公立医院数据价值挖掘闭环管理路径与评价策略研究

在数字经济时代，数据已成为继土地、劳动力、资本、技术之后的新型生产要素，深刻影响着各行各业的生产方式和治理方式。医疗健康领域属于数据密集型行业，每天都不断产生并积累大量患者的就医数据、临床诊疗数据以及运营管理数据等。这些数据不仅数量庞大，而且类型丰富多样、具备巨大价值，是公立医院实现高质量发展、提升管理水平以及优化医疗服务的重要战略性资源。公立医院是我国医疗服务体系的主体，承担着保障人民健康和推动医学进步双重使命。目前，部分公立医院在数据管理和利用方面存在诸多挑战，如“信息孤岛”现象严重、数据质量参差不齐、数据权属不明确、价值评估困难以及数据安全风险高等，使得大量数据潜在价值没能充分释放，甚至变成了“沉睡的资产”。因此，迫切需要构建一套成体系且科学合理的数据价值实现机制，不仅要涵盖数据采集、存储、处理、分析和应用等全生命周期管理工作，更要形成一条能够持续优化且可反馈改进的闭环管理路径，同时还需要一套全面客观的评价策略来衡量数据价值实现的实际成效。基于此，本研究结合北京市某三甲医院（以下称案例医院）实践，探究公立医院数据价值实现的闭环管理路径与评价策略，为公立医院在数字化转型进程中更好地理解并利用数据资源、实现精细化管理与高质量发展提供参考。

1 公立医院数据资源内涵与价值

数据是关键生产要素和国家战略资源，把数据资源转化成真正“数据资产”面临诸多挑战，包括权属不明、评估困难、安全要求高等情况，致使大量数据潜在价值没有得到有效挖掘而变成“隐形资产”。对此，学界正积极探索数据资产入表的财务管理路径与会计处理方法，并强调系统化的数据标准化管理是其价值实现的基础。

公立医院数据价值呈现在多个不同层面。社会层面，有效利用医疗数据有利于发现疾病流行趋势，为公共卫生政策提供科学依据且优化医疗资源配置，增强医院公益性。医院层面，数据是高质量发展的核心，通过建设集成平台、数据中心、统一标准等可打破“信息孤岛”，实现精细化运营与科学决策，提升医院管理水平和服务价值。医疗层面，深度分析患者数据能支持疾病早期预测、精准诊断和提供个性化治疗，提升医疗质量、患者安全与满意度。

2 公立医院数据价值实现的闭环管理路径

公立医院数据价值的实现不是一次性任务，而是动态闭环管理过程，需要构建涵盖数据全生命周期管理等核心环节的系统路径，确保数据在循环中持续且安全地实现增值，进而赋能医院高质量发展。

2.1 数据全生命周期管理与治理

数据全生命周期管理是价值实现路径的重要基石，数据治理是确保其有效性的关键核心。首先，构建基于生命周期理论的数据资产管理顶层框架。通过顶层框架构建，为数据管理提供具有系统性的详细蓝图，明确其在社会、医院及个人层面价值的提升路径。该框架落地需配套建立完善的数据资产管理体系，健全科学合理的数据价值评估机制，加强严格有效的数据质量控制和安全保障。其次，精细化的数据治理是保证数据质量与可用性的关键。面对不断增长的数据需求，需构建全新治理模式，从管理技术业务等多个维度提升数据质量，以此打通各方面存在的信息壁垒。完善IT架构、建立统一数据仓库以及数据标准等是支撑科学决策与精细化管理的基础。例如，案例医院成立了由医务部、病案统计室、信息中心联合主导的“诊断标准化工作组”，严格遵循国家标准，实施了临床诊断标准化；由医院药学部和信息中心共同负责，以国家药品编码为核心，对接医保目录，构建了“一药一码”的院内标准化药品目录；此外，实现了人员主数据标准化，确保患者和医务人员信息标识在诊疗全流程的唯一性、一致性和可追溯性。在数据治理架构方面，案例医院进一步构建了手术中心数据中台，整合HIS、LIS、PACS等多个系统的异构数据，实现了统一分析与视图展示，为后续流程优化提供了精确的数据基础。这些举措共同构成了数据全生命周期管理的底层支撑。最后，数据安全与隐私保护是贯穿全程的底线。鉴于医疗数据具有敏感性特征，需要依靠完善的制度和标准，采用权限控制和安全审计等来保障数据安全，防范法律与伦理方面可能出现的风险。

