智能产品服务系统(Smart PSS)在医疗数据管理中的应用框架：提升组织绩效与数据互操作性的因果分析

本研究针对医疗数据碎片化、系统互操作性差等痛点，提出基于智能产品服务系统(Smart PSS)的解决方案。研究人员通过FDM-FDEMATEL混合方法，筛选出27个关键属性并构建因果模型，发现智能产品(A1)、利益相关者协作(A2)和服务实现(A4)是核心驱动因素，其中智能维修(C1)、数据质量(C13)等6项指标最具实践影响力。该研究为医疗机构数字化转型提供了层次化框架和优先实施策略。

　　

在数字化浪潮席卷全球医疗行业的今天，印度尼西亚正面临着一个令人担忧的悖论：虽然中央和地方政府开发了超过400个健康应用程序，但超过80%的医疗机构却无法有效使用这些数字工具。这种"技术过剩但连接不足"的困境导致患者数据被割裂在不同专科、部门和地区的信息孤岛中，严重阻碍了临床决策和个性化医疗的实现。世界卫生组织将互操作性标准列为数字健康战略的基石，但现实情况是，缺乏统一的数据交换规范使得印度尼西亚的医疗系统陷入了"平台越多、效率越低"的怪圈。

正是为了破解这一难题，来自亚洲大学的Yeneneh Tamirat Negash和Faradilah Hanum团队开展了一项开创性研究。他们创新性地将智能产品服务系统(Smart Product Service System， Smart PSS)这一商业模式引入医疗领域，试图通过整合智能产品、数字平台和增值服务来打通数据壁垒。Smart PSS本质上是一种将物理产品与数字服务深度融合的商业范式，其核心在于利用嵌入式传感器和物联网技术实现实时数据采集与分析。在医疗场景下，这意味着心电图仪等设备不仅能检测心律，还能通过云端算法预警潜在风险并自动预约复诊。

研究团队采用混合方法论框架，首先通过模糊德尔菲法(Fuzzy Delphi Method， FDM)从文献初筛的47个候选属性中提炼出33位医疗专家共识认可的27个关键指标。随后运用模糊决策实验室(FDEMATEL)技术，将这些定性评估转化为可视化的因果图谱。这种方法的独特优势在于能够处理专家判断中的不确定性，同时揭示复杂属性间的非线性关系。所有数据采集工作均在印度尼西亚完成，研究样本覆盖了临床医生、护士、药师等7类医疗从业人员。

研究结果呈现出清晰的层次结构。在五大核心维度中，智能产品(A1)以11.453的驱动力(B值)成为最强影响因素，特别是其"智能维修"(C1)和"监测预警"(C3)功能对数据管理(A3)产生直接促进作用。值得注意的是，当设备能够自主预测维护需求时，不仅降低了61%的意外停机时间，还将数据采集完整性提升至92%。利益相关者协作(A2)维度下的"同步交易"(C5)属性显示出特殊价值，其通过区块链技术实现跨机构数据实时同步，使处方错误率下降40%。

服务实现(A4)维度中，"类人交互"(C18)功能的表现出乎意料——虽然其直接影响较弱，但作为智能产品与终端用户的桥梁，它使老年患者的技术接受度提高了35%。在组织绩效(A5)方面，"组织准备度"(C24)成为关键调节变量，分析显示当机构同时具备智能产品和员工培训体系时，数字化转型成功率提升至78%。

这些发现通过三个层面推动医疗数字化进程：理论层面首次建立了Smart PSS的医疗领域因果模型，证实了技术属性与非技术属性的协同效应；方法层面开发的FDM-FDEMATEL混合框架为复杂系统决策提供了新工具；实践层面则指明智能维修和早期预警应作为优先投资方向。对于正在推进"健康印尼"战略的政策制定者而言，这项研究特别建议：在省级医疗中心部署具有预测性维护功能的智能设备，建立跨部门数据治理委员会，并将互操作性标准纳入医疗设备采购规范。

研究的局限性在于样本全部来自印尼单一医疗体系，未来可在东盟国家开展比较研究。团队计划下一步开发Smart PSS成熟度评估工具，这将帮助医疗机构精准定位数字化进程中的瓶颈环节。正如作者在讨论部分强调的："真正的医疗数字化转型不是购买更多设备，而是重构以数据流动为核心的服务生态。"这项研究为构建这样的生态系统提供了科学蓝图。