众所周知,在20世纪90年代中期,全美医疗组织都因不必要的支出过多,备受困扰。Intermountain医疗中心就是其中之一。该中心为犹他州和爱达荷州居民提供服务,其问题是从组织内部哪一环节开始节省开支。数据分析报告很快就锁定两大目标:1)Intermountain治疗的1440种病症中,104种的护理占所有工作比重达95%;2)住院分娩和缺血性心脏病治疗服务占比达21%。
质量改进团队最先围绕以上两项服务开展工作。团队拥有先进的电子病历(EHR)系统和记录各项护理成本的独立信息技术系统,基于循证医学原则和Intermountain医生的经验,重新设计临床治疗流程。高管、理事会和医护人员勠力同心,支持医疗改革。现在Intermountain已改进60多项服务,在质量改进和成本管理方面已经成为全美领先者。正是得益于IT系统的应用,该中心才能取得这些成绩。
以上成就虽然可喜,但成功者其实寥寥无几。医疗领域更常见的情况是,即便在IT方面投资巨大,也罕有回报。受Intermountain等中心的成功启发,美国政府的医疗保险和医疗补助服务中心(CMS)自2011年到2017年5月,耗资370亿美元,为医疗IT的普及提供奖励性补贴。截至2016年,超过一半门诊医生和80%以上的医院都安装了EHR“基础”系统,达到医疗信息技术协调办公室制定的最低标准。但这类系统至今为止,在质量改进和成本削减方面,都没有多少成效。
医生满腹牢骚,抱怨这些系统死板,不易操作,而且妨碍到他们与患者沟通,完全在浪费他们的时间。很多医疗组织艰难地将新IT系统整合到既有流程,并在这一过程中遭受着远大于收获的痛苦。比如安德森癌症中心(MD Anderson Cancer Center)2017年1月公布,中心将辞退900人,也就是大概5%的员工,而主要原因就是新EHR系统造成严重亏损。广泛来看,美国目前缺少鼓励医疗组织分享信息的措施,不同IT系统兼容性依然较差,导致数据仍“困在”互不联通的数据库中。
IT系统之所以弊大于利,主要原因在于其应用方式。到现在为止,多数医疗组织的首要任务都是用电子病历代替纸质病历,改进支付方式,以便获得最大补贴。尽管收入提高了,但IT在削减成本和提升治疗质量方面,起到的作用有限。医嘱录入等流程的效率没有提高,IT尚不能协助患者接受快速、准确的检查和药物治疗。很少组织会深度分析自身IT系统的宝贵数据,了解所提供治疗服务的效率。
换句话说,许多医疗组织使用IT,监控现有流程和治疗方案;只有较少组织利用这些IT系统,查看现有流程和治疗方案是否有必要改进,并在必要时采取相应行动。这在很大程度上解释了,为何医疗领域生产率的增长,较其他很多行业疲软(详见边栏“医疗领域的生产率魔咒”)。
医疗组织如何实现自身承诺——大力投资IT,从而降低成本,提升患者的治疗效果?尽管多项新技术的潜在医疗价值都备受瞩目,比如平价的遗传病筛查、人工智能,以及能够持续监测关键生命体征的可穿戴传感器,但我们更关注的是,组织该如何改进提供医疗服务的方式,才能从企业级IT系统的近期或计划内投资中,获得更多回报。
我们研究了在医疗领域,应用其他行业经验的方法,结果表明,组织不应视IT为支付、监控和误差校验的交易工具,而是更多利用IT改变提供医疗服务的方式。这要求组织更注重质量改进,而非削减成本,同时确保数据收集简单高效,让数据可以转化成医生能够使用的信息,并创建新的运营方式和商业模式。我们发现,虽然大量医疗组织正向这个方向努力,但多数没有坚持全面改革,所以无法实现真正的转型。
改进质量
