本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 现代健康数据策略组成部分
<a name="components"></a>

要基于现代医疗保健数据策略运行，请采用敏捷方法，重点是提供与业务策略直接相关的使用案例。通过采用敏捷的数据处理方法，您的组织可以快速实现其业务目标。敏捷的数据处理方法包括：
+ **视角**：专注于设计和创建稳定、支持数据的产品。制定业务需求，为一线工作人员提供支持，最大限度地减少数据录入负担，并改善患者体验。创造一个安全的环境用于测试想法、实验和吸取经验教训。利用这些经验教训来推动未来的迭代。将数据视为重要的组织资产，并赋予与其他关键资产相同的重要性级别。
+ **责任归属**：在业务和技术领导者之间共享问题和成果的责任归属。他们必须为组织定义战略性业务目标，包括患者疗效、成本效率和监管合规性。例如，您可以建立一个*云卓越中心* ([CCoE](https://docs.aws.amazon.com/prescriptive-guidance/latest/cloud-center-of-excellence/introduction.html))，让业务和 IT 领导层都参与进来。 CCoE 有助于共同承担责任，加快业务采用率和价值。同时， CCoE 充分利用了云的创新潜力，有助于确保架构良好的数据解决方案。
+ **数据素养**：通过建立包括临床和运营代表在内的数据委员会来提升数据素养。委员会领导层应致力于在整个组织和各自的业务部门内提升敏捷性、创新和以数据为导向的思维方式。制定路线图，使数据素养与数据驱动的业务转型保持一致。培训并鼓励 line-of-business领导者使用决策支持系统并做出基于数据的决策。
+ **治理**：建立数据治理框架，概述组织内管理数据的策略、程序和标准。制定数据质量、数据隐私、数据安全和数据访问的准则。设计这些准则以便实现监管合规性。在实施业务使用案例的同时，分阶段实施治理框架。创建联合式或分布式治理模式，在不可协商的安全、隐私和监管问题与创新需求之间取得平衡。确定中央数据管理机会（例如，中央患者索引、统一的数据目录）。评测统一多模态数据对企业的潜在影响。

  同时，治理应促进数据民主化，使需要数据的人员能够快速、直观地访问数据，让用户感到被赋能，而非受控制。为了更有效地满足治理要求并减轻一线员工的负担，请使用专门构建的 AWS [医疗保健合规](https://aws.amazon.com/health/healthcare-compliance/)工具和最佳实践。尽可能提供自助服务工具，以减少对数据和分析团队的影响。
+ **构件**：定义和使用可改善不同团队和部门之间协作与数据共享的构件。关键构件包括数据目录、数据字典和数据模型。例如，使用 [AWS Glue Data Catalog](https://docs.aws.amazon.com/glue/latest/dg/start-data-catalog.html) 对数据进行编目。在不损害患者隐私或违反 HIPAA 合规要求的情况下，使用 [Amazon DataZone](https://aws.amazon.com/datazone/) 和在医疗机构内部和医疗组织之间共享特定数据或数据见解。[AWS Clean Rooms](https://aws.amazon.com/clean-rooms/)
+ **数据架构**：设计并不断完善您的数据架构。支持现代健康数据策略的架构应包含多模态数据资产。采用领域驱动的方法来处理多模态数据，方法是在架构内将数据生成者与使用者分离。考虑存储、保留和格式。将重点放在易于访问和使用上，并通过强大的元数据管理提供便利。

  监管合规与知情同意管理等医疗保健特定需求应有助于定义数据处理策略和程序。考虑定义中央数据标准，以唯一定义患者、医疗服务提供者和员工等业务实体。通过定义和创建去识别化的数据集来降低流程复杂性，以帮助加快不需要访问受保护的健康信息（PHI）的使用案例。
+ **技术**：采用基于云的架构，该架构使用基于手头业务需求的专用服务。为您的组织创建需要创新的解决方案，但要尽可能使用 off-the-shelf解决方案和托管服务来减少成本，让您的团队专注于创新。例如，使用[预测性分析](https://aws.amazon.com/blogs/startups/healthcare-response-part-1-predictive-analytics-on-the-front-lines/)来识别弱势或高危患者，实现主动干预和诊疗。使用 [Amazon Comprehend Medical](https://aws.amazon.com/comprehend/medical/) 查询非结构化和半结构化数据（例如医疗记录）并从中提取信息。使用 [AWS HealthImaging](https://aws.amazon.com/blogs/machine-learning/new-amazon-healthlake-capabilities-enable-next-generation-imaging-solutions-and-precision-health-analytics/) 帮助一线工作人员更准确、更高效地处理医学影像。
+ **数据访问民主化** [— 使用诸如 Amazon 之类的编目工具，提高组织数据的透明度和可见性。 DataZone](https://aws.amazon.com/datazone/)这些工具能够搜索和浏览可用的组织数据，以了解数据定义、生命周期和数据溯源，并请求访问数据。
+ **易用性**：现代健康数据策略的成功取决于易用性。评测组织内部不同的数据素养水平，并制定计划以满足不同用户群体的使用需求。评测整个组织当前的数据素养水平，设计数据素养课程，并识别制定员工和培训计划的项目机会。考虑您的员工可能属于的以下三个用户类别，重点关注其培训和采用需求：
  + **数据整理者**：这些用户精通数据，其具备探索半整理和未整理数据集的技术技能集。为了提高工作效率，必须为这些用户配备所需的工具集。 AWS Amazon Athena [AWS Glue DataBrew](https://aws.amazon.com/glue/features/databrew/)、[Amazon](https://aws.amazon.com/athena/) Redsh [ift Sp](https://docs.aws.amazon.com/redshift/latest/dg/c-getting-started-using-spectrum.html) ectrum [和 A SageMaker mazon AI](https://aws.amazon.com/sagemaker/data-wrangler/) Data Wrangler 等服务可帮助这些用户连接和集成不同的数据集，而无需编写复杂的数据工程代码。
  + **高级用户** — 这些用户通常是业务主题专家 () SMEs。他们精通数据，但技术技能有限。他们依赖整理好的数据集来挖掘数据价值。这些用户受益于图形工具，可以执行轻量级数据修改操作并创建吸睛的视觉效果。诸如 A [mazon Quick](https://aws.amazon.com/pm/quicksight/) 之类的 AWS 服务可帮助这些用户浏览、编辑、清理、协调、可视化和共享数据。
  + **消费者** — 他们是非技术高管和 line-of-business领导者。他们通常更喜欢使用预构建的报告和交互式控制面板。为这些用户提供执行引导式数据探索的方式，可以加速创新和关键业务决策。生成式商业智能 (BI) 工具（例如 [Amazon Quick Q](https://aws.amazon.com/blogs/business-intelligence/announcing-generative-bi-capabilities-in-amazon-quicksight/)）可以为此类用户提供帮助，该工具使自然语言交互能够得出基于数据的见解。

总体而言，现代健康数据策略应植根于与业务策略直接相关的使用案例和行动。它还应将思维方式、责任归属、构件、治理和技术视为同等重要的组成部分。这样您的医疗保健组织便可实现数据驱动、灵活敏捷，并能在应对组织无法控制的外部因素时快速调整方向。