医疗卫生信息统计规范手册

医疗卫生信息统计规范手册第1章总则1.1适用范围本手册适用于医疗卫生领域内各类医疗信息的统计与管理，包括但不限于医院、卫生机构、疾控中心、社区卫生服务中心等单位的医疗数据。所谓医疗卫生信息统计，是指对医疗行为、医疗过程、医疗结果等进行系统、规范的记录、整理与分析，以支持医疗决策与政策制定。本规范适用于医疗卫生信息的收集、录入、存储、传输及使用全过程，确保信息的完整性、准确性与可追溯性。本规范适用于国家卫生健康委员会及各级卫生健康行政部门制定的医疗统计工作，适用于医疗卫生机构内部及外部的数据共享与上报。本规范适用于医疗卫生信息的标准化管理，确保不同机构间数据的兼容性与可比性。1.2规范依据本规范依据《中华人民共和国统计法》《医疗卫生机构管理条例》《医疗机构管理条例》等相关法律法规制定。本规范参考了《医疗卫生信息统计分类与编码》《医疗信息数据标准化规范》等国家及行业标准。本规范结合国家卫生健康委员会发布的《医疗卫生信息统计工作指南》及《医疗数据采集与管理技术规范》等文件内容。本规范适用于医疗卫生机构在开展医疗统计工作时，必须遵循的法律与技术要求。本规范旨在保障医疗卫生信息的规范性、统一性与可操作性，提升医疗统计工作的科学性与实效性。1.3数据定义与分类医疗信息包括患者基本信息、诊疗过程、医疗行为、药品使用、检查检验、手术操作、费用支付等多类数据。患者基本信息包括姓名、性别、年龄、身份证号、就诊时间、科室等，属于基础数据。诊疗过程数据包括主诉、现病史、既往史、体格检查、辅助检查结果等，属于临床数据。医疗行为数据包括门诊、住院、手术、放射、检验等，属于医疗行为数据。医疗费用数据包括诊疗费用、药品费用、检查费用等，属于经济数据。1.4数据采集要求医疗数据的采集应遵循“真实性、完整性、时效性”原则，确保数据真实反映医疗行为。采集方式包括门诊登记、住院病历、电子病历、医疗系统数据等，应确保数据来源可靠。采集过程中应使用标准化表格或电子系统，确保数据格式统一，避免信息丢失或错误。采集人员应具备相应的专业资质，确保数据采集的准确性与规范性。采集完成后应进行数据核对，确保数据与原始记录一致，防止数据录入错误。1.5数据录入规范的具体内容数据录入应使用统一的格式与编码，确保数据在不同系统间可对接与互认。数据录入应遵循“谁采集、谁录入、谁负责”的原则，确保数据责任明确。数据录入应使用标准化的录入工具，如电子病历系统、医疗统计软件等，确保数据录入的规范性。数据录入过程中应进行数据校验，包括数据完整性、逻辑一致性、格式正确性等。数据录入完成后应进行数据归档与备份，确保数据安全与可追溯性。第2章数据采集与管理1.1数据采集流程数据采集流程应遵循“统一标准、分级管理、动态更新”的原则，确保各医疗机构数据采集的规范性和一致性。根据《医疗卫生信息统计规范》（GB/T18823-2020），数据采集需按照“采集—审核—录入—存档”四步走流程进行，确保数据的完整性与准确性。采集流程需结合医疗机构的实际业务场景，明确数据来源、采集对象、采集内容及采集时间，避免信息遗漏或重复采集。例如，门诊数据应按日或周进行采集，住院数据则需按病历完成采集。数据采集应通过标准化接口或系统对接，确保数据传输的实时性与安全性。根据《医疗数据互联互通标准》（GB/T35228-2018），数据采集应采用结构化数据格式，如XML或JSON，保证数据的可解析性与可追溯性。采集过程中需设置数据校验机制，如字段完整性校验、数据类型校验、异常值剔除等，防止采集数据出现格式错误或逻辑错误。例如，年龄字段应为整数，且在采集时需验证是否为有效范围（如0-120岁）。数据采集完成后，需进行数据归档与备份，确保数据在系统故障或数据丢失时能够恢复。根据《医疗数据安全规范》（GB/T35114-2019），数据应定期备份，并保存至少3年，以满足数据追溯与审计需求。