医疗IT的应用和管理,历来都是首席信息官和其他技术人员的工作。但这一做法大错特错。波士顿医疗中心、宾夕法尼亚州的Geisinger医疗系统、Intermountain、梅奥医学中心、纽约大学朗格尼医学中心等众多组织的实践说明,只有组织中所有成员都齐心协力,挖掘医疗IT的潜能,它才能发挥效能。(信息披露:本文作者之一罗伯特·哈克曼曾在本文提到的两家组织中,教授高管教育课程。这两家组织分别是Intermountain医疗和布列根和妇女医院,后者与麻省总医院隶属于同一家公司。)
除技术人员外,高层领导者和医生也必须发挥关键作用。领导者之所以重要,是因为他们必须向医生解释,IT的有效应用对提高医疗质量有重要意义,从而吸引医生加入改革队伍。缩减医疗成本已成为组织的当务之急,引起很多领导者的重视。事实上,改进临床治疗流程既可以降低成本,也能提高质量,我们会在下文讨论,如何使用IT系统实现这两大目标。
改进质量的宣言不能只停留在语言层面上,必须转化为看得见的措施,比如Geisinger的做法。该组织计划实行手术“担保”战略,而IT系统是该战略的组成要素:如果患者在手术后90天内出现并发症,不必承担并发症的治疗费用。医生团队最先制定了冠状动脉旁路移植术(以下简称CABG)的治疗方案。方案分为5个阶段,覆盖了从最初诊断到担保结束的整个治疗流程。该团队基于联邦基金会所做案例研究,最先确定了40个循证医学原则,然后将这些原则落实到EHR系统的模板、医嘱记录单和提示单中,并保证这些原则得到100%贯彻(之前为59%)。
此外,IT综合系统加强了所有医务人员,包括医生、高级执业护士之间的沟通,帮助他们更好地协作,为患者提供护理服务。改革效果显著:术后死亡率降低2/3,急性病后期照护支出减少大概一半,心脏手术服务整体利润率有实质性提高。正是因为CABG项目的成功,其他14种病症的治疗流程以及慢性病初级护理,都采用了该模式。
纽约大学朗格尼医学中心同样用行动来支持其改进宣言。罗伯特·格罗斯曼博士(Dr. Robert Grossman)2007年就任中心CEO以及纽约大学医学院院长。上任后,他进行的第一项重要改革是,将学院多个信息系统整合为一个数据仓库,供医院和医学院使用。格罗斯曼强调,该举措旨在利用外部基准,评估系统的性能,并支持行政和临床工作流程的改革。整合后的信息库带来思维模式的改变:科室主任和行政人员更愿意挑战常规,设计并落实改进措施。比如为了在IT系统中创建数据域,他们就必须讨论何为“优异”,以及如何有效评估一线员工的影响。
纽约大学朗格尼中心斩获多个国家质量奖,并被《美国新闻与世界报道》评选为全美排名前10位的医院,其他入选医院还包括梅奥医学中心、克利夫兰医学中心和麻省总医院等。朗格尼中心财务业绩同样出色:自2007年到2015年以来,来自患者的收入翻了一倍多,现在的营业利润为2.2亿美元,营业利润率超过9%。值得注意的是,Geisinger和纽约大学朗格尼中心发现,实现质量目标并不会以牺牲财务业绩为代价。实际上,两家组织的财务业绩还提升了。
让数据收集更简单高效
在正确时间拥有高质量数据,这对追踪和评估改革结果十分关键。但多数医疗组织使用的数据收集方法都相当低效,流程烦琐,而且容易出错。
你和医生聊天时,不可避免会谈到这一话题:收集医疗信息并将之录入新IT系统,真是一件耗时的工作。《内科学年鉴》2016年刊登的行为与时间研究发现,医生工作结束后,通常每晚花一到两个小时完成EHR任务。他们本身工作已经很繁重,再加上这些任务,加重了美国医生的职业倦怠症。研究表明,医生工作量加大后,会贪图捷径,可能抄笔记并迅速看完快讯,所以他们收集的数据质量很难保证。
