進階搜尋


   電子論文尚未授權公開,紙本請查館藏目錄
(※如查詢不到或館藏狀況顯示「閉架不公開」,表示該本論文不在書庫,無法取用。)
系統識別號 U0026-2708201514112400
論文名稱(中文) 急診滯留分析之研究-基於商業智慧方法論
論文名稱(英文) The Analysis of Emergency Department Boarding - A Business Intelligence Approach
校院名稱 成功大學
系所名稱(中) 高階管理碩士在職專班(EMBA)
系所名稱(英) Executive Master of Business Administration (EMBA)
學年度 103
學期 2
出版年 104
研究生(中文) 莊佳璋
研究生(英文) Chia-Chang Chuang
學號 R07024018
學位類別 碩士
語文別 中文
論文頁數 59頁
口試委員 指導教授-李昇暾
口試委員-林清河
口試委員-耿伯文
口試委員-李經維
中文關鍵字 急診滯留  巨量資料  線上分析處理  預警模式 
英文關鍵字 ED boarding  big data  OLAP  alert system 
學科別分類
中文摘要 急診壅塞一直是國內外健保給付及醫療品質重要的議題,其中急診滯留,亦即急診病患於診間等待入院的情形,往往是造成急診壅塞的主因。由於近年來國內健保制度的變革,醫療市場急遽的擴張加上民眾即時訴求的提升,急診滯留問題方興未艾,不僅嚴重降低醫療品質、衍生許多不可避免的醫療錯誤,也造成民眾層出不窮的抱怨及醫院滿意度的下降。
本研究嘗試運用商業智慧方法收錄南部某一大型醫療中心近四年來約二十七萬筆急診病患資料,其內容包括人口統計、居住區域、檢傷分級、就診量趨勢等巨量資料,本研究不僅分析病患滯留急診及最後入出院時間,同時也進一步分析其於急診觀察室滯留6及24小時原因、待床原因、應住院科別等資料;本研究並嘗試分析急診五級檢傷對急診滯留的影響。因此,本研究利用「線上即時分析處理」(OLAP)來分析此巨量倉儲資料,利用不同構面探討急診滯留原因,提供急診即時病患流量監測系統。此外,藉此系統找出急診滯留導致壅塞的不同面向,進一步提出具體的預警模式,期望病患得到更完整的緊急醫療照顧。
英文摘要 Emergency Department (ED) crowding has been an important issue in the health insurance and medical quality for decade. Prolonged waiting time for admission to inpatient wards, also known as ED boarding, has been identified as a key contributor to ED crowding worldwide. As a result of the evolution of National Health Insurance, the rapid expanding health care market along with the increasing instant demand from patients have been acknowledge to poor service quality and inevitable medical errors, in which leads to negative outcomes such as an increase in patient complaints and lower rankings of patient satisfaction.
This paper aims to provide a high-fidelity model to capture the dynamics of inpatient flow of ED with a particular focus on the following factors- patients’ demographics, residential area, triage, and patient flow trends. The big data was downloaded in which contains more than 270,000 records in the last four years. This study analyzed not only the waiting time in ED, the last admit/discharge time but also the causes of boarding time over both six and 24 hours. The expected department of medical care was also surveyed. In addition, this study examined the effect of the Taiwan triage and acuity scale (TTAS) on ED crowding to further understand the impact to ED boarding status. We used OLAP tool to analyze the included big data. Based on the analyses of various dimensions in the relevant issues in ED boarding/crowding, this study could provide insights to the management of instant patient flow control. As a consequence, the causes of ED boarding could be identified and the alert system can help hospital to be more efficiently and effectively allocating the medical resources to provide better health care to patients.