1.2数据采集方法数据采集方法应采用结构化采集方式，如数据库直接导入、API接口调用、电子病历系统对接等。根据《医疗卫生信息统计技术规范》（GB/T18822-2020），结构化数据采集是主流方式，能够有效提升数据处理效率。采集方法需符合国家统一的数据标准，如《医疗卫生信息统计术语》（GB/T35227-2019）中定义的术语与编码，确保数据在不同系统间可互操作。例如，疾病编码应使用ICD-10或ICD-11标准，以保证数据的一致性。采集方法应结合医疗机构的实际业务需求，如门诊数据可通过挂号系统自动采集，住院数据则需通过病历系统或护理系统进行采集。根据《医疗数据采集与管理规范》（GB/T35229-2019），不同科室的数据采集方式应有所区别。采集过程中应采用数据清洗技术，如去重、缺失值填补、异常值处理等，确保数据质量。根据《医疗数据质量评估方法》（GB/T35230-2019），数据清洗应包括字段验证、数据类型转换、逻辑校验等步骤。采集方法应定期进行优化与调整，以适应医疗机构业务变化和数据需求增长。例如，随着电子病历系统的普及，数据采集方式从人工录入向自动化采集转变，需不断优化采集流程以提高效率。1.3数据质量控制数据质量控制应贯穿数据采集全过程，包括数据采集前的预处理、采集中的实时校验、采集后的后处理。根据《医疗卫生信息统计质量控制规范》（GB/T35226-2019），数据质量控制应采用“采集—审核—处理”三阶段管理模式。数据质量控制需设置多级审核机制，如数据录入人员自检、系统自动校验、上级部门人工审核等。根据《医疗数据质量评估方法》（GB/T35230-2019），数据审核应覆盖数据完整性、准确性、一致性、时效性等关键指标。数据质量控制应利用数据质量评估工具，如数据质量评分模型、数据质量指标（QI）等，对数据进行量化分析。根据《医疗数据质量评估方法》（GB/T35230-2019），数据质量评估应包括数据完整性、准确性、一致性、时效性、唯一性等维度。数据质量控制需建立数据质量预警机制，对数据异常情况进行及时预警与处理。根据《医疗数据质量管理规范》（GB/T35225-2019），数据质量预警应结合数据统计分析与异常值检测技术，实现动态监控。数据质量控制应定期开展数据质量评估与改进，确保数据持续符合规范要求。根据《医疗数据质量管理规范》（GB/T35225-2019），数据质量评估应每季度进行一次，重点评估数据的完整性、准确性、一致性及时效性。1.4数据存储与备份数据存储应采用结构化数据库或云存储系统，确保数据的可访问性与安全性。根据《医疗卫生信息统计技术规范》（GB/T18822-2020），数据存储应遵循“存储—管理—备份”三阶段原则，确保数据的长期可用性。数据存储应遵循“分级存储”原则，即根据数据的敏感性与使用频率，设置不同的存储层级，如核心数据存于本地，非核心数据存于云平台。根据《医疗数据存储规范》（GB/T35228-2018），数据存储应满足数据的可恢复性与可审计性。数据备份应采用“定期备份+增量备份”策略，确保数据在系统故障或数据丢失时能够快速恢复。根据《医疗数据备份与恢复规范》（GB/T35227-2019），备份应包括全量备份与增量备份，且备份周期应根据数据重要性设定。数据备份应采用加密存储技术，确保数据在存储过程中不被窃取或篡改。根据《医疗数据安全规范》（GB/T35114-2019），数据备份应采用加密传输与存储，确保数据在传输与存储过程中的安全性。数据存储与备份应建立备份管理机制，包括备份策略制定、备份执行、备份验证与恢复流程。根据《医疗数据存储与备份规范》（GB/T35228-2018），备份管理应定期进行备份验证，确保备份数据的完整性与可用性。1.5数据安全与保密数据安全与保密应遵循“最小权限原则”，确保数据访问仅限于必要人员。