论文部分内容阅读
摘 要：[目的/意义]开展数据驱动医院管理决策的影响因素及作用机理研究，为改善医院管理决策中的数据应用现状，提升决策的科学性和高效性提出可供参考的建议，以期拓展情报学的问题域和应用空间。[方法/过程]运用扎根理论的方法，借助质性分析软件ATLAS.ti8，编码分析面向医院管理者的半结构化访谈资料，确定影响因素，构建影响因素模型。[结果/结论]数据质量、医院支持、外部环境、管理者支持和系统完善是数据驱动医院管理决策的关键影响因素，通过影响因素之间的因果关系、相关关系和中介关系构成了数据驱动医院管理决策影响因素模型，并据此为促进数据驱动医院管理决策提供了策略和建议。
关键词：数据驱动;数据质量;医院管理;决策支持;扎根理论;影响因素
Abstract：[Purpose/Signficance]Research on the influencing factors and its mechanisms of data-driven decision-making in the process of hospital management.In order to improve the application status of data in the field of hospital management and improve the scientificity and efficiency of decision making，Suggestions for reference are put forward，so as to expand the problem domain and application space of information science.[Method/Process]By using the grounded theory method and the qualitative analysis software ATLAS.ti8，the semi-structured interview data for hospital managers were coded and analyzed to determine the influencing factors and build the influencing factor model.[Result/Conclusion]Data quality，hospital support，external environment，manager support and system improvement were the main influencing factors of data-driven hospital management decision.Through the causal relationship，correlation and intermediary relationship among the influencing factors，a data-driven hospital management decision influencing factor model was constructed.It also provides strategies and Suggestions for promoting data-driven hospital management decision making.
Key words：data-driven;data quality;hospital administration;decision support;grounded theory;influencing factors
近年来，健康医疗领域的数据呈现爆发式增长，随着大数据分析、商务智能等技术的进步，数据的潜在价值逐渐得到肯定和重视。国家先后出台《关于促进和规范健康医疗大数据应用发展的指导意见》、《国家健康医疗大数据标准、安全和服务管理办法（试行）》等相关文件倡导大数据在健康医疗行业的应用和发展。数据的积累和使用对医院管理决策具有重要影响，全面的数据信息和智能的辅助分析将显著提高管理者的洞察力，减少决策的不确定性，促使他们做出更好的决策[1]，提高工作效率。满足医院管理者的情报需求，为管理决策提供支撑，是数据驱动医院管理决策的主要目的[2]，更是情报学在健康医疗行业的重要应用场景[3]。然而，目前在实际工作中，这种应用效果并不令人满意，管理者数据意识薄弱[4]，医疗数据基础质量差[5]等问题较为凸显。如何更大程度提高医疗数据采集水平，提升数据挖掘深度，增强管理者的使用意愿，让数据真正充分地驱动决策，发挥情报学的决策支持作用是当前亟需解决的问题。探索该问题的解决方案离不开对影响因素的讨论，需要从医院管理者视角入手，调查他们在实际決策过程中，影响数据使用的关键因素，并为医院管理决策科学化及数据治理提供相关对策和建议，以期强化情报学在医院管理领域的应用效能，提升决策的规范性和高效性，促进医院管理的精细化发展。
1 文献回顾
医疗管理领域数据驱动决策的研究较为丰富，研究内容主要集中于数据驱动的益处，单一决策的数据驱动方案和决策支持系统的构建及优化三方面。研究议题涉及广泛，包括人力资源管理[6]、医保控费和绩效考评[7]等。Olszak C M等[8]指出医院管理者能够使用数据挖掘技术处理医疗数据，提高行政效率，优化管理决策;王兴鹏等研究了在大数据的理论和方法指导下日间手术管理的决策流程，对数据驱动下决策者对床位管理的行为模式和意义进行了探讨[9]。Jerng J S等介绍了在台湾一医疗中心用智能决策支持系统来辅助住院患者管理的经验，以期增强数据驱动管理决策的效率。Cheng-CheShen等对医院临床和行政决策者进行了问卷调查发现商业智能系统（Business Intelligence Systems，BIS）的成熟度显著影响医疗数据质量从而影响医疗决策质量，用户对BIS的满意度也对医疗决策质量有积极影响[10]。研究者们相信对数据的深度挖掘将使医院管理者更加准确、快速、深入地洞察信息，更有利于制定良好的管理决策[11-12]。虽然数据驱动决策在医院管理领域的价值已经得到了基本认同，但是对其具体驱动过程中多变的决策环境、多层次的信息资源、多元化的技术手段[13]等影响因素的研究和挖掘深度稍显不足，无法为后续实证研究或者实践优化提供充足的理论依据。基于上述不足，研究将聚焦于3个方面：1）梳理面向医院管理领域的数据驱动决策的影响因素;2）研究各个影响因素之间的相互关系，经过理论饱和性验证，构建数据驱动医院管理决策影响因素模型;3）基于该模型为数据驱动医院管理决策提供建议。 2 研究过程
