循证决策支持系统在抗菌药管理中的作用

循证决策支持系统在抗菌药管理中的作用演讲人CONTENTS循证决策支持系统在抗菌药管理中的作用循证决策支持系统的内涵与核心特征循证决策支持系统在抗菌药管理中的关键作用循证决策支持系统的实施路径与挑战循证决策支持系统在抗菌药管理中的未来展望目录01循证决策支持系统在抗菌药管理中的作用循证决策支持系统在抗菌药管理中的作用引言：抗菌药管理的时代命题与循证决策的必然选择作为一名长期从事临床药学与医院感染管理的工作者，我亲历了抗菌药从“奇迹药物”到“双刃剑”的角色转变。20年前，肺炎克雷伯菌对碳青霉烯类的耐药率不足5%，如今在某些三级医院已突破60%；曾经“万能”的头孢三代，如今对产ESBLs菌株的有效率不足30%。这些数据的背后，是抗菌药滥用导致的耐药危机，是医疗资源浪费的沉重代价，更是对患者安全的严峻挑战。抗菌药管理（AntimicrobialStewardship,AMS）已不再是“可选项”，而是全球医疗体系的“必答题”。然而，AMS的实践始终面临困境：临床决策依赖“经验”，而经验往往滞后于耐药变迁；指南更新速度远跟不上临床需求；多学科协作中，信息孤岛导致数据割裂。循证决策支持系统在抗菌药管理中的作用此时，循证决策支持系统（Evidence-BasedDecisionSupportSystem,EBDSS）的出现，为这些难题提供了“破局之钥”。它以“最佳证据+临床情境+患者价值”为核心，将抽象的指南转化为可操作的智能建议，将碎片化的数据整合为连续的决策支持。本文将结合行业实践，从EBDSS的内涵、作用、实施路径与未来展望，系统阐述其在抗菌药管理中的核心价值。02循证决策支持系统的内涵与核心特征循证决策支持系统的内涵与核心特征要理解EBDSS在抗菌药管理中的独特价值，首先需明确其科学内涵与本质特征。与传统决策支持系统（如基于规则的用药提醒）不同，EBDSS的“循证”二字，决定了它不是“经验主义”的简单数字化，而是“科学证据”与“临床智慧”的深度融合。定义：从“数据支持”到“证据赋能”EBDSS是指通过整合当前最佳研究证据、临床专业知识和患者个体信息，为临床提供实时、精准、可解释的决策建议的智能系统。在抗菌药管理中，它的核心使命是：在“正确的时间，为正确的患者，提供正确的抗菌药”——这一“三正确”原则，正是AMS的终极目标。与传统系统相比，EBDSS的突破在于“证据链”的完整性：从病原学诊断到药敏解读，从药物代谢到患者预后，每个环节均有高质量证据支撑，而非仅依赖预设规则。核心特征：构建“证据-知识-情境”三位一体的支持体系证据的动态整合与权威性EBDSS的证据库并非静态数据库，而是“活的证据系统”。它实时整合三大类证据：-临床指南与共识：如IDSA（感染病学会）指南、ESCMID（欧洲临床微生物与感染病学会）指南、中国抗菌药物临床应用指导原则等，并通过自然语言处理（NLP）技术实现自动更新，确保指南与临床实践的同步性。-原始研究证据：纳入高质量随机对照试验（RCT）、系统评价/Meta分析，以及基于真实世界研究（RWS）的本地化数据。例如，某医院EBDSS会整合本院近5年抗菌药使用数据，分析不同病原体的耐药趋势，为经验用药提供“本院化”证据。-专家知识与临床经验：通过“德尔菲法”邀请感染科、临床药学、微生物学专家对证据进行权重赋值，将隐性知识显性化。例如，对于重症感染患者的“降阶梯治疗”，系统会结合专家共识，推荐“先广谱后窄谱”的切换时机。核心特征：构建“证据-知识-情境”三位一体的支持体系智能推理与情境适配能力抗菌药决策绝非“公式化”，需考虑患者个体差异（年龄、肝肾功能、过敏史）、疾病严重程度（如SOFA评分）、感染部位（血流感染vs.尿路感染）等多维度因素。