海南省肿瘤医院副院长尚玉明:搭建临床大数据系统之前,如何用BIM做好基础建设?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

“当前很多人都在谈论临床大数据的相关应用,那么全面保障临床应用的非临床系统大数据该怎么用?”

海南省肿瘤医院副院长尚玉明提出了这个发人深思的问题。

尚玉明多次强调了非临床知识系统基础建设的意义,其中着重讲述了BIM技术在医院一体化运维管理中的应用。

以下是尚玉明副院长的分享内容:

非临床知识系统是什么?

非临床知识系统最基础部分包括医院建筑及空间管理、机电管理、变配电等。

我们假设一个场景,如果医院做手术过程中电突然停了,这可是重大事故,为此,医院通常都进行三路供电。除了两条不同的变电所引进,以后还有自己的发电机UPS,以及保洁、安保、餐饮配送和院内供应链管理。

传统的非临床支持系统管理中分模块,建筑与空间管理是一个重点,医院建设在刚刚运行时就开始对机电运行数据进行搜集,过程中出现任何问题所反馈的数据都会被采集。

每一个负责人坐在一起讨论应该需要解决哪些可能会发生的问题。

这时候,虽然实现了纵向管理,但数据收集全不全面、真不真实、收集的数据可否被分析利用、能否起到优化服务流程提供给临床做更好支撑和保障、专项横向怎么打通、如何实现横向的专业打通?

这些都是需要讨论的问题。

对医院工作人员的要求

要想解决纵向数据一体化和横向数据一体化,受制于这些核心要素:

一是国家一直大力提出的医院管理者职业化问题。

在医院工作,要具备两个条件:懂医疗规律、懂管理。

懂医疗规律:不管是临床工作人员,还是非临床工作人员,都应该了解医院工作,至少懂得医疗制度。有时和医院临床工作人员交流,发现他们只知道与自己有关的事情,而对其它核心制度仅略知一二。

对非临床工作人员,我们也要提出相关要求,并且一定要让工作人员熟悉这些要求。如果不懂临床程序的流程和方法以及权限划分,非临床知识系统何谈给临床提供更好的服务?

所以一定要懂得临床规律,按照临床规律办事。

除了懂医疗规律外,其次需要懂管理。

我们谈院长职业化和职业化院长,至少懂三张表:资产负债表、现金流量表、损益表。

对中层管理干部的要求:自己部门有几个人,每个人的岗位职责是否完全履行,是否具备岗位的条件,是否很好地完成自己的岗位要求。

谈到管理能力,更多的是你知道在相关的时间节点上要完成怎样的工作内容。同时会自发寻找相关工具,高效地完成本职工作,然后对临床提供更好的支撑和保障。

关键工具:BIM(建筑信息模型)

分析和针对医疗质量改进,利用这些工具可以实现非临床知识系统的纵向数据一体化和横向专业数据打通,这就是BIM。

BIM的全称是建筑信息模型,BIM最初是为了解决建筑上的相关问题而提出,在实践过程中,人们发现他可以提到的作用很大。

海南省肿瘤医院采用了BIM技术,并在2005年医院开始建设,是海南省的十大民生工程之一。

海南边远地区缺少高水准的医院,要求我们两年两个月之内完成从挖地基到投入使用。

中国三星级绿色建筑标准很高,如何在短时间内完成项目工作,我们一定要事先把医疗工业搞清楚,要事先了解医院的建设节奏、每个时间节点上投入的资金量。

BIM是建筑信息模型,它构建了三维虚拟化模型,可以加入任何一个维度:如造价、工程进度管理维度等等,这时会发现在每一个工程进度节点上都可以随时看到整体的投入量,投入额度和成本控制,工程进度控制等都可实现。

BIM有什么好处?

它可以在图纸上完全看到每一个功能分区到底有怎样的功能。

设计过程中所有医院中管线是最复杂的事,如果没有事先做好管线综合工作,会发现在施工过程中有问题,如排水和空调以及弱电的调价等一系列管道都要抢占一个空间,需事先排好。

现场施工统筹还是虚拟环境下探索?

那么很多医院会遇到一个问题:是在现场施工过程中统筹,还是在虚拟环境下去探索,怎么才能做到更好?

我的建议是在虚拟环境下进行。

我之前听到中航工业的总架构师分享原先中国战斗机的建造先立项,然后是设计优化进行建造,最后是装配,试飞。

飞了很多次,反复优化,然后再试飞,优化定型,再批量生产。

这种生产方式占用大量时间,投入大量资源,有时候以生命为代价,而且飞机有可能摔下来。

现在建立虚拟化的生态,全部在虚拟化运行中实现飞机的设计和优化,把很多的资源和时间放在前端。后期一次性建造,一次性装配,一次性试飞,如果真的实现这种工作模式智能化转变,中国的飞机全流程的会节省大量的投入成本和时间成本。