根据《医疗卫生信息统计安全规范》（GB/T35114-2019），数据访问权限应根据岗位职责进行分配，避免数据滥用。数据安全应采用加密传输与存储技术，确保数据在传输过程中的安全性。根据《医疗数据传输与存储安全规范》（GB/T35228-2018），数据传输应使用SSL/TLS协议，数据存储应采用AES-256加密算法。数据保密应建立保密制度，包括数据访问记录、数据使用审批、数据泄露应急响应等。根据《医疗数据保密管理规范》（GB/T35229-2019），数据保密应涵盖数据存储、传输、使用及销毁等全生命周期管理。数据安全与保密应定期开展安全培训与演练，提高人员的安全意识与应急处理能力。根据《医疗数据安全管理规范》（GB/T35225-2019），数据安全培训应覆盖数据安全法律法规、技术防护措施及应急响应流程。数据安全与保密应建立应急预案与责任追究机制，确保数据泄露或安全事件能够及时处理并追究责任。根据《医疗数据安全应急预案规范》（GB/T35226-2019），数据安全事件应按照“预防—发现—处理—总结”流程进行管理，确保数据安全与保密的持续性。第3章数据录入与处理3.1数据录入标准数据录入应遵循《医疗卫生信息统计规范》中关于数据采集的规范要求，确保数据的准确性、完整性和一致性。所有数据应按统一的编码体系录入，如疾病分类编码（ICD-10）、人群分类编码（GB/T11788）等，以保证数据的可比性。数据录入需采用标准化的录入工具，如电子病历系统或统计数据库，确保数据输入过程的自动化与可追溯性。数据录入人员应经过专业培训，熟悉相关统计术语与规范要求，避免人为误差影响数据质量。数据录入过程中应保留原始数据记录，便于后续数据核查与审计。3.2数据清洗与修正数据清洗是数据录入后的关键步骤，旨在剔除无效或错误数据，如重复录入、格式错误、缺失值等。常见的数据清洗方法包括缺失值填补（如均值填充、插值法）、异常值检测（如Z-score法、IQR法）和重复数据去重。数据清洗需结合统计学方法，如方差分析（ANOVA）或回归分析，以识别数据中的异常模式。数据清洗应遵循“先整体再局部”的原则，先对全量数据进行初步处理，再针对具体字段进行精细化修正。清洗后的数据需通过质量检查工具（如SPSS、R语言的checkr包）进行验证，确保数据质量达标。3.3数据转换与格式化数据转换是指将不同来源、不同格式的数据统一为统一的结构和标准格式，如将Excel表格转为数据库表结构。数据转换需遵循数据标准化原则，如将日期格式统一为YYYY-MM-DD，单位统一为国际标准单位（如千克、米）。数据转换过程中应使用数据映射工具或脚本语言（如Python的pandas库）进行自动化处理，提高效率与准确性。数据格式化应符合《医疗卫生信息统计规范》中关于数据存储与传输的格式要求，如JSON、XML或CSV格式。转换后的数据需进行一致性检查，确保字段名称、数据类型、数值范围等符合统一标准。3.4数据校验与审核数据校验是确保数据质量的重要环节，包括逻辑校验（如数值范围校验）、格式校验（如日期格式校验）和内容校验（如数据完整性校验）。校验工具可采用SQL语句进行数据完整性检查，如使用INSERT语句验证数据是否重复或缺失。数据审核应由专人或团队进行，确保数据录入、清洗、转换等环节的合规性与准确性。审核过程中需记录审核过程与结果，形成数据质量报告，作为后续数据使用的重要依据。审核结果应反馈至数据录入人员，及时修正错误，确保数据质量持续提升。3.5数据汇总与上报的具体内容数据汇总是指将各基层医疗机构或统计单元的数据整合为统一的统计口径，形成完整的数据集。数据汇总需遵循《医疗卫生信息统计规范》中关于数据汇总的流程与方法，如分层汇总、合并汇总或逐级汇总。数据汇总过程中应使用数据仓库或数据湖技术，实现数据的高效存储与灵活查询。