大数据背景下临床护理行业的发展要求及趋势

丁碧玉

随着科技进步日新月异，当今我们已生活在一个数据化时代。大数据大容量、多样性、传播速度快、精确性高等特点，使其在各行业的应用不断扩展及深入，并产生巨大的经济和社会效益。在医疗卫生领域，临床数据，生物实验、电子病历、公共健康数据等海量数据的产生及传输，使得大数据的应用成为可能。护理大数据泛指所有与护理和生命健康相关的极大量数据，包括医院护理大数据、区域卫生服务平台大数据、基于大量人群的护理研究或疾病监测大数据等。

美、英、日、韩先后制定国家大数据战略，美日等国在20世纪70年代已开发大数据信息系统，并将其应用于医疗护理行业。标准化护理术语、普通数据模型和电子病历的信息结构等作为数据库基础的可共享和可比较的护理数据正在创建中。与国外相比，我国医疗卫生领域的大数据起步晚，发展滞后。尽管大数据网站、大数据研究中心的开发，护理信息研究院等的成立对大数据在护理领域的应用起到了推动作用，但对类似文本、影像、视频、开放式问答等非结构数据的处理能力不足，医护人员数据信息获取能力欠缺，设备差异造成多重数据标准引致数据共享机制不畅通，严重阻碍大数据在临床实践中的应用［1-3］。

1 医疗护理行业中大数据应用存在的问题

有研究认为，在临床护理领域应用大数据的效益显而易见。如通过个性化数据收集及分析，指导临床实践，实现精准治疗，节约医疗成本和减轻患者痛苦；通过移动穿戴设备记录数据，实现个性化健康监测、咨询和精准护理；通过电子病历及档案能够实现疾病预测，防患于未然；通过网络搜索采集数据、IP地址追踪及实名制，可精准预测群体性疾病的发生及发展趋势。但将大数据应用于某一具体的临床领域却也存在着诸多问题［4］。

1.1大数据的特征 在信息缺乏时代，用传统数据分析技术进行模拟，对数据的精确性要求高。在大数据时代，海量数据以突飞猛进之势产生，现实世界只有5%的结构化数据能够满足传统数据库的要求，非结构化数据占比达到95%以上，也就是说有95%的数据是传统数据分析技术所认为的“杂乱无章”。但看似庞杂混乱的大数据信息量大，产生及传播速度快，应用价值较高，通过深入挖掘能产生经济社会效益，但数据价值密度小，即传统数据库认为“精确度不高”，传统的数据分析技术难以有效运用。

大数据更注重相关性分析，轻因果分析。相关关系的核心是指两个数值之间的数理关系。相关关系强时，一个数值发生变化，另一个数值也会随之发生变化。相关关系弱时，一个数值发生变化，另一个数值几乎不发生变化。但两个同时发生变化的数值之间并不一定存在因果关系，所以当需要作出传统意义中由因到果的“解释”时就会存在问题，而重相关性轻因果分析甚至是对传统“刨根问底”思维的颠覆。

1.2护理行业数据的特性 医疗卫生数据存在来源多样且庞杂，样本量小、结构化数据少等问题。医疗护理数据多，但多半为半结构化和非结构化数据，类似传统计数资料和计量资料等数值型的结构化数据以及医疗仪器数据处理相对简单，但电子病历、电子健康档案、影像资料、网络和社交媒体、医疗文献、家用医疗设备、病人行为情绪、口述表达误差等非结构化数据，容易存在收集及处理口径不一致，主观判断等非标准化因素影响，从而导致数据处理结果可靠性较差。

另一方面，众多品牌或厂商生产的医疗设备、数据监测仪器标准不统一，例如血糖测试，笔者通过多次对比分析及厂家咨询，发现罗氏血糖仪的测试值误差在0.5范围内，安稳血糖仪的测试值误差在1.0范围内；一般上下波动2.0的区间被认为是误差允许范围内。电子血压计与传统的水银柱血压计测量值也存在差异，甚至同一品牌的不同仪器，测量值也存在被广泛接受的误差。但在数据分析中，若用不同仪器测量值进行运算，就可能得出相去甚远的结论。

再者，护理人员在数据信息的生成、收集、分析、传播中起重要作用。但当前护理人员整体素质参差不齐，可能存在对信息识别的敏锐度不高、对术语理解不深入、表达不准确不清晰、对检索途径和检索语言不熟悉、信息获取能力差等问题，数据敏感性低，数据收集能力不足，处理信息能力欠缺，再加上护理信息化人才短缺，即护理+信息处理跨界人才极度缺失等因素的存在，都将导致大数据技术在临床护理领域的应用不能发挥最大效益。

2 大数据背景下护理行业的发展要求及趋势

2.1政策助力构建数据共享机制 构建与应用大数据平台及专业化护理数据网站，开发多层分级打分系统，有助于将半结构化和结构化数据转化为标准化可读数据，进而转化为人体生理科学信息，再通过专业医护技术人员进行数据挖掘，能够实现有效指导临床实践、健康指数监测及生命科学研究。目前，国家及各地政府非常重视大数据的应用与发展，一系列护理信息化推进政策的出台为大数据技术在临床护理领域发挥效益提供了宏观指导和政策支持。

2.2机器算法在医疗护理领域的应用 在大数据时代，传统的数据分析技术应对海量“杂乱无章”的数据信息失效，而超级计算机、机器语言开发进而使海量模拟技术产生，为临床护理大数据处理提供了支撑。手机APP、运动手环等的功能，大家并不陌生，人们可以很容易得到从常见的体温、体重、卡路里消耗、体脂率等，到深层次一些的心率、血压、血氧饱和度等，再至更深层次的数以千计的生理指标。这些指标都可以通过专业数据信息分析技能、机器语言的学习、超级计算机海量模拟进行运算，得到身体状况多方位多层次多维度的信息，进一步指导临床实践、健康监测及科研［5-6］。

2.3护理专业走向跨界 大数据技术越来越深入的应用于临床护理领域，将使传统意义上只有单一护理技能的工作者无所适从，未来的临床护理人员需要通过自学、进修、培训等方式培养信息识别及获取意识，提升获取信息、加工处理信息、信息化技能，增强对信息收集的数据转化能力、数据标准化规范化能力，实现监测指标向机器语言的转化能力，进而能够准确有效的所获取的临床数据转化为患者身体状况信息，提升数据的价值，减轻病患痛苦及精神压力。也就是说，临床护理工作者必须走向护理专业和信息化专业的跨界，成为护理信息化人才，才能应对大数据时代对护理人员的要求。

在大数据背景下，临床护理行业唯有提高工作者信息化素养，通过数据共享机制，获取总体而非样本数据信息，并将其应用于机器语言及超级计算机模拟技术，才能适应时代发展的要求，促进个体化精准医疗护理，降低医疗费用提高护理质量。