为解决上述问题,很多组织开始聘用医疗抄写员,代表医生将信息录入EHR系统。但在检查室安排第三方,让人难以理解,而且还增加了成本,所以聘请医疗抄写员的措施备受争议。此外,用这种方法,收集并录入系统的患者信息经常出错。
补救办法是,将数据收集这件耗时且容易出错的“大事”,转变成医生和患者日常互动的“幕后工作”。零售业的案例可做借鉴。近10-20年中,零售业的数据收集在人员和方法两方面出现重大转变。其中一个例子是结账方式。收银员以前要将每样商品的价格录入收银机。随着条形码扫描仪的普及,他们在这件事上花费的时间大幅减少,数据录入错误明显减少,库存管理效率显著提升。再后来,顾客能自己扫描所购商品。
现在,亚马逊又更进一步,开始试运营不必排队结账的Amazon Go实体商店。该实验性商店使用数据收集无源系统,依靠计算机视觉、深度学习算法和传感器,自动了解正在逛商店的顾客购物篮中的商品。克罗格(Kroger)和苹果等零售商也在试运行类似模式。
医疗领域也出现类似的转型,但进度较慢。其中一个趋势是,将收集信息的工作从医生手中转交给患者。举例来说,初级护理人员和患者就某个治疗目标(如降低血压或血糖水平)达成一致后,他们会将目标和相应治疗方案,录入现在很多公司都提供的健康监测应用软件。接下来患者可以用应用软件,定期评测并汇报自己的活动和治疗情况。在有些情况下,患者在家收集的数据能够自动上传到医生使用的软件中。
另一个例子是Ochsner医疗系统开发的高血压数字医疗(HDM)解决方案。患者利用智能手机远程测血压,而血压值会自动录入Ochsner的EHR系统,医生可以查看每次看诊后的数据变化,相应调整治疗方案。《美国医学期刊》登载的某项对照实验表明,71%的参与者在90天内将血压降到正常范围,而对照组仅为31%。据调查,使用HDM的患者对医疗服务的满意度也比普通患者高10%。
医疗领域的最终目标是实现无源数据收集。有些先行者正利用无源收集系统,追踪与工作流程和资源利用相关的运营问题。梅奥医学中心开发实时定位系统(RTLS),利用无线射频识别标签和传感器,追踪急诊室的员工、患者和设备作业情况。各科室通过这些数据,能够更好地了解到医疗过程、发现运营性障碍并解决工作流问题。接下来组织会利用数据,开发自动收集“过程质量指标”(比如患者在急诊室前台登记,到获得床位和医生诊疗相隔的时间)的系统,并自动将信息上传给政府和监管机构。[登录hbr.org,查看《无线射频识别技术如何提升医疗服务》(How RFID Technology Improves Hospital Care)一文。]
位于芝加哥的拉什大学医学中心也创建新的门诊流程,为所有病房、医生、患者和设备都配备了RTLS传感器。如果患者离开检查室,系统就会告知员工,所以中心无须再雇用运营经理来通知清洁工,哪间病房需要服务,并避免他们在患者看完诊着衣时走进病房,引起尴尬。每位患者节省的看诊时间相对较少,大概只有一分钟。但一天内节省的时间,足够让更多患者得到看诊机会,医生的工作效率也随之提高。
长期看,无源数据收集技术成本更低,而且随着医生和患者沟通效率的提高,好处也会越来越多。这有助于组织解释前期投入的合理性,而且更轻松应对一些棘手问题,比如员工会担心自己被监控。
将数据转换为可付诸行动的信息
说服医生使用新IT系统并提高系统的便捷性,只是万里长征的前半程。将收集来的数据转化为可付诸行动的信息,同样重要,而且需要高层领导者的支持。领导者当前最重要的任务之一是,明确自身对系统搭建方式的期望。我们说的不仅是技术规程,也包括从组织或文化层面上指导数据应用,支持日常治疗活动。
