引用本文： 汪曉東, 安麗珉, 李立. 數據庫研究第二部分：結直腸癌的住院流程管理. 中國普外基礎與臨床雜志, 2019, 26(4): 469-475. doi: 10.7507/1007-9424.201902009 復制
華西腸癌數據庫（Database from Colorectal Cancer，DACCA）是華西醫院結直腸外科在真實世界研究（RWS）的思路下孕育的數據庫建設成果[1-5]。如前述[3]，筆者團隊將推出系列數據庫報道，包括：數據庫研究、數據庫建設、數據庫解讀、數據庫決策等。本文為數據庫研究第1 章的第 2 部分。
快速康復外科（enhanced recovery after surgery，ERAS）也稱為快速流程（fast tract，FT），是一套通過改善外科服務流程、減少患者治療創傷、降低應激和不良反應、達到快速康復的臨床管理流程[6]。國際上最早由丹麥外科醫師 Kehlet 提出此概念[7]，而我國最早由華西醫院結直腸外科提出與此相似的管理理念[8-10]。在國際范圍內，對 ERAS 最為認同的定義確定點，則是有名的 London 會議[11]。從此，統一描述為 ERAS。早在 2009 年，四川大學華西醫院就已經有針對快速康復的臨床管理指南[6, 8-10]，從醫院管理學的觀點上看待 FT，是一套提高醫療效率的重要方案，是對醫療質量的綜合反饋，其考評的主要指標之一就是時間差，這也正是 DACCA 數據庫能夠提供的數據內容。相比較與 ERAS，傳統的住院流程管理更加強調結直腸癌外科術后患者腸內外營養的運用關系，也是目前國內還在廣泛應用的管理模式。也就是說，還在考慮腸外營養概念的住院流程管理不是 ERAS[12]。
本部分研究將對華西 DACCA 數據庫中的住院流程信息進行分析，展示近年來該區域性中心醫院對于流程管理的觀念，旨在為安全地提高結直腸癌住院流程化管理的效率提供重要的依據。
1 資料和方法
1.1 數據庫版本
本次數據分析選取的 DACCA 版本為 2019 年1 月 29 日更新版。
1.2 收集的 DACCA 數據庫的應用參數
本次研究選取的數據項目的基礎定義將在“數據庫建設”系列報道二中詳細說明。本次分析選擇的部分數據項目包括：就診日期（date of first out-patient meeting）、入院日期（admitted date）、手術日期（operative date）、出院日期（discharged date）、入院前等待時間（waiting-time）、術前住院時間（preoperative staying days）、術后住院時間（postoperative staying days）、住院總時間（hospital staying days）及管理流程（manage protocol）。
對于管理流程的分類，包括：計劃性住院管理流程（planned）和非計劃性住院管理流程（randomized）。非計劃性住院管理流程系指患者的液體治療方案根據每日的病情變化臨時作以調整。計劃性住院管理流程中，每天的計劃液體治療基本無腸外營養的，屬于常規管理流程；主要以腸外營養使用的，屬于加強管理流程；按照 FT 方案進行者，則屬于 ERAS 管理流程。需要說明的是，住院時間長短并非 ERAS 管理的日期指標，而是否在患者已經可以徹底停止液體治療時，及時取消任何液體和藥物治療，就屬于 ERAS 管理流程的真實定義。例如：當患者在術后 2 d 停止液體治療，卻因為各種原因術后 7 d 才出院，也應該屬于 ERAS 管理流程。這也是 DACCA 數據庫研究中需要闡述和區分的。為便于讀者清楚辨別管理流程中的多個分類，繪制了表 1。
表1
住院管理流程的差異點
1.3 DACCA 數據庫的篩選方案
根據本研究的需要，需要盡可能保留時間節點，以只要能提供不少于 2 個時間節點為條件，依次進行：① 總數據庫的信息篩選；② 分別以“就診” “入院” “手術”及“出院”日期為條件，篩除只有 1 個“日期”信息的數據行；③ 剔除數據條目可疑或查實重復的數據。具體篩選過程見圖 1。本次數據庫篩選完成時間為 2019 年 1 月 30 日。
圖1
示本研究的數據篩選流程