上报内容包括但不限于疾病发生率、就诊人次、住院人数、药品使用量等核心指标，需符合国家或地方统计口径。数据上报应通过指定平台（如国家卫健委统计信息平台）进行，确保数据的及时性与准确性，为政策制定与决策提供支持。第4章数据分析与应用4.1数据分析方法数据分析方法应遵循统计学原理，常用方法包括描述性分析、预测性分析和因果分析。描述性分析用于总结数据特征，预测性分析用于预测未来趋势，因果分析则用于识别变量之间的因果关系。根据《医疗卫生信息统计规范》（GB/T19068-2013）规定，数据应采用统计推断方法进行分析，确保结果的可靠性和可重复性。常见的分析方法包括回归分析、方差分析、相关分析等。回归分析可用于评估变量之间的关系，方差分析适用于比较多个组别间的差异，相关分析则用于判断变量间的相关性。例如，通过多元线性回归模型可分析医疗资源分配与患者满意度之间的关系。数据分析应结合领域知识，避免过度拟合或欠拟合。根据《医学信息学》（Huangetal.,2018）指出，数据分析需遵循“数据驱动”与“问题驱动”相结合的原则，确保分析结果符合实际需求。数据分析工具如SPSS、R、Python等，可实现数据清洗、建模、可视化等操作。例如，使用Python的Pandas库进行数据预处理，使用Scikit-learn进行模型训练，确保分析结果的准确性。数据分析需注重结果的解释性，避免仅关注统计显著性。根据《统计学原理》（Hoggetal.,2018）强调，分析结果应结合实际背景进行解释，确保结论的科学性和实用性。4.2数据可视化工具数据可视化工具应具备交互性、可定制性和可扩展性。常用工具包括Tableau、PowerBI、Python的Matplotlib、Seaborn等。根据《数据科学导论》（Wickham,2016）指出，可视化应遵循“简洁明了”原则，避免信息过载。数据可视化应采用图表类型，如柱状图、折线图、热力图、散点图等，以直观展示数据分布和趋势。例如，使用箱线图分析医疗资源分配的不均衡性，使用热力图展示不同科室的患者就诊量。可视化工具应支持数据导出和分享，便于跨部门协作。根据《数据可视化实践》（Sperchide,2019）建议，可视化应注重可读性，避免使用过多颜色和复杂设计。可视化应结合业务场景，如医院管理、疾病监测等，确保信息传达的准确性和有效性。例如，通过动态仪表盘展示各科室的患者周转率，辅助决策制定。可视化工具应具备数据安全功能，确保敏感医疗数据的保密性。根据《信息安全技术》（GB/T22239-2019）要求，数据可视化系统应符合数据安全规范，防止数据泄露。4.3数据报告编制数据报告应包含背景、方法、结果、结论和建议等部分，符合《医疗卫生信息统计报告规范》（GB/T19069-2013）要求。根据《医学信息学》（Huangetal.,2018）指出，报告应结构清晰，逻辑严密。报告应使用专业术语，如“统计显著性”、“置信区间”、“相对风险”等，确保内容的专业性。例如，报告中需说明分析结果的置信水平，如95%或99%。报告应结合实际应用场景，如医院管理、政策制定等，确保内容具有实际指导意义。根据《医学信息学》（Huangetal.,2018）建议，报告应注重可操作性，提供具体建议。报告应使用图表和文字结合的方式，增强可读性。例如，使用柱状图展示不同科室的患者数量，用文字说明各科室的诊疗特点。报告应由专人审核，确保数据准确性和结论合理。根据《统计学原理》（Hoggetal.,2018）指出，报告需经过多轮审核，避免错误和误导。4.4数据应用与反馈数据应用应结合医疗业务需求，如疾病监测、资源调配、政策评估等。根据《医疗卫生信息统计应用指南》（GB/T19070-2013）规定，数据应服务于临床决策和管理优化。数据反馈应建立闭环机制，确保数据的持续更新和应用。例如，通过数据反馈机制，及时调整医疗资源配置，提升服务效率。