普华永道：《更好的洞察、更好的决策、更好的结果：在医疗中使用分析》

由于人口老龄化和需求增加，英国NHS及全球医疗行业正面临不断上升的成本压力，与此同时，预算受到限制，体制正在转型。医疗机构正在寻找新的、更有效的方式来提供服务。这其中，数据分析是关键。

利用数据分析的机会是巨大的。变化是复杂的，涉及到无数的利益相关方和合作伙伴。分析可以确保变化的复杂性可以被拆解，决策可以利用可信的见解来做出。从改善患者安全，到通过成本管理、提升效率和改进管理及医疗质量来确保更好的财务稳定，使用数据分析是一个重要的组成部分。数据分析确保医疗机构负责人能够做出最有利于他们的患者和他们所服务人群的决策。

本报告重点介绍了普华永道如何利用最新的技术平台和解决方案，帮助医疗机构制定策略、设计和实施过程，分析结果，并着眼于今后的发展。他们可帮助医疗机构实现端到端的解决方案，最大限度地从数据分析中获得洞见。他们采取的每一种方法都是为他们的合作伙伴量身定制的。他们已经与英国NHS的主要的医疗机构以及英国整个医疗卫生和社会保健行业合作，给医疗机构和患者带来了实实在在的好处。

该报告的主要内容如下：

1、简介

2、为何数据分析很重要

3、对需求的响应

4、需求及能力规划

5、缩小差距

6、绩效管理

7、体系转型

8、能力建设

本报告所展示的成果与发现，可用于设计和实现医疗机构的转型，使从数据分析中获得的洞见价值最大化，以改善患者结局并降低总成本。

此外，今天还会随邮件送上2019年2月11至15日在美国奥兰多召开的HIMSS19大会的一份演讲课件，题目是《CAPE：临床分析预测引擎》。

美国北岸大学医疗集团在将预测模型应用于临床工作流方面有着悠久的历史，该模型可识别嵌入于电子病历中的处于特定结果风险的患者。然而，在这些模型的使用中产生了一个有趣的问题，即：每个预测模型都造成了一些困惑，因为呈现给临床医生的是不同的风险得分，让其无所适从。美国北岸大学医疗集团的愿景是将不同的模型集成到一个引擎，产生一个统一的字典，以便识别和沟通整个连续医疗过程中多个结果的高危患者，将患者分成有着共同风险和相同干预措施的子类，并将一套协同的干预措施和临床路径，关联给合适的医疗团队，使其快速学会这些干预措施。结果，他们的临床分析预测引擎（CAPE）降低了死亡率、再入院率和人均医疗支出，这是在临床分析与整合医疗交汇处，实现学习型医疗机构的典范。

该演讲课件共有31个slide，其主要内容是：

明确医疗预测建模当前存在的问题，解释它们为何常常无法支持临床工作流，并描述如何将多个预测模型整合成单一引擎的CAPE框架；

描述要预测的关键患者结果的清单，以及如何实现预测的高精度，包括回顾性和前瞻性验证过程；

通过预测模型标记语言（PMML）展示如何利用实时处理将预测模型紧密集成到电子病历中的重要性，包括向一线临床医生显示模型结果和风险因素的意义和影响；

讨论学习型医疗机构的含义，以及CAPE如何基于多种风险模型帮助更好地理解对各类患者群体的可影响性，并提出满足该群体需求的特定干预措施组合；

讨论集成化预测引擎能够促成的关键文化含义和影响，以及它如何能够使医疗团队在降低成本的同时改善患者的治疗结果。

演讲人是美国北岸大学医疗集团负责临床分析的助理副总裁：查德•孔洽克和美国北岸大学医疗集团负责传染病业务的纳瑞夫•沙阿博士。

★每日鲜鸡汤★

Thoughts lead on to purposes; purposes go forth in action; actions form habits; habits decide character; and character fixes our destiny. 想法引出目的；目的诱发行动；行动形成习惯；习惯决定性格；性格决定命运。早上好！