1.4 統計學方法
本次 DACCA 數據庫分析的工具應用為 Excel（Office 365，Microsoft, Redmond，WA，USA）。經典統計學描述由 Excel 統計圖表工具完成，經典統計學推論由 Excel 統計工具包完成；大數據分析（穩定性和趨勢的線性分析）由 Excel 數據工具包完成。檢驗水準 α=0.05。
2 結果
截至 2019 年 1 月 29 日，數據庫疊加后，符合篩選條件的數據病案（數據行，lines）總量為 8 193 條。
2.1 不同住院相關時間點的分布特點
分別對“就診日期” “入院日期” “手術日期”和“出院日期”進行按時間的分布統計。其中，“就診日期”有效數據 3 915 條，“入院日期”有效數據 8 144 條，“手術日期”有效數據 8 049 條，“出院日期”有效數據 7 959 條，上述 4 類日期中就診人數和年份/月份的關系見圖 2a–2h。此外，為顯示“就診” “入院” “手術”和“出院”4 個時間點在月份變化中的趨勢一致性，進行分布合并，結果顯示如圖 2i。
圖2
示“就診日期”“入院日期”“手術日期”和“出院日期”時點中就診人數和年份/月份的關系
a 和 b：示“就診日期”時點中就診人數和年份（a）及月份（b）的關系；c 和 d：示“入院日期”時點中就診人數和年份（c）及月份（d）的關系；e 和 f：示“手術日期”時點中就診人數和年份（e）及月份（f）的關系；g 和 h：示“出院日期”時點中就診人數和年份（g）及月份（h）的關系；i：住院流程日期時間點以月為時間單位變化趨勢的一致性分析圖
2.2 不同住院相關時間段的分布特點
DACCA 數據庫中可以分析的入院前等待時間（ “就診日期”到“入院日期”的時間差，單位為 d）數據為 3 907 條。其中，最小值 0 d（當天入院），最大值 271 d，（9.41±0.43）d。入院前等待時間按照日期變化的趨勢如圖 3a，其中線性預測分析（隨“就診日期”的天數變化）結果示，R2=0.101 257，P<0.001，存在線性升高趨勢。
圖3
示入院前等待時間（a）、術前住院時間（b）、術后住院時間（c）及住院總時間（d）的時間分布與線性預測結果，住院管理流程分類的總體分布（e）及按時間分布（f）特點，以及 ERAS 住院管理流程實施總體情況（g）、住院流程中轉為 ICU 管理情況（h）及住院流程中轉為其他醫院延續治療情況（i）
可分析的術前等待時間（ “入院日期”到“手術日期”的時間差，單位為 d）數據為 8 003 條。其中，最小值為 0 d（當天手術），最大值為 38 d，（5.41±0.04）d。術前等待時間按照日期變化的趨勢如圖 3b，其中線性預測分析（隨“入院日期”的天數變化）結果示，R2=0.023 671，P<0.001，存在線性下降趨勢。
可分析的術后等待時間（ “手術日期”到“出院日期”的時間差，單位為 d）數據為 7 876 條。其中，最小值為 0 d（當天手術），最大值為 115 d，（8.99±0.07）d。術后等待時間按照日期變化的趨勢如圖 3c，其中以線性預測分析（隨“手術日期”的天數變化）結果示，R2=0.086 177，P<0.001，存在線性下降趨勢。
可分析的住院總時間（ “入院日期”到“出院日期”的時間差，單位為 d）數據為 7 876 條。其中，最小值為 1 d（當天手術），最大值為 126 d，（14.43±0.08）d。住院總時間按照日期變化的趨勢如圖 3d，其中線性預測分析（隨“出院時間”的天數變化）結果示，R2=0.098 44，P<0.001，存在線性下降趨勢。
2.3 住院管理流程的應用
DACCA 數據庫提供的住院管理流程的可分析數據為 5 013 條，其總體分布特點見圖 3e，按照年份時間軸的分布特點見圖 3f。
DACCA 數據庫中可以分析的有效 ERAS 數據為 2 368 條。其中可以達到分析條件的完全 ERAS（total ERAS）數據 2 368 條，順利實施 108 條（5%），未順利實施 2 260 條（95%）；達到分析條件的圍手術期 ERAS（pre/post ERAS）數據 2 260 條，順利實施 150 條（7%），未順利實施 2 110 條（93%）；達到分析條件的術后 ERAS（post ERAS）數據 2 110 條，順利實施 170 條（8%），未順利實施 1 940 條（92%）。具體見圖 3g。