对组织来说,关键是建立核心数据库,并让医生明白其重要性。格罗斯曼给纽约大学朗格尼医学中心员工的解释是,确保病房、门诊中心和医学院有唯一的事实来源,意义重大。在建立数据库的过程中,纽约大学朗格尼中心的人员本想守住自己的地盘,拒绝分享信息,但后来被迫参与协作。他们现在不会为厘清哪些是正确数据来源而争论不休,格罗斯曼还说服科室主任使用数据分析表(data dashboard)等工具,评估各科室间哪些合作有效,哪些无效。
过了一段时间后,数据透明化的好处逐渐凸显,医生主管对IT系统的质疑平息了。纽约大学朗格尼中心的科室,能够看到同类科室在质量指标上的得分,比如,院内不同区域的医院感染率、患者住院时间等,之后就可以决定是否以及如何改变自己的工作流程。
除了促进数据基础架构的开发,高管还必须勾画出用数据提高生产率的愿景。在很多情况下,这一愿景意味着组织须支持创建全新的绩效评估方式。赛伯计量学(Sabermetrics)是对棒球数据的数学分析,该学科说明新评估手段以及收集分析相关信息的技术,可以彻底改革整个行业。赛伯计量学由统计学家创建,其中最出名的是比尔·詹姆斯(Bill James),主要评估球员各项技术的表现,并计算他们对团队结果的贡献。
起初数据收集非常烦琐,但赛伯计量学创始人与一流俱乐部建立合作关系后,终于成功创建数据仓库,方便了数据收集和分析。2015年以来,所有体育场都安装了高清摄像头和多普勒雷达,采集到之前很难追踪的速度和加速度等信息,将运动员的防守能力量化,进而创建了全新评估指标,比如胜利贡献值(WAR)。WAR已经成为评估球员对团队贡献必用的全面性指标。
和其他行业相比,医疗界在应用分析法方面,依然处于初期阶段,但未来可期。举例来说,精细系统可以加强组织对各项成本的了解,并更直观地展示,医疗创新如何提升治疗结果并缩减成本。虽然现在只有少部分医疗组织采用了新系统,但越来越多组织正加入这一队伍。Intermountain是其中的佼佼者,其他组织纷纷效仿其做法。
犹他大学医疗集团最近创建了一个含2亿行数据的集合,生成关键运营指标的数据,比如急诊室手术每分钟的成本。《纽约时报》刊登的文章指出,犹他大学医疗集团根据这些信息改革运营工作流,在过去几年中成本已降低0.5%,而同一市场中其他医疗学术中心平均每年成本上涨2.9%。
分析法另一重要应用是,找到治疗流程中的不必要变动。纽约的Crystal Run综合性医疗中心的案例可作参考。该集团归医生所有,计划将患者常来就诊的15种病症的诊断流程标准化。《健康事务》刊登的一篇博客指出,Crystal Run最先计算每个患者的年总成本费用(包括专业护理、实验室、放射科和手术收费),然后计算每个医生的治疗费用,让他们看到自己和同事在各项费用上的差距。中心利用上述信息,分析差距产生的原因,并制定新措施。15种诊断流程中的14种流程在一年之内,差距缩小,节约400多万美元。我们估计,节约成本占到中心医疗总成本的10%以上。
IT系统还为医疗组织提供了用预测分析(predictiveanalytics)指导未来临床和运营决策的机会。预测模型在精准医疗中的应用是,将特定类型的基因突变和相应治疗方式联系起来。精准医疗在癌症治疗领域的应用最广泛,推广力度也最大,但现在这种方式在更多疾病治疗中也得到应用。比如GeneSight测试使用患者的遗传信息,预测他们对26种既有抗精神病药物的反应,从而更好地控制抑郁症。
医疗组织也可以利用预测分析,做出更明智的运营决策,比如资源分配以及确定临床创新的关键流程。举例来说,麻省总医院将高风险患者归类,针对这些人群制定主动管理型治疗方案。结果是,高风险患者住院率降低20%,急诊次数减少13%,3年内治疗的年总成本降低7%。死亡率降低,医生满意度提升,患者体验也有所改善。
