基于因子分析法的医院大数据治理水平评价指标体系研究

林毅

福建省儿童医院事业发展部（信息中心），福建福州，350001

0 引言

随着时代的发展，我国已经正式进入了信息化时代，在医疗领域中，健康医疗大数据的开放共享、深度利用开始受到相关工作人员的广泛关注，在当前时代背景下，医疗大数据已经成为重要的战略资源，对于提升医疗质量、促进药物研发具有重要作用。但是，当前我国对于医院大数据质量评价的研究相对较少，且主要偏向于数据质量，忽视数据质量问题产生的原因。为了更加全面地对医院大数据治理水平进行评价，为医院发展提供一定理论支持，笔者结合因子分析法以及某医院的实际情况，构建医院大数据治理水平评价指标体系。

1 相关理论概述

1.1 医院大数据治理水平概述

医院大数据治理水平是信息化背景下诞生的一种新概念，指的是在医院大数据应用过程中，从自身实际服务需求角度出发，对内部制度、结构、数据应用方式等要素进行调整，从而优化自身医疗服务质量与效率的能力。与其他行业相比，医院大数据治理存在数据量大、种类多、来源复杂、格式差异明显、形式孤立等重要特征，如果想要利用大数据技术优化医疗服务质量与效率，医院必须着重提升自身的医疗大数据治理水平[1]。

综合一些学者的研究资料，将医院大数据治理水平分解为多个构成要素，包括组织、专业人才、基础设施、治理规划与制度、数据质量控制、基于大数据的医疗服务能力、外部响应能力。其中，组织包括与医院大数据治理相关的部门分配、权责分配、管理程序、数据采集组织流程、数据自助信息服务组织流程等；专业人才指的是参与医院大数据治理的相关工作人员；基础设施指的是医院大数据治理涉及的信息化设备；治理规划与制度指的是与医院大数据治理相关的标准、架构、管理制度等；数据质量控制包括医院大数据治理相关的数据处理；基于大数据的医疗服务能力指的是在医院大数据治理基础上的医院医疗服务质量；外部响应能力指的是在面对政府政策、社会舆情、医疗改革等问题时的应对能力[2]。

1.2 因子分析法

因子分析法属于一种比较常见的数据分析方法，能够利用几个因子对多重指标、因素之间存在的关系进行描述，并对不同因素的关联度进行分解，将关联程度接近的变量进行综合考量与联动分析，这一类关联程度类似的变量在实践中就被称为因子，其数量明显少于变量，对因子进行分析能够在一定程度上反映所有变量的基本情况，降低工作压力。通过此种方法，相关技术人员能够更好地对重要指标的影响力进行分析，并为后续研究提供技术支持[3]。

主成分分析法在实践中也比较常见，与因子分析法具有一定的相似性，在对因子分析法基本原理进行研究的过程中，结合主成分分析法是比较有效的，具体情况为：①在主成分分析方面，主成分分析法表示为变量线性组合，因子分析法表示为因子线性组合；②解释重点不同，其中，主成分分析法着重对变量总方差进行解释，而因子分析法的解释重点为协方差；③仅有因子分析法需要假设；④主成分分析法中成分的数量是一定的，基本与变量数量相同，而因子分析法的因子需要自行设定，且其数量差异会体现在结果上，即数量不同，最终的分析结果就会存在一定差异，具有一定的主观性。

2 原始指标的选取

在对医院大数据治理水平的概念及其基本内容进行深入分析的基础上，笔者结合相关文件内容以及医院大数据治理的实际经验，对医院大数据治理水平构成要素进行了进一步分解，得出了具体的测量指标。笔者对其中几个比较重点的组织指标、专业人才指标内容进行研究。①组织指标包括数据治理组织结构与权限、数据治理组织流程。②专业人才指标包括大数据架构师、大数据资产管理专业人才、医护人员的数据素养[4]。其中，数据治理组织结构与权限代表基本的组织构成，能够直接反映组织设置的合理性，数据治理组织流程能够反映内部工作规划的科学性。在专业人才指标方面，以上三个主体均能够对医院大数据治理水平产生不同程度的影响，其中，大数据架构师能够直接决定大数据治理的整体质量，大数据资产管理专业人才能够影响大数据治理执行质量，医护人员的数据素养对于整个系统的运行效率与大数据治理流畅度能够产生一定程度的影响。

3 基于因子分析法的医院大数据治理水平评价指标体系实证分析

基于上述22个原始指标，本文进行了调查问卷设计，并将调查问卷发放给数个医院的相关工作人员，问卷调查采取不记名方式，收集并整理出了原始信息，共发放问卷数量200份，收回的有效问卷数量为104份。