DACCA 數據庫的住院流程數據可以分析流轉（指從某一個住院流程狀態到另一個住院流程狀態）情況。其中，ERAS 實施后失敗改個體方案數據 1 條；住院流程管理期間有轉診重癥監護病房（intensive care unit，ICU）數據 12 條；出院后非回家觀察，而是分診轉流到其他醫院繼續治療數據 388 條，流轉情況見圖 3h 和3i。
3 討論
3.1 區域中心醫院的院前候診
從華西醫院的服務區域來看，如之前系列文章[4]所述，主要是四川省為主的西部地區，核心服務區域在成都地區。根據我國的人口數據計算，按照省一級覆蓋范圍，華西醫院作為區域中心醫院主要服務的四川省人口為 8 302 萬[13]，成都市人口為1 604.5 萬[14]。根據預測，我國的結直腸癌發病率為 27.08/10 萬[15]，故可推算，這兩級地區的結直腸癌患者為 22 481 人（四川省）和 4 345 人（成都市）。
可以理解，如果院前候治時間越長，區域中心醫院的服務能力會越低。因此，以 DACCA 數據庫能提供的近 13 年的候診時間來看，平均入院前等候治療時間為 9.41 d。假設成都人口基數下含有的結直腸癌患者例數由成都的醫院群在 1 年內完成診治，并按照 DACCA 數據庫提供的 9.41 d 的平均候診時間，則需要有 462 個病床次以作應對。這對整個成都的結直腸外科病床含量有巨大的壓力。
DACCA 數據庫的時間數據，作為住院效率指標的依據，可為未來更進一步優化服務管理細節提供參考。DACCA 數據庫還有分支數據，即提供了院前流失的數據庫，在未來這是需要更進一步研究的內容。
3.2 住院時間與床位利用
由于技術存在地域核心化，區域中心醫院可以提供該區域能夠享受的最高醫療服務質量，帶來更好的療效，降低疾病治療的費用負擔。而醫療空間是有限資源，床位是醫療服務的個體衡量單位，單病床的周轉率是醫療服務質量的指標。當醫療服務質量高時，單病床周轉率就高，床位利用度就高，從而可以滿足更多患者的治療需求[16]。DACCA 數據庫提供的時間指標反映了結直腸癌外科的醫療服務質量。近 20 年來，術前等待時間平均為 5.41 d，術后在院觀察時間平均為 8.99 d。這 2 項數據在線性預測的分析中，都表現出來明顯的下降趨勢。也就是說，直觀地理解，結直腸癌的住院時間表現出逐步縮短的趨勢，有效地增加了服務結直腸癌患者的總體能力。按照 20 年來預測的平均床位數 20 張計算，每年的結直腸癌患者的服務量可以達到 505 人次（粗略計算：按平均住院時間 14.43 d 計算，1 年可以周轉 25 輪）。
華西醫院的結直腸癌外科在近 20 年的醫院服務能力上，有大幅度提升。這只是結直腸癌外科效率指標的一個部分。從降低國家醫療負擔和降低結直腸癌患者費用負擔的角度思考，未來的結直腸癌的效率指標分析，需要和住院費用數據庫以及醫保數據庫相結合，研究如何精細管理床位利用率和周轉率，并進一步提出優化效率的方案。
3.3 結直腸癌 ERAS 的真相與線索
ERAS 的出現伴隨了贊譽，同時也帶來了質疑：ERAS 是不是真的可以在我國實施？
根據上一部分內容（3.2 板塊）所述，以時間作為效率評估的指標，無論是院前等待還是住院時間，都在逐年的下降。如果不能真正實施 ERAS，是難以達到如此效果的。
華西醫院的結直腸癌外科是國內率先開展 ERAS 的專科[6, 8-10]。從 2001–2019 年的數據來看，隨著 2005–2006 年期間引入 FT 理念，結直腸癌外科越來越多地利用 ERAS 住院管理流程。這是本次 DACCA 數據住院流程分析中發現的最顯著的特點。2007–2011 年的 5 年間，應用 ERAS 的比例逐漸上升，經過 3 年的回調期后，2014 年開始，ERAS 的應用比例升高更快。所以，作為反映真實狀態的數據庫，已經很好地回答了 ERAS 在區域中心醫院的應用度。