2.2 数据驱动的运营管理与决策优化

在可靠的数据基础上，医院需将数据深度融入运营与决策，形成闭环管理模式。首先，建设运营数据中心关键基础设施，打破“信息孤岛”。例如，为满足临床管理需要，案例医院根据医务部、门诊部、财务处、绩效办、病案统计科等部门数据展示需求，建立数据更加全面、精细化的运营数据中心。运营数据中心实时从HIS系统提取数据，保证数据及时性及不可修改性，并整合其他临床业务、财务、物资、设备、人力等多源数据，实现医院运营基本指标情况分析（门诊量、急诊量、手术量、出院人数、病床使用率等）、院级日工作量趋势分析、院级月收支趋势分析、科室级日工作量与医疗收入分析（医疗收入及构成、医疗成本及构成、医疗盈余情况等）、每日每名医生门急诊工作量和手术量分析等，为院领导、科室负责人分析决策和资源合理配置提供依据。

其次，推动管理会计和大数据深度融合。这是提升精细化管理水平的核心途径。要求财务管理从传统核算向价值创造转型，构建起涵盖精细化预算、全成本核算和绩效评价的数智化财务管理体系，以支持科学决策和资源优化。在实际操作中，案例医院依据成本核算对象的差异，按月产出科室、医疗服务项目、病种以及DRG的成本核算数据，从人员、药品、耗材、折旧和管理费用等不同角度开展数据挖掘工作，对成本管控关键点进行把控，并通过耗材议价谈判、加强集采等管理举措，有效降低了DRG核算的病组成本。在此基础上，案例医院将数据驱动理念延伸至手术室运营管理。通过智慧平台建设，打通历年手术记录、患者情况、资源分配等历史数据，在考虑医生年资、手术室设备配置、麻醉资源、季节波动等因素后，生成最优手术排班方案，实现智能化排班管理；实时追踪手术患者定位，记录到达与离开等关键节点时间，实现围术期闭环管理；按周、月、季度等自动统计各类手术占比、手术室周转效率、非计划重返手术室再手术率等数据，为运营决策提供数据支撑。

再次，全面践行价值医疗理念。数据应用要服务于以患者为中心和实现医疗质量与成本效益最优化目标。例如，DRG/DIP支付方式改革体现价值医疗理念并驱动医院管理变革，而价值链分析等方法有助于优化医院运营流程。此外，应用人工智能技术与智能决策支持系统有助于在疾病诊疗、公共卫生应急、资源调配等方面提供强大支持，但效能发挥依赖分析技能与组织资源结合。

最后，医院需利用数据分析优化成本、调整服务结构并支撑质量安全工具实施。具体实践中，医院全面分析DRG病组结余情况，针对DRG亏损病例，联合医务、医保、病案、医工、药剂等职能部门，从医疗行为、用药、用耗规范性等角度，逐一分析亏损原因，提出改进措施，与绩效管理相衔接，最终实现DRG提质、控费、增效。

2.3 数据流通与共享

数据价值的充分释放需要打破组织边界，建立起高效且安全的数据流通与共享机制，推动数据要素化与资产化运营。数据流通共享的直接成果之一是拓展创新应用场景，提升医疗服务效率与患者体验。但要关注基础设施和数据安全等挑战。

在医联体/区域平台数据共享实践上，案例医院通过统一数据标准、加密数据上传、与其他医院就诊结果互认、患者诊疗数据调阅授权、数据质量监督和数据开发利用等数据安全与授权机制，促进公共卫生服务、传染病监测预警、慢病趋势分析及应急资源调度更加智能高效，加速医学科研与创新，为高校和科研机构提供高质量的真实世界数据支撑，提升AI辅助诊疗模型训练、新药研发和临床试验效率，有效释放数据价值，催生健康服务新业态。

综上，从底层的数据治理，到中层的运营应用，再到顶层的流通共享，共同构成层层递进、相互关联的闭环管理路径，为公立医院数据价值持续释放提供坚实保障。

3 公立医院数据价值实现的评价策略与应用

数据价值的有效释放不仅依赖于闭环管理路径的构建，更需配套科学、多维的评价策略，以衡量管理成效、识别改进空间，并为闭环的持续优化提供数据反馈。考虑到公立医院作为经济主体、服务主体和专业主体的核心价值诉求，本研究从综合绩效与效率、患者体验与服务质量、临床效果与安全3个维度构建评价框架。

