stanforddams/va

CCOMP是一个用于追踪和分析美国退伍军人事务部（VA）心理健康项目中患者流动的患者-项目数据集。它记录了退伍军人在哪些项目、哪些季度、哪些地点接受了护理，涵盖了从国家到个体患者五个组织级别的15个VA心理健康项目。该数据集旨在通过数据和分析来优化资源分配、临床实践策略和流程，支持阶梯式护理方法以增加容量并提高效率，同时保持或改善患者结果。数据集驱动了一个项目流动界面，显示患者在不同项目间的转移、队列规模、人员配备比例以及治疗模式。数据集由VA中央办公室心理健康服务信息学部门的临床与数据分析主任Elliot Fielstein策划，由退伍军人事务部资助，语言为英语，采用MIT许可证。CCOMP is a patient-program dataset for tracking and analyzing patient flow across VA Mental Health programs. It records which Veterans received care in which programs, in which quarters, and at which locations, covering 15 programs across 5 organizational levels from national down to individual patient. The dataset was built to use data and analytics to shift resources, clinical practice strategies, and processes; support a stepped-care approach that increases capacity and improves efficiency; and maintain or improve patient outcomes. The dataset powers a program flow interface that shows patient transitions between programs, cohort sizes, staffing ratios, and treatment patterns across 15 VA mental health programs. Curated by Elliot Fielstein, Director of Clinical and Data Analytics, Informatics Section of Mental Health Service, Department of Veterans Affairs Central Office, Washington DC; funded by the Department of Veterans Affairs; language: English; license: MIT.

搜集汇总

数据集介绍

构建方式

CCOMP数据集源自美国退伍军人事务部（VA）的行政与临床记录系统，通过每季度从SQL Server中提取数据构建而成。其活跃表存储近两个财政季度的患者参与信息，而历史表则以每个完成的财政年度为单位归档。数据集记录了每位退伍军人在15个心理健康项目中的就诊或团队归属情况，涵盖约840,000名患者的行列组合，每个条目对应唯一的患者、项目、财政季度及护理地点标识。该构建方式旨在填补VA心理健康连续护理体系中缺乏统一跨项目患者流动视图的空白。

特点

该数据集的核心特点在于其层级化与网络化的数据结构。它支持从国家、VISN、机构、团队到患者的五级聚合分析，并通过‘项目’与‘团队’字段实现子粒度的拆解。关键变量如‘PriorQuarter’布尔标志和‘Visits’计数使跨季度患者流动的量化成为可能。基于此，数据集揭示了PCMHI与GMH之间高达约211,000人次的双向流动，凸显了GMH作为护理连续体中央枢纽的核心地位。这种设计使其能够精准定位护理瓶颈并优化资源分配。

使用方法

面向VA心理健康项目管理者与运营规划人员，CCOMP通过驱动一个程序流可视化界面而被使用。用户可通过筛选财政季度和组织层级，在交互式节点图中查看各项目的队列规模、患者流入/流出量以及治疗模式。推荐的主要分析焦点是GMH与PC之间的流动，次要焦点为GMH与PTSD。使用时需严格遵守VA数据治理框架，优先采用去除个体患者标识符的聚合分析，并利用‘STA6A’和‘ChecklistID’字段按设施或护理地点进行细粒度对比。

背景与挑战

背景概述

在美国退伍军人事务部（VA）庞大的心理健康服务体系中，患者在不同层级和项目之间的流动效率直接关系到资源分配与临床结局。然而，长期以来，各项目独立追踪内部质量，缺乏一个统一的视角来审视患者在整个连续照护链中的动态迁移。为填补这一空白，VA心理健康服务中心信息学部门主任Elliot Fielstein于近年领导创建了CCOMP数据集。该数据集以患者-项目-季度为基本单元，系统整合了从全美层面到单个患者共五个组织层级、15个心理健康项目的参与记录，核心研究问题在于量化项目间患者流动、识别瓶颈并支持阶梯式照护模式的优化。CCOMP的发布为VA的大规模运营分析与容量规划提供了关键的数据基础设施，显著推动了数据驱动的心理健康服务管理范式。

当前挑战

CCOMP所应对的领域问题核心在于VA心理健康连续照护体系中普遍存在的‘拥堵’现象——由于各项目独立优化质量，患者往往滞留于高强度治疗环境而无法顺畅转移至更适宜的照护层级，导致系统整体效率低下。构建过程面临三重挑战：其一，数据来源涉及多个行政与临床系统，需从活跃表与多个跨财年的历史表中提取并统一15个项目的参与记录，时间跨度大且模式各异；其二，数据粒度需同时满足从国家级到患者级的五级聚合需求，对ETL流程的灵活性与准确性提出严苛要求；其三，季度时间窗口可能遗漏短期转介或项目内快速转换，跨年分析还需处理历史分表合并带来的逻辑复杂性与潜在数据缺口。

常用场景

经典使用场景

在退伍军人事务部（VA）精神卫生服务研究领域，CCOMP数据集的核心应用在于刻画患者在不同精神卫生项目间的流转模式。研究人员利用该数据追踪从初级保健到住院治疗等15个项目的患者入组与转出情况，尤其聚焦于通用精神卫生（GMH）与初级保健（PC）之间的双向流动，以揭示护理连续体中的瓶颈所在。该数据集支持按财政季度、机构层级（国家至患者个体）进行多维度聚合分析，为理解大规模精神卫生服务系统的动态运行提供了宝贵的数据基础。

实际应用

在实际应用层面，CCOMP数据集驱动着VA精神卫生服务的可视化决策支持平台。项目管理者通过该数据构建的程序流界面，可实时监测各项目的患者队列规模、人员配置比例及治疗强度等关键指标。系统支持季度环比与年度同比分析，帮助临床领导迅速定位患者流动瓶颈，从而动态调整资源分配与临床实践策略。该工具已深度融入VA中央办公室的运营规划流程，用于优化从国家战略到地方团队的护理协同，显著提升了大规模卫生系统的管理效能。

衍生相关工作

基于CCOMP数据集，研究者已发展出一系列系统建模与分析工作。经典的衍生成果包括构建患者流转的拓扑图，以力导向图形式可视化15个精神卫生项目间的连接强度，并量化双向流量对系统稳态的影响。此外，相关研究利用该数据开发了聚类分析方法，识别高滞留风险的程序对，并模拟不同资源配置情景对患者通过率的作用效果。这些工作推动了卫生服务领域中复杂网络分析与阶梯式护理优化模型的理论进展，为退伍军人精神卫生体系的循证改革奠定了方法论基石。