的決策。該委員會通過標準化、流程工程以及數據品質指標的創建和監控來確保數據品質。可用性。可用性包括易於使用的應用程式，可促進數據交互和知情決策，以及創建通用數據語言以了解組織績效。創建此類可用性的工具包括數據字典、培訓、元數據存儲庫以及儘可能接近實時地訪問可信數據集。獲得性。委員會努力實施適當的分析基礎設施，使臨床和操作用戶在需要時可以訪問數據，由他們各自的臨床和操作需求定義。
5數據治理委員會結構
該委員會被劃分為具有特定職責的不同組。監督改進工作的願景和戰略是數據治理執行小組，而數據諮詢小組在更具戰術性的層面上運作，並解決數據品質問題、工作重點和工作組的創建。工作組由該組研究領域的主題專家組成。其他主要委員會成員包括由技術、流程改進和臨床專家組成的數據治理支援團隊。
6醫療數據治理的最佳實踐
為了避免可能導致數據治理計劃不成功的錯誤，堪薩斯大學醫院設計並實施了許多最佳實踐，以建立一個可靠的數據治理結構，為醫院服務多年。·獲得高層領導的承諾。實施先進的分析基礎設施和有效的改進策略是一項重大的變革管理工作。這也是整個組織的共同責任。因此，高層領導的可見和積極支援至關重要。醫院自己的執行團隊確保該計劃配備必要的技術、運營和臨床專業知識。·讓它成為改進，而不是 IT 項目。雖然需要 IT 專業知識，但 IT 是數據的管理者，而不是所有者。此類項目的總體目的是將優質數據交到最終用戶手中，以便他們做出最佳護理決策。事實上，數據所有權的責任落在臨床和運營決策者身上。·確定一個「價值平台」。當項目啟動時，它應該與現實世界的臨床或運營努力聯繫起來，以實現必要的參與水平。對於堪薩斯大學醫院來說，最重要的平台是為其診所實施新的收入周期系統——這造成了數據缺口和報告關鍵組織指標的中斷。·以透明而不是把關為目標。數據治理委員會不應充當看門人。它的作用是透明地為最終用戶提供高品質的數據，以便在他們的日常工作中使用。·選擇合適的領導者。領導該計劃的最有效的人應該具備必要的技術技能和精通客戶服務的能力，以便與臨床和行政領導建立夥伴關係。·提供充足的資源。數據治理不能是低優先順序或副業。專用資源對於推動進步和成熟度至關重要。
7 效果
憑藉由智慧技術和審慎的最佳實踐組成的解決方案，堪薩斯大學醫院實現了其主要目標，同時進一步轉變為分析驅動的文化。計劃在第一年完成70多項企業數據標準化定義審批。該組織在第一季度批准了7項定義，第二季度超過 66 項——平均每月有 4 項決定，而且還在不斷增加。最終用戶承擔數據的所有權並承擔管理數據品質的責任。一些數據品質問題已得到修復並提高了數據品質。反過來，最終用戶對數據的信任也在增加。全系統的執行和臨床參與數據治理。在很大程度上要歸功於一個明顯和強烈支援數據治理委員會並為其提供必要資源的執行團隊，因此發生了兩件重要事件。首先，委員會全面負責管理組織數據的可用性、獲得性、完整性和安全性。其次，關鍵的臨床和運營領導者越來越多地參與分析和改進工作，在雙月一次的治理會議中參與率增加到 60%。創建商業智慧/數據治理路線圖。堪薩斯大學醫院正在從分散的商業智慧環境轉向更具凝聚力的企業視角，非常適合管理大型數據集並使用預測分析來創造最佳結果。為了支援這一過程，他們制定了商業智慧路線圖，並據此跟蹤他們的進展。數據治理委員會專註於在幾個方面取得進展，包括：·構建高級商業智慧 (BI) 架構·將來自多個源系統的品質數據提取到單一事實來源 (EDW)·儘可能自動化數據提取和報告·基於通用辭彙和定義的高級數據建模·為最終用戶提供先進的分析工具，以獲取良好的數據，以實現良好的決策和結果改進。·數據治理的持續改進，使最終用戶能夠有效地擁有和管理他們的資訊需求。·培訓最終用戶，為他們提供優化性能所需的高級分析和改進技能。·在堪薩斯大學醫院文化中建立數據驅動的心態。
數據對於做出明智的決定至關重要。數據治理結構可確保數據準確無誤，並且我們都在講述同一個故事。」– Chris Harper，業務架構與分析總監
8 未來展望
堪薩斯大學醫院將數據治理視為成功的數據驅動文化的關鍵組成部分。因此，重點仍將放在構建最成功的數據治理計划上。醫院計劃構建一個數據治理儀錶板，例如，跟蹤和管理治理指標。正在考慮的未來指標包括確定的數據所有者數量、記錄的流程數量、節省的資金數量（或避免的費用）和企業數據倉庫的使用情況（例如提高效率、減少非企業數據解決方案的使用，並衡量應用程式的價值以確保客戶正在使用已開發的商業智慧解決方案）。持續關注數據品質和可訪問性以促進信任和使用也正在進行中。包括：·繼續為數據和關鍵指標建立單一的事實來源。·改進數據捕獲（許多指標不是離散捕獲的，需要使用數據樣本來估計實際數量）。·自動化仍然手動跟蹤的指標。·學習如何改進對成本規避的衡量。憑藉對數據完整性和可用性的承諾，堪薩斯大學醫院不僅可以進行分析以追求更好的結果，而且可以引領醫療行業數字化轉型，成為醫療保健行業的數據治理標杆。
——–END——–