2.1 研究方法与样本选择
2.1.1 扎根理论
扎根理论是由Glaser B G等于1967年[14]提出的一种自下而上归纳分析的质性研究方法[15]，具有针对性[16]，尤其适合挖掘具体问题的关键因素[17]，在探讨数据利用情况[18]和优化管理决策[19]方面都较为实用。因此，本文采用扎根理论分析医院管理者的半结构化访谈资料，提取影响数据驱动医院管理决策的关键因素，构建理论模型并据此提供建议。
2.1.2 数据收集
根据研究问题，对访谈对象设置了纳入标准如下：1）医院中处于中层管理职位或更高级别的;2）有5年以上管理经验;3）能够接受访谈，录音及后续使用的人员。遵循边收集边编码的原则[20]，通过目的性抽样、滚雪球抽样和理论抽样的方式，共采访了9位管理者。受访情况如表1所示。研究人员确定了管理者A、B、C、D、E、G、H，由管理者B介绍了F，E介绍了I。访谈提纲的拟定遵循Kallio的五步法[21]，经过组内测试和受访者预测试，两次修改后确定了最终的访谈提纲。在访谈之前与受访者预约时间，告知研究目的及录音等相关情况，征得同意后根据条件采用面谈、微信视频、电话的方式进行访谈，全程录音。最后收集访谈音频时长共计280分钟，作为扎根理论编码的分析数据。
2.2 编码过程
2.2.1 开放性编码和主轴编码
将收集的访谈音频导入质性分析软件ATLAS.ti8中进行编码，逐词逐句，逐个事件对访谈资料进行引用和概念化。通过反复的比较、修改，删除出现频次极少（≤1）的概念，最后得到初始概念135个。根据概念间的相互关系将得到的概念范畴化，通过不断分析得到范畴33个，反复比较和归纳，将分解的资料重新聚合，发现子范畴12个，主范畴5个（见表2）。
2.2.2 选择性编码
结合研究目标，将数据驱动医院管理决策确定为核心因素，分析主范畴、范畴间的关系，整合类别和属性，形成主范畴典型关系结构如表3所示。同时，理出故事线如下：1）管理者支持，系统完善和数据质量能够直接影响数据驱动决策;2）外部环境和医院支持通过影响管理者支持，数据质量和系统完善间接影响数据驱动决策;3）管理者支持与医院支持、系统完善和数据质量、管理者支持和数据质量间呈现出相互影响的关系。
2.3 理论饱和度检验
为了确定何时可以停止采样并对提出的数据驱动医院管理决策影响因素的初步研究结论进行验证，分别在编码中和编码后两阶段综合3种方法进行了饱和度测试。
首先在初次编码过程中，当编码到第7位（G）受访者时发现没有新的概念、类属和关系出现。为了避免偶然性，又补充了两位管理者进行采访和编码。将每位受访者音频里编码出的初始概念进行词频统计，导入软件VOSviewer中绘制了受访者—初始概念联系图（如图1所示）。图中节点A、B……I表示受访者，其余各点表示开放性编码中出现的初始概念。节点和标签的大小根据出现频次设置，出现的频次越多，权重越大。
由图1可以发现与G、H、I相连的概念都同时与A到F中的某些相连，这说明G、H、I的访谈过程中没有新的概念产生。同时，编码人员在编码这3位管理者的访谈资料过程中也未发现新的关系存在。然后在初始编码过程结束后，编码人员返回原始数据，重新审视访谈资料和已有的编码、关系，未发现新的能够影响理论饱和度的类别。最后，将编码结果告知访谈对象A、D、E，请他们确认，他们对编码结果基本认同，未能提出新的范畴和关系。综上，可以认为理论饱和度检验通过。
3 影响因素模型构建与分析
基于上述编码和分析，构建了数据驱动医院管理决策影响因素模型，如图2所示。该模型集成了表2中的5个影响因素以及表3中影响因素间的6个中介关系、3个相关关系和3个因果关系。接下来将从影响因素和影响因素间关系两方面对模型进行阐释。
3.1 影响因素分析
3.1.1 医院支持
医院支持包括子范畴C1硬性条件支持和C2软性条件支持。C1硬性条件支持指的是医院在信息化、数据挖掘等方面的经济投入、人员配备和医院本身的基础条件。C2软性条件支持指的是医院的战略规划和规章制度，它对医院的运营管理能够起到方向上的把握和指导作用。在医院支持因素中，研究发现受访者对数据分析师的态度出现了矛盾的现象。管理者一方面认为目前医疗健康大数据是海量的，许多隐藏在数据背后的信息没有被挖掘出来，数据价值需要进一步探索，医院的各个岗位，尤其是管理领域迫切的需要数据分析师的辅助。然而，另一方面，他们却不愿意在聘请数据分析师方面投入更多的精力，对聘请这样的人员持较为消极的态度，总结原因主要有以下4条：1）数据分析师创造的价值與其占据资源的不匹配;2）数据分析师对医院，对医疗了解程度不够;3）数据分析师的职责定位不明确;4）数据分析师与医院管理者出现沟而不通的状态。这种矛盾反应了医院管理者对目前所谓的数据分析师的不认同，想要聘请让管理者满意的数据分析师很困难。揭示了数据分析师这一职业在医疗健康领域所面临的困境和人才培养的紧迫性。
3.1.2 系统完善
C3系统质量完善和C4系统应用完善可以归属到系统完善因素下，是数据驱动医院管理决策的技术保障。C3系统质量完善是指系统或者工具自身的情况，包括运行速度、功能完善性、安全性、易操作性以及可维护性。C4系统应用完善指的是在固定应用条件或者应用环境下系统的完善程度，包括系统的关联性，对国家政策等条件的响应程度和费用。访谈发现目前医疗管理领域的系统工具都处于较为初级的阶段，只提供数据存储、组织等基础性功能，对于更高级的数据分析和预测显得较为无力。
3.1.3 数据质量
