综述：通过数据分析提升秘鲁医疗系统绩效

《Frontiers in Public Health》：Advancing healthcare system performance in Peru through data analytics

　　

摘要：利用数据分析（Data Analytics, DA）作为通过支持基于证据的决策（Evidence-Based Decisions, EBD）、预测流行病学（Predictive Epidemiology, PE）、运营效率（Operational Efficiency, OE）和医疗资源公平分配（Equitable Distribution of Health Care Resources, EDHCR）来改善医疗系统绩效（Healthcare System Performance, HSP）的方法正变得越来越重要。像秘鲁这样的新兴经济体（Emerging Economies, EE）由于引入数字健康计划（Digital Health Initiatives, DHI）和实施健康信息系统（Health Information Systems, HIS）以改善医疗服务提供，正经历着越来越多的机会。与数字健康（Digital Health, DH）和健康信息系统（HIS）相关的证据在秘鲁背景下尚未完全发展或充分整合。因此，本研究的目标是使用PRISMA 2020指南（Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 Guidelines, PRISMA 2020）生成一篇系统文献综述（Systematic Literature Review, SLR），以描述数据分析（DA）对改善秘鲁医疗系统绩效（HSP）的贡献，以及识别秘鲁医疗数据解析（Healthcare Data Analytics, HDA）的机会、障碍和未来方向。通过Scopus、Web of Science、PubMed/MEDLINE、Scielo和LILACS进行了系统文献检索，采用了包含以下关键检索词的检索策略：数字健康（Digital Health, DH）、医疗解析（Healthcare Analytics, HA）、健康信息系统（HIS）、预测流行病学（PE）和数据驱动医疗干预（Data-Driven Healthcare Interventions, D-DHI），并限于2015年至2026年间以英语或西班牙语发表的文章。当同行评审研究涉及与秘鲁医疗系统相关或可转移的数字健康（DH）、医疗解析（HA）、健康信息系统（HIS）、预测流行病学（PE）和数据驱动医疗干预（D-DHI）时，即被纳入。所选研究基于PRISMA流程进行识别、筛选、资格评估和纳入；结果通过主题分析进行综合和报告。综述的结果显示，医疗解析（HA）对疾病控制、医院绩效优化、医疗可及性、数字治理（Digital Governance, DG）以及基于数据的公共卫生决策具有积极影响。然而，仍然存在许多结构性障碍，如碎片化信息技术系统（Fragmented Information Technology Systems, FITS）之间缺乏互操作性（Interoperability, IOP）、农村和城市地区数字基础设施（Digital Infrastructure, DI）的差异、监管和政策差距，以及农村和城市地区医疗可及性的差异。最终，该综述得出结论，使用数据分析（DA）改善秘鲁医疗系统绩效（HSP）具有巨大潜力，但为了实现可持续变革，需要持续投资于治理（Governance, G）、数字生态系统（Digital Ecosystems, DE）之间的互操作性（IOP）、数据伦理管理（Ethical Management of Data, EMD）以及分析技能和基础设施的发展。未来关于医疗数据解析（HDA）的研究应旨在开发实证评估和针对具体情境的实施策略，以促进公平和有韧性的医疗转型（Healthcare Transformation, HT）。