数据应用应注重实效，避免形式主义。根据《数据驱动决策》（Kotleretal.,2016）指出，数据应用应关注实际问题，而非单纯追求数据量。数据反馈应结合多部门协作，确保信息共享和协同治理。例如，通过数据共享平台，实现医院、疾控部门、医保机构之间的信息互通。数据应用应定期评估效果，确保持续优化。根据《数据治理》（Gartner,2020）建议，数据应用应建立评估体系，持续改进分析方法和应用效果。4.5数据更新与维护的具体内容数据更新应遵循“定期更新”与“事件驱动”相结合的原则。根据《医疗卫生信息统计规范》（GB/T19068-2013）要求，数据应按周期更新，如每月或每季度一次。数据维护应包括数据清洗、去重、纠错、补全等操作。例如，使用数据质量检查工具识别缺失值，通过规则引擎自动补全数据。数据维护应建立数据标准和规范，确保数据一致性。根据《数据治理》（Gartner,2020）指出，数据标准应涵盖字段定义、数据类型、数据格式等。数据维护应建立数据生命周期管理，包括数据采集、存储、处理、分析、应用和销毁。例如，数据在使用后应按规定销毁，防止泄露。数据维护应纳入信息化系统，确保数据的自动化管理和持续优化。根据《数据管理标准》（GB/T36323-2018）要求，数据维护应与信息系统同步进行。第5章信息统计与发布5.1信息统计制度信息统计制度是医疗卫生领域数据采集、整理、分析和报送的规范性文件，依据《医疗卫生信息统计工作规范》（国家卫生健康委员会，2021）制定，确保数据的准确性、时效性和完整性。该制度明确统计对象、统计指标、统计周期及统计方法，如采用统一的编码系统（如ICD-10编码）确保数据标准化。统计制度要求定期开展数据质量核查，如通过抽样验证、交叉比对等方式，确保数据真实反映医疗卫生服务情况。数据采集需遵循《医疗机构管理条例》相关要求，确保信息来源合法、数据采集过程规范。信息统计制度还规定了数据的归档与保存要求，确保数据可追溯、可复核，便于后续分析与决策支持。5.2信息发布流程信息统计结果需按照《医疗卫生信息统计报告发布规范》（国家卫生健康委员会，2020）规定的格式和时间要求进行发布。信息发布通常分为三级：省级、市级、基层医疗机构，确保信息传递的层级性和覆盖性。信息发布前需经过审核与校对，确保数据准确无误，避免因信息错误引发误判或误导。信息发布可通过官方网站、政务平台、短信平台、公众号等多种渠道进行，确保信息传播的广泛性和及时性。信息发布后，需建立反馈机制，收集用户意见，持续优化信息发布流程。5.3信息发布规范信息发布需遵循《医疗卫生信息统计报告发布标准》（国家卫生健康委员会，2022），确保数据口径统一、表述规范。信息内容应包括统计指标、数据来源、统计方法、数据时间范围等关键信息，避免信息缺失或误导性表述。信息发布应使用统一的格式模板，如《医疗卫生信息统计报告格式模板》（国家卫生健康委员会，2021），确保格式一致、内容清晰。信息发布需注明数据来源及统计单位，如“数据来源于省卫生健康委员会统计中心”，增强信息可信度。信息发布时间应合理，避免信息过时或滞后，确保信息的时效性与实用性。5.4信息保密与安全信息保密是医疗卫生信息统计工作的重要原则，依据《医疗卫生信息保密管理规范》（国家卫生健康委员会，2020）要求，涉密信息需严格保密。信息保密措施包括数据加密、访问权限控制、数据脱敏等，确保信息在传输和存储过程中的安全性。信息安全管理需建立三级防护体系，包括网络防火墙、数据备份与恢复机制、应急响应预案等。信息泄露可能引发医疗纠纷、政策调整或公众信任危机，因此需定期开展信息安全培训与演练。信息保密与安全工作应纳入医疗机构的信息安全管理体系，确保与信息化建设同步推进。5.5信息反馈与改进信息反馈机制是信息统计与发布的重要环节，依据《医疗卫生信息反馈与改进管理办法》（国家卫生健康委员会，2使用）要求，定期收集用户反馈意见。