子范畴C5数据表示质量、C6数据可访问质量、C7数据条件质量和C8数据内在质量归属于影响因素数据质量。C5数据表示质量主要指数据的精细程度。C6数据可访问质量指的是用户访问数据的便利、数据安全等情况。C7数据条件质量也是指数据在某种应用环境下的好坏，主要包括完整性、时效性、价值可测量性、符合性和数据的关联共享。C8数据内在质量指的是数据本身的质量，包括数据正确性、一致性和来源可信性。在调查和编码中发现，数据质量不佳是当前阻碍数据驱动医院管理决策的提升的关键问题。可以归结为以下两方面原因：1）医院基础数据数字化有限。这既体现在数字化数量上，又体现在质量上。数据字段缺失，范围不全面，模糊粗糙现象明显。2）数字化传输困难。例如数据采集口径不一致、医疗术语书写不规范、各系统间缺少标准接口等问题严重。 3.1.4 外部环境
外部环境包括C9技术环境和C10政治环境。C9技术环境指的是社会技术水平，它的高低直接影响系统、工具的完善，同时也促进影响新的管理模式、医疗模式的开展。C10政治环境是指国家、政府的政策要求和导向。从图1可以看出包含在外部环境类属下的初始概念节点“国家政府的推荐、建议”、“医院上级的文件、政策要求”、“国家的相关规定”都相对较大，说明这些初始概念被受访者多次强调，由此可以看出外部环境在数据驱动医院管理决策过程中起了较为重要的影响作用，而国家政府目前已经认识到数据对医院管理的重要作用，发布了《关于促进和规范健康医疗大数据应用发展的指导意见》等多个文件鼓励医院管理的数据治理与应用。
3.1.5 管理者支持
管理者支持包括子范畴C9管理者理念和C10管理者行为。作为决策的主体，管理者的支持度会影响数据驱动医院管理决策。C9管理者理念是指管理者对数据驱动决策模式的态度，对相关条件建设的重视程度，对数据的信任度。C10管理者行为受他的理念影响，是指是否直接参与到数据质控、分析、管理、挖掘等过程中。他们的行为和理念直接决定了数据对决策支持的程度。访谈中，研究者普遍对数据驱动决策持积极态度，但大多表示业务工作较忙，缺少时间，难以亲自参与数据分析等过程。
3.2 影响因素间关系分析
3.2.1 因果关系
数据质量、系统完善和管理者支持因素直接影响了医院管理中的数据驱动决策，它们分别与数据驱动决策构成因果关系。1）数据质量，作为决策的基础条件，它的好坏会影响挖掘处理的难度以及对决策环境判断的准确性，直接影响决策价值。有受访者表示：“数据质量……会影响管理的水平”“数据拿出来，够不够全面，够不够真实，够不够全面，需要去考虑这些方面，这个很重要”。2）系统完善可以优化管理流程，减少人工，加快管理反映速度，更方便地利用数据来辅助决策，提升决策价值。如受访者说：“上了新系统之后对我们的管理工作是一个很大的提升……促进医院的财务一些重大的经济政策的决定，包括采购的论证，包括成本分析，这是非常有好处的。”3）管理者相信并且使用数据对于数据驱动决策的方式落地起到关键作用，只有真正实施，决策才有价值。受访者C说：“管理者水平不是特别一致，因为每个部门的负责人他的文化水平、管理经验、管理能力不是很平衡……真的把这些数据弄（深度挖掘）出来的时候，对医院的高层管理者或者院长来说，他们接不接受这些数据，他们会认为这些数据对医院有什么作用”。
3.2.2 相关关系
模型中的相关关系有三组，分别是管理者支持和医院支持、系统完善和数据质量、管理者支持和数据质量。1）管理者往往能够有力的号召医院投入更多的金钱、人力和时间等，而他的想法又受限于医院的现实情况、基础条件。受访者提到“领导的战略眼光……就是先有战略，医院要发展，肯定要这样的。”2）数据质量好能有效降低系统处理难度，帮助系统完善，同时系统完善度高反过来可以提升数据的质量。这两个因素间是相互促进，互利共生的关系。例如受访者说：“当然针对信息孤岛在全国范围内做HRP（医院资源规划，Hospital Resource Planning）……这样的话与经济管理相关的数据就会集成到一个平台，这样会好很多。”“数据质量是最大的问题，之后要做分析，就涉及自然语言分析，数据管控差距较大，就导致一堆文本，没法拆，再好的自然处理软件拿过来也拆不好。”3）数据质量高会增加管理者的信任度，促进管理者使用和重视，而管理者的使用和重视反过来会增加数据的建设、发展，提升数据质量。如受访者B表示“如果这个数据来源本身是高质量的医院，同时的数据来源非常大，我一定更能相信”。“作为一个管理者我会检查（电子病历）用得合不合适……我要做一个质量的质控。”
3.2.3 中介关系
中介关系主要存在于外部环境与其他4个影响因素、医院支持与系统完善、医院支持与数据质量间。1）外部环境通过影响其他4个因素间接影响最终结果。除了管理者E，其余受访者都反复强调了外部环境的重要性，表示“一定是国家的，导向性的政策对我们的影响是最大的。”无论是管理者还是医院都要以国家的评价体系进行自我评价，系统、数据的生产建设都要符合國家的要求。2）医院支持通过对系统的完善，对数据质量的管控，间接影响数据驱动决策。如受访者表示：“产品进医院后，医院对数据有一个管控”，“买的不是程序，是管理流程，也是一个管理思路，……（系统上新后）所有的模式，科室的关联都要变化，第一个就是物理的布局，能不能支持，第二个就是科室能不能支持……”。
4 数据驱动医院管理决策的策略及建议
基于上述研究结果，围绕数据驱动医院管理决策影响因素模型，为优化数据驱动医院管理决策提出以下建议：
4.1 提升医疗管理数据质量
1）加强数据标准化建设，推动数据质控的相关指南、共识和评估标准的创建和实施。2）建立健全健康医疗数据共享机制和管理流程。虽然受访的管理者对数据共享普遍是积极提倡的态度，但由于医疗数据共享面临着隐私、伦理和安全的问题，现在始终还处于讨论阶段，进一步的实施和推广则需要更多探索。
4.2 加强外部环境的推动作用
从宏观层面利用外部环境推动医疗健康数据建设，倡导基于数据的管理决策模式。1）增加政府在卫生信息化建设方面的投入，常态性组织管理者培训学习;2）通过国家指导性文件，主推的工程，资助的项目导向医院发展，影响管理者理念;3）利用官方的评级评测，法规条例强制性规范医院、管理者行为;4）要求生产厂家的产品统一标准，方便传输共享，支持创新发展完善系统和工具;5）关注医疗管理行业数据分析师的职业发展，鼓励情报学、医学、管理学、统计学等学科的交叉发展，完善复合型人才培养模式。