與上一部分內容（3.2 板塊）類似，效率需要與經濟學指標聯合分析，才能提出優化方案。ERAS 的應用也必定進入經濟學評價的階段。而單純的經濟學指標不足以滿足方案的優化。所以 ERAS 的未來，應是以涵蓋住院流程管理和醫保數據庫的數據倉庫可視化分析以及“住院流程+醫保”模型探索為方向。
3.4 住院流程的流轉
住院流程管理還包括流程轉變（或稱為“更改”，change），也就是說，當我們更多地應用流程化（或計劃性，planned）進行住院管理的時候，仍不可能回避非計劃性（randomized）的醫療服務流程。
從數據庫的角度上看，數據倉庫（data warehouse）是一定可以分界任何“行為”醫療信息的大數據工具（kits）。我們所謂的“非計劃”，只是一個看似無序的醫療服務狀態（statue），其實也可拆解為可歸類的數據倉庫。再從數據倉庫中提取數據做重新構建（re-construction）。所以，針對住院流程列中標記為個體化（individual）的數據條，是未來在院服務流程優化的重點之一。
流轉（transfer）是醫療流程向另一個醫療流程轉變的意思。其內涵包括：同一科室內一種流程轉變為另一種流程、同一醫院內一個科室轉到另一個科室（轉科）、一家醫院轉診到另一家醫院（轉院）等。所有按照 DACCA 數據庫規范進行數據一致化后的“住院流程”，可以集合組成對應的專用數據倉庫，配合與住院相關的地點（ward/depart-ment/hospital）變量后，都可以用大數據技術分析流轉特征。
本次 DACCA 數據庫的流轉分析，討論了從一般病房到 ICU 的轉診以及 ERAS 流程中跨院轉診（或轉院）的信息。可以發現，ERAS 的高利用度也帶來了“轉院“行為的顯著化（占有率高達 97%）。這與近年來我國主推的分級醫療模式有一定的關系[17]。區域中心醫院服務能力的量級提高，有賴于分級轉診政策的施行。在我國，ERAS 諸多特征性研究就是依賴于更多的分級醫療模式[6, 8-10, 17-22]。在家庭醫生體系[23-25]還沒有建立完善前，分級醫療可以促進 ERAS 在區域中心醫院利用度的提高。流轉的未來數據研究，也就適宜在這方面開展。
志謝：感謝李想同學在本研究中，對“日期”數據分析和分布圖制作中給予的幫助。
華西腸癌數據庫（Database from Colorectal Cancer，DACCA）是華西醫院結直腸外科在真實世界研究（RWS）的思路下孕育的數據庫建設成果[1-5]。如前述[3]，筆者團隊將推出系列數據庫報道，包括：數據庫研究、數據庫建設、數據庫解讀、數據庫決策等。本文為數據庫研究第1 章的第 2 部分。
快速康復外科（enhanced recovery after surgery，ERAS）也稱為快速流程（fast tract，FT），是一套通過改善外科服務流程、減少患者治療創傷、降低應激和不良反應、達到快速康復的臨床管理流程[6]。國際上最早由丹麥外科醫師 Kehlet 提出此概念[7]，而我國最早由華西醫院結直腸外科提出與此相似的管理理念[8-10]。在國際范圍內，對 ERAS 最為認同的定義確定點，則是有名的 London 會議[11]。從此，統一描述為 ERAS。早在 2009 年，四川大學華西醫院就已經有針對快速康復的臨床管理指南[6, 8-10]，從醫院管理學的觀點上看待 FT，是一套提高醫療效率的重要方案，是對醫療質量的綜合反饋，其考評的主要指標之一就是時間差，這也正是 DACCA 數據庫能夠提供的數據內容。相比較與 ERAS，傳統的住院流程管理更加強調結直腸癌外科術后患者腸內外營養的運用關系，也是目前國內還在廣泛應用的管理模式。也就是說，還在考慮腸外營養概念的住院流程管理不是 ERAS[12]。
本部分研究將對華西 DACCA 數據庫中的住院流程信息進行分析，展示近年來該區域性中心醫院對于流程管理的觀念，旨在為安全地提高結直腸癌住院流程化管理的效率提供重要的依據。
1 資料和方法
1.1 數據庫版本
本次數據分析選取的 DACCA 版本為 2019 年1 月 29 日更新版。
1.2 收集的 DACCA 數據庫的應用參數