3.1 综合绩效与效率评价

综合绩效与效率是衡量数据价值实现程度的基础性维度。在具体指标选取上，应聚焦于能够反映运营效率和资源利用水平的量化指标：（1）资源利用效率指标，如床位周转率、手术室使用率、大型设备平均检查量及闲置时长等，用以衡量数据驱动的排程优化和资源调配是否产生实际效果。（2）成本控制与效益指标，包括DRG/DIP病组成本收益率、医疗服务收入占比、百元医疗收入消耗的卫生材料费用等，用以评估数据在成本动因识别、耗材管控和价值链优化中的贡献。（3）综合绩效指标，可参照国家公立医院绩效考核体系中的运营效率相关指标，如门诊和住院次均费用增幅、人员支出占业务支出比例等，以保证评价的权威性和可比性。在应用方法上，采用横向比较和纵向追踪相结合的评价模式。横向比较即对标同级同类医院的基准数据，判断本院数据驱动管理的相对水平；纵向追踪则通过时间序列分析，观察上述指标在数据治理举措实施前后的变化趋势，以排除偶然因素，归因于管理改进。

3.2 患者体验与服务质量评价

公立医院的公益性本质和高质量发展要求决定了患者体验是不可或缺的价值维度。因此，患者体验与服务质量是衡量数据价值实现程度的关键性维度，直接关系到医院的社会声誉和患者信任。

核心指标应覆盖患者就医全流程的关键接触点：（1）就医便捷性指标，如预约挂号平均响应时间、号源候补成功率、多院区号源引导后的跨院区就诊分布变化、互联网医院诊疗量占比等，用以衡量数据在优化就诊流程、缓解“挂号难”等方面的成效。（2）流程效率指标，包括门诊患者平均候诊时间、检查预约等待时间和手术等待天数等，用以评估数据在流程瓶颈识别与改进中的实际作用。（3）患者主观体验指标，如患者满意度评分（可细分至就诊环境、医患沟通、信息可及性等子维度）、患者净推荐值（net promoter score，NPS）及投诉率变化，用以反映服务质量的综合改善效果。在应用方法上，应建立“数据监测-问题定位-干预实施-效果验证”闭环评价流程。具体而言，通过实时数据分析识别流程异常，定位原因，采取干预措施，然后通过指标的后续变化验证措施有效性。

3.3 临床效果与安全评价

临床效果与安全是公立医院核心使命的直接体现，也是数据价值实现最根本、最不可替代的落脚点。核心指标应兼顾结果质量、过程质量和安全质量3个层面：（1）结果质量指标，如非计划重返手术率、术后并发症发生率等，用以反映诊疗效果。（2）过程质量指标，如危急值报告及时率和处置完成率、手术安全核查执行率、抗菌药物使用前病原学送检率等，用以衡量关键医疗流程的规范性和数据对临床决策的支持程度。（3）安全风险预警指标，如住院患者压疮发生率、用药错误报告率等，用以评估数据在风险识别和主动干预中的价值。在应用方法上，关键在于建立“数据采集-风险预测-预警干预-效果追踪”的评价闭环。

总体而言，上述3个评价维度相互关联、互为补充。综合绩效与效率评价反映数据的经济价值转化能力，患者体验评价反映数据的社会价值实现程度，临床效果与安全评价反映数据的核心专业价值。三者共同构成对数据价值闭环管理成效的立体化评价体系，为持续改进提供多维度的反馈依据。

3.4 案例医院闭环管理效果评价

案例医院实施手术室闭环运营管理后，较2024年同期，2025年手术总量提高18%，住院患者数量和床位周转效率均得到有效提升。在成本管控方面，通过对DRG亏损病组进行逐一分析，联合医务、医保、病案、医工、药剂等职能部门，从医疗行为、用药和耗材规范性等角度定位原因并实施改进，最终实现了DRG病组成本的显著下降，DRG盈余稳步提升。在新院区投入运营的背景下，医院全年实现收支盈余目标，医疗服务性收入占比提升，成本增幅低于收入增幅。这些成效表明，数据驱动的运营管理在综合绩效与效率维度产生了可验证的效果。