4.3 发挥医院的支持作用 1）增加对系统工具、数据管理的资金投入，部署更多的包括共享平台在内的基础信息设施、注重平台的持续维护和更新，致力于系统的安全防护。2）加强人才梯队建设，鼓励以医务管理人员为中心，数据分析师、大数据工程师等多领域多专业融合的团队合作。3）加强数据质控，保证院内数据结构化、标准化、语义化比例。
4.4 提高管理者的意识和能力
1）增加对数据价值的认同，提高利用数据支持或校正决策的意识。数据及系统的价值是难以直接显示和衡量的，这是由于他们在医疗管理过程中往往承担着推动者而非盈利者的角色。管理人员要认识到它们潜藏的巨大价值，深入挖掘以提升决策价值。2）提升自身的数据使用、系统操作等能力，关注新技术新方法的应用和发展。
5 研究结论
文章采用扎根理论研究了医疗管理领域数据驱动决策的影响因素，包括数据质量、医院支持、外部环境、管理者支持和系统完善五方面，基于因素间的相关关系、因果关系和中介关系构建了数据驱动医院管理决策影响因素模型，并据此从四方面为优化医院管理领域数据对决策的支撑作用提供了建议，以期规范决策，从情报学角度助力医院的精细化管理。另外，文章综合3种途径验证了理论饱和性，图像化展现了受访者与初始概念的关系，确保验证结果真实易读，为扎根理论研究提供了新的启示。
文章的局限在于受访者均来自公立医院。公立医院与私立医院在资金来源，政府监管力度等方面的特征上有着明显不同[22]。故此，研究结果是否适合私立医院需要进一步讨论。另外，需要说明的是文章提出的模型是基于扎根理论的小样本研究，后续课题组已经使用结构方程进行了定量化地补充，结果将在其他文章发表。
参考文献
[1]Boicˇ K，Dimovski V.Business Intelligence and Analytics for Value Creation：The Role of Absorptive Capacity[J].International Journal of Information Management，2019，46：93-103.
[2]蒋勋，张志祥，朱晓峰，等.大数据驱动智库应急决策的情报架构[J].情报理论与实践，2019，42（8）：25-32，16.
[3]曾文，徐红姣，车尧，等.基于图书出版行业大数据的选题决策分析模型研究[J].情报学报，2018，37（8）：813-821.
[4]宋铁妹.大数据视角下我国医院财务管理创新[J].会计之友，2015，（24）：97-100.
[5]黄小龙，罗旭，汪鹏，等.醫院大数据应用影响因素分析与对策研究[J].中国医院管理，2018，38（3）：61-63，69.
[6]马越川.决策支持系统在医院人力资源管理中的应用[J].人力资源管理，2018，（5）：338.
[7]车始虹.商业智能在医院管理中的作用[J].今日科技，2018，（3）：59-60.
[8]Olszak C M，Batko K.The Use of Business Intelligence Systems in Healthcare Organizations in Poland[C]//Federated Conference on Computer Science and Information Systems，NEW YORK：IEEE，2012，969-976.
[9]王兴鹏，唐国春，钟力炜，等.大数据驱动下日间手术管理与决策的思考[J].中国卫生质量管理，2018，25（4）：29-31.
[10]Shen C C，Chang R E，Hsu C J，et al.How Business Intelligence Maturity Enabling Hospital Agility[J].Telematics and Informatics，2017，34（1）：450-456.
[11]吕晓娟，张麟，陈莹，等.大数据时代医院管理决策面临的机遇与挑战[J].中国数字医学，2016，11（2）：16-18.
[12]杨海青.数据挖掘技术在医院管理中的应用[J].中华医院管理杂志，2005，（7）：497-499.
[13]周伟.大数据视域下的网络舆情决策创新[J].情报杂志，2019，38（5）：136-141.
[14]Glazer B G，Strauss A.The Discovery of Grounded Theory：Strategies for Qualitative Research[M].Chicago：Aldine Publishing Company，1967.
[15]Roman D J，Osinski M，Erdmann R H.The Construction Process of Grounded Theory in Administration[J].Contaduría y Administración，2017，（3）：985-1000.
[16]丁利.基于需求导向的旅游政务微博公共信息服务质量优化研究——以山东旅游政务微博为例[J].现代情报，2018，38（1）：100-107.
[17]张敏，龙贝妮，刘盈，等.短视频APP用户持续使用之影响因素探究及其对该领域公共治理之启示[J].现代情报，2020，40（3）：65-73.
[18]沈玖玖，王志远，戴家武，等.基于扎根理论的科研数据需求及影响因素分析[J].情报杂志，2019，38（4）：175-180，160.
[19]徐蕾，李庆，肖相泽.基于扎根理论的大数据政策共词网络研究[J].现代情报，2018，38（6）：157-164.
[20]Suddaby R.From the Editors：What Grounded Theory is Not[J].Academy of Management Journal，2006，（4）：633-642.
[21]Kallio H，AM P，Johnson M，et al.Systematic Methodological Review：Developing a Framework for a Qualitative Semi-structured Interview Guide[J].Journal of Advanced Nursing，2016，（12）：2954-2965.