本次研究選取的數據項目的基礎定義將在“數據庫建設”系列報道二中詳細說明。本次分析選擇的部分數據項目包括：就診日期（date of first out-patient meeting）、入院日期（admitted date）、手術日期（operative date）、出院日期（discharged date）、入院前等待時間（waiting-time）、術前住院時間（preoperative staying days）、術后住院時間（postoperative staying days）、住院總時間（hospital staying days）及管理流程（manage protocol）。
對于管理流程的分類，包括：計劃性住院管理流程（planned）和非計劃性住院管理流程（randomized）。非計劃性住院管理流程系指患者的液體治療方案根據每日的病情變化臨時作以調整。計劃性住院管理流程中，每天的計劃液體治療基本無腸外營養的，屬于常規管理流程；主要以腸外營養使用的，屬于加強管理流程；按照 FT 方案進行者，則屬于 ERAS 管理流程。需要說明的是，住院時間長短并非 ERAS 管理的日期指標，而是否在患者已經可以徹底停止液體治療時，及時取消任何液體和藥物治療，就屬于 ERAS 管理流程的真實定義。例如：當患者在術后 2 d 停止液體治療，卻因為各種原因術后 7 d 才出院，也應該屬于 ERAS 管理流程。這也是 DACCA 數據庫研究中需要闡述和區分的。為便于讀者清楚辨別管理流程中的多個分類，繪制了表 1。
表1
住院管理流程的差異點
1.3 DACCA 數據庫的篩選方案
根據本研究的需要，需要盡可能保留時間節點，以只要能提供不少于 2 個時間節點為條件，依次進行：① 總數據庫的信息篩選；② 分別以“就診” “入院” “手術”及“出院”日期為條件，篩除只有 1 個“日期”信息的數據行；③ 剔除數據條目可疑或查實重復的數據。具體篩選過程見圖 1。本次數據庫篩選完成時間為 2019 年 1 月 30 日。
圖1
示本研究的數據篩選流程
1.4 統計學方法
本次 DACCA 數據庫分析的工具應用為 Excel（Office 365，Microsoft, Redmond，WA，USA）。經典統計學描述由 Excel 統計圖表工具完成，經典統計學推論由 Excel 統計工具包完成；大數據分析（穩定性和趨勢的線性分析）由 Excel 數據工具包完成。檢驗水準 α=0.05。
2 結果
截至 2019 年 1 月 29 日，數據庫疊加后，符合篩選條件的數據病案（數據行，lines）總量為 8 193 條。
2.1 不同住院相關時間點的分布特點
分別對“就診日期” “入院日期” “手術日期”和“出院日期”進行按時間的分布統計。其中，“就診日期”有效數據 3 915 條，“入院日期”有效數據 8 144 條，“手術日期”有效數據 8 049 條，“出院日期”有效數據 7 959 條，上述 4 類日期中就診人數和年份/月份的關系見圖 2a–2h。此外，為顯示“就診” “入院” “手術”和“出院”4 個時間點在月份變化中的趨勢一致性，進行分布合并，結果顯示如圖 2i。
圖2
示“就診日期”“入院日期”“手術日期”和“出院日期”時點中就診人數和年份/月份的關系
a 和 b：示“就診日期”時點中就診人數和年份（a）及月份（b）的關系；c 和 d：示“入院日期”時點中就診人數和年份（c）及月份（d）的關系；e 和 f：示“手術日期”時點中就診人數和年份（e）及月份（f）的關系；g 和 h：示“出院日期”時點中就診人數和年份（g）及月份（h）的關系；i：住院流程日期時間點以月為時間單位變化趨勢的一致性分析圖
2.2 不同住院相關時間段的分布特點
DACCA 數據庫中可以分析的入院前等待時間（ “就診日期”到“入院日期”的時間差，單位為 d）數據為 3 907 條。其中，最小值 0 d（當天入院），最大值 271 d，（9.41±0.43）d。入院前等待時間按照日期變化的趨勢如圖 3a，其中線性預測分析（隨“就診日期”的天數變化）結果示，R2=0.101 257，P<0.001，存在線性升高趨勢。
圖3