**Introduction**
全球医疗系统的数字化深刻影响了医疗服务的设计、交付和评估方式。数据分析（Data Analytics, DA）、人工智能（Artificial Intelligence, AI）、健康信息系统（Health Information Systems, HIS）和预测建模（Predictive Modeling, PM）的发展，通过增强运营流程、流行病学监测（Epidemiological Surveillance, ES）和基于证据的决策（Evidence-Based Decision Making, EBDM），改善了临床结果。数字健康记录（Digital Health Records, DHRs）和先进分析技术的应用，使医疗组织从描述性护理模式转向预测性和预防性健康模型，提升了运营效率和患者服务质量。然而，医疗系统面临人口需求增加、资源有限和患者复杂性提高的挑战。将数据分析作为战略资产，可增强系统适应性和可持续性。国际研究已证明，分析技术在疾病监测、医院管理、患者结局和资源利用方面具有显著效果，但碎片化的健康信息系统、应急响应中的缓慢决策以及医疗服务的不平等，凸显了利用分析技术的紧迫性。尽管全球技术持续进步，但实施效果因国家基础设施、监管环境、卫生人力能力和机构成熟度差异而不同。在秘鲁，数字健康技术（Digital Health Technology, DHT）的整合已被视为优先事项，以构建更强大的绩效测量系统、改善医疗可及性并减少农村人口的服务差距。近期举措包括通过数字技术加强健康数据收集和监测，实施可互操作的数据收集系统，以及利用分析工具支持循证管理。然而，秘鲁医疗系统仍存在数据系统碎片化、数字技术获取不平等、分析能力不足、治理和监督缺失以及医疗机构与政府机构整合不足等结构性问题，限制了数字健康创新转化为患者健康改善的能力。尽管对数字健康转型和分析技术的兴趣日益增长，但秘鲁相关学术文献高度碎片化，缺乏整合性综述，无法明确数字健康转型的主要主题、实施障碍和优先方向。现有研究多为特定技术的个案研究、机构经验或理论概念讨论，未能提供分析技术如何提升整体医疗服务绩效的系统性理解。为此，本研究遵循PRISMA 2020指南（Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 Guidelines）进行系统文献综述（Systematic Literature Review, SLR），旨在整合证据，建立关于数据分析（DA）对秘鲁医疗系统绩效（Healthcare System Performance, HSP）影响的知识库，并评估实施挑战、机遇及潜在收益。本研究通过三种方式贡献现有文献：以结构化、透明和可重复的方式总结当前证据；创建主题框架（包括绩效改进机制和实施障碍）；为政策制定者和管理者提供促进数字健康战略举措和向有韧性、公平和数据驱动医疗系统转型的启示。

**Methodology**
采用PRISMA 2020指南描述的方法进行系统文献综述，确保过程可重复、透明且具有方法论严谨性。系统文献综述方法被选为结构化合成当前科学研究的方式，有助于消除识别、选择和解释先前研究时的主观偏见。通过明确的检索、筛选、资格评估和合成流程，提供对数据分析（DA）影响秘鲁医疗系统绩效（HSP）的更可靠理解。检索策略涵盖五个学术数据库：Scopus、Web of Science、PubMed/MEDLINE、Scielo和LILACS，以确保国际和区域代表性，并纳入拉丁美洲和秘鲁的证据。检索时间限定为2015年至2026年，反映数字健康转型和医疗解析（Healthcare Analytics, HA）在全球和区域范围内的显著扩张。考虑英语和西班牙语出版物以最大化上下文相关性并减少语言排除。检索式由关键词和布尔运算符组合而成，具体为：(“health analytics” OR “data analytics” OR “digital health” OR “health information systems” OR “predictive epidemiology”) AND (Peru OR Peruvian) AND (“healthcare performance” OR “public health” OR hospital OR “health system”)。纳入标准包括：在同行评审期刊发表；聚焦医疗解析、数字健康、健康信息系统、人工智能、预测模型或数据驱动医疗干预；分析秘鲁相关应用或生成可转移至秘鲁背景的发现；报告实证发现、系统综述、概念框架或实施经验；可获取全文。排除标准包括：社论、会议摘要、观点论文、重复记录、与医疗应用无关的研究、方法论信息不足的文献以及无法获取全文的出版物。研究选择遵循PRISMA 2020的四个步骤：识别、筛选、资格评估和最终纳入。所有记录从数据库导出后删除重复项，通过标题和摘要筛选相关性，符合资格标准的记录进行全文评估。最终纳入的研究基于其方法论相关性和与研究问题的直接联系。质量评估采用五项标准：目标清晰度、方法论透明度、上下文相关性、分析严谨性和对医疗系统绩效的贡献。每项标准符合得1分，总分0-5分，4-5分为高质量，3分为中等质量，0-2分为低质量。通过合成过程创建主题类别，描述医疗解析工具改善系统绩效的主要方式，包括：预测流行病学与疾病监测（Predictive Epidemiology and Disease Surveillance）、医院效率与运营优化（Hospital Efficiency and Operational Optimisation）、医疗可及性与公平（Healthcare Access and Equity）、治理与互操作性（Governance and Interoperability）以及机构数字转型能力（Institutional Capabilities for Digital Transformation）。13篇纳入研究中，11篇为高质量，2篇为中等质量，无低质量研究。这些研究涵盖实证研究、系统综述、概念框架、政策分析和实施经验，涉及医疗解析、数字健康转型、健康信息系统、治理、互操作性和秘鲁及相关背景下的医疗绩效改善。

