7月2016

语言障碍阻碍分析工作
乔恩·梅林，FHIMSS
郑重声明
第二十八卷第七卷第六页

如果你能把任何一家医院的电子病历层层剥开，你会发现成百上千的代码有助于传达病人独特的故事。但这些不仅仅是HTML代码——它们也是临床代码。

这些诊断和程序的简短表达，加上从电子病历中挑选的患者信息，为医疗保健数据的标准化铺平了道路，从而导致更明智的临床决策和对所提供服务的准确计费。

然而，基于临床代码(编码数据)的数据现在正得到更广泛的应用，包括报告护理质量、预测结果、比较绩效、为基于风险的合同提供信息，以及实现个性化医疗。随着编码数据的使用不断扩展，HIM和IT专业人员被迫处理信息摄取和分析障碍。

多代码创建数据难题
卫生与公众服务部认识到有必要解开卫生数据的困境。该机构最近宣布了两项资助机会，以制定更好的数据传输标准。根据医学博士、公共卫生硕士、理学硕士、HIT国家协调员Karen DeSalvo的一份声明，这笔资金将“促进通用、可互操作标准的使用，特别是在药物和实验室结果等关键数据方面。”然而，HIM专业人员知道，在实现互操作性和满足数据分析目标的道路上，多个代码集提出了许多挑战，包括以下方面:

•由于编码数据取决于如何解释各种规则和指导方针，因此它们可能不一致。

•编码数据因设置而异。ICD-10-PCS分类系统表示住院程序，CPT标记门诊程序，HCPCS编纂了CPT未涵盖的供应品、产品和服务。

•有特定于状态的代码集，可以在更细粒度的级别上进行数据分析和研究。

•不同的医疗保健登记处使用的外因代码具有不同程度的特异性。

此外，美国对世界卫生组织(WHO)的ICD-10诊断分类体系进行了临床修改，创建了自己的程序分类体系(ICD-10- pcs)。使用修改后的系统使得很难将临床数据与其他未修改ICD-10的国家进行比较。这也使得在国家一级确保护理连续体提供者之间的一致性更加困难。

LOINC和SNOMED是其他常用的临床健康术语。事实上，国际卫生术语标准发展组织(IHTSDO)声称SNOMED CT是“世界上最全面、最精确的临床卫生术语产品”。

除了多种临床编码方案之外，还有各种数据传输标准，如Health Level 7、快速医疗保健互操作性资源、临床文档架构、护理文档的连续性以及医学中的数字成像和通信。

标准和术语的绝对数量是压倒性的，毫无疑问，随着时间的推移，将继续难以维护。

驯服临床数据
所有这些重叠的临床代码创建了一个庞大的数据池，使得有效或高效地导航变得困难。多样性使获得一致的卫生保健服务观点的努力复杂化。换句话说，数据在翻译过程中丢失，因为每个涉众本质上讲的是一种不同且不一致的语言。

问题列表就是多个代码如何造成混乱的一个例子。在一些组织中，甚至连“问题列表”的定义都缺乏一致性。问题清单是对每个病人的主动问题的汇总，还是对潜在问题的概要，医生可以从中选择正确的问题?

医疗保健利益相关者之间的切换是另一个需要清除的数据利用障碍。即使数据被编码——因此病人的情况也被编码——电子健康档案系统的差异也会导致错误的记录和错误的编码。不精确的数据导致不信任和贬低他们在临床医生眼中的价值。此外，责任问题也令人担忧。

随着卫生保健越来越接近捆绑支付和问责制医疗组织等替代支付方式，卫生系统必须汇总各个医疗机构的数据，以帮助管理成本和改善结果。这需要一致的定义和出院前后的持续监测，以及执行数据分析(包括预测分析)的能力，以识别有再入院或并发症发生风险的患者。

不符合现代最新编码标准的历史患者数据可能具有挑战性。因此，在未来几年，分析患者病史的数据将变得越来越困难。

如果不使用一种超越特定护理环境的共同语言，该行业如何实现这种程度的监测?

统一的理由
在理想的情况下，该行业将迎接所有设置中语言标准化的挑战，以真正实现数据分析和人口健康管理。不幸的是，到目前为止，统一代码集的尝试都失败了。

例如，1986年，美国国立卫生研究院(National Institutes of Health)创建了统一医学语言系统(Unified Medical Language System)，这是一种翻译工具，作为弥合各种术语系统之间差距的总体方案。然而，由于不同的编码方案在层次结构上的差异，导致了系统的错误。

许多人认为SNOMED是最全面和多语种的临床卫生保健术语，但它也有局限性。首先，SNOMED代码通常使用自动化方法在EMR的后台应用，因此很难确保准确性。此外，SNOMED是一个参考方案，而不是一个分类系统，因此无法使用这些代码进行数据分析，甚至无法与ICD-10交叉引用。

有趣的是，世卫组织目前正在与IHTSDO合作，以确保《国际疾病分类》与ICD-11保持一致。因此，HIM专业人员必须开始熟悉SNOMED，即使他们目前没有引用或依赖这些代码。此外，电子病历必须包括所有的代码和代码随时间的进展，以提供更有效的临床信息。

自然语言处理(NLP)和IBM沃森(Watson)等技术的最新发展，可能会在未来十年实现更实际的进展，以弥合以下差距:

•衡量取得的成果。
•启用新的质量措施。
•证明对质量的承诺。
•改善病例混合指数。

他的专业人士可以帮助吗?
展望未来，HIM专业人员可以通过多种方式帮助IT部门和卫生系统征服数据革命。考虑以下策略:

•倡导强有力的临床文件改进(CDI)项目。CDI推动文件的准确性，所有医学代码都是从这些文件中派生出来的。没有质量文档，组织就不能生成质量数据。

•拥抱与nlp相关的技术。计算机辅助编码和计算机辅助医生文档提高了CDI的有效性，提高了编码的准确性。不要害怕这些技术和它们所需要的新工作流程。在适当的监督下使用这些工具，可以提高任何组织生成的数据的质量。

•为多学科、护理协调铺平道路。基于一致的术语和短语的综合护理路径应该分配给特定的患者(通过诊断)，并一致使用。通过分析临床数据，护理团队可以为每个病人确定正确的途径，在正确的时间向正确的病人提供正确的护理。

•问问题。加入关于数据分析策略的讨论。定义什么分析是最重要的。实现这些分析需要哪些数据?这些数据的质量如何?

•提高数据分析技能。查看AHIMA的健康数据分析工具包，并考虑获得AHIMA的认证健康数据分析师(CHDA)证书。根据AHIMA的说法，CHDA证书展示了一个人“获取、管理、分析、解释数据并将其转换为准确、一致和及时的信息，同时平衡‘大局’战略愿景与日常细节”的能力。

•花点时间了解每种不同的编码方案和标准。对于许多HIM专业人士来说，这是一个新的领域。然而，考虑到行业对数据分析的持续关注，投入时间和精力来扩展这一领域的知识和专业知识将是明智的。

前进
当涉及到数据分析时，医疗保健行业必须确保代码、上下文和含义协调一致。虽然这个目标不需要单一的通用编码语言，但它确实需要更有效地映射和协调使用不同的编码方案。

HIM专业人员对数据的重要性有着深入的了解。因此，他们很好地帮助引导对话，一劳永逸地克服语言障碍。

- Jon Melling, FHIMSS, Pivot Point Consulting合伙人。