反馈内容包括数据准确性、信息完整性、发布时效性等方面，通过问卷调查、数据分析、专家评审等方式进行评估。信息反馈结果需形成报告，提出改进措施，如优化统计指标、调整发布频率、加强数据审核等。信息反馈与改进应纳入年度工作计划，确保持续优化信息统计与发布流程。信息反馈机制的建立有助于提升信息质量，增强公众对医疗卫生信息的信赖度与参与感。第6章附则1.1规范解释本手册所称“医疗卫生信息统计”是指对医疗卫生机构、卫生技术人员、患者等主体在诊疗、管理、服务过程中产生的各类医疗健康数据进行系统收集、整理、分析和报告的过程，其目的是为卫生政策制定、资源配置、服务质量评估提供科学依据。根据《医疗卫生信息统计工作规范》（国卫医发〔2021〕12号）规定，本手册所涉及的统计项目、编码标准、数据分类等均应严格遵循国家卫生健康委员会发布的相关技术标准。本手册中的“医疗卫生信息统计”涵盖医疗行为、医疗资源使用、卫生服务利用、疾病监测、卫生服务满意度等多个维度，其数据来源包括医院、疾控机构、卫生行政部门等。本手册所使用的统计术语应与《国家卫生健康统计分类》（GB/T47854-2023）保持一致，确保数据的可比性和一致性。本手册的解释权归国家卫生健康委员会所有，任何单位或个人如需使用本手册内容，应遵守相关规定并注明出处。1.2规范实施本手册的实施应结合《医疗卫生信息统计工作管理办法》（国卫医发〔2021〕12号）要求，由国家卫生健康委员会牵头组织制定实施细则，并纳入各级卫生健康行政部门的年度工作计划。各级医疗卫生机构应建立信息统计工作台账，明确统计责任人，定期开展数据核查与质量评估，确保统计数据的真实、准确和完整。数据采集应采用统一的信息化系统，如国家卫生健康信息平台（NHSIP），确保数据采集的标准化和可追溯性。对于涉及患者隐私的数据，应严格遵守《个人信息保护法》和《医疗数据安全管理规范》（国卫办发〔2022〕15号），确保数据安全与合规使用。各级卫生行政部门应定期组织培训，提升医务人员的信息统计能力，确保统计工作规范、有序开展。1.3修订与废止的具体内容本手册的修订应遵循《国家卫生健康统计工作规范》（国卫医发〔2021〕12号）规定，由国家卫生健康委员会组织专家委员会进行审核和修订，修订后的内容应通过官方渠道发布并同步更新。本手册中涉及的统计项目、编码标准、数据分类等，如遇政策调整或技术更新，应及时修订并公告，确保统计数据的时效性和适用性。本手册中所列的统计项目和数据分类，如遇重大公共卫生事件或政策变化，应根据实际情况进行调整，必要时可发布临时性统计指南。本手册的废止应遵循《国家卫生健康统计工作规范》（国卫医发〔2021〕12号）规定，由国家卫生健康委员会发布废止通知，并同步更新相关配套文件。本手册的修订与废止过程应公开透明，接受社会监督，确保修订内容的科学性、合理性和可操作性。第7章术语与定义7.1术语解释信息统计是指通过系统化收集、整理、分析和呈现医疗卫生领域中各类数据的过程，其核心目标是为政策制定、资源配置和健康决策提供科学依据。根据《医疗卫生信息统计规范》（GB/T17454-2016），信息统计应遵循客观性、准确性、时效性原则。术语是指在医疗卫生信息统计中具有特定含义的词汇或概念，如“诊疗人次”“药品使用量”等，其定义需明确，以避免不同单位或部门间的理解偏差。根据《卫生统计学》（第7版）中的定义，术语应具备唯一性和可操作性。信息统计中的“数据”是指能够反映医疗卫生活动状态的客观事实，如患者就诊记录、药品使用情况等，数据应具备完整性、一致性与可比性。根据《统计学基础》（第6版）中的描述，数据是统计工作的基础，其质量直接影响统计结果的可靠性。“统计指标”是用于反映医疗卫生领域特定现象或特征的定量表现，如“住院人数”“疫苗接种率”等，其选择需符合统计学原理，确保能够准确反映实际状况。