同样,波士顿医疗中心(BMC)利用医疗IT系统,预测病房需求的高峰时期。IT工具收集大量信息,包括现有急诊需求、第二天可能的需求和需要病床的手术、现有床位和医生专业能力,然后基于上述信息,预测24小时内出院人数。IT系统实施后的第一年,“黄色警报”(code yellows,医院没有足够能力满足预期需求的警示)减少近一半。
预测模型的实用性很可能日益增强,而且或许就发生在不久的将来。随着自然语言处理和机器学习的进步,我们可以从医疗领域积累的海量大数据中得到更多洞见。[登录hbr.org,查看《机器学习如何帮助我们预测心脏病和糖尿病发作风险》(How Machine Learning Is Helping Us Predict Heart Disease andDiabetes)一文。]
创建运营和商业新模式
美国医学研究所(IOM)2012年的报告《更高性价比的医疗:通往持续学习的美国医疗发展之路》(Best Care at Lower Cost: The Path to Continuously Learning HealthCare in America)特别提到几种借助IT改进美国医疗体系的方法。5年后,文中提到的第一种方法即将落地,即创建数字基础架构,获取临床、医疗服务流程和财务数据。
IOM推荐的第二种方法是,帮助医生使用数据来决定患者的治疗方案。目前有些医疗组织落实了这种方法。比如,Intermountain最近与Cerner公司合作开发了一个灵活的临床支持系统,其中的治疗方案可以根据最新数据,快速更新。Intermountain的临床研究团队持续检查不同专科的循证医学原则,确保数据的正确性,并将数据转化成IT工具,协助医务人员工作。
除了配置必要硬件和软件外,领导者还必须对自身运营和商业模式做出相应调整,从而产生并获得更多价值。当务之急是投资信息技术和分析法领域的专业人才,聘请他们管理IT系统或分析系统中的数据。BMC安装EHR新系统后,增添40%多的固定IT员工,管理并改进其IT基础架构。BMC还扩大战略团队,雇用7名全职员工提取海量数据中的信息。该团队协调多方,研究并应对重要运营挑战,包括病床数量和再住院率管理。BMC节约了数百万美元成本,这一数额远超雇用全职员工的成本。
医务人员组成的专业团队也必须把分析中得到的洞见,转化为更有效的医疗服务提供方式。比如BMC为减少黄色警报采取的措施包括,重组病床管控团队。该团队由一线员工和经理组成,跟进了解现有住院需求,并评估第二天的潜在需求。团队成员最初只是将数据录入简单的电子表格中,现在他们根据BMC的IT系统所提供的数据和分析,展开一系列行动,如增加支持人员、发出紧急医疗警报、开放多余床位。
完善的IT系统所提供的数据,还在很大程度上帮助领导者,争取到医生对流程改革的支持。举例来说,格罗斯曼曾和纽约大学朗格尼中心的医生主管分享了一张数据分析表,之后他听到有人抱怨数据的质量和一致性。他没有让抱怨声阻挠项目的实施,而是要求主管负起责任——要么与IT部门合作完善数据,要么接受结果。改革快结束时,数据成为这家医疗中心的唯一事实来源,并为之后的分析工作奠定了基础,进而帮助组织持续追踪指标。分析表还有助于医生主管与一线员工合作,改变工作流,从而提升服务质量,追踪有效或无效措施,说服反对改革的医生接受新机制,并缩小临床治疗的差距。