**Results**
数据库检索共识别164条记录，删除32条重复记录后，132篇文章进入标题和摘要筛选。筛选后，54篇全文文章进行资格评估，其中41篇因不符合纳入标准被排除，最终13篇研究纳入定性合成。研究选择过程遵循PRISMA 2020流程。纳入的13篇研究中，7篇关注全球背景，4篇聚焦秘鲁，1篇涉及拉丁美洲，1篇关注英国，11篇发表于2020年及以后。治理、隐私和互操作性是最常见的主题领域，占30.8%。合成结果确定了数据分析（DA）影响医疗系统绩效（HSP）的五个主要主题。第一，预测流行病学与疾病监测：证据表明，分析模型与数字监测工具的结合增强了系统预测疾病趋势、改善早期预警机制以及优化公共卫生干预的能力。预测方法通过将当前和历史信息转化为可操作信息，提高了医疗资源分配效率和健康应急响应能力。第二，医院效率与运营优化：分析驱动技术通过改善患者流程和排程、监测医疗质量指标以及最大化基础设施和人员资源的利用效率，提升了医疗组织和员工的操作绩效。多项研究表明，将分析驱动的管理整合到整体数字转型战略中，可减少低效并提高护理质量。第三，医疗可及性与公平：数字分析有潜力减少信息不平等并支持公平的医疗覆盖，但证据表明，由于基础设施缺乏、数字化准备水平和机构能力差异，优势尚未均匀分布，农村和偏远地区仍存在有效实施障碍。第四，治理、隐私与互操作性：成功实施医疗解析不仅依赖于技术采纳，还依赖于机构协调、监管成熟度、网络安全实践以及消费者隐私保护和数据负责任使用。互操作性挑战在碎片化或多系统并存的医疗系统中尤为突出，限制了分析系统产生可操作输出的能力。第五，机构能力与数字转型：具备足够的机构和人力能力是可持续医疗解析成功实施的重要条件。文献表明，当注重劳动力技能发展、组织学习和数据素养培养时，分析技术可带来更大价值。发展机构分析能力对于将技术投资转化为可衡量的医疗质量改善至关重要。总体而言，研究发现秘鲁医疗系统利用数据分析通过提高运营效率、支持流行病学监测和改善基于证据的临床决策来提升组织绩效，同时促进了更公平的医疗服务可及性，但长期成功取决于解决数据治理、基础设施、互操作性和机构准备度方面的持续结构性障碍。