[22]Handayani P W P W，Hidayanto A N N C，Ayuningtyas D D G C，et al.Hospital Information System Institutionalization Processes in Indonesian Public，Government-owned and Privately Owned Hospitals[J].International Journal of Medical Informatics，2016，95：17-34.
（责任编辑：陈 媛）
关键词：数据驱动;数据质量;医院管理;决策支持;扎根理论;影响因素
Abstract：[Purpose/Signficance]Research on the influencing factors and its mechanisms of data-driven decision-making in the process of hospital management.In order to improve the application status of data in the field of hospital management and improve the scientificity and efficiency of decision making，Suggestions for reference are put forward，so as to expand the problem domain and application space of information science.[Method/Process]By using the grounded theory method and the qualitative analysis software ATLAS.ti8，the semi-structured interview data for hospital managers were coded and analyzed to determine the influencing factors and build the influencing factor model.[Result/Conclusion]Data quality，hospital support，external environment，manager support and system improvement were the main influencing factors of data-driven hospital management decision.Through the causal relationship，correlation and intermediary relationship among the influencing factors，a data-driven hospital management decision influencing factor model was constructed.It also provides strategies and Suggestions for promoting data-driven hospital management decision making.
Key words：data-driven;data quality;hospital administration;decision support;grounded theory;influencing factors
近年来，健康医疗领域的数据呈现爆发式增长，随着大数据分析、商务智能等技术的进步，数据的潜在价值逐渐得到肯定和重视。国家先后出台《关于促进和规范健康医疗大数据应用发展的指导意见》、《国家健康医疗大数据标准、安全和服务管理办法（试行）》等相关文件倡导大数据在健康医疗行业的应用和发展。数据的积累和使用对医院管理决策具有重要影响，全面的数据信息和智能的辅助分析将显著提高管理者的洞察力，减少决策的不确定性，促使他们做出更好的决策[1]，提高工作效率。满足医院管理者的情报需求，为管理决策提供支撑，是数据驱动医院管理决策的主要目的[2]，更是情报学在健康医疗行业的重要应用场景[3]。然而，目前在实际工作中，这种应用效果并不令人满意，管理者数据意识薄弱[4]，医疗数据基础质量差[5]等问题较为凸显。如何更大程度提高医疗数据采集水平，提升数据挖掘深度，增强管理者的使用意愿，让数据真正充分地驱动决策，发挥情报学的决策支持作用是当前亟需解决的问题。探索该问题的解决方案离不开对影响因素的讨论，需要从医院管理者视角入手，调查他们在实际決策过程中，影响数据使用的关键因素，并为医院管理决策科学化及数据治理提供相关对策和建议，以期强化情报学在医院管理领域的应用效能，提升决策的规范性和高效性，促进医院管理的精细化发展。
1 文献回顾
医疗管理领域数据驱动决策的研究较为丰富，研究内容主要集中于数据驱动的益处，单一决策的数据驱动方案和决策支持系统的构建及优化三方面。研究议题涉及广泛，包括人力资源管理[6]、医保控费和绩效考评[7]等。Olszak C M等[8]指出医院管理者能够使用数据挖掘技术处理医疗数据，提高行政效率，优化管理决策;王兴鹏等研究了在大数据的理论和方法指导下日间手术管理的决策流程，对数据驱动下决策者对床位管理的行为模式和意义进行了探讨[9]。Jerng J S等介绍了在台湾一医疗中心用智能决策支持系统来辅助住院患者管理的经验，以期增强数据驱动管理决策的效率。Cheng-CheShen等对医院临床和行政决策者进行了问卷调查发现商业智能系统（Business Intelligence Systems，BIS）的成熟度显著影响医疗数据质量从而影响医疗决策质量，用户对BIS的满意度也对医疗决策质量有积极影响[10]。研究者们相信对数据的深度挖掘将使医院管理者更加准确、快速、深入地洞察信息，更有利于制定良好的管理决策[11-12]。虽然数据驱动决策在医院管理领域的价值已经得到了基本认同，但是对其具体驱动过程中多变的决策环境、多层次的信息资源、多元化的技术手段[13]等影响因素的研究和挖掘深度稍显不足，无法为后续实证研究或者实践优化提供充足的理论依据。基于上述不足，研究将聚焦于3个方面：1）梳理面向医院管理领域的数据驱动决策的影响因素;2）研究各个影响因素之间的相互关系，经过理论饱和性验证，构建数据驱动医院管理决策影响因素模型;3）基于该模型为数据驱动医院管理决策提供建议。 2 研究过程