医疗组织不仅要在人员和运营方面做出改变,还必须反思自身商业模式,才能从IT投资中获得足够回报。我们从BMC的分析法应用中得到的洞见之一是,有些住院患者需要康复治疗,但住院治疗费用昂贵,去专门的康复中心反而能得到更好的服务。然而,将这些病人转移到其他机构并不容易:BMC是波士顿地区的安全网医院(safety-net hospital,为低收入人群以及没有医保的人群提供医疗服务的医院——译者注),很多来这里治疗的人都没有去康复中心治疗的医保。但让更适合去康复中心治疗的患者住在医院里,不仅不利于患者的健康,还限制了BMC收治适合住院治疗的患者的能力。于是,医院决定为没有医保的患者,支付康复中心的治疗费用。每个人都因此获益:住在康复中心的患者得到更妥善的照顾,医院有能力收治更多急性病患者,而增加的收入超过了医院承担的康复费用。
BMC改革了针对康复患者的商业模式,这也是医疗转型大环境的反映: 美国现在正从主流的按服务收费模式(患者只有来医院就诊、入院治疗、接受检查或手术时,才会支付医疗费用)向价值导向型医疗系统过渡(系统按患者人头,在特定时间或护理阶段内,给医疗组织固定费用)。不管你采用公共,还是私人支付方式,都会受到这次转型的影响。运行良好的IT系统能辅助医生,提升医疗服务质量和控制成本,因此医生群体对新支付方式的接受度,甚至推崇度也会更高。
举例来说,Intermountain先进的IT系统在群体付费商业模式(population-based business model,基于价值导向型报销模式而建)的开发中,起到重要推动作用。(详见《哈佛商业评论》2016年8月刊《如何为医疗服务付费》一文。)Intermountain商业模式的特点之一是SelectHealth Share医保方案。该方案为大型雇主提供3年合约,将保费每年相对于消费者物价指数的增长,限制在1%内。Intermountain的大部分患者都开始采用类似模式,激励中心进一步增加对IT、数据分析、治疗方案研发和工作流改革的投入,从而降低医疗服务成本,同时提升质量。
政策制定者和经济学家一直都在谈论,“改变医疗的成本曲线”——现行系统臃肿繁冗、扩张速度超出经济发展的势头,而我们要将其转变为花销少、扩张慢的系统。IT已经改变其他多个领域的曲线。我们的研究表明,IT在医疗领域也可能达成同样效果,成功案例也可以列出一些。但我们要做的工作才刚刚开始。
IT基础架构的关键问题必须解决。现在许多系统都过于死板,很多操作都非常不方便,比如自定义系统,录入和提取信息,或升级系统,录入新的临床治疗方案等。此外,不同系统之间无法快速分享信息,所以医疗组织很难创建包含患者全部病史的电子病历,而医生也无从了解并分享患者信息。信息不流通也不利于组织汇集大量匿名患者数据,寻找疾病治疗新方法。
除了应对以上技术挑战外,很多医疗组织的领导者也必须向勇于改革的同侪看齐,利用IT为患者提供成本低、效果佳的医疗服务。虽然利用IT改革医疗的道路困难重重,但组织完全有能力克服这些障碍。现在我们最需要组织领导者和医生表现出对改革的坚持和支持。(刘筱薇 | 译 牛文静 | 校 万艳 | 编辑)
尼基尔·萨尼是哈佛大学经济系研究学者,兼麦肯锡咨询公司顾问。他曾就职于马萨诸塞州政府独立机构the Health Policy Commission,也曾是医疗IT初创公司Kyruus战略规划与运营高级总监。罗伯特·哈克曼是哈佛商学院Albert J. Weatherhead III工商管理学教席教授,也是哈佛商学院医疗项目主任兼MBA必修课程主任。阿努尔拉格·切古鲁帕蒂就职于健康计划初创公司Devoted Health。他曾任马萨诸塞特州卫生政策委员会政策主任,也曾是麦肯锡项目经理。大卫·卡特勒是哈佛大学应用经济学Otto Eckstein教席教授。他曾是克林顿执政时期的白宫经济顾问委员会和国家经济委员会成员之一,也曾是巴拉克·奥巴马2008年总统竞选期间的高级医疗顾问。
已有0人发表了评论
哈佛网友评论