新出台的常驻创新人口数据计划是美国联邦政府推行的患者身份匹配计划的部分内容。曾担任国家医学图书馆、Regenstrief研究院生物医学信息学研究员的Adam Culbertson(外科硕士)最近开展了为期两年的工作，作为美国卫生与公众服务部的常驻创新人，他将主要从事患者数据的匹配工作。

Culbertson用“凳子的三条腿”来形容患者数据匹配成功的三要素，分别是：数据质量、流程和算法。

他表示，数据质量最重要，因为算法是数据的下游用户，他们不能解决错误信息的问题。数据质量的提高带来了匹配率的提高。“随着患者数量的增加，把各个患者身份匹配为独一无二的实体越来越难。”

例如，有个小城可能有个患者名叫“Jeff Smith”。然而，我们在转向一个更大的区域，现在有1,000个Jeff Smiths。你找的是哪个Jeff Smiths?他们每个人都是独一无二的，很多人可能是重复的。“我们必须查找出生日期，补充这个人的各种信息才能确认他就是要找的人。”没有确定身份标识，可以结合各种特征来进行匹配。然而，出生日期可能会输入错误或用多种方式输入，姓名也可能会输入错误或用多种方式输入。

Culbertson表示，关于流程，医疗机构在患者身份匹配方面有很多质量管理计划变量。在登记新患者前，登记人员应查询病历索引，确保患者没有出现系统中而不是生成了一个备份记录。“备份记录的存在是一个挑战。如果没有流程确保患者仅添加一次，他(或她)可能会出现两个独立的实体，记录也会变得支离破碎。”

Culbertson强调，虽然患者身份匹配算法的改进尚有空间，但处理数据的前提仍是数据将质量，“算法不能处理糟糕的数据。”

Grannis对此表示同意。“你给发动机中加的油越好，发动机就会运行得越好。如果我们不能适应数据的混乱现象，就需要减少算法。”他还指出，有必要对收集数据的员工进行培训。收集数据的员工的薪酬最低，他们需要接受专业培训，提高他们对于工作的重视程度。

【独家】 医联体崛起，患者数据匹配成了大麻烦（上）

Culbertson表示，在两年的任期内，他希望对患者身份匹配问题开展全国性讨论。“对于患者身份匹配，人们有各种各样的看法，有各种各样的观点。随着这项工作的推进，我们需要有通用语言，在数据质量、算法性能和流程的评价方面统一进行描述。”

他指出，与联邦政府相比，业界共识和认同更能推动患者身份匹配工作的成功开展。医疗行业正在向其它行业学习身份管理技术解决方案，患者身份匹配是一个严峻的挑战。厂商也可以发挥重要作用。Culbertson说：“厂商和医疗服务提供者面临着重大机遇。最终的目标是让所有人把精力集中放在如何以安全可靠的方式，通过共享患者的医疗数据，为患者提供最具性价比和最安全的医疗服务。”

展望未来

由于医疗系统不断改革，患者身份匹配仍然是一个复杂的问题。Grannis说：“十五年前，我们没有思考过医疗信息交互平台和所有这些不同源的数据。医疗系统需要不断改进，患者身份匹配的要求也在不断提高。数据源越多，匹配方法就越成熟。”

最近的埃博拉疫情造成了人们的恐慌，在全国范围内引起关注，暴露了系统的弱点。“如果有很多这样的案例，过去的7-10年会有更多、更大的改革。”患者身份问题什么时候出现，国民识别码问题就会提出来。然而，国家医疗信息技术协调办公室和其它联邦机构出台了相关立法，禁止在系统上花钱和花时间。

“很多支持国民标识码的人，以我们的方法为基础，有效论证了国民标识码不需要进行管理的可行性，”Thornton说。

他正在研究的系统与山间社区的国民标识码类似，不同的是他们是根据数据存取而非强制性的登记流程从基层进行构建。与信用卡系统相比，“我们让这些实际框架允许与识别符进行可靠的数据对接，识别符是由电脑系统分配的。”

从国家范围来讲，“全国医疗信息交互平台还没有出台，”Kansky说。联邦政府正在研究适用于所有50个州的解决方案，大部分医疗系统是本地的。他指出，从信息交互的全部范围来讲，现有医疗信息交互平台相当于幼儿园或一年级的水平。

“有些医疗信息交互平台不打算进行患者身份匹配或保存数据。他们录入数据但是不准备投身更困难、复杂的领域代表参与者存储数据。”然而，他预测，未来会有更多的医疗信息交互平台投身这些领域。他指出，如果医院的价值定位模式不要求存留数据或患者身份匹配，可持续运行一家医疗机构就会变得很困难，因为他们放弃了太多重要的机会。

他表示，业务上对提供更复杂流程的要求越来越迫切。他说：“与五年前相比，现在人们对交互性的了解更多，这意味着领导将会了解这个问题，不得不坚持采用更复杂的数据，进行患者身份匹配。”

Thornton还预测，95%患者身份匹配问题将在未来五年内解决。未来五至七年，医疗服务团队之间的患者数据对接问题将会解决。

Grannis对此表示认同。“我希望，未来五到十年，这个领域将取得真正的进展。身份管理是职能学习型综合保健系统的关键之一。培养人们对这个问题的认识，制定解决该问题的解决方案非常重要，然而这个系统的关键问题还未解决。”

他表示，缺乏匹配的最佳方法将造成不当的护理和更高的成本。印第安纳州的系统对全州的患者进行了匹配，工作做得很好。然而，“如果发展到1,000或2,000人，我相信最终这些概率性复杂匹配系统将会失灵。如果我们希望大规模地进行匹配，需要更具识别性的数据。”

患者身份匹配是有意义使用第三阶段的重要问题之一。Thornton补充道，身份管理最佳实践的标准机制提案已经出台，“第二阶段中存在很多这方面的问题，必须坚持通过法令实现移动数据匹配。然而，一旦我们采用有很多结构化交互的XDA机制，就必须采用最佳实践进行身份管理。”

他表示，通信和金融行业等有信息的行业将提供廉价智能的方法，帮助我们完善流程。医疗机构不用从头开始，反复学习。

“问题不再是有更好的算法，”Thornton说。上世纪六十年代的技术还在医疗机构“发光发热”，有缺陷的是人们自身的表示方式和我们将人口统计与个人信息进行关联的方式。他说：“这方面会有很多创新。这不是编码问题，而是文化问题。”

原文标题：Patient Data Matching

原文作者：Beth Walsh