《Health Informatics Journal》：Learning how to effectively use digital health technology in hospitals: A qualitative study of the Division of Surgery in an Australian public hospital
编辑推荐：
背景：全球政府正将医疗系统改革为“学习健康系统”（learning health system，LHS），希望通过数据快速学习并转化为实践与政策。医院依赖数字健康技术（digital health technologies，DHT）采集、存储和处理大量健康数据
背景：全球政府正将医疗系统改革为“学习健康系统”（learning health system，LHS），希望通过数据快速学习并转化为实践与政策。医院依赖数字健康技术（digital health technologies，DHT）采集、存储和处理大量健康数据，但尽管投入巨大，医院仍难以有效且有价值地使用数字健康数据，技术影响正负参半。现有文献对如何提升DHT有效使用（effective use）指导有限。有效使用被定义为以支持高效和有效目标达成的方式使用信息系统，不同于“有意义使用”（meaningful use）侧重实施与互操作性，其更关注个体利用高质量数据做数据驱动决策的行为。
目的：识别医院环境中阻碍DHT有效使用的因素，以及可改善DHT有效使用的学习机制（learning mechanisms）。
方法：研究人员在澳大利亚一家公立医院外科部门（Division of Surgery，DS）开展嵌入性性质性研究，对22名不同职业参与者进行半结构化访谈，并采用先验分类框架进行演绎分析。
结果：DHT有效使用受个体能力（individual capabilities，n=3）、组织能力（organisational capabilities，n=6）与系统能力（system capabilities，n=4）缺陷阻碍；可通过针对性学习机制改善这些能力缺陷。
结论：DHT有效使用受个体、组织与技术系统能力影响，可通过全面、主动与被动学习努力改善；为支撑更广泛转型，研究人员提炼出面向医疗组织的五条建议。
对健康信息管理实践的启示：开展数字化转型的医疗组织应（i）重新思考传统角色与职责；（ii）重构不适配的工作流与照护模式；（iii）建立并嵌入稳健的数据治理（data governance）；（iv）持续优化DHT；（v）建设数据驱动文化以促进临床参与。
研究背景方面，全球医疗系统正转向学习健康系统（learning health system，LHS），希望通过从数据中快速学习并转化为实践与政策，提升医疗服务的可持续性与公平性。LHS依赖数字健康技术（digital health technologies，DHT）电子采集、存储和处理海量健康数据，因此各国政府对DHT投入巨大。然而现实是，医院虽部署了集成电子病历（integrated electronic medical record，ieMR）等系统，却普遍难以有效且有意义地使用数字健康数据，技术带来的结果既有正向也有负向。已有研究提出有效使用（effective use）概念，即以支持高效和有效目标达成的方式使用信息系统，重点在个体如何利用系统内高质量数据开展数据驱动决策，而非仅仅关注系统是否部署或能否互操作。现有文献对“如何提升有效使用”提供的实证与实践指引很少，而理论层面虽指出学习与适应十分关键，却缺乏具体机制和落地路径。医院场景中，前端照护人员常出现变通行为（workarounds）、非合规使用和意外后果，既损害数据质量，也阻碍临床、运营与战略层面的数据驱动决策，进而拖慢LHS建设。因此，研究人员以澳大利亚某公立医院外科部门（Division of Surgery，DS）为场域，提出两个研究问题：哪些因素阻碍医院DHT有效使用；哪些学习机制可改善DHT有效使用。
该研究发表在《Health Informatics Journal》。研究人员通过单案例试点性质性研究回答上述问题。结论上，DHT有效使用受到个体能力、组织能力和系统能力三类缺陷共同制约；而要突破瓶颈，不能只做“教人点系统”的传统培训，而要让组织、技术与使用者共同学习。研究意义在于把有效使用从抽象构念落到外科部门真实工作场景，证明迈向LHS不仅需要买系统和接数据，还需要角色重构、工作流再造、数据治理、持续优化与文化变革五块基石，为健康信息管理实践和医院数字化转型提供了可操作框架。
关键技术方法上，研究人员采用单案例试点性质性研究设计，场域为澳大利亚一家大都会公立医院DS，该部门年择期手术超10000例并接收多学科急诊手术。参与者通过目的性抽样与滚雪球抽样获得，共22人，覆盖前线员工、健康信息专业人员与临床管理者三类群体，许多人还承担多重角色。数据收集以半结构化访谈为主，辅以档案记录，访谈约60分钟并经转录；分析使用研究人员为本研究开发的分类框架，该框架源于信息系统文献，将有效使用归因于系统能力、组织能力与个体能力，并通过编码规则手册、团队讨论与利益相关者反馈三角验证来保证信度与可信度。
研究结果部分，第一个小标题为阻碍数字健康技术有效使用的因素。研究人员通过访谈与框架分析发现，前线人员因文档能力弱、动机不足、患者照护与文书优先级冲突，会出现批量处理、复制粘贴、不用结构化字段等低效做法，导致数据质量下降。组织层面表现为分析能力不成熟、缺少本地化数据角色、数据治理不清、硬件与经费受限、工作负荷高以及医生与护士间专业文化冲突，使文档责任模糊并削弱战略用数能力。系统层面则包括跨系统互操作性差、ieMR与工作流错位、用户界面繁琐且录入控制少、结构化数据不足导致SNOMED等编码报告困难。由此得出，个体、组织、系统三层能力缺口共同阻碍有效使用。
第二个小标题为促进有效使用的学习机制。研究人员归纳出主动与被动两类学习：主动学习包括新功能上线时由数字医院团队向下过滤培训、面向教育者再培训、非正式互助；被动学习包括数据管理员追催未录数据、针对错误录入反馈、从质量会议中修订共同签名等药物管理规则。个体能力方面，靠持续培训、反馈、信息分享与“让使用者理解数据录入价值”来提升；组织能力方面，靠重构工作流、建立文档政策与数据治理来修正行为规则；系统能力方面，靠调查并修复系统错误、建模板、在系统中暴露耗材成本目录来优化适配性与决策支持。结论是学习不是一次性教育，而是贯穿个人、组织与系统的持续适应过程。
讨论部分，研究人员把发现抽象为支持LHS转型的五条实践与理论建议：重新思考传统角色与职责，意味着21世纪临床人员要懂基本信息学问题，组织还需本地与中心并存的临床信息学人员、系统医师和数据分析师等混合角色； redesigning ill-suited workflows and models of care，即不能用电子病历简单替代纸质流程，要用时间动作研究或流程挖掘识别瓶颈并让临床深度参与；创建并嵌入稳健数据治理，要在科室、医院、州/联邦层级统一文档规则、责任人、数据释义与报表范围；持续优化数字健康技术，要从“上线即结束”的项目思维转向持续改进的思维；建设数据驱动文化以促进临床参与，则要通过技术、临床与管理协作，把行政逻辑与患者中心价值对齐，使一线人员真正“重视”数据录入。讨论还指出，文化、角色、工作流、治理和优化五者互为支撑。
结论部分翻译如下：本研究显示，临床照护与数字健康技术之间存在鸿沟，这将阻碍学习健康系统议程。个体、组织与系统能力不充分正在妨碍数字健康技术的有效使用，削弱医疗劳动力各层级开展数据驱动决策的能力。要实现数字健康技术的潜力，医疗组织必须作出改变，牢固嵌入并接纳数字健康技术。这需要持续开展全面、主动与被动的学习努力，并营造有利于释放数字健康技术潜力的环境。具体应包括：重新思考传统角色与职责；重构不适配的工作流与照护模式；建立并嵌入稳健的数据治理；持续优化数字健康技术；建设数据驱动文化以促进临床参与。
