数据循证时医疗数据会说假话吗？

作者/李涛（医院管理教授）

文章来源/厚立医视野

医疗数据会说假话吗？

因为数据的各种陷阱会导致医疗数据常常不能反映真实情况，说“假话”，所以答案是肯定的，这是因为角度差异、医疗数据特性、医疗复杂性等多因素综合所致。

01、常见说“假话”原因

1.角度差异

管理者和临床医生对事物判断的角度不同，管理者面对的是群体，统计汇总的数据利于对医院整体发展做出决策。采用财务指标，比如今年医院的病人数量增减百分比，营收增加或者减少的趋势等真实发生的数据，做出医院发展的决策，这些都没有任何问题，但用于医疗质量评价就容易掉进平均值陷阱。

医生面对的是个案病例，统计汇总的财务指标对于医生来说是没有较大意义的。因为医生会反驳说我的技术难度高，病人的风险高于平均值，而为了完成考核指标，医生可以采用不同的规避方法来应对。

比如，收治更多的轻症病情的病人来降低平均住院天数，或者收治高风险病情的病人，再通过转院和提供不足医疗，来达到考核目标，这种通过降低医疗质量的规避方法，最终会损害医院和患者的利益。

2.数据偏态分布

与财务数据不同的是医疗数据是典型的偏态分布，也即老年病人的比例小，但资源消耗大（见图1-3）。图中可以看到，10%左右的病人，消耗了25%以上的医疗资源，也说明老年化社会对医疗资源的挤兑风险是非常高的。

偏态分布的数据导致三个统计值有明显差异（见图4），其中众数（Mo：mode）最小，中位数（Me: median）居中，平均数（x）为最大。一般来说，医疗绝大多数的治疗还是以轻症为主，也就是众数代表，极少数的老年多合并症病人拉高了中位数和平均值，导致平均值陷阱和评价的偏差。

3.病情差异

病人个体的年龄、性别、入院途径和病人的基础疾病等多因素更加扭曲了医疗数据，让医疗质量的评价变得愈加困难。

相同诊断的病人，年龄大与年龄小的病人、是否伴有合并症、是否有多个合并症，而且每个合并症的影响程度差异都会导致不同的评价，甚至相反的结果。

4.极值数据

此外，由于医疗是服务型行业，在当下医患矛盾的环境下，医生还不得不满足病人的无理要求。比如强行要求延长住院天数、多开药等情况，导致一些极值数据的出现。这些极值数据都是数据分析师们在提供决策支持信息的时候需要关注到的。

02、怎么才能让医疗数据说真话？

1.提升数据治理能力

数据分析中经常听到一句名言：Garbage In，Garbage Out（垃圾进，垃圾出）说的就是数据治理能力，高质量的数据才能产生高质量的结果。数据治理的源头在医院的信息系统，系统少则几十个，多则上百个，在整合过程中经常出现数据偏差，或者对不齐等问题，这些很容易导致最终的分析结果偏差。

2.采用更优的方法学--疾病风险调整

如前所述，医疗数据的复杂性导致简单的统计不能反映临床真实世界，医疗数据需要经过疾病风险校正才能应用到实际工作中。这其中有很多校正风险的方法，比如医疗圈耳闻熟知的DRG，通过对病种的严重合并症和并发症进行分层比较，实现了初步的合理性评价。但DRG评价没有解决平均值陷阱问题，因为同一DRG病种下还有病人更多的差异化特征没有全部表达出来。

笔者通过在美国的工作经历，推荐目前国外医疗评价中最常用的方法学：疾病风险调整（Risk Adjustment）。其采用更加先进的大数据分析手段——神经网络和机器学习，将汇集到的个体差异、诊断、手术、操作、检查检验等最小颗粒度数据，通过建模方式表达出来，从而实现对个案病例的精准预测。

疾病风险调整通过O/E值可对每个病例进行评价，O/E值由两部分组成，O值和E值，O是英语单词Observed首字母，O值=实际值求和，E是英语单词Expected首字母，E值=预测值求和, O/E值是实际和期望的差异。

O/E值>1，表示实际超出预期，需要加强管控；

O/E值<=1，表示实际在预期内，管理优良。

疾病风险调整，源于美国医院管理者发现临床医生对DRG的认可度不高，医生都认为自己病人的病情一定在DRG病种的平均值之上，DRG评价不能推动医院的质量管理和业财融合的综合能力提升，为此提出了基于病人层面的风险调整方案。疾病风险调整自本世纪初推出后广受业界认可，先后被其他欧美国家用作对医疗管理的主流方法学，同时奠定了数据循证的医院管理决策支持体系的发展基石。

3.避免数据陷阱

有了好的方法学并不能代表数据就能反映真实情况，数据陷阱还有偶然性陷阱。前面讲到的样本量要足够大，才能具有统计学意义。但每个医生的收治能力有限，小样本的情况非常普遍，如何能够去发现问题呢？时间就是最好的试金石。充分利用时间序列，在相同的诊断、手术、操作间观察数据变化，这时候数据就能够说真话了。

如果某个医生的相同诊断病人，经过疾病风险调整后，在时间序列上的结果（比如耗材O/E）有明显差异，就能够充分反映出该医生使用了不同的高值耗材，导致与其他医生的明显差异，需要引起管理者的高度关注和深入调查。

4.剖析特殊情况

数据分析只能作为问题的筛查手段，一些特殊情况的追因溯源需要数据解读者深入实际工作中去了解。笔者曾为某家医院做咨询过程中，发现该医院脊柱侧弯病例的资源消耗大大超过其他医院，包括住院天数、耗材等的O/E值明显高于其他医院。

经过深入业务实际调查发现，该医院先天性侧弯的诊疗技术处于行业领军地位，医院脊柱侧弯病例均为严重性的先天型侧弯。所以，无论技术难度，还是耗材消耗该医院都有可能大大超过其他医院。如果没有深入调查就很容易忽视这些特殊情况，导致提供的分析结果出现严重偏差。 数据为王的时代，让医疗数据说真话是做好医院管理决策支持的基石，以上四种方法期待给大家带去不一样的解法。

本文作者

李涛，毕业于上海医科大学（现复旦大学上海医学院）、美国卡内基梅隆大学和休斯顿大学，先后就职于北京积水潭医院，美国休斯顿赫尔曼纪念（Memorial Hermann）医院系统总部和旗舰医院德州医学中心医院；在医院流程改进、医学大数据、医院精细化管理等领域有非常丰富的实战应用和临床科研经验，并能够结合国情提出适合国内医院管理的实战指导，对医疗大数据驱动下医疗质量、运营管理、成本管理、绩效管理等有独到的见解，先后创办了中科厚立信息技术（成都）有限公司，南京厚立数字有限公司。

注：文章由厚立医视野原创。