居民医疗服务利用是医药卫生体制改革的关注点之一，医疗服务供给体系能力提升和基本医疗保障制度建设均是为了促进居民的医疗服务利用。居民医疗服务利用监测与评估是卫生政策制定的重要依据，五年一次的国家卫生服务调查就是通过入户回访，评估居民的卫生服务需求与利用，反映卫生服务体系改革的成效等。^[1] 2015年国家卫生计生委启动了居民医疗服务利用持续监测项目，湖北、江苏等四个省作为试点，凸显了居民医疗服务利用监测的重要性。大数据能够进一步挖掘数据，发挥政策评估、决策支持等作用，如何引入大数据的思想，促进居民医疗服务利用监测，是卫生大数据从理论走向实践的重要探索。^[2]

1 我国居民医疗服务利用监测的现状与困境

目前我国居民医疗服务利用监测主要有三类形式：第一类是大范围周期性的医疗服务利用调查，如国家卫生服务调查、健康与养老追踪调查、老龄健康长寿调查等，监测范围较大，资料收集的成本较高；第二类是主题明确的队列研究，如中国慢性病前瞻性研究(北京大学)、高血压、糖尿病调查(中国医学科学院阜外医院)等，监测针对性强，但关注范围较窄^[3]；第三类是医疗保险的就诊数据监测，如新农合居民门诊、住院数据库等，数据可得性较好，但涵盖的变量较少，关注的仅是一次就诊行为。而从当前卫生政策与管理的发展来看，传统的医疗服务利用监测已经无法满足卫生政策决策的需求，主要存在以下三个方面的问题。

首先，传统医疗服务利用监测的缺陷难以克服。当前居民服务利用监测研究多采取入户调查，其优点是针对性强、可获取家庭经济等个体性指标，但也存在诸多缺陷。(1) 回顾的数据存在偏倚，居民很难明确告知其就诊的时间和具体费用；(2) 样本不稳定，从对湖北的持续监测发现，连续3个月的监测后数据完整的户数不足95%，不同阶段的监测样本户很难保证一致；(3) 样本代表性有限，监测样本不能反映整个居民实际的服务利用情况；(4) 调查监测的成本较高，包括调查员的组织与样本户的协调。

其次，传统监测手段下监测指标也存在缺陷。监测指标对调查内容依赖过高，未关注的问题难以纳入监测；指标连续性不强，横截面的调查只能得到时点下的数据，无法监测到居民连续的服务利用；部分监测指标的主观性较强，如就诊偏好、满意度等调查无法排除调查者的主观性偏倚。

最后，诸多管理有效的指标通过居民服务利用监测难以得出。传统指标的应用比较成熟，但对于卫生决策管理的一些新指标通过居民服务利用监测仍无法给出。如基层首诊率、就诊偏好、跨级转诊率(指因同一疾病在同一疾病周期在不同机构就诊的情况)、挂床住院、分解住院等管理指标^[4]，服务利用的聚集性、高费用群体^[5]、居民服务利用的连续性等指示性指标，从现有的监测手段下都难以测算。基层首诊率是新医改明确提出反映分级诊疗建设的关键指标，但目前没有统一可操作的指标算法，难以反映分级诊疗开展的真实效果。

2 大数据思想在居民医疗服务利用监测中的应用探索

从卫生领域数据形式来看，病历信息、检查化验信息以及医保数据均属于大数据的范畴，而大数据在卫生管理领域中的具体应用并未凸显，包括对于居民服务利用的评估作用并不显著。^[6]其主要问题在于多数据源口径不统一，难以形成有效决策的大数据。同时，当前对大数据的挖掘与应用还停留在简单的统计分析层面，缺乏对数据分析的创新思想，导致已有的健康数据难以发挥应有的决策支持、评估预测等作用^[7]，即卫生大数据应用的切入点在于数据源间的衔接与数据分析理念的创新。

2.1 居民医疗服务利用多数据源衔接合并

当前反映居民医疗服务利用的数据库类型较多，包括医疗保险住院数据库、门诊数据库、个人健康档案、慢病随访数据库等。同时为了更完整的反映居民医疗服务利用水平、居民健康状况以及因病未就诊的情况，建议进一步纳入县域居民的完整数据，包括医保参保数据库、家庭经济数据库(贫困人口数据)以及人口普查或家庭调查数据。不同数据分属不同部门，数据形式也有差异，当前也未有将不同数据库衔接合并的探索。而从数据反映的内容来看，如果将居民个人的住院、门诊、慢病随访等信息衔接合并，可以反映居民医疗服务利用的总体情况、不同类型服务利用的联合情况等，如个人年度利用费用、年度住院次数，同时进一步通过参数设定，也可以挖掘一些评价性指标，如仅利用住院居民群体、县级服务居民群体、高费用居民群体、高服务利用居民群体等，进而可以衍生一些新的居民服务利用监测指标，如服务利用偏好等。如德国自1995年开始使用电子医保卡，包括了关于患者付费服务的所有数据，涵盖了患者信息、医疗记录以及医生信息等，实时反映居民总体的服务利用情况，并引导机构提供连续性服务。^[8]如英国的医生可以通过NHS医院诊疗系统查阅患者的健康档案、社区就诊信息等，完整的反映居民的医疗服务利用情况。

