刘新平：医院数据治理，需破除表面之“相”

来源：HIT专家网 作者：刘新平

《三级医院评审标准（2025年版）》彻底重构评审模式，实现数据驱动、去现场化、常态化监测、量化可溯源。这是对医院管理顶层设计科学性、质量安全管理体系运行质量的一次大考。对于信息技术部门来说，作为数据计算工具的支撑部门，又迎来了一次新的战役。

在医院建立三级医院评审指标平台的过程中，难免出现指标不准、指标不稳等问题，管理部门认为是计算错误，技术部门认为数据源有误，双方各执己见。大家都停留在了指标数据的表面，着了表面之“相”。本文就常见之“相”进行剖析，以窥数据背后的问题（编者注：”相”指事物在意识中形成的认知与概念，“着相”指对外在表象的执着，“住相”指内心对相的固守与滞留‌）。

业务指标常见之“相”

其一，着“指标表面之相”，求真而不得真。多数科室和管理者未能真正理解数据评审的意义，只把“数字指标”当成评审任务，而非质量工具，忽略了指标异动背后真实的临床短板、流程漏洞、管理缺陷。

其二，着“计算对错之相”，求稳而不得稳。评审细则条目繁多，计算规则复杂。很多部门在定义指标时，不求甚解，重视不足，随意派人应对。对管理流程的复杂性了解不足，对专业指标理解不透，对全院全局把握不够，预判不足，造成指标不稳。

其三，着“信息静态之相”，求成而不长久。很多管理者执着当下达标、当下过关、当下好评，执着现状稳定，这就是“寿者相”——执着静态不变与长久安稳。但医院医疗质量永远动态变化，临床行为时刻波动，患者结构、诊疗行为、政策标准、系统数据持续迭代，没有永恒不变的指标，没有一劳永逸的管理。执着于一时结果，就会疏于日常管控、长效治理、持续改进，最终导致评审一过，就质量滑坡、指标反弹、问题复发。

其四，着“技术依赖之相”，求智而不得智。如忽略全院一盘棋、质量一盘棋、评审一盘棋的整体目标，就会陷入典型的“众生相、人相、我相”：执着自我立场、部门边界、得失利弊，最终导致数据割裂、标准不一、口径混乱、协同失效，全院管理体系无法贯通。

指标数据、指标排名都是“相”，是我们管理的工具，而非管理的目的。不住数据之相，方能见质量之本；不住形式之相，方能见管理之实；不住得失之相，方能成全局之局。

身为医院管理者，最大的修行就是“破相”，也即锚定口径管理与管理逻辑，破指标不稳之“相”；锚定术语规范与溯源能力，破指标不准之“相”；锚定病历质量与流程治理，破指标不好之“相”；锚定机制建设与人才培养，破改进低效之“相”。

指标“破相”的四项基本工作

下面就以“乳腺癌患者首次治疗前临床TNM分期诊断率”为例，探索如何破除上文中提到的“相”。

先来了解一下该项指标的定义与计算方法：

【指标名称】乳腺癌患者首次治疗前临床TNM分期诊断率

【计量单位】百分比（%）

【指标定义】首次治疗前完成临床TNM分期诊断的乳腺癌患者数占接受首次治疗的乳腺癌患者总数的比例。

【指标导向】逐步提高。

【计算方法】

【指标说明】1.首次治疗指针对肿瘤开展的手术、放疗、化疗、靶向治疗、内分泌治疗、免疫治疗等，不包括为明确诊断或病情而采取的穿刺、活检、检查等诊疗措施。2.分期方法参见国家卫生健康委发布的《乳腺癌诊疗指南（2022年版）》。

【指标意义】治疗前全面评价病情是肿瘤规范化治疗的基础。

【指标依据】《肿瘤专业质量控制指标（2023年版）》《乳腺癌诊疗指南（2022年版）》。

可以看出，此项指标是对《乳腺癌诊疗指南（2022年版）》的临床执行情况，和《肿瘤专业质量控制指标（2023年版）》日常监测情况的考核。

如果乳腺癌的TNM分期未规范执行，或者乳腺癌专病结构化病历对TNM分期记录不规范，这项指标的数据是无法提取出来，或者提取出来是不完整、不准确的数据，不能真实反映诊疗指南的执行情况。