EBDSS通过“临床决策引擎”（ClinicalDecisionEngine）实现“情境化推理”：-多因素交叉验证：当医生开具“头孢哌酮舒巴坦”时，系统会自动调取患者肌酐清除率，若低于30ml/min，则提示“需调整剂量（延长给药间隔）”，并附上《抗菌药物药代动力学/药效学（PK/PD）指南》依据。-不确定性决策支持：对于疑似感染但病原未明的患者，系统会基于“概率推断”推荐“经验用药方案”：若患者为ICU重症、近期有手术史，可能推荐“美罗培南+万古霉素”，并标注“病原学结果回报后48小时内评估并降级”。123核心特征：构建“证据-知识-情境”三位一体的支持体系实时交互与闭环反馈机制1EBDSS不是“单向提醒工具”，而是“闭环管理系统”。它通过“医嘱-执行-监测-反馈”全流程交互，实现持续改进：2-实时干预：在医生开具医嘱时，系统弹出“干预窗口”，如“无指征使用抗菌药：患者体温38.2℃，血常规白细胞正常，C反应蛋白10mg/L，不符合细菌感染指征，建议停用”。3-效果追踪：患者用药48小时后，系统自动调取体温、炎症指标变化，若未达预期疗效，则提示“可能需要调整方案，建议重复送检病原学”。4-数据反馈：定期生成抗菌药使用强度（DDDs）、耐药率、会诊率等指标，为AMS团队提供质量改进依据。03循证决策支持系统在抗菌药管理中的关键作用循证决策支持系统在抗菌药管理中的关键作用EBDSS的价值，最终体现在解决抗菌药管理的核心痛点上。从“经验用药”到“循证用药”，从“被动管理”到“主动干预”，它正在重塑抗菌药管理的全流程。优化抗菌药选择：从“广撒网”到“精准打击”抗菌药选择的准确性，直接决定治疗效果与耐药风险。EBDSS通过“病原-药物-患者”三维度匹配，实现精准用药。优化抗菌药选择：从“广撒网”到“精准打击”基于病原学诊断的精准推荐传统经验用药依赖“猜测”，而EBDSS将微生物学检验结果转化为“决策语言”。例如，当血培养回报“耐甲氧西林金黄色葡萄球菌（MRSA）”时，系统会自动弹出：-推荐药物：万古霉素、利奈唑胺、替考拉宁；-剂量依据：根据患者体重、肾功能，计算万古霉素负荷剂量（25-30mg/kg）和维持剂量（15-20mg/kg，每8-12小时一次）；-PK/PD目标：提示“谷浓度需达到15-20μg/ml（重症感染）”，并链接至《万古霉素临床应用中国专家共识》。对于“培养阴性但临床高度怀疑感染”的情况，系统会结合“宏基因组测序（mNGS）”结果（若已开展），推荐针对性药物，避免“无的放矢”。优化抗菌药选择：从“广撒网”到“精准打击”个体化用药方案的动态调整特殊人群（老人、儿童、孕妇、肝肾功能不全者）的抗菌药使用，需“量体裁衣”。EBDSS内置“个体化决策模块”：01-老年患者：对于80岁、肌酐清除率45ml/min的患者，使用左氧氟沙星时，系统会提示“需减量（500mgq24h而非500mgq12h），并监测QTc间期”；02-儿童患者：根据体重、体表面积计算头孢他啶剂量（如20mg/kgq8h），并标注“儿童不宜使用喹诺酮类”；03-孕妇：对于妊娠期尿路感染，推荐“磷霉素氨丁三醇散”，禁用“四环素类、喹诺酮类”，并链接至《妊娠期抗菌药物临床应用指南》。04优化抗菌药选择：从“广撒网”到“精准打击”成本效益与耐药风险评估在“疗效相当”的前提下，EBDSS可辅助选择“经济-耐药风险”最优方案。例如，对于社区获得性肺炎（CAP）患者，若病原体为“肺炎支原体”，系统会对比：-方案A：阿奇霉素（0.5gqd，疗程3天），成本约150元，耐药率（本地数据）25%；-方案B：多西环素（0.1gbid，疗程7天），成本约280元，耐药率8%。系统会提示：“多西环素耐药风险更低，但疗程更长，需结合患者经济状况与依从性选择”，实现“疗效-成本-耐药”的平衡。