示入院前等待時間（a）、術前住院時間（b）、術后住院時間（c）及住院總時間（d）的時間分布與線性預測結果，住院管理流程分類的總體分布（e）及按時間分布（f）特點，以及 ERAS 住院管理流程實施總體情況（g）、住院流程中轉為 ICU 管理情況（h）及住院流程中轉為其他醫院延續治療情況（i）
可分析的術前等待時間（ “入院日期”到“手術日期”的時間差，單位為 d）數據為 8 003 條。其中，最小值為 0 d（當天手術），最大值為 38 d，（5.41±0.04）d。術前等待時間按照日期變化的趨勢如圖 3b，其中線性預測分析（隨“入院日期”的天數變化）結果示，R2=0.023 671，P<0.001，存在線性下降趨勢。
可分析的術后等待時間（ “手術日期”到“出院日期”的時間差，單位為 d）數據為 7 876 條。其中，最小值為 0 d（當天手術），最大值為 115 d，（8.99±0.07）d。術后等待時間按照日期變化的趨勢如圖 3c，其中以線性預測分析（隨“手術日期”的天數變化）結果示，R2=0.086 177，P<0.001，存在線性下降趨勢。
可分析的住院總時間（ “入院日期”到“出院日期”的時間差，單位為 d）數據為 7 876 條。其中，最小值為 1 d（當天手術），最大值為 126 d，（14.43±0.08）d。住院總時間按照日期變化的趨勢如圖 3d，其中線性預測分析（隨“出院時間”的天數變化）結果示，R2=0.098 44，P<0.001，存在線性下降趨勢。
2.3 住院管理流程的應用
DACCA 數據庫提供的住院管理流程的可分析數據為 5 013 條，其總體分布特點見圖 3e，按照年份時間軸的分布特點見圖 3f。
DACCA 數據庫中可以分析的有效 ERAS 數據為 2 368 條。其中可以達到分析條件的完全 ERAS（total ERAS）數據 2 368 條，順利實施 108 條（5%），未順利實施 2 260 條（95%）；達到分析條件的圍手術期 ERAS（pre/post ERAS）數據 2 260 條，順利實施 150 條（7%），未順利實施 2 110 條（93%）；達到分析條件的術后 ERAS（post ERAS）數據 2 110 條，順利實施 170 條（8%），未順利實施 1 940 條（92%）。具體見圖 3g。
DACCA 數據庫的住院流程數據可以分析流轉（指從某一個住院流程狀態到另一個住院流程狀態）情況。其中，ERAS 實施后失敗改個體方案數據 1 條；住院流程管理期間有轉診重癥監護病房（intensive care unit，ICU）數據 12 條；出院后非回家觀察，而是分診轉流到其他醫院繼續治療數據 388 條，流轉情況見圖 3h 和3i。
3 討論
3.1 區域中心醫院的院前候診
從華西醫院的服務區域來看，如之前系列文章[4]所述，主要是四川省為主的西部地區，核心服務區域在成都地區。根據我國的人口數據計算，按照省一級覆蓋范圍，華西醫院作為區域中心醫院主要服務的四川省人口為 8 302 萬[13]，成都市人口為1 604.5 萬[14]。根據預測，我國的結直腸癌發病率為 27.08/10 萬[15]，故可推算，這兩級地區的結直腸癌患者為 22 481 人（四川省）和 4 345 人（成都市）。
可以理解，如果院前候治時間越長，區域中心醫院的服務能力會越低。因此，以 DACCA 數據庫能提供的近 13 年的候診時間來看，平均入院前等候治療時間為 9.41 d。假設成都人口基數下含有的結直腸癌患者例數由成都的醫院群在 1 年內完成診治，并按照 DACCA 數據庫提供的 9.41 d 的平均候診時間，則需要有 462 個病床次以作應對。這對整個成都的結直腸外科病床含量有巨大的壓力。
DACCA 數據庫的時間數據，作為住院效率指標的依據，可為未來更進一步優化服務管理細節提供參考。DACCA 數據庫還有分支數據，即提供了院前流失的數據庫，在未來這是需要更進一步研究的內容。
3.2 住院時間與床位利用
