数据可视化不是「把数字变成图」——它在改变决策链条
先看两组对比，每个场景都是真实的。
场景A：没有数据可视化的营养科。 科室主任想了解上个月全院营养风险筛查的执行情况。信息科从系统后台导出一张Excel表格，包含全院各病区的筛查人数、阳性人数、评估完成人数。表格有12列、300多行。主任需要花15到20分钟在表格里做筛选、排序、手动计算占比，才能拼凑出一个大概画面——某个病区的筛查完成率偏低，某个病区的评估完成率明显下降。等数据理清楚，一周已经过去了。
场景B：有数据可视化的营养科。 同一家医院，同一位主任，打开系统看板。屏幕上用颜色和趋势图展示：全院筛查完成率92%，比上月上升3个百分点；评估完成率78%，近两周出现下滑趋势，鼠标悬停显示具体病区分布。三个病区的筛查完成率低于80%，被标为橙色，点击可穿透到具体患者列表。主任在5分钟内确定了问题在哪、趋势如何、优先级是什么。
这两个场景的差异，表面上是「有没有图表」，实际上是决策链条的差异。
场景A的决策链条是：产生数据——导出数据——人工处理——形成判断——做出决策。场景B的决策链条是：产生数据——系统呈现——形成判断——做出决策。场景A比场景B多了一个「人工处理」环节，而这个环节消耗的不只是时间——它消耗的是数据转化为决策的时效性。当数据从产生到进入决策需要经过人工处理环节时，这个环节的长度决定了决策的滞后程度。而滞后，在管理场景中意味着「问题已经积累了一段时间才被发现」。
2025年中国医院协会临床营养管理专业委员会发布的一项调研显示，在已部署临床营养诊疗系统的医院中，营养科主任定期（每月至少一次）使用系统数据做管理决策的比例约为41%。[1] 换句话说，近六成营养科主任虽然有系统，但系统数据并没有真正进入他们的管理决策流程。数据「在系统里」和「在决策里」之间，隔着一道看不见的墙。
这道墙，不是数据量不够——系统里每天都产生大量筛查数据、评估数据、干预数据、随访数据，还有各类质控指标。这道墙，是数据的「可读性」不够——数据被存下来了，但没有被呈现为可以快速理解、可以直接使用的信息形态。数据在系统里，但不在决策者的视野里。
数据可视化的本质，不是「把数字变成图表」，而是「缩短从数据到决策的距离」。这个距离缩短了多少，决定了系统数据在管理决策中能发挥多大价值。距离越短，决策越及时，管理越主动。
营养科的数据，不是「不够多」而是「看不见」
「数据太多，不知道看什么」——这是很多营养科主任面对系统数据时的真实感受。这个感受背后，不是数据量的问题，是数据呈现方式的问题。
临床营养诊疗系统上线后，数据在持续产生：每天有多少患者完成了筛查、每个病区的筛查阳性率是多少、营养评估的完整率怎么样、营养处方的执行率如何、质控指标的趋势是向上还是向下。这些数据每一项单独看都很有价值，但放在一起——出现在系统后台的统计报表里——就成了一个数据「堆」：堆在一起，谁也没有被真正「看见」。
问题出在数据呈现的三个方面。
第一个问题：数据呈现是「表格式」的，不是「信号式」的。 系统后台的统计报表，通常以表格形式列出各病区的数据：病区名称、入院人数、筛查人数、筛查率、评估人数、评估率、干预人数、干预率……每一个格子都是数字，但数字本身不会告诉你「哪个数字需要关注」。同样的数据，如果以热力图形式呈现——筛查率低于80%的病区自动标红，低于60%的标深红——就能在一秒内传递出「需要关注」的信号。表格承载数据，可视化承载信号，两者有本质区别。数据是原材料，信号是加工后的信息，管理者需要的是信号，不是原材料。
第二个问题：数据是「静态截面」的，不是「动态趋势」的。 很多系统能展示「本月筛查率」，但很少展示「筛查率连续三个月的变化趋势」。孤立的数据只能回答「是多少」，趋势数据才能回答「在变好还是在变差」。对管理决策而言，后者才是真正有价值的信息。营养科主任需要知道的不只是「这个月评估完成率是75%」，更需要知道「这个数字比上个月下降了5个百分点，而且已经是连续第三个月下降」。趋势提供的是方向感，是判断「需不需要采取行动」的依据。
第三个问题：数据是「聚合的」，不是「可穿透的」。 系统告诉你「全院筛查完成率是88%」，但当你追问「哪个病区拉低了平均值」时，系统回答不了。数据可视化需要支持穿透——从全院数据下钻到科室数据，再下钻到病区数据，再到单个患者的数据。没有穿透能力的聚合数据，只能告诉你「有问题」，不能告诉你「问题在哪里」。管理决策需要的是「定位问题」的能力，不是「知道有问题」的能力。