2.1 研究方法与样本选择
2.1.1 扎根理论
扎根理论是由Glaser B G等于1967年[14]提出的一种自下而上归纳分析的质性研究方法[15]，具有针对性[16]，尤其适合挖掘具体问题的关键因素[17]，在探讨数据利用情况[18]和优化管理决策[19]方面都较为实用。因此，本文采用扎根理论分析医院管理者的半结构化访谈资料，提取影响数据驱动医院管理决策的关键因素，构建理论模型并据此提供建议。
2.1.2 数据收集
根据研究问题，对访谈对象设置了纳入标准如下：1）医院中处于中层管理职位或更高级别的;2）有5年以上管理经验;3）能够接受访谈，录音及后续使用的人员。遵循边收集边编码的原则[20]，通过目的性抽样、滚雪球抽样和理论抽样的方式，共采访了9位管理者。受访情况如表1所示。研究人员确定了管理者A、B、C、D、E、G、H，由管理者B介绍了F，E介绍了I。访谈提纲的拟定遵循Kallio的五步法[21]，经过组内测试和受访者预测试，两次修改后确定了最终的访谈提纲。在访谈之前与受访者预约时间，告知研究目的及录音等相关情况，征得同意后根据条件采用面谈、微信视频、电话的方式进行访谈，全程录音。最后收集访谈音频时长共计280分钟，作为扎根理论编码的分析数据。
2.2 编码过程
2.2.1 开放性编码和主轴编码
将收集的访谈音频导入质性分析软件ATLAS.ti8中进行编码，逐词逐句，逐个事件对访谈资料进行引用和概念化。通过反复的比较、修改，删除出现频次极少（≤1）的概念，最后得到初始概念135个。根据概念间的相互关系将得到的概念范畴化，通过不断分析得到范畴33个，反复比较和归纳，将分解的资料重新聚合，发现子范畴12个，主范畴5个（见表2）。
2.2.2 选择性编码
结合研究目标，将数据驱动医院管理决策确定为核心因素，分析主范畴、范畴间的关系，整合类别和属性，形成主范畴典型关系结构如表3所示。同时，理出故事线如下：1）管理者支持，系统完善和数据质量能够直接影响数据驱动决策;2）外部环境和医院支持通过影响管理者支持，数据质量和系统完善间接影响数据驱动决策;3）管理者支持与医院支持、系统完善和数据质量、管理者支持和数据质量间呈现出相互影响的关系。
2.3 理论饱和度检验
为了确定何时可以停止采样并对提出的数据驱动医院管理决策影响因素的初步研究结论进行验证，分别在编码中和编码后两阶段综合3种方法进行了饱和度测试。
首先在初次编码过程中，当编码到第7位（G）受访者时发现没有新的概念、类属和关系出现。为了避免偶然性，又补充了两位管理者进行采访和编码。将每位受访者音频里编码出的初始概念进行词频统计，导入软件VOSviewer中绘制了受访者—初始概念联系图（如图1所示）。图中节点A、B……I表示受访者，其余各点表示开放性编码中出现的初始概念。节点和标签的大小根据出现频次设置，出现的频次越多，权重越大。
由图1可以发现与G、H、I相连的概念都同时与A到F中的某些相连，这说明G、H、I的访谈过程中没有新的概念产生。同时，编码人员在编码这3位管理者的访谈资料过程中也未发现新的关系存在。然后在初始编码过程结束后，编码人员返回原始数据，重新审视访谈资料和已有的编码、关系，未发现新的能够影响理论饱和度的类别。最后，将编码结果告知访谈对象A、D、E，请他们确认，他们对编码结果基本认同，未能提出新的范畴和关系。综上，可以认为理论饱和度检验通过。
3 影响因素模型构建与分析
基于上述编码和分析，构建了数据驱动医院管理决策影响因素模型，如图2所示。该模型集成了表2中的5个影响因素以及表3中影响因素间的6个中介关系、3个相关关系和3个因果关系。接下来将从影响因素和影响因素间关系两方面对模型进行阐释。
3.1 影响因素分析
3.1.1 医院支持
医院支持包括子范畴C1硬性条件支持和C2软性条件支持。C1硬性条件支持指的是医院在信息化、数据挖掘等方面的经济投入、人员配备和医院本身的基础条件。C2软性条件支持指的是医院的战略规划和规章制度，它对医院的运营管理能够起到方向上的把握和指导作用。在医院支持因素中，研究发现受访者对数据分析师的态度出现了矛盾的现象。管理者一方面认为目前医疗健康大数据是海量的，许多隐藏在数据背后的信息没有被挖掘出来，数据价值需要进一步探索，医院的各个岗位，尤其是管理领域迫切的需要数据分析师的辅助。然而，另一方面，他们却不愿意在聘请数据分析师方面投入更多的精力，对聘请这样的人员持较为消极的态度，总结原因主要有以下4条：1）数据分析师创造的价值與其占据资源的不匹配;2）数据分析师对医院，对医疗了解程度不够;3）数据分析师的职责定位不明确;4）数据分析师与医院管理者出现沟而不通的状态。这种矛盾反应了医院管理者对目前所谓的数据分析师的不认同，想要聘请让管理者满意的数据分析师很困难。揭示了数据分析师这一职业在医疗健康领域所面临的困境和人才培养的紧迫性。
3.1.2 系统完善
C3系统质量完善和C4系统应用完善可以归属到系统完善因素下，是数据驱动医院管理决策的技术保障。C3系统质量完善是指系统或者工具自身的情况，包括运行速度、功能完善性、安全性、易操作性以及可维护性。C4系统应用完善指的是在固定应用条件或者应用环境下系统的完善程度，包括系统的关联性，对国家政策等条件的响应程度和费用。访谈发现目前医疗管理领域的系统工具都处于较为初级的阶段，只提供数据存储、组织等基础性功能，对于更高级的数据分析和预测显得较为无力。
3.1.3 数据质量
子范畴C5数据表示质量、C6数据可访问质量、C7数据条件质量和C8数据内在质量归属于影响因素数据质量。C5数据表示质量主要指数据的精细程度。C6数据可访问质量指的是用户访问数据的便利、数据安全等情况。C7数据条件质量也是指数据在某种应用环境下的好坏，主要包括完整性、时效性、价值可测量性、符合性和数据的关联共享。C8数据内在质量指的是数据本身的质量，包括数据正确性、一致性和来源可信性。在调查和编码中发现，数据质量不佳是当前阻碍数据驱动医院管理决策的提升的关键问题。可以归结为以下两方面原因：1）医院基础数据数字化有限。这既体现在数字化数量上，又体现在质量上。数据字段缺失，范围不全面，模糊粗糙现象明显。2）数字化传输困难。例如数据采集口径不一致、医疗术语书写不规范、各系统间缺少标准接口等问题严重。 3.1.4 外部环境