针对此项指标，至少应该做好四方面关键工作。

1.算法正确性核查。核查分子分母口径定义是否正确。核查接受首次治疗的乳腺癌患者的诊断列表是否明确，首次治疗的标识是否清晰；检视TNM分期是否符合《乳腺癌诊疗指南（2022年版）》的要求，并可精准提取。

2.数据稳定性核查。核查时间段定义的起点和终点：起点以患者入院的哪个时间节点为准，比如以实际办理入院手续为准？是否需要除外当日入院后离院前因故未进行检查、评估、治疗的患者？终点是以出院医嘱执行为准？还是以病案归档为准？或者病案归档后预留病案修正窗口期结束之时？如果前期未能对指标定义的内容进行审慎核查，就有可能造成数据源变动的情况，数据结果不稳定就是必然的。

3.数据准确性核查。核查数据源是否客观、是否可以提取。通过数据全面溯源的方法，根据定义核查分子分母的提取是否正确、计算结果是否准确。

4.夯实质量管理基础。修正口径定义偏差，更新指标定义卡，修订算法；修订乳腺癌专病病历模板，培训医生规范填写，确保数据源规范准确，与客观事实相符；再次通过溯源验证计算结果的正确性、稳定性和准确性，并持续监测。

对标国标，建立数据治理新生态

医院等级评审的数据化和去现场化，一是考察医院“是否建立了常态化的、以全量数据为监管范围的PDCA质量管理体系，此体系是否在运转”；二是考察“是否建立了数据治理体系，此体系是否有效”。

总之，全新的医院评审模式，是对管理内功的考验，也是对医院数字化转型进程的促进与倒逼。医院管理部门和信息技术部门应该以全新的认知高度建立“数据治理”新生态。

国家标准化管理委员会发布的《数据管理能力成熟度模型》（GB/T 36073-2025）值得关注。该标准包括九个一级能力域，其中“数据标准”能力域单设“指标数据能力”项，并对其管理进行了明确的定义：“指标数据管理指组织对内部经营分析和对外部流通共享所需要的指标数据进行统一规范化定义、采集和应用及监控的全流程管理，包括制定指标数据管理制度、建立指标数据体系、制定指标数据标准及发布和维护指标数据。”

该标准还设立了“数据应用流通”能力域，要求指标数据的应用遵循以下规范和要求：（1）建立业务数据应用机制，围绕核心业务场景开展数据统计、分析、监测、预警；（2）依托标准化指标体系，开展质量、效率、安全、运营常态化数据分析；（3）支持问题溯源、异动分析、PDCA持续改进，以数据驱动业务优化；（4）逐步落地智能化、自动化数据应用，支撑AI辅助质控、智能预警、智能决策。

三级医院评审指标监测、运营分析与持续改进，均应遵循以上原则。

数据治理绝非技术问题，实质上还是管理问题。做好数据治理，必须在医院质量安全管理最高机构的统筹和指导下，由质量管理部门、临床医技科室、信息技术支撑部门形成“数据治理铁三角”，外在极致严谨、事事精进，内心无执无着、坦然安定，以无惑之智，雕琢每一个数据，方可行数智驱动的精细化管理之路。

【作者简介】

刘新平，河北医科大学第一医院院长助理、首席信息官，兼任河北省临床医学人工智能研究所副所长，浙江大学生物医学仪器专业毕业，北京交通大学工商管理学硕士。2015-2021年曾任河北省人民医院信息管理处处长，2002-2014年曾任河北省人民医院医疗设备处处长。社会任职：河北省临床医学工程学会副秘书长、河北省临床医学工程学会医学信息管理与工程专委会主任委员、河北省数理医学学会智慧医院建设与管理专业委员会主任委员、河北省智慧医疗临床应用工程研究中心主任。

【责任编辑：蒙辉】