**Discussion**
基于系统文献综述分析，越来越多证据表明数据分析（DA）已不仅是技术支撑工具，而是成为增强医疗系统绩效（HSP）战略能力的关键组成部分。文献数据表明，分析技术不仅改善运营效率和流行病学监测，还有助于实现与医疗可及性、治理、质量和长期可持续性相关的机构目标。这些发现与国际文献一致，将数据驱动医疗系统（Data-Driven Healthcare Systems, DDHS）视为公共部门现代化和医疗行业转型的关键推动因素。然而，仅仅拥有分析技术并不能保证改善结果，组织如何实施和整合新技术高度依赖于现有组织和机构结构及流程。在秘鲁，碎片化结构限制了数字健康（Digital Health, DH）项目广泛采纳和可持续性的能力。尽管许多秘鲁健康机构逐步转向实施信息系统、预测工具和数字健康，但不同地区和机构之间的实施分布仍不均衡，反映了新兴经济体的普遍趋势：新技术虽可为某些组织所用，但往往由基础设施和行政能力更强的组织利用，导致农村和弱势群体与大城市中心在数字健康利益获取上的差距。本综述的主要发现是治理（Governance, G）和互操作性（Interoperability, IOP）在评估医疗绩效中的重要性。一致研究表明，信息碎片化环境显著限制分析系统产生可操作输出的能力，即难以为数据驱动决策提供证据。互操作性挑战并非孤立存在，而是代表更广泛的治理问题，包括机构协调、监管对齐、数据标准化和问责制。因此，任何政府医疗现代化努力应促进集成数字生态系统（Digital Ecosystems, DE）和机构间关系，而不仅仅是投资技术基础设施。医疗公平（Healthcare Equity, HE）仍是塑造秘鲁数据分析未来影响的关键维度。尽管分析工具创造了改善疾病监测、优化资源分配和扩大医疗可及性的机会，但现有不平等可能限制这些益处，如果实施策略未明确解决地域和社会差异。这一观察强化了近期数字转型文献的观点，即当机构能力和获取条件不均衡时，技术创新可能无意中再现现有不平等。因此，医疗解析不仅应被视为技术干预，更应被视为治理和包容策略。机构分析能力和劳动力准备度的重要性也得到凸显。证据表明，通过医疗解析产生更强结果的组织未必拥有最先进技术，而是那些能够将分析输出整合到管理和临床决策过程的组织。数据素养、跨学科合作、组织学习和持续培训是支持成功实施的反复出现的推动因素。这凸显了在数字基础设施发展的同时，投资于人力资本和机构适应的重要性。从政策角度看，通过分析技术提升秘鲁医疗系统绩效需要跨多个维度的协调行动，优先领域包括加强互操作性标准、建立更清晰的伦理数据使用治理框架、扩大欠发达地区数字基础设施，以及提升医疗机构分析能力。公共投资策略应强调可扩展性和集成性，同时创建能够将分析见解转化为运营和政策改进的机制。本研究通过超越孤立讨论数字健康技术，提供了分析技术影响医疗系统绩效机制的结构化合成，为文献做出贡献。然而，综述也揭示了现有知识的重要空白，未来研究应优先考虑已实施分析项目的实证评估、区域间比较研究、医疗绩效结果的纵向分析，以及秘鲁数字转型倡议的社会经济影响证据。

**Conclusion**
本研究遵循PRISMA 2020指南进行系统文献综述（SLR），综合现有证据，探讨数据分析（DA）对秘鲁医疗系统绩效（HSP）的贡献。发现表明，医疗解析（Healthcare Analytics, HA）通过改善决策过程、强化预测流行病学（Predictive Epidemiology, PE）和疾病监测（Disease Surveillance, DS）、优化医院运营以及支持更高效的医疗资源分配，已成为医疗转型的重要驱动力。在综述文献中，分析技术不仅被视为技术工具，还被视为加强机构响应性和促进更循证医疗管理的赋能机制。综述进一步表明，医疗解析产生的效益强烈受制于情境和机构因素。与碎片化信息系统、不平等数字基础设施（Digital Infrastructure, DI）、有限互操作性（Interoperability, IOP）、治理（Governance, G）约束以及城乡医疗环境差异相关的持续挑战，限制了秘鲁数字健康（Digital Health, DH）倡议的可扩展性和可持续性。这些发现表明，除非伴随着机构协调、劳动力准备度和对数字能力的长期投资，否则单纯的技术采纳不足以产生有意义的医疗结果改善。从实践角度看，研究强调了发展集成数字生态系统（Digital Ecosystems, DE）的重要性，以支持安全数据交换、加强治理机制和提升机构分析能力。面向医疗现代化的政策应优先考虑互操作性标准、健康数据伦理管理（Ethical Management of Health Data, EMD）、数字基础设施公平获取，以及医疗专业人员和决策者的能力建设。推进这些维度可能有助于将医疗解析转化为改善医疗可及性、质量和韧性的可持续工具。本综述还通过系统方法论方法提供透明且可重复的证据合成，并将现有知识组织成解释分析技术如何影响医疗系统绩效的主题领域，为文献做出贡献。通过聚焦秘鲁背景并整合更广泛的国际证据，研究为数字健康转型的未来研究和政策设计提供了基础。尽管存在局限性（如限于选定的学术数据库和英语/西班牙语出版物，可能遗漏灰色文献或本地实施经验；研究设计和医疗背景差异限制直接比较），未来研究应优先进行已实施分析项目的实证评估、医疗结果的纵向评估、区域比较分析，以及更深入探讨秘鲁数字健康采纳中的治理和公平维度。总体而言，数据分析代表增强秘鲁医疗系统绩效的重大机遇，但实现其全部潜力将取决于机构将技术创新与治理、包容性、互操作性和持续组织转型相结合的能力。