外部环境包括C9技术环境和C10政治环境。C9技术环境指的是社会技术水平，它的高低直接影响系统、工具的完善，同时也促进影响新的管理模式、医疗模式的开展。C10政治环境是指国家、政府的政策要求和导向。从图1可以看出包含在外部环境类属下的初始概念节点“国家政府的推荐、建议”、“医院上级的文件、政策要求”、“国家的相关规定”都相对较大，说明这些初始概念被受访者多次强调，由此可以看出外部环境在数据驱动医院管理决策过程中起了较为重要的影响作用，而国家政府目前已经认识到数据对医院管理的重要作用，发布了《关于促进和规范健康医疗大数据应用发展的指导意见》等多个文件鼓励医院管理的数据治理与应用。
3.1.5 管理者支持
管理者支持包括子范畴C9管理者理念和C10管理者行为。作为决策的主体，管理者的支持度会影响数据驱动医院管理决策。C9管理者理念是指管理者对数据驱动决策模式的态度，对相关条件建设的重视程度，对数据的信任度。C10管理者行为受他的理念影响，是指是否直接参与到数据质控、分析、管理、挖掘等过程中。他们的行为和理念直接决定了数据对决策支持的程度。访谈中，研究者普遍对数据驱动决策持积极态度，但大多表示业务工作较忙，缺少时间，难以亲自参与数据分析等过程。
3.2 影响因素间关系分析
3.2.1 因果关系
数据质量、系统完善和管理者支持因素直接影响了医院管理中的数据驱动决策，它们分别与数据驱动决策构成因果关系。1）数据质量，作为决策的基础条件，它的好坏会影响挖掘处理的难度以及对决策环境判断的准确性，直接影响决策价值。有受访者表示：“数据质量……会影响管理的水平”“数据拿出来，够不够全面，够不够真实，够不够全面，需要去考虑这些方面，这个很重要”。2）系统完善可以优化管理流程，减少人工，加快管理反映速度，更方便地利用数据来辅助决策，提升决策价值。如受访者说：“上了新系统之后对我们的管理工作是一个很大的提升……促进医院的财务一些重大的经济政策的决定，包括采购的论证，包括成本分析，这是非常有好处的。”3）管理者相信并且使用数据对于数据驱动决策的方式落地起到关键作用，只有真正实施，决策才有价值。受访者C说：“管理者水平不是特别一致，因为每个部门的负责人他的文化水平、管理经验、管理能力不是很平衡……真的把这些数据弄（深度挖掘）出来的时候，对医院的高层管理者或者院长来说，他们接不接受这些数据，他们会认为这些数据对医院有什么作用”。
3.2.2 相关关系
模型中的相关关系有三组，分别是管理者支持和医院支持、系统完善和数据质量、管理者支持和数据质量。1）管理者往往能够有力的号召医院投入更多的金钱、人力和时间等，而他的想法又受限于医院的现实情况、基础条件。受访者提到“领导的战略眼光……就是先有战略，医院要发展，肯定要这样的。”2）数据质量好能有效降低系统处理难度，帮助系统完善，同时系统完善度高反过来可以提升数据的质量。这两个因素间是相互促进，互利共生的关系。例如受访者说：“当然针对信息孤岛在全国范围内做HRP（医院资源规划，Hospital Resource Planning）……这样的话与经济管理相关的数据就会集成到一个平台，这样会好很多。”“数据质量是最大的问题，之后要做分析，就涉及自然语言分析，数据管控差距较大，就导致一堆文本，没法拆，再好的自然处理软件拿过来也拆不好。”3）数据质量高会增加管理者的信任度，促进管理者使用和重视，而管理者的使用和重视反过来会增加数据的建设、发展，提升数据质量。如受访者B表示“如果这个数据来源本身是高质量的医院，同时的数据来源非常大，我一定更能相信”。“作为一个管理者我会检查（电子病历）用得合不合适……我要做一个质量的质控。”
3.2.3 中介关系
中介关系主要存在于外部环境与其他4个影响因素、医院支持与系统完善、医院支持与数据质量间。1）外部环境通过影响其他4个因素间接影响最终结果。除了管理者E，其余受访者都反复强调了外部环境的重要性，表示“一定是国家的，导向性的政策对我们的影响是最大的。”无论是管理者还是医院都要以国家的评价体系进行自我评价，系统、数据的生产建设都要符合國家的要求。2）医院支持通过对系统的完善，对数据质量的管控，间接影响数据驱动决策。如受访者表示：“产品进医院后，医院对数据有一个管控”，“买的不是程序，是管理流程，也是一个管理思路，……（系统上新后）所有的模式，科室的关联都要变化，第一个就是物理的布局，能不能支持，第二个就是科室能不能支持……”。
4 数据驱动医院管理决策的策略及建议
基于上述研究结果，围绕数据驱动医院管理决策影响因素模型，为优化数据驱动医院管理决策提出以下建议：
4.1 提升医疗管理数据质量
1）加强数据标准化建设，推动数据质控的相关指南、共识和评估标准的创建和实施。2）建立健全健康医疗数据共享机制和管理流程。虽然受访的管理者对数据共享普遍是积极提倡的态度，但由于医疗数据共享面临着隐私、伦理和安全的问题，现在始终还处于讨论阶段，进一步的实施和推广则需要更多探索。
4.2 加强外部环境的推动作用
从宏观层面利用外部环境推动医疗健康数据建设，倡导基于数据的管理决策模式。1）增加政府在卫生信息化建设方面的投入，常态性组织管理者培训学习;2）通过国家指导性文件，主推的工程，资助的项目导向医院发展，影响管理者理念;3）利用官方的评级评测，法规条例强制性规范医院、管理者行为;4）要求生产厂家的产品统一标准，方便传输共享，支持创新发展完善系统和工具;5）关注医疗管理行业数据分析师的职业发展，鼓励情报学、医学、管理学、统计学等学科的交叉发展，完善复合型人才培养模式。
4.3 发挥医院的支持作用 1）增加对系统工具、数据管理的资金投入，部署更多的包括共享平台在内的基础信息设施、注重平台的持续维护和更新，致力于系统的安全防护。2）加强人才梯队建设，鼓励以医务管理人员为中心，数据分析师、大数据工程师等多领域多专业融合的团队合作。3）加强数据质控，保证院内数据结构化、标准化、语义化比例。
4.4 提高管理者的意识和能力