3.1 因子分析适用性以及信效度检验

在本次医院大数据治理水平评价指标体系建设过程中，笔者将置信水平设置为95%，同时使用Cronbach's Alpha系数与校正的项总计相关性进行调查问卷信效度水平检验，最终发现各项指标的相关性均在0.5以上，同时，删减后的Cronbach's Alpha系数具体数值均在0.9以上，综合这一内容可知，问卷的信息能够达到相关标准[5]。笔者采用KMO、Bartlett球形度检验对上述指标进行相关性检验，最终得出相应结果。根据数据可知，上述22个指标之间存在较强的关联性与信效度，适合进行因子分析。

3.2 医院大数据治理水平因子分析

在本次研究中，笔者采用主成分分析法对问卷指标数据进行因子分析，以测量指标荷载为研究对象，利用最大方差法对其进行垂直旋转交换，并对特征根、累计方差贡献率进行计算，以此来判断公因子个数、公因子代表的原始变量信息。表1为旋转后成分矩阵。

表1 旋转后成分矩阵

根据表1中的具体内容可知，在数据治理组织结构与权限、数据治理组织流程、大数据架构师、大数据资产管理专业人才、医护人员的数据素养、数据治理的基础设施、大数据云计算环境下安全检测与防护技术、元数据及数据标准、大数据架构规划、大数据治理的管理制度这10个指标中，在第一个公因子上负荷相对较高，而在数据来源维度多样性、元数据一致性、多源异构数据归类与融合、诊疗和健康数据采集完整性、诊疗和健康数据采集时效性、医疗健康数据隐私保护、基于大数据的医疗服务响应、大数据对医疗业务覆盖程度、基于大数据的医疗服务需求匹配、响应政府大数据政策的能力、对社会舆论的应对能力、响应国家医疗改革的能力这12个指标中，在第二个公因子上负荷相对较高[6]。综合上述内容可知，公因子一反映的主要是支撑环境因素，因此，可将该因子命名为支撑环境因子。同时，公因子二反映的大多是数据业务能力因素，因此，可将该因子命名为数据业务能力因子。

4 对策与建议

4.1 建立完善的大数据治理管理体系

建立完善的大数据治理管理体系是从软件角度提升医院大数据治理水平的重要举措。具体而言，相关单位应当建立完善的大数据治理管理体系，聘用并培育数据管理专业人员，对其进行专业化培训，使其具备高水平的大数据治理思维与技术能力。相关单位还应当加强内部大数据治理的宣传，使医护人员、医院管理人员能够具备较为优越的大数据素养。相关单位还应当建立完善的员工绩效评价体系，将员工在大数据治理方面的表现予以精确评价，同时，相关单位还应当建立针对性较强的奖惩机制，基于员工实际表现对其进行针对性奖惩，这种操作方式能够有效调动员工积极性[7]。

4.2 强化信息系统以及安全环境建设

强化信息系统以及安全环境建设是从硬件角度提升医院大数据治理水平的重要举措。具体而言，相关单位应当加强信息系统建设，基于现代信息化技术以及自身的实际需求，搭建科学合理的共享平台，依托云计算的分布式架构，对海量数据进行集成，以此来保证数据沟通的有效性与高效性。相关单位还应当加强信息安全系统建设，在实践中，医院内部存有大量真实的患者数据，一旦泄露或者遗失，很有可能对患者造成严重影响，进而损害医院声誉，因此，医院在进行大数据治理的过程中，不仅需要对数据进行收集与分析，还应当重视信息安全的保障，具体可以通过建设防火墙、建立信息安全管理制度等方式来实现。以此为医院大数据治理水平的提升提供适宜的硬件环境。

4.3 强化医疗大数据业务能力

强化医疗大数据业务能力也是提升医院大数据治理水平的重要手段之一。具体而言，医院应当加强自身的大数据业务水平，首先，医院需要分清重点，把握大数据质量控制，加强对元数据一致性、数据标准规范的重视程度。其次，相关单位还应当积极对内部制度进行革新，将医院内部的各项资源进行有效集中，充分利用各种数据资源，以提升大数据辅助医疗诊断、科学研究的决策支持水平，例如，相关单位可以建立患者基因信息、病例数据集，并对具体数据进行综合分析，以此来获得针对不同患者的综合特异性信息，提升个体治疗的精准性水平。最后，相关单位还应当对患者的医疗服务需求进行精准分析，并根据国家、社会对于医疗改革的诉求，对自身的数据业务要求、管理方案进行动态调整，只有这样才能使医疗大数据能力满足实际工作需求[8]。

5 结语

当前，我国医院为了提升自身的治理水平，都在积极引进大数据治理，但是，不同医院的大数据治理能力存在比较明显的差异。为了提升医院大数据治理水平，本文从关键指标分析角度出发，基于因子分析法，构建了较为科学的大数据治理能力评价指标体系，并对其展开了综合分析，发现组织、专业人才、基础设施、规划制度属于典型的支持环境因素，数据质量、基于大数据的医疗服务能力、外部响应属于典型的业务能力因素。相关单位如果想要提升自身的大数据治理水平，就必须认清能够对自身大数据治理水平产生影响的各类因素，并在实践中进行针对性提升。