Upload
elena-ometova
View
34
Download
1
Embed Size (px)
Citation preview
Региональный мастер-индекс пациентов на платформе InterSystems HealthShare
Дмитрий Засыпкин InterSystems Russia
InterSystems – успешная компания с 1978 года – InterSystems - международная компания
• 36 офисов в 24 странах мира • Представительство в Москве с 1997 года • Более 80 партнеров в России и в странах
СНГ и Балтии
– Линейка продуктов InterSystems: • HealthShare - стратегическое решение
для сбора, анализа и обмена медицинской информацией на уровне региона или сети ЛПУ
• Платформа для интеграции Ensemble • NoSQL СУБД Caché • МИС TrakCare и ЛИС TrakCare Lab
InterSystems HealthShare – это… – Платформа обмена медицинскими
данными и документами
– Инструмент для быстрой интеграции медицинских систем с применением международных стандартов
– Сервер приложений, промышленная СУБД
– Аналитическая технология
– Среда разработки и исполнения бизнес-процессов
– Набор библиотек компонентов, включая Linkage Engine
Мобильные пользова-
тели
Лаборатории
Страховщики
Сети ЛПУ
АРМы работы с
ЭМК
HealthShare МИС в ЛПУ
Региональный сегмент ЕГИСЗ
Что дает внедрение мастер-индекса пациентов? • Решение проблемы разрозненности медицинской
информации в региональных информационных системах, аккумулирующих данные из разнородных источников
– Экономия средств ОМС за счет сокращения количества
повторных исследований, уже проведенных данному пациенту в других медицинских организациях
– Повышение качества оказания медицинской помощи благодаря
снижению числа ошибочных назначений • Доступ к информации о хронических заболеваниях и аллергиях
пациента, ранее диагностированных в других организациях
– Уменьшение количества повторных госпитализаций • Доступ врачей СМП к данным о назначениях пациенту и о результатах
анализов во время недавно проведенной госпитализации
Проблемы идентификации пациентов • Неполные данные • Ошибки ввода
– Орфография, опечатки, латинские буквы – Специфические ошибки при вводе номеров документов – Перестановки полей, например, имени и фамилии
• Использование фиктивных значений в обязательных полях – СНИЛСы: 123-456-789 00,111-111-111 45, …
• Ввод чужих данных – Номер паспорта матери в данных новорожденного ребенка
• Смена фамилии, имени, паспорта, полиса, … • Варианты написания отчеств
– Равшанович / Равшан-оглы • Использование сокращений и аббревиатур
Способы идентификации пациентов • Детерминированные алгоритмы
– Идентификация пациентов путем применения правил вида • «Идентифицировать пациента по первому непустому значению
реквизита из списка [СНИЛС, номер полиса ОМС, номер паспорта, …]» – Требуется абсолютная уверенность в полноте и «чистоте»
заполнения ключевых реквизитов
• Вероятностные модели – Идентификация пациентов с применением вероятностных
моделей, фонетических алгоритмов, алгоритмов нестрогого сопоставления
– Корректная идентификация даже при наличии ошибок и пробелов в данных
– Низкая производительность по сравнению с детерминированными алгоритмами
Региональный мастер-индекс пациентов (РМП) • РМП на платформе InterSystems HealthShare – это…
– Единый регистр демографической информации
– Сервисы идентификации пациентов, в том числе по неточным или неполным демографическим данным
– Интерфейс предметного администратора: список задач на принятие решений о связывании записей
– Интеграция с внешними системами
• Возможность использования для вычистки дублей из унаследованных массивов демографических данных
Вероятностная модель • В рамках РМП используется модель, впервые описанная в
статье Fellegi и Sunter “The Theory for Record Linkage” в 1969 г • Наивный байесовский классификатор (Naїve Bayes) - простой
вероятностный классификатор, основанный на применении теоремы Байеса со строгими (наивными) предположениями о независимости – Пример: если фрукт красный, круглый и размером около 7см, то
есть вероятность, что это яблоко. Применяя наивный байесовский классификатор, мы предполагаем, что эти три свойства фрукта не зависят друг от друга, и наличие каждого из них вносит независимый вклад в вероятность того, что фрукт является яблоком.
• http://en.wikipedia.org/wiki/Naive_Bayes_classifier • http://en.wikipedia.org/wiki/Record_linkage
Этапы работы мастер-индекса
– Нормализация – Индексирование: быстрый отбор пар потенциально совпадающих
записей при помощи набора индексов – Классифицирование: вычисление весов пар потенциальных
совпадений + применение правил для особых случаев – Валидация
Вес “A”: +10 Вес “D”: -5
Вес “A”: +8 Вес “D”: -8
Вес “A”: +15 Вес “D”: -9
Вес “A”: +10 Вес “D”: -8
Вес “A”: +14 Вес “D”: -9
ФИО ДР СНИЛС Паспорт Полис ОМС
Источник A Иванов Дмитрий Иванович
10/12/1956 123-456-789 64
4501 821001 6175512171234567
Источник В Иванов Д.И. нет данных 123-456-789 64
4501 821010 2343552356213232
+8 0 +15 +8.5 -9
Вес пары: 22.5
Классифицирование: вес пары и пороговые значения
Опыт внедрения РМП • Итерационный процесс настройки параметров РМП:
весов, порогов, алгоритмов, словарей, … – Тонкая настройка для каждого из источников демографической
информации – Интеграция с внешними информационными системами для
проверки потенциальных совпадений
• Обработка унаследованных массивов данных – Зачастую такие данные содержат большой процент дублей
• Возможность в короткие сроки получить эффект от запуска региональной ЭМК – дать врачам доступ к истории оказания пациенту медицинских услуг
Региональный сегмент ЕГИСЗ • Внедрение сервисов
однозначной идентификации – ключ к эффективному функционированию региональных ИС
Сертификаты InterSystems HealthShare • Сертификат IHE • Сертификат ФСТЭК
Вопросы и ответы
• Дмитрий Засыпкин [email protected] http://www.InterSystems.ru