根据《卫生统计学》（第7版）中的分类，统计指标可分为汇总指标、相对指标和绝对指标等。信息统计中的“统计方法”是指用于处理和分析数据的系统化方法，如统计描述、统计推断、回归分析等，其应用需符合相关规范要求。根据《卫生统计学》（第7版）中的说明，统计方法应与统计指标相匹配，以确保数据的科学性和有效性。7.2专业术语诊疗人次是指在一定时间内，医疗机构为患者提供的诊疗服务次数，通常以“次”为单位，是衡量医疗机构工作量的重要指标。根据《医院工作量统计规范》（GB/T17454-2016），诊疗人次应包括门诊、住院及急诊等各类诊疗服务。药品使用量是指医疗机构在一定时间内使用的药品数量，通常以“瓶”“支”“盒”等单位计量，是评估药品管理与临床使用效果的重要指标。根据《药品使用统计规范》（GB/T17454-2016），药品使用量应包括处方药、非处方药及中药等各类药品。住院人数是指在一定时间内，医疗机构收治的住院患者总数，是衡量医院服务能力的重要指标。根据《医院工作量统计规范》（GB/T17454-2016），住院人数应包括所有住院患者，包括普通病房、ICU等不同病房。疫苗接种率是指在一定人群中完成疫苗接种的比例，是衡量公共卫生政策实施效果的重要指标。根据《疫苗接种统计规范》（GB/T17454-2016），接种率应以“%”为单位，计算公式为：接种率=（接种人数/总人口数）×100%。门诊就诊人次是指在一定时间内，医疗机构为患者提供的门诊服务次数，是衡量医疗机构门诊服务能力的重要指标。根据《门诊工作量统计规范》（GB/T17454-2016），门诊就诊人次应包括普通门诊、专科门诊及急诊门诊等各类门诊服务。7.3通用术语信息统计中的“数据”是指能够反映医疗卫生活动状态的客观事实，如患者就诊记录、药品使用情况等，数据应具备完整性、一致性与可比性。根据《统计学基础》（第6版）中的描述，数据是统计工作的基础，其质量直接影响统计结果的可靠性。“统计指标”是用于反映医疗卫生领域特定现象或特征的定量表现，如“住院人数”“疫苗接种率”等，其选择需符合统计学原理，确保能够准确反映实际状况。根据《卫生统计学》（第7版）中的分类，统计指标可分为汇总指标、相对指标和绝对指标等。“统计方法”是指用于处理和分析数据的系统化方法，如统计描述、统计推断、回归分析等，其应用需符合相关规范要求。根据《卫生统计学》（第7版）中的说明，统计方法应与统计指标相匹配，以确保数据的科学性和有效性。“统计结果”是指通过统计方法对数据进行分析后得出的结论或数值，是统计工作的最终产出。根据《统计学基础》（第6版）中的定义，统计结果应具有可解释性和可验证性，以支持决策和研究。“统计报告”是指将统计结果以特定格式和内容整理并提交的文件，是信息统计工作的最终成果。根据《卫生统计学》（第7版）中的说明，统计报告应包含数据来源、统计方法、分析结果及结论等内容，以确保信息的准确性和可读性。7.4特殊术语的具体内容“特殊疾病”是指具有明确诊断标准、治疗规范和管理要求的疾病，如“糖尿病”“高血压”等，其统计需遵循《疾病分类与代码》（ICD-10）的规范。根据《卫生统计学》（第7版）中的说明，特殊疾病应纳入统计范围，以支持疾病管理与公共卫生政策制定。“特殊药品”是指具有特定使用条件、管理要求或临床价值的药品，如“生物制剂”“靶向药物”等，其使用量统计需符合《药品使用统计规范》（GB/T17454-2016）的相关要求。根据《药品使用统计规范》（GB/T17454-2016）中的定义，特殊药品应单独统计，以确保数据的准确性和可比性。“特殊人群”是指具有特殊健康需求或风险的群体，如“老年人”“儿童”“残疾人”等，其统计需遵循《特殊人群健康统计规范》（GB/T17454-2016）的相关要求。根据《特殊人群健康统计规范》