建筑方案也如此,它有很多好处,可以在虚拟的环境下建造,然后再优化。

现在传统的医院大家都非常清楚,边建边干,边用边干,这是一种常态,非常浪费资源。

如果把有限的资源支撑临床业务发展,专科学科的建设,同时再回报给医护人员或者说工作人员作为福利发下去,这都要比浪费好很多。

刚才说BIM是一个大数据的平台,把医院从无到有建设过程中所涉及到的内容纳入到数据平台中。

我们医院建设过程用到钢结构,BIM中有LOD,如果选择LOD400会发现钢结构中用的螺栓里面是什么材质,应力多大,在哪一个位置,标准作业的扭矩多大都做了规范。

未来如果真正的出现故障自动检查,指出在哪一个位置出现相关的问题,备品状况如何,当时怎么做的?都可以实现细致体系管理。

所以BIM也是个大数据的整合平台。

医院综合管线工程初期设计时发现做了这样的模拟,虚拟化把管线全部盘起来,发现交错开始进行整合。整合完毕以后管线特别漂亮,非常有序,管线与管线之间不会交叉。

如果不再事先做相关的工作,会发现一个专业上去以后,发现后一个专业装不了,还得重拆,再重新排布。

而BIM技术在管线综合中应用效果较好,通过BIM,在设计和建设的阶段预算变更可以减少40%,成本估算精度可以达到97%。

在虚拟的环境下,把造价维度加进去,不管在什么时间节点都可知道当期的投入额度,这是财务管理中最需要解决的问题。

估算成本、时间、合同金额,平均的工期都会降低,因为减少拆建反复的过程。最核心的就是全生命的运维成本,单栋楼来说运维阶段如何采用BIM技术,可以降低5%-34%的整体运维成本。

我知道怎么把设施管的更好,曾经建过一个九年的机械电梯现在还在用。

之前一家医院用的是日本品牌的电梯,用了十几年就换掉了,因为在运维管理过程中不到位,导致非常好的机电废了,再花好几百万上新的。

按照相关维护计划实施保障,对医院整体运维成本带来极大的好处。通过技术改变,实现从传统到精细化。

以前后勤管理很麻烦,总让我们做种种预案。如果把经常性数据纳入进来,会预判哪些会出现问题,变为主动。

医院,一定是人员在操纵管理,更希望人能提高自己整体的管理素养。

前段时间万科非常火,王石注重万科的职业化团队和规范化管理,他认为这是灵魂。

医院也希望可以打造职业化的团队,因为你是职业化的团队,你在履行自己岗位职责的过程中,每一个时间节点可以清晰地知道要做怎样的决策,需要什么工具来解决现在的问题,这是最宝贵的。

专业化、精细化、集约化、可视化、定制化,可视化,意味着在整体运维过程中都可看到每一个楼层。我们把机电专业抽出来,在虚拟的三维环境下进行。

空调能源管理和管控,以及新风,新风的湿度和出风的湿度怎么管控。

与大家分享的不是一定要用BIM技术,一定要基于自己现实的情况选择合适的工具解决自己医院现在存在的问题。

我们在医院建设过程中,有很多医院选择智能小车,使用效率好的品牌可以达到70%,一般差的品牌装完以后是30%的使用率。可以说它的产品质量不行,也可以说是我们的操作人员不具备一定的操作能力,或者说因为人员流动率太高导致培训不及时,但核心原因是还得全力以赴提高职业化能力。

BIM是工具,我们是使用工具的人,只有使用工具的人的能力提升了,才能给予大数据时代下的临床最好保障。



本文作者:亚峰
本文转自雷锋网禁止二次转载, 原文链接
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
3月前
|
数据采集 存储 数据处理
数据平台问题之知识管理系统的效果如何评估
数据平台问题之知识管理系统的效果如何评估
|
3月前
|
分布式计算 DataWorks 关系型数据库
MaxCompute 生态系统中的数据集成工具
【8月更文第31天】在大数据时代,数据集成对于构建高效的数据处理流水线至关重要。阿里云的 MaxCompute 是一个用于处理大规模数据集的服务平台,它提供了强大的计算能力和丰富的生态系统工具来帮助用户管理和处理数据。本文将详细介绍如何使用 DataWorks 这样的工具将 MaxCompute 整合到整个数据处理流程中,以便更有效地管理数据生命周期。
112 0
|
5月前
|
分布式计算 Hadoop 分布式数据库
Hadoop生态系统介绍(二)大数据技术Hadoop入门理论系列之一----hadoop生态圈介绍
Hadoop生态系统介绍(二)大数据技术Hadoop入门理论系列之一----hadoop生态圈介绍
164 2
|
3月前
|
存储 SQL 分布式计算
Hadoop生态系统概述:构建大数据处理与分析的基石
【8月更文挑战第25天】Hadoop生态系统为大数据处理和分析提供了强大的基础设施和工具集。通过不断扩展和优化其组件和功能,Hadoop将继续在大数据时代发挥重要作用。
|
3月前
|
分布式计算 搜索推荐 物联网
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
|
6月前
|
SQL 分布式计算 大数据
MaxCompute产品使用合集之数据倾斜导致JOB运行时间过长导致系统会自动kill掉job,如何解决
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
3月前
|
人工智能 分布式计算 架构师
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
|
3月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
3月前
|
存储 数据可视化 大数据
基于Python Django的大数据招聘数据分析系统,包括数据大屏和后台管理
本文介绍了一个基于Python Django框架开发的大数据招聘数据分析系统,该系统具备后台管理功能和数据大屏展示,利用大数据技术收集和分析招聘市场趋势,帮助企业和招聘机构提高招聘效率和质量。
150 3
|
4月前
|
分布式计算 安全 大数据
HAS插件式Kerberos认证框架:构建安全可靠的大数据生态系统
在教育和科研领域,研究人员需要共享大量数据以促进合作。HAS框架可以提供一个安全的数据共享平台,确保数据的安全性和合规性。