論文目次 摘 要 I
誌 謝 VI
表 目 錄 X
圖 目 錄 XI
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 7
1.3 研究限制 8
第二章 文獻回顧 9
2.1 「急診壅塞」之定義與監測 10
2.2 「過度壅塞」的定義與現象 11
2.2.1 急診壅塞指標NEDOCS之介紹 11
2.2.2 其他滯留壅塞指標及評估能力 13
2.3 急診尖峰時收治病患能力之評估 14
2.3.1 醫院最大處置能量 (HSC)之介紹 14
2.3.2 醫院最大處置能量之量化指標 15
2.4 商業智慧方法論 16
2.4.1 商業智慧構成元件 16
2.4.2 多維度的資料模式 17
2.4.3 線上即時分析處理 (OLAP) 19
第三章 研究方法 21
3.1 研究團隊與資料蒐集 21
3.2 研究方法 22
3.2.1 資料倉儲的維度資料模式建立 22
3.2.2 資料倉儲建置流程 22
3.2.3 線上即時分析處理資料模型建置 24
3.2.4 外部環境資料影響急診就診量及預估模式 26
第四章 結果與分析 28
4.1 急診就醫民眾區域分析 28
4.2 研究對象 30
4.3 研究結果 30
4.3.1 急診就醫病患之性別差異、等待處置時間及滯留時間分析 30
4.3.2 歷年急診就醫病患年齡族群分布情形 32
4.3.3 歷年急診各級檢傷級數變化情形 33
4.3.4 急診歷年就診量預期變化之預估趨勢 37
4.3.5 急診病患流量於週間及週末之變化情形 40
4.3.6 急診病患歷年科別就診概況 42
4.3.7 急診病患滯留原因分析 42
4.3.8 急診病患歷年滯留原因分析-依疾病碼(ICD-9)分類 45
4.3.9 急診病患歷年滯留原因分析-等待入院歸屬科別 46
4.3.10 急診病患轉診原因分析 47
4.3.11 急診就診量與氣候原因(溫度、濕度)分析 48
第五章 結論與未來展望 49
5.1 結論 49
5.2 未來展望 53
5.3 未來研究 54
參考文獻 55
參考文獻 一、中文文獻
中央氣象局全球資訊網: 氣候監測報告(溫度及降雨量報告) http://www.cwb.gov.tw/V7/climate/watch/watch.htm
中華民國2012 年至2060 年人口推計。行政院經濟建設委員會中華民國101年8月(ISBN:978-986-03-3030-4)
尹相志,SQL Server 2005 OLAP 線上即時分析,悅知文化,民國95年。
王偉驎、林文燦、賴政皓、陳慧敏(民97),應用資料探勘技術提升急診醫學檢傷分類之一致性--以臺灣某醫學中心急診醫學部為例。品質學報,第15期,頁283-291。
民國103年衛福部四月公告- 焦點新聞[醫事司] [2014/04/02]
石崇良 (民95.05),他山之石可以攻錯--談英國醫療體系的改革。北縣牙醫,143期,頁30-35。
吳秋芬、吳肖琪、石富元、許銘能 (2008),影響急診病患暫留時間之相關因素探討,臺灣公共衛生雜誌,第27卷,頁507-518。
李文輝,陳日昌,管仁澤 (2009),建置急救責任醫院在大量傷患事故中收治病患最大處置量的預估模式。行政院衛生署委託研究計劃(DOH98-TD-H-113-97002)。
李佳欣 (2015),解決急診壅塞最該做的三件事,康健雜誌,198期。http://www.commonhealth.com.tw/article/article.action?nid=70153
李建賢 (2004),急診醫療服務之醫學倫理,醫學教育,8卷3期,頁327-335。
紀志賢、曾詠淑、林錫璋、陳澤生、蔡良敏、駱聰成 (民88),以資料挖掘模式實施緊急救護量預測,慈濟醫學,第11期,頁337-341。
許寶華 (2009),「急診轉住院病人急診暫留時間長期趨勢及關連因素分析」,陽明大學醫務管理研究所碩士論文。
連守揚、張淳茜、陳秀喬、陳昱甫、周瓊珍、阮仲炯、阮仲洲、 陳柏菁(民96.06),醫院總額預算點值浮動後急診利用情況之分析:以某區域醫院為例。中華民國急救加護醫學會雜誌,18 卷第 2 期,頁6。
陳志金、林宏榮、莊銀清、邱仲慶 (2007),拒絕疲勞醫師 維護病人安全- 從平衡住院醫師工時談起,醫療品質雜誌,第三期,頁44-49。
陳明晃、黃英傑 (民92),民眾對急診檢傷分類與等候時間的認知。臺灣急診醫學會醫誌,第5期,頁128-131。
陳思妤 (2011),「急診壅塞問題分析與改善方案之探討─以北部某醫學中心為例」,陽明大學醫務管理研究所碩士論文。
陳憲煜、鄭哲舟、李昇暾、莊惠棋、張有彤(2015),以商業智慧方法論分析台灣健保體系下醫事人員流動趨勢,醫院雙月刊,第四十八卷,第二期,頁6-23。
黃旭愉(2005),決策分析的利器—線上分析處理(OLAP),華南銀行資訊室,第32期。
廖鴻圖 (2007),「商業智慧與平衡計分卡整合之實務研究-以A公司為例」,世新大學資訊管理研究所碩士論文。
管仁澤、廖訓禎、廖浩欽、陳日昌、邱德發 (2000),在急診等待檢驗報告的時間對病患滿意度的影響,臺灣急診醫學會醫誌,第二期,頁34-39。
衛生福利部疾病管制署傳染病統計資料查詢系統http://www.cdc.gov.tw/professional/list.aspx?treeid=3f2310b85436188d&nowtreeid=0eb240ec3eba37de


二、英文文獻
Anneveld M, van der Linden C, Grootendorst D, Galli-Leslie M. (2013), Measuring emergency department crowding in an inner city hospital in The Netherlands. Int J Emrgy Med, 6, p.21.