预防抗菌药滥用：从“事后干预”到“事前预警”抗菌药滥用是耐药率攀升的“罪魁祸首”，而EBDSS通过“全流程预警”，将不合理用药扼杀在萌芽状态。预防抗菌药滥用：从“事后干预”到“事前预警”无指征用药的实时拦截研究显示，门诊患者中约30%的抗菌药处方为“无指征使用”（如病毒性感冒、无菌手术）。EBDSS通过“多维度指征验证”实现拦截：-感染指征：调取患者体温、血常规、C反应蛋白（CRP）、降钙素原（PCT）等数据，若PCT<0.05ng/ml（提示病毒感染可能性大），则提示“不建议使用抗菌药”；-预防用药指征：对于I类切口手术，系统会核查“手术类型（如疝气修补）、患者情况（无高危因素）”，若“无预防用药指征”，则提示“停用抗菌药”；-时限控制：对于预防用药，系统会限定“术前0.5-2小时内给药”，若术后仍持续使用，则预警“术后24小时内未停药，请评估指征”。预防抗菌药滥用：从“事后干预”到“事前预警”广谱、强效抗菌药的权限管理碳青霉烯类、糖肽类等“特殊级抗菌药”的滥用，会加速“超级细菌”的产生。EBDSS通过“分级授权+理由必填”实现管控：01-权限分级：住院医生仅可开具“非限制级抗菌药”（如头孢氨苄），主治医生可开具“限制级”（如头孢曲松），需经感染科/临床药师会诊后方可开具“特殊级”（如美罗培南）；02-理由必填：当医生申请“特殊级抗菌药”时，系统强制填写“使用理由”（如“重症脓毒症，病原未明，PCT>10ng/ml”），并由AMS团队审核，无理由或理由不充分则驳回。03预防抗菌药滥用：从“事后干预”到“事前预警”用药疗程的智能监测与提醒“用够疗程”是保证疗效的关键，但“超疗程使用”会导致耐药风险增加。EBDSS内置“疗程标准库”：-常见感染疗程：如急性尿路感染（非复杂性）疗程3-7天，细菌性肺炎疗程7-10天，感染性心内膜炎疗程4-6周；-动态提醒：患者用药达“推荐疗程上限”时，系统弹出提醒：“患者体温正常3天，炎症指标下降，已达疗程上限，建议评估是否停药”；-延长疗程审核：若医生需延长疗程，需填写“延长理由”（如“病灶未吸收，如肺部阴影未完全吸收”），并由AMS团队确认。促进多学科协作：从“信息孤岛”到“数据联动”AMS的成功依赖“感染科、临床药学、微生物室、临床科室”的多学科协作（MDT），而EBDSS正是“协作的桥梁”。促进多学科协作：从“信息孤岛”到“数据联动”打破信息壁垒，实现数据共享传统医疗中，临床科室无法实时获取微生物室药敏结果，微生物室不了解患者临床情况，导致“脱节”。EBDSS通过“数据中心”整合多源信息：-微生物数据：实时同步药敏结果（如“大肠埃希菌对头孢噻肟耐药，但对阿米卡星敏感”）；-临床数据：调取患者诊断、用药史、过敏史、实验室检查等；-药学数据：提供药物相互作用（如“克拉霉素与华法林合用，增加出血风险”）、不良反应监测（如“左氧氟沙星可能导致血糖波动”）等。例如，当微生物室回报“耐碳青霉烯类肠杆菌科细菌（CRE）”时，系统自动通知感染科、临床药师及主管医生，并启动“CRE防控流程”，实现“秒级响应”。促进多学科协作：从“信息孤岛”到“数据联动”赋能MDT会诊，提供循证依据对于复杂感染（如重症肺炎、导管相关血流感染），MDT会诊是关键。EBDSS为会诊提供“结构化证据包”：-病例摘要：患者基本信息、诊断、既往用药史、当前生命体征；-证据清单：相关指南推荐（如《重症肺炎诊疗指南》）、类似病例研究、本院耐药数据；-方案对比：提供2-3个备选方案（如“方案A：美罗培南+万古霉素；方案B：替加环素+多粘菌素B”），并分析各自的疗效、风险、成本。我曾参与一例“肝移植术后肺部感染”的MDT，EBDSS快速整合了患者免疫抑制剂使用史、药敏结果（泛耐药鲍曼不动杆菌），推荐“多粘菌素B+阿米卡星”，最终患者感染控制，避免了“无药可用”的困境。