由于技術存在地域核心化，區域中心醫院可以提供該區域能夠享受的最高醫療服務質量，帶來更好的療效，降低疾病治療的費用負擔。而醫療空間是有限資源，床位是醫療服務的個體衡量單位，單病床的周轉率是醫療服務質量的指標。當醫療服務質量高時，單病床周轉率就高，床位利用度就高，從而可以滿足更多患者的治療需求[16]。DACCA 數據庫提供的時間指標反映了結直腸癌外科的醫療服務質量。近 20 年來，術前等待時間平均為 5.41 d，術后在院觀察時間平均為 8.99 d。這 2 項數據在線性預測的分析中，都表現出來明顯的下降趨勢。也就是說，直觀地理解，結直腸癌的住院時間表現出逐步縮短的趨勢，有效地增加了服務結直腸癌患者的總體能力。按照 20 年來預測的平均床位數 20 張計算，每年的結直腸癌患者的服務量可以達到 505 人次（粗略計算：按平均住院時間 14.43 d 計算，1 年可以周轉 25 輪）。
華西醫院的結直腸癌外科在近 20 年的醫院服務能力上，有大幅度提升。這只是結直腸癌外科效率指標的一個部分。從降低國家醫療負擔和降低結直腸癌患者費用負擔的角度思考，未來的結直腸癌的效率指標分析，需要和住院費用數據庫以及醫保數據庫相結合，研究如何精細管理床位利用率和周轉率，并進一步提出優化效率的方案。
3.3 結直腸癌 ERAS 的真相與線索
ERAS 的出現伴隨了贊譽，同時也帶來了質疑：ERAS 是不是真的可以在我國實施？
根據上一部分內容（3.2 板塊）所述，以時間作為效率評估的指標，無論是院前等待還是住院時間，都在逐年的下降。如果不能真正實施 ERAS，是難以達到如此效果的。
華西醫院的結直腸癌外科是國內率先開展 ERAS 的專科[6, 8-10]。從 2001–2019 年的數據來看，隨著 2005–2006 年期間引入 FT 理念，結直腸癌外科越來越多地利用 ERAS 住院管理流程。這是本次 DACCA 數據住院流程分析中發現的最顯著的特點。2007–2011 年的 5 年間，應用 ERAS 的比例逐漸上升，經過 3 年的回調期后，2014 年開始，ERAS 的應用比例升高更快。所以，作為反映真實狀態的數據庫，已經很好地回答了 ERAS 在區域中心醫院的應用度。
與上一部分內容（3.2 板塊）類似，效率需要與經濟學指標聯合分析，才能提出優化方案。ERAS 的應用也必定進入經濟學評價的階段。而單純的經濟學指標不足以滿足方案的優化。所以 ERAS 的未來，應是以涵蓋住院流程管理和醫保數據庫的數據倉庫可視化分析以及“住院流程+醫保”模型探索為方向。
3.4 住院流程的流轉
住院流程管理還包括流程轉變（或稱為“更改”，change），也就是說，當我們更多地應用流程化（或計劃性，planned）進行住院管理的時候，仍不可能回避非計劃性（randomized）的醫療服務流程。
從數據庫的角度上看，數據倉庫（data warehouse）是一定可以分界任何“行為”醫療信息的大數據工具（kits）。我們所謂的“非計劃”，只是一個看似無序的醫療服務狀態（statue），其實也可拆解為可歸類的數據倉庫。再從數據倉庫中提取數據做重新構建（re-construction）。所以，針對住院流程列中標記為個體化（individual）的數據條，是未來在院服務流程優化的重點之一。
流轉（transfer）是醫療流程向另一個醫療流程轉變的意思。其內涵包括：同一科室內一種流程轉變為另一種流程、同一醫院內一個科室轉到另一個科室（轉科）、一家醫院轉診到另一家醫院（轉院）等。所有按照 DACCA 數據庫規范進行數據一致化后的“住院流程”，可以集合組成對應的專用數據倉庫，配合與住院相關的地點（ward/depart-ment/hospital）變量后，都可以用大數據技術分析流轉特征。
本次 DACCA 數據庫的流轉分析，討論了從一般病房到 ICU 的轉診以及 ERAS 流程中跨院轉診（或轉院）的信息。可以發現，ERAS 的高利用度也帶來了“轉院“行為的顯著化（占有率高達 97%）。這與近年來我國主推的分級醫療模式有一定的關系[17]。區域中心醫院服務能力的量級提高，有賴于分級轉診政策的施行。在我國，ERAS 諸多特征性研究就是依賴于更多的分級醫療模式[6, 8-10, 17-22]。在家庭醫生體系[23-25]還沒有建立完善前，分級醫療可以促進 ERAS 在區域中心醫院利用度的提高。流轉的未來數據研究，也就適宜在這方面開展。
志謝：感謝李想同學在本研究中，對“日期”數據分析和分布圖制作中給予的幫助。