1）增加对数据价值的认同，提高利用数据支持或校正决策的意识。数据及系统的价值是难以直接显示和衡量的，这是由于他们在医疗管理过程中往往承担着推动者而非盈利者的角色。管理人员要认识到它们潜藏的巨大价值，深入挖掘以提升决策价值。2）提升自身的数据使用、系统操作等能力，关注新技术新方法的应用和发展。
5 研究结论
文章采用扎根理论研究了医疗管理领域数据驱动决策的影响因素，包括数据质量、医院支持、外部环境、管理者支持和系统完善五方面，基于因素间的相关关系、因果关系和中介关系构建了数据驱动医院管理决策影响因素模型，并据此从四方面为优化医院管理领域数据对决策的支撑作用提供了建议，以期规范决策，从情报学角度助力医院的精细化管理。另外，文章综合3种途径验证了理论饱和性，图像化展现了受访者与初始概念的关系，确保验证结果真实易读，为扎根理论研究提供了新的启示。
文章的局限在于受访者均来自公立医院。公立医院与私立医院在资金来源，政府监管力度等方面的特征上有着明显不同[22]。故此，研究结果是否适合私立医院需要进一步讨论。另外，需要说明的是文章提出的模型是基于扎根理论的小样本研究，后续课题组已经使用结构方程进行了定量化地补充，结果将在其他文章发表。
参考文献
[1]Boicˇ K，Dimovski V.Business Intelligence and Analytics for Value Creation：The Role of Absorptive Capacity[J].International Journal of Information Management，2019，46：93-103.
[2]蒋勋，张志祥，朱晓峰，等.大数据驱动智库应急决策的情报架构[J].情报理论与实践，2019，42（8）：25-32，16.
[3]曾文，徐红姣，车尧，等.基于图书出版行业大数据的选题决策分析模型研究[J].情报学报，2018，37（8）：813-821.
[4]宋铁妹.大数据视角下我国医院财务管理创新[J].会计之友，2015，（24）：97-100.
[5]黄小龙，罗旭，汪鹏，等.醫院大数据应用影响因素分析与对策研究[J].中国医院管理，2018，38（3）：61-63，69.
[6]马越川.决策支持系统在医院人力资源管理中的应用[J].人力资源管理，2018，（5）：338.
[7]车始虹.商业智能在医院管理中的作用[J].今日科技，2018，（3）：59-60.
[8]Olszak C M，Batko K.The Use of Business Intelligence Systems in Healthcare Organizations in Poland[C]//Federated Conference on Computer Science and Information Systems，NEW YORK：IEEE，2012，969-976.
[9]王兴鹏，唐国春，钟力炜，等.大数据驱动下日间手术管理与决策的思考[J].中国卫生质量管理，2018，25（4）：29-31.
[10]Shen C C，Chang R E，Hsu C J，et al.How Business Intelligence Maturity Enabling Hospital Agility[J].Telematics and Informatics，2017，34（1）：450-456.
[11]吕晓娟，张麟，陈莹，等.大数据时代医院管理决策面临的机遇与挑战[J].中国数字医学，2016，11（2）：16-18.
[12]杨海青.数据挖掘技术在医院管理中的应用[J].中华医院管理杂志，2005，（7）：497-499.
[13]周伟.大数据视域下的网络舆情决策创新[J].情报杂志，2019，38（5）：136-141.
[14]Glazer B G，Strauss A.The Discovery of Grounded Theory：Strategies for Qualitative Research[M].Chicago：Aldine Publishing Company，1967.
[15]Roman D J，Osinski M，Erdmann R H.The Construction Process of Grounded Theory in Administration[J].Contaduría y Administración，2017，（3）：985-1000.
[16]丁利.基于需求导向的旅游政务微博公共信息服务质量优化研究——以山东旅游政务微博为例[J].现代情报，2018，38（1）：100-107.
[17]张敏，龙贝妮，刘盈，等.短视频APP用户持续使用之影响因素探究及其对该领域公共治理之启示[J].现代情报，2020，40（3）：65-73.
[18]沈玖玖，王志远，戴家武，等.基于扎根理论的科研数据需求及影响因素分析[J].情报杂志，2019，38（4）：175-180，160.
[19]徐蕾，李庆，肖相泽.基于扎根理论的大数据政策共词网络研究[J].现代情报，2018，38（6）：157-164.
[20]Suddaby R.From the Editors：What Grounded Theory is Not[J].Academy of Management Journal，2006，（4）：633-642.
[21]Kallio H，AM P，Johnson M，et al.Systematic Methodological Review：Developing a Framework for a Qualitative Semi-structured Interview Guide[J].Journal of Advanced Nursing，2016，（12）：2954-2965.
[22]Handayani P W P W，Hidayanto A N N C，Ayuningtyas D D G C，et al.Hospital Information System Institutionalization Processes in Indonesian Public，Government-owned and Privately Owned Hospitals[J].International Journal of Medical Informatics，2016，95：17-34.
（责任编辑：陈 媛）