促进多学科协作：从“信息孤岛”到“数据联动”标准化沟通语言，减少认知偏差010203临床科室与AMS团队之间常因“专业术语差异”导致沟通障碍。EBDSS通过“标准化语言”实现“同频对话”：-术语标准化：将“重度感染”定义为“SOFA评分≥2分”，“脓毒症”定义为“脓毒症-3标准（SOFA≥2+感染源）”，避免医生因“主观判断”差异导致用药方案不同；-可视化报告：生成“抗菌药使用合理性评估报告”，用图表展示“DDDs趋势”“耐药率变化”，让非专业人员也能理解数据含义。提升治疗效果与安全性：从“经验判断”到“数据驱动”EBDSS通过“精准用药+全程监测”，直接提升治疗效果，减少药物不良反应（ADR）。提升治疗效果与安全性：从“经验判断”到“数据驱动”提高目标达标率，确保疗效No.3抗菌药PK/PD达标是疗效的“金标准”，如“β-内酰胺类药物的血药浓度超过最低抑菌浓度（MIC）的时间（T>MIC）需达到40%-50%”。EBDSS内置“PK/PD计算模块”：-对于重症感染患者使用美罗培南，系统根据患者肾功能（肌酐清除率）计算给药剂量（如CR50ml/min时，1gq8h），确保T>MIC达100%；-对于万古霉素，系统根据目标谷浓度（15-20μg/ml）计算给药次数，避免“剂量不足导致治疗失败”。No.2No.1提升治疗效果与安全性：从“经验判断”到“数据驱动”ADR实时监测与预警抗菌药ADR发生率约10%-20%，严重者可导致死亡。EBDSS通过“ADR风险模型”实现早期预警：-肾毒性监测：使用万古霉素、氨基糖苷类时，系统每3天监测肌酐、尿量，若肌酐升高>50%，则预警“可能存在肾毒性，建议调整剂量或停药”；-过敏反应预警：对于青霉素过敏史患者，系统自动拦截所有β-内酰胺类药物，并提示“禁用，可选择克林霉素、磷霉素等替代”；-药物相互作用：患者同时使用“抗凝药（华法林）”和“抗菌药（头孢哌酮）”时，系统提示“头孢哌酮抑制肠道菌群，减少维生素K合成，可能增加INR值，需监测INR”。提升治疗效果与安全性：从“经验判断”到“数据驱动”缩短住院时间，降低医疗成本研究显示，EBDSS辅助的AMS可缩短平均住院日1.5-2天，降低医疗成本10%-15%。例如，对于社区获得性肺炎患者，EBDSS通过“精准降级”（从广谱β-内酰胺类转为窄谱），避免“过度治疗”，同时通过“疗程提醒”减少“超疗程使用”，最终实现“早出院、少花钱”。支持质量改进与政策制定：从“经验总结”到“循证决策”医院抗菌药管理的质量改进，需基于数据而非“拍脑袋”；而政策的制定，需“因地制宜”而非“生搬硬套”。EBDSS为两者提供了“数据底座”。支持质量改进与政策制定：从“经验总结”到“循证决策”生成质量改进指标，驱动持续改进EBDSS可自动生成多维度AMS指标，为质量改进提供方向：-过程指标：抗菌药使用前病原学送检率（目标≥30%）、特殊级抗菌药会诊率（目标≥100%）、预防用药时机合格率（目标≥90%）；-结果指标：抗菌药使用强度（DDDs，目标控制在40DDD以下）、耐药率（如MRSA耐药率目标<50%）、住院患者死亡率（目标较前下降5%）。例如，某医院通过EBDSS发现“I类切口手术预防用药时机合格率仅60%”，AMS团队针对性开展“术前用药培训”，3个月后合格率提升至92%。支持质量改进与政策制定：从“经验总结”到“循证决策”辅助政策制定，实现“本地化”管理国家/省级抗菌药管理政策（如《抗菌药物临床应用管理办法》）是“顶层设计”，但落地需结合医院实际。EBDSS通过“本地数据”支持政策细化：01-目录制定：根据本院耐药数据（如“大肠埃希菌对头孢曲松耐药率达40%”），将头孢曲松调出“非限制级目录”，调整为“限制级”；02-绩效考核：将EBDSS生成的“抗菌药合理使用率”纳入科室绩效考核，与科室评优、医生晋升挂钩；03-宣教材料：基于EBDSS的“常见用药错误案例”，制作《抗菌药合理使用手册》，发放给医生、患者。