2.2 居民医疗服务利用大数据构架

数据构架是指在既有数据的基础上，以确定的分析思路为指导，对数据库进行变型，包括数据库的结构与变量层级调整。当前的服务利用数据库多以一次服务为记录单元，其仅能反映一次服务利用的特征，一直停留在描述性分析上，缺乏新的数据构架设计与分析思路。如果在多数据源合并的基础上调整数据库的层次与结构，就能反映出特定的服务利用问题。如考虑将医保住院数据库转换成以个人为单元，可以发现居民住院的利用特征；转换为以家庭单元，能够分析出家庭的住院利用特征，包括家庭年度住院费用等；纳入疾病周期的概念，以居民前后两次住院为关注点，可以分析县域居民的转诊情况、住院连续性情况，甚至有助于发现分解住院(一次住院人为分解成两次住院，属于不合理的卫生服务供给)；限定居民生病首诊特征，可进一步分析居民的首诊选择；对比居民前后两次的住院时间，也有助于甄别医疗机构的挂床住院(数据上体现为同一时间在不同机构同时住院)等。上海市社区卫生服务的大数据应用，通过数据库再构架实现了对不同签约类型居民的分类管理，如根据慢病患者的服务利用情况开具延伸处方。甘肃新农合省级监管系统中，通过医保数据再构架提炼出了15日内再次入院监测指标，监测居民再入院情况。

3 居民医保就诊数据衔接与构架实践

在现有居民服务利用数据源衔接与大数据构架的思路指导下，可以从居民医疗保险的就诊数据入手开发出更有效的居民医疗服务利用监测指标与监测技术。本研究以湖北省某县级市2012—2014年的新农合参合数据库、新农合住院、门诊数据库为基础数据源，采用Microsoft Office Access以及Excel的数据编程与数据库关联技术，探索就诊数据衔接与再构架的可行性。由于数据源的有限性，现有的实践只纳入了新农合参合、门诊、住院三个数据库，只能反映居民实际发生的医疗服务利用情况，数据量存在偏倚，不能指代居民完整的健康服务利用水平以及未利用的情况。该实践初步确定了多数据源合并与监测框架构建的可行性，为后续完整的数据库合并与监测提供了基础。

首先是住院与门诊数据库衔接合并。初步构想是从一次就诊转换成基于个人年度医疗服务利用的数据形式，以居民个人身份ID为参照变量合并其县乡村住院、门诊所有诊疗数据，最终形成居民年度医疗服务利用数据链，同时生成了如年就诊人次、年就诊费用、年住院次数等年度服务利用变量以及高费用患者等指示性变量(图 1)。然后是大数据构架。在合并数据库的基础上发掘数据转换的思路，首先是合并数据层次，从衔接后的居民个人服务利用提升成以家庭为单位的服务利用数据库，进而产生了如家庭年度就诊次数、人均就诊次数、年度医疗费用等指标。^[5]之后，基于国际再入院的概念，即患者因某一种明确或非诊断明确的疾病，在一个疾病周期(一般以30天为标准)之内，计划或非计划地多次接受住院服务的治疗形式可进一步生成县域居民再入院专题数据库。

在数据库的合并与再构架中主要应用的技术点如下：运用Microsoft Office Access与Excel中的内置程序进行编程，对县区居民的医疗服务利用数据进行筛选处理，主要运用Access的多数据库关联，以及Excel中的Countif、Sumproduct、Lookup函数，以及数列拆分、去重等技术实现从诊疗数据向居民个人医疗服务利用数据链的构架，之后根据研究的具体问题，进一步提炼专题数据库。

从现有的实践来看，依托于传统的数据库编程与关联技术，能够初步实现多数据源的衔接与数据库再构架，但同时存在监测的时效性不强以及数据处理工作量较大等问题。在大数据思想下，引入“云计算”能够实现数据的即时处理，大大提高数据的分析效能，引入“互联网+”能够实现数据的实时监测，借助于信息化平台，可以即时实现多数据源的互联互通以及数据再构架。所以未来的信息化建设中，居民的医疗服务利用和评估可以作为重要的内容模块，甚至在指标边界值明确的前提下，可以构建出县域居民医疗服务利用监测预警模型，便于医保管理人员与医疗机构的服务决策。

4 多数据源合并构架下的居民服务健康大数据的现实应用

当前居民服务利用的基础数据源较为分散，借助云计算，居民多数据源的合并与构架可以实现居民医疗服务利用的实时监测，进而对居民就医习惯、就诊偏好、首诊选择、卫生服务支出、卫生服务的不合理利用等诸多指标进行科学测算。在卫生政策与管理方面有以下应用点：(1) 居民服务利用监测，包括居民的就诊偏好、首诊选择以及趋高就诊等。从患者角度评价居民医疗服务利用的特征，对于医疗资源配置、居民就医行为等有重要的研究价值。^[9](2) 供方服务供给特征，包括转诊、跨级住院以及不合理入院、分解住院行为的测算等，对于合理引导患者流向、避免医疗资源浪费、医疗机构间服务整合有重要指导意义。(3) 机构吸引力分析，描述不同机构的患者吸引力及其特征，对医疗机构进行市场细分，明确各机构特点及其优劣势，对于机构的发展方向提供指导意见。(4) 供需双方互动关系，包括患者获得医疗服务的连续性、服务利用的聚集性、就诊信息传递、高服务利用患者、贫困人群等的医疗服务利用特征、灾难性卫生支出等，可以促进医患沟通、居民医疗负担的测算研究。^[10]