在号源管理方面，通过跟踪分析预约挂号平台放号时段、挂号时间、峰值带宽占用量、号源取消率和爽约率、普通号与专家号爽约比对等数据，及时识别出恶意抢号导致的带宽拥堵和患者操作响应时间延长等问题，随即调整风控策略，增强识别和管控，同时增加候补、多院区号源引导和互联网医院出诊量，有效降低了患者的操作等待时间。手术患者护工管理方面，通过抢单与派单相结合的护工转运模式，显著缩短了患者从病房到手术室的转运等待时间。患者就医获得感和满意度明显提升。

4 讨论

公立医院数据价值的实现是一项涉及治理体系重构、管理流程再造与技术深度应用的复杂系统工程，而非单一技术工具或局部应用的简单叠加。本研究系统探讨了公立医院数据资源的内涵与多元价值，构建了涵盖“治理-应用-流通”三位一体的闭环管理路径，并提出了多维度、动态化的评价策略框架。结合案例医院的实践探索，得出以下3点核心结论，并对未来发展进行展望。

4.1 结论

4.1.1 闭环管理路径的本质是建立数据驱动决策、决策优化运营、运营产生新数据的正向循环机制。数据价值释放并非线性流程，而是需要在治理层、应用层和流通层之间形成持续反馈与迭代优化的闭环。其中，数据治理解决“数据是否可用”的问题，通过标准化、主数据管理和质量管控，确保数据的准确性、一致性和可追溯性；数据应用解决“数据是否好用”的问题，通过嵌入运营管理和临床决策，将数据转化为洞察力和行动力；数据流通解决“数据是否活用”的问题，通过内外协同共享，放大数据的乘数效应。三者缺一不可，且需以闭环逻辑串联，以避免“有治理无应用”或“有应用无反馈”的碎片化困境。

4.1.2 评价策略在闭环管理中不可或缺。没有评价，闭环便无法闭合，管理改进便缺乏方向依据和效果验证。本研究所提出的三维度评价框架，核心价值在于为闭环管理提供了可操作的实践指引。各维度指标并非各自孤立，而是存在内在关联：效率的提升应以不牺牲临床安全和患者体验为前提，患者体验的改善应与临床效果的提升同向而行。因此，在实践应用中，建议公立医院建立综合评价指数，通过赋权将3个维度的关键指标整合为单一可比的综合得分，避免因片面追求单一维度指标而出现管理偏差。同时，评价的时效性至关重要，要从事后评价转向事中的动态预警和事前的前瞻预判。

4.1.3 数据安全与隐私保护是贯穿闭环管理全程不可逾越的底线。医疗数据的高度敏感性决定了数据价值的挖掘必须在安全合规的框架内进行。公立医院在推进数据流通与共享时，应坚持“最小必要、分级授权、全程可溯”原则，综合运用脱敏处理、差分隐私等手段，在保障患者隐私的前提下实现数据的价值释放。同时，医院应建立数据安全事件应急响应机制，定期开展安全审计和风险评估，将数据安全从技术层面提升至医院治理层面。

4.2 展望

4.2.1 数据价值挖掘需要从单点突破走向生态协同。当前，多数公立医院的数据应用仍集中于个别场景的试点探索，尚未形成覆盖全院、全流程、全要素的数据价值生态。未来应着力推进3方面协同：一是院内院外协同。打通医院内部数据与区域健康信息平台、公共卫生监测系统之间的壁垒，形成跨机构的数据共享与互认机制。二是临床与管理协同。打破临床业务数据和运营管理数据之间的壁垒，使得临床路径优化与成本管控同频共振。三是技术与制度协同。技术创新、管理制度和组织文化须同步变革，否则技术创新便难以真正嵌入业务流程并产生持续价值。

4.2.2 跨学科研究与多方协同治理是应对复杂挑战的必由之路。公立医院数据价值的实现涉及信息科学、管理学、临床医学、法学和经济学等多学科知识。单一学科的研究视角难以应对数据确权、安全合规、价值评估和技术应用等交织在一起的复杂问题。未来应建立“医-研-产-政”多方协同的研究与实践生态，在制度设计与技术标准制定层面形成合力，加速理论创新向实践应用转化，推动公立医院数据价值实现系统性推进。

来源：《中国医院》杂志社2026年10月刊

作者：郝祎、陈越、王新雨、侯常敏

作者单位：首都医科大学附属北京积水潭医院