Biere, M. (2003), Business intelligence for the enterprise: IBM Press.
Chaudhuri S. and Dayal U. (1997), An overview of data warehousing and OLAP technology. ACM Sigmod Record, 26(1), pp.65-74.
Codd EF, Codd SB, Salley CT. Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate. San Jose, Calif: Codd EF and Associates, (1993), Technical Report.
Falvo T, Grove L, Stachura R, et al. (2007), The Opportunity Loss of Boarding Admitted Patients in the Emergency Department. Acad Emerg Med, 14, pp.332-337.
Gillman L, Leslie G, Williams T, et al. (2006), Adverse events experienced while transporting the critically ill patient from the emergency department to the intensive care unit. Emergency Medicine Journal, 23, pp.858-861.
Hoot NR, LeBlanc LJ, Jone I, et al. (2008), Forecasting Emergency Department crowding: a discrete event simulation. Ann Emerg Med. 52, pp.116-125.
Inmon WH. (2005) Building the Data Warehouse (4ed.), New York: Wiley.
Li ST, Kuo SC, Cheng YC, Chen CC. (2010), Deterministic vector long-term forecasting for fuzzy time series, Fuzzy Sets and Systems, 161, pp.1852–1870.
Mohammadmahdi M. (2013), Predicting hospital patients' admission to reduce emergency department boarding", Graduate Masters Theses. p.181.
Mumma BE, McCue JY, Li CS, et al. (2014), Effects of emergency department expansion on emergency department patient flow. Acad Emerg Med, 21, pp. 504-509.
National overview of boarding in emergency departments (NOBEDS) Part 1: Boarding practices and use of strategies to reduce crowding and boarding in US ED (2010), Acad Emerg Med, 17[suppl s1]:s90, abstract 260
Palaniappan. S., Chua. S. (2008), Clinical Decision Support Using OLAP With Data Mining. IJCSNS International Journal of Computer Science and Network Security, Sep. 8, p.9.
Pines JM, Decker SL, Hu T. (2012), Exogenous predictors of national performance measures for emergency department crowding. Ann Emerg Med. 60, pp.293-298.
Pourabbas E, Rafanelli M. (2000), Hierarchies and Relative Operators in the OLAP Environment. SIGMOD Record, 29, pp.32-37.
Rabin E, Kocher K, McClelland M. (2012), Solutions To Emergency Department ‘Boarding’ And Crowding Are Underused And May Need To Be Legislated. Health Affairs, 31, pp.81757-81766.
Ranjan J. (2008) Business justification with business intelligence. J Inform. knowledge Manag Sys, 38, pp.461-475.
Schneider SM, Gallery ME, Schafemeyer RS. (2003), Emergency department crowding: A point in time, Ann Emerg Med, 42, pp.167-172
Shi P, Chou MC, Dai JE, et al. (2015), Models and insights for hospital inpatient operations :time-dependent ED boarding time. Management Sci (INFORMS) April, pp.1-28.
Singer AJ, Thode Jr. HC, Viccellio P. (2011), The association between length of emergency department boarding and mortality. Acad Emerg Med, 18, pp.1324-1329.
Turban, E., Aronson, J.E., Liang, T.P., Sharda, R. (2007), Decision Support and Business Intelligence Systems.8th ed. Pearson Education, Inc. Upper Saddle River, New Jersey, Pearson Prentice Hall.
Wang H, Robinson RD, Bunch K, et al. (2014), The inaccuracy of determining overcrowding status by using the National ED Overcrowding Study Tool. Am J Emerg Med, 32, pp.1230-1236.
Weiss SJ, Derlet R, Arndahl J, et al. (2004), Estimating the degree of emergency department overcrowding in academic medical centers: results of the National ED Overcrowding Study (NEDOCS) Acad Emerg Med, 11, pp.38-50.
Wiler JL, Handel DA, Ginde AA, et al. (2012), Predictors of patient length of stay in 9 emergency departments. Am J Emerg Med, 30, pp.1860-1864.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2025-12-31起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw