"处理[应急准备]事件的关键在于承认我们的预测能力是有限的，并牢记这一点，使用定量方法来研究多种可能性。Palisade 的 @RISK 和 RISKOptimizer 就是为了轻松实现这一目标而设计的，其生成的结果可帮助组织针对各种情况进行规划。
纽约市健康与心理卫生局（NYC DOHMH）是世界上历史最悠久、规模最大的公共卫生机构之一，年度预算达 16 亿美元，拥有 6000 多名员工。
2008 年 10 月，其卫生应急准备计划与大纽约地区医院协会（GNYHA）合作，获得了疾病控制与预防中心（CDC）的资助，以制定新的战略，在发生严重流感大流行时减轻影响。其中一个关键目标是了解基本医疗保健服务及其提供将受到何种影响。
跨学科解决方案公司利用其 Panálysis 模型执行了这个为期一年的公共卫生项目的定量分析工作，该模型可预测大流行期间的医疗保健需求，包括关键产品需求和人员需求。该流行病学模型集成了 Palisade 的风险和决策分析软件 @RISK 和 RISKOptimizer，以考虑不确定性。
@RISK 用于评估护理能力
我们从纽约市的 64 家医院中提取了大量数据，在没有数据的情况下，我们利用专家意见和同行评审文献来确定模型中基于 @RISK 部分的输入范围。在此基础上，跨学科解决方案公司使用蒙特卡罗模拟法随机选择输入变量的值，生成了多种 "假设 "情景，从而使每种情景的结果都能显示出一系列可能的结果。下面的示例显示了通过 @RISK 进行的蒙特卡罗模拟在确定大流行病期间护士人员需求方面的实用性。
护士是流感大流行期间最重要的工作资源之一，他们的可用性会对医院在紧急情况下提供服务产生重大影响。然而，在流感大流行期间，护士的可用性存在很大的不确定性。为了模拟和确定大流行期间护理所有医院病人可能需要的护士能力，跨学科解决方案考虑了许多变量。这些变量包括在合作医院工作的护士总人数，其中包括参与直接病人护理的护士、担任主管和行政职务的护士，以及全职注册护士和执业护士。
此外，还考虑了医院的床位数、护士一周可值班的次数以及一周可值班的总次数，这取决于大流行前的占用率。此外，还考虑了护士因家人患病或希望避免自己感染病毒而缺勤的情况。
因此，跨学科解决方案公司使用 @RISK 研究了潜在短缺水平的差异以及旨在缓解这种短缺的干预措施的效果。其中一项干预措施是美国医疗质量与研究机构（AHRQ）建议的护士与病人的修正护理标准比例（非重症监护室病人为 16:1，重症监护室病人为 5:1）。(非重症监护病房病人的比例为 16:1，重症监护病房病人的比例为 5:1）。
在确定了医院各部门的实际护患比后，跨学科解决方案公司研究了在护理人员短缺的紧急情况下使用美国卫生与质量协会建议的修改后护理标准护患比的效果。通过生成数以万计的结果表明，中间情况可能会对应急准备工作产生很大的误导。虽然所有模拟干预措施的平均结果（即平均值）消除了短缺现象，但模拟结果表明，在大流行病高峰周的样本医院中，即使采取了干预措施，也会出现以下情况：
出现短缺的可能性为 26.5% 46 名或以上护士短缺的可能性为 10% 出现 67 名或以上护士短缺的几率为 5% 102 名以上护士短缺的概率为 1% 最多可能短缺 149 名护士
RISKOptimizer 用于为纽约市医院创建关键资源能力方案
图 1：利用修改后的护理标准和所有可用的干预措施，按全职同等资历人员衡量护士超额和短缺情况
图 2：RISKOPtimizer 得出的产生最低和最高短缺水平的疾病谱特征值
其他信息
其他背景资料：