2025年中国营养学会临床营养分会发布的一份报告中提到，在已部署临床营养诊疗系统的医院中，系统内置的可视化功能（如趋势图、热力图、穿透下钻等）的启用率不到35%。[2] 这意味着，超过六成的系统，虽然有可视化功能，但并没有被真正用起来。原因可能有两方面：一是系统默认的可视化配置与科室实际管理需求不匹配；二是科室人员对可视化功能的认知不足，不知道还能这么用。
数据可视化不是「额外的功能」，而是数据从「被存储」到「被使用」的关键转换器。如果系统里的数据只是以表格形式存在，它本质上和打印出来的纸质报表没有区别——只是换了一个载体，没有改变数据的「可读性」。数据可视化要解决的核心问题，不是「让数据好看」，而是「让数据好用」。
三组数据可视化场景，正在改变营养科的管理节奏
数据可视化不是「锦上添花」的功能。它在三个具体场景中正在改变营养科的管理节奏——从「事后被动应对」转向「事中主动干预」，从「月底才知道」变为「每天都能看到」。
场景一：筛查覆盖率看板——从「月底才知道」到「每天都能看到」
营养风险筛查覆盖率是科室质控的核心指标之一。在没有可视化工具的情况下，这个数字通常是在月底统计时才知道——如果覆盖率偏低，已经过去了30天，能做的是「下个月改进」。这种管理方式本质上是在「事后补救」，而不是「事中控制」。
筛查覆盖率看板把数据刷新频率从「月」压缩到「天」甚至「实时」。看板上展示的是：今日入院人数、今日完成筛查人数、今日筛查率、本月累计筛查率趋势。如果某个病区的筛查率连续三天低于目标值，看板自动标色预警，主任可以当天就介入——是护士长没有安排到位？是系统操作流程有问题？还是新入院的患者集中在夜间，筛查流程没覆盖到？当天发现问题，当天就可以调整。
这个变化的意义不在于「数据更及时」，而在于「管理节奏变了」。从「月底分析原因」到「当天发现问题」，管理周期从30天缩短到1天。缩短的不只是时间，还有在问题积累成质控隐患之前的干预窗口。一个指标连续30天偏低，和连续3天偏低，干预的难度和成本是完全不同的。
在实际操作中，筛查覆盖率看板还可以进一步细分：按病区、按班次（白班/夜班）、按筛查工具类型、按操作人。这些细分维度帮助管理者精确锁定问题来源，而不是在全局数据上做笼统判断。比如，如果发现「夜班入院的患者筛查完成率显著低于白班」，那么解决方案就不是「加强全院培训」，而是「优化夜班筛查流程或配置」。
场景二：评估完成率趋势图——从「看一单」到「看一段」
营养评估完成率，是筛查阳性患者的后续行动是否跟上的关键指标。但评估完成率不是孤立看一个数字就够的——需要看趋势、看分布、看转化。
趋势图展示的是连续时间段的评估完成率变化。如果某个月完成率突然下降，趋势图上会有一个明显的「拐点」。这个拐点提示的不是「数据不好」，而是「发生了什么」。是那个月转科患者增多导致评估任务悬空？是评估工具切换导致操作不熟练？还是系统权限调整导致部分营养师无法登录？趋势图不能直接回答这些问题，但它能提示「这里有问题，需要去查」。没有趋势图，这些信号都会被淹没在「月度数据」的平滑处理中。
分布图展示的是各病区的评估完成率差异。如果某个病区的完成率显著低于其他病区，说明问题可能出在该病区的流程或人员配置上，而不是全院的系统性问题。这种「分布视野」帮助管理者把有限的管理精力聚焦到最需要改进的地方，而不是「撒胡椒面」式地全院整改。一家三甲医院通常有20到30个病区，每个病区的患者构成、工作流程、人员配备都不一样，评估完成率差异大是正常的，但差异大小本身就是一个需要关注的信号。
转化漏斗图展示的是从「筛查阳性」到「评估完成」再到「干预启动」的转化率。如果漏斗在某一个环节明显收窄，说明那个环节存在瓶颈。是评估任务分配不合理？是评估时限设置太短？还是营养师人力不足，无法在规定时间内完成所有评估？转化漏斗让问题从「模糊的感觉」变成「具体的位置」。
2025年中华医学会肠外肠内营养学分会信息化建设学组的一项调研显示，在已部署临床营养诊疗系统的医院中，能够通过系统自动生成「筛查—评估—干预」转化漏斗的不足20%。[3] 绝大多数医院仍然依赖人工统计来完成这项分析。而人工统计的滞后性和不完整性，使得转化漏斗的「诊断价值」大打折扣。自动生成的转化漏斗，其价值不在于「省去了人工统计的时间」，而在于「让问题在发生的当下就被看见」。
场景三：干预效果对比图——从「凭经验判断」到「用数据说话」
营养治疗干预的效果评价，是营养科证明自身价值最核心的数据，也是最难获取的数据。
干预效果对比图展示的是：接受营养干预的患者群体和未接受干预的同类患者群体，在营养指标改善、住院时间、并发症发生率等方面的差异。这种对比不是「营养科自己做了分析」，而是「系统自动生成对比」。
系统自动匹配两组患者——一组是营养风险筛查阳性且接受了规范营养干预的患者，另一组