0404循证决策支持系统的实施路径与挑战循证决策支持系统的实施路径与挑战EBDSS并非“万能钥匙”，其价值发挥依赖于科学的实施路径。同时，在落地过程中，也面临诸多挑战。科学实施路径：从“概念引入”到“深度融合”需求调研与目标设定：找准“痛点”壹实施EBDSS前，需通过“数据回顾+访谈调研”明确医院抗菌药管理的核心痛点：肆例如，某三甲医院调研发现“临床医生对药敏结果解读困难”，因此将“药敏结果可视化解读”作为EBDSS的核心功能之一。叁-访谈调研：访谈临床医生（“最希望系统解决什么问题？”）、药师（“哪些提醒最有效？”）、微生物室（“数据共享的障碍是什么？”）。贰-数据回顾：分析近1年抗菌药处方，统计“不合理用药类型”（如无指征用药占20%、超疗程占15%）；科学实施路径：从“概念引入”到“深度融合”系统构建与证据库建设：筑牢“根基”EBDSS的核心是“证据库”，需多部门协作建设：-证据整合团队：由感染科主任、临床药师、微生物室主任、信息科工程师组成，负责证据的筛选、更新与本地化；-证据来源：整合国内外指南（如IDSA、中国指南）、高质量文献（PubMed、CochraneLibrary）、本院数据（药敏结果、用药数据）；-本地化适配：将“指南推荐”与“本院耐药数据”结合，形成“本院用药路径”。例如，对于“铜绿假单胞菌肺炎”，指南推荐“抗假单胞β-内酰胺类+氨基糖苷类”，而本院数据显示“阿米卡星耐药率仅10%，庆大霉素耐药率30%”，因此系统推荐“美罗培南+阿米卡星”为首选方案。科学实施路径：从“概念引入”到“深度融合”与医院信息系统深度整合：打通“壁垒”EBDSS需与电子病历（EMR）、实验室信息系统（LIS）、医嘱系统（CPOE）无缝对接，实现数据“秒级同步”：-与EMR对接：调取患者基本信息、诊断、病史、用药史；-与LIS对接：实时获取微生物检验结果（培养、药敏、mNGS）；-与CPOE对接：在医生开具医嘱时弹出干预窗口，实现“事前提醒”。例如，某医院初期因“LIS与EBDSS数据接口不标准”，导致药敏结果延迟2小时同步，后经信息科改造接口，实现“实时同步”，干预效率提升50%。科学实施路径：从“概念引入”到“深度融合”人员培训与推广：解决“接受度”医生对EBDSS的“依从性”直接决定系统效果。需分层次开展培训：-临床医生：重点培训“系统功能操作”（如如何查看证据、如何回应提醒）、“循证理念”（如“指南不是‘教条’，需结合患者个体情况”）；-药师/护士：培训“系统解读”（如如何理解“PK/PD目标”）、“患者教育”（如向患者解释“为什么需要用够疗程”）；-AMS团队：培训“数据分析”（如如何利用EBDSS生成质量改进指标）、“沟通技巧”（如如何说服医生接受系统建议）。培训方式需“多样化”：线上课程+线下工作坊+案例模拟，避免“填鸭式”教学。例如，某医院通过“案例模拟”，让医生在“虚拟病例”中体验EBDSS的“精准推荐”，提升使用意愿。科学实施路径：从“概念引入”到“深度融合”效果评估与持续优化：形成“闭环”EBDSS上线后，需通过“指标监测-反馈改进”持续优化：-短期效果评估（1-3个月）：统计“干预接受率”（如医生对系统提醒的采纳率）、“不合理用药率变化”；-中期效果评估（3-6个月）：分析“DDDs变化”“耐药率变化”“住院时间变化”；-长期效果评估（1年以上）：评估“患者死亡率”“医疗成本变化”“AMS团队工作效率”。根据评估结果，持续优化系统功能：例如，若“无指征用药提醒”接受率低，则调整“提醒语气”（从“建议”改为“强制拦截”）；若“药敏结果解读”模块使用率低，则增加“可视化图表”提升可读性。