正如本文所说，严重的大流行病是一种低概率、高影响的事件。在处理这类事件时，使用正态分布等分布模式可能会产生误导（并可能带来危险）。应急准备情况是推测性的，因此无法预测。同时，它们又具有极高的风险，因为人们的生命处于危险之中。处理此类事件的关键是承认我们的预测能力是有限的，并牢记这一点，使用定量方法来研究多种可能性。
欢迎大家加入 DataMap 知识星球，一起聊一聊决策分析中的有限能力，一起探索定量研究中的多种可能性。
适合人群
有一定数据分析基础的，医院医务管理、医保管理、运营管理等职能科室的工作人员
学习目标
可以从另外一个视角来看医保结算数据，可以掌握好玩儿又实用的数据分析技能
详细介绍
通过3个最轻的决策链（Excel、规划求解、DEA）结合3个实际案例，讲解医保数据分析的好玩之道
医保结算数据，是医院管理中的一个热门话题，也是管理中的难点问题，医保结算数据的分析，是一件颇有意思的工作，如果我们带着童真来看待这个事情，那么会多很多乐趣：
1.首先我们将从问题导向来和大家界定这个问题；
2.其次我们将介绍医保结算数据分析中会使用的工具——其实也可以理解为玩具，虽然只是改了一个字，但是却可以增添无穷的乐趣；
3.接着我们将讲解数据分析的思路——流程+技能，给大家一个技能地图；
4.最后我们会给大家讲解 3 个案例，从风险病案的分布、医院发展目标的规划、学科发展效率分析，来和大家一一呈现其中的妙趣所在。
课程大纲
一、问题导向，医保数据分析的5大问题导向
二、建议工具，介绍5个好玩儿的玩具，我们本次课程选择其中4个来讲解
三、所需技能，给您介绍福尔摩斯探案需要准备的百宝箱，箱中都是实用的技能，还有更重要的使用流程
四、分析例 Ⅰ，从制作一份风险结算清单分布图的任务，来实际演练一遍Excel的数据分析
五、分析例 Ⅱ，从如何制定既有挑战又可实现、既满足领导战略又符合主任能力范围的医院发展目标，来实际演练一遍规划求解
六、分析例 Ⅲ，从如何分析判断医院内部的低效科室，用数据来说话，来实际演练一遍DEA（数据包络分析）
一键化：仅需一次或几次鼠标点击即可生成这些高级图表。 专业化：参考了商业图表规范和最佳实践，直接以简洁专业的外观呈现。 傻瓜化：用户无需了解这些高级图表背后的复杂原理和高深技巧。 无痕化：并不修改和破坏用户工作表文件，完全无痕化。 原生化：完全使用 Excel 内置原生图表组合实现，100% 原生态，在分享文件时，对方无需 tusimpleBI 即可正常打开阅读和更新图表 。
大家有需要的，可以在 http://www.tusimplebi.com/ 下载试用社区版，根据实际需要再购买，专业版和旗舰版，刘老师送了100张30元的优惠券，先到先得，有需求的可以在购买时输入RJ67T2
另外一款为 EasyShu，在医保改革，除了“围追堵截”，更需“疏导畅通”一文中，我所呈现的可视化图表，数据源正是本文开头推荐的Excel，做图所使用的工具，是EasyShu，是一款专业Excel图表插件，由微信公众号【Excel催化剂】的李伟坚和【EasyShu】的张杰作联合打造，主要用于数据可视化与数据分析。
以上6个图，都是EasyShu可以呈现的，这里边的大部分图，属于商业杂志级别的图，像国外的经济学人、商业周刊等杂志之所以能风靡近百年，和他们专业的图表呈现有巨大关系，而这些能力，是多数信息化厂商所实现不了的，什么样的数据用什么样的图来呈现，绝对不是简单套一个模板就可以。
近期我们和EasyShu的创作者取得了联系，拿到了优惠价，另外EasyShu支持试用30天，试用30天之后，如果觉得好用，可以在下边的二维码中以专享优惠价购买。强烈建议对EasyShu有足够认识，对自己工作上数据分析可视化上产生较大价值的，可购买终身版，一次付费，终身使用。
欢迎大家持续关注我们，感谢您的一路相伴！