实施过程中的核心挑战：直面“堵点”数据整合难题：信息孤岛与数据标准不统一医院信息系统（EMR、LIS、HIS）由不同厂商开发，数据标准（如诊断编码、药敏报告格式）不统一，导致EBDSS难以获取完整数据。例如，某医院“检验科药敏报告”用“敏感/中介/耐药”描述，而“EBDSS证据库”用“S/I/R”代码，需人工转换，效率低下。解决路径：推动医院建立“数据中台”，统一数据标准；与厂商合作开发“标准化接口”，实现数据自动同步。实施过程中的核心挑战：直面“堵点”证据转化滞后：最新研究与临床实践脱节抗菌药领域研究进展迅速（如新型抗菌药研发、耐药机制新发现），但EBDSS的证据库更新往往滞后3-6个月，导致“用旧证据指导新实践”。例如，2023年IDSA指南推荐“头孢地尔用于耐碳青霉烯类肠杆菌科细菌（CRE）感染”，但某医院EBDSS证据库仍为2022年版本，未纳入新推荐。解决路径：建立“证据快速更新机制”，与指南发布机构（如IDSA、中国药学会）合作，实现“指南发布后24小时内更新证据库”；引入“人工智能技术”，通过NLP自动抓取最新研究文献，并评估证据质量。实施过程中的核心挑战：直面“堵点”临床接受度：医生对“系统建议”的信任与依从性部分医生认为“系统建议过于僵化”，或“质疑证据的本地适用性”，导致依从性低。例如，一位资深医生表示“我用了30年头孢曲松治疗肺炎，系统凭什么让我改用多西环素？”解决路径：-提升系统“人性化”：允许医生“自定义阈值”（如“对于PCT0.1-0.5ng/ml的患者，可选择不用抗菌药”），避免“一刀切”；-加强“循证教育”：通过“案例分享”（如“某患者因经验用药导致治疗失败，改用系统推荐方案后好转”）让医生看到EBDSS的实际价值；-建立“反馈机制”：允许医生对系统建议“申诉”，AMS团队及时回应，形成“双向沟通”。实施过程中的核心挑战：直面“堵点”成本与维护：投入与产出的平衡EBDSS的开发（定制化功能）、维护（证据更新、接口对接）、人员培训均需较高成本，部分中小医院因“预算有限”望而却步。解决路径：-分阶段投入：优先开发“核心功能”（如无指征用药预警、药敏结果解读），再逐步拓展；-区域共享：区域内医院共建“EBDSS证据库”，分摊成本；-政府支持：争取“AMS专项经费”，将EBDSS纳入“智慧医院”建设补贴范围。实施过程中的核心挑战：直面“堵点”法律与伦理问题：决策责任与数据隐私若医生完全依赖系统建议，导致患者损害，责任如何界定？同时，患者数据（如基因信息、感染史）的隐私保护如何保障？解决路径：-明确责任划分：EBDSS是“辅助决策工具”，最终决策权在医生，需在系统界面标注“系统建议仅供参考，医生需结合临床判断”；-数据加密与脱敏：对患者数据进行“加密存储”，在数据展示时“脱敏处理”（如隐藏患者姓名、住院号），仅保留必要信息。05循证决策支持系统在抗菌药管理中的未来展望循证决策支持系统在抗菌药管理中的未来展望随着人工智能（AI）、大数据、5G等技术的发展，EBDSS将向“更智能、更精准、更人性化”的方向演进，成为抗菌药管理的“超级大脑”。人工智能与深度学习：从“规则推理”到“预测决策”传统EBDSS基于“预设规则”，而AI技术将使其具备“预测能力”：-耐药趋势预测：通过机器学习分析历史耐药数据，预测“未来3个月某病原体的耐药率变化”，提前调整用药策略；-感染风险预测：基于患者电子病历数据（如年龄、基础疾病、侵入性操作），构建“感染风险模型”，预测“脓毒症发生风险”，提前启动预防性抗菌药使用；-个性化用药推荐：结合基因组学（如药物代谢酶基因多态性）、代谢组学数据，为患者推荐“个体化剂量”，实现“一人一方案”。大数据与区域协同：从“单医院管理”到“区域联防联控”STEP1STEP2STEP3STEP4耐药菌无边界，需区域协同防控。EBDSS将与“区域医疗平台”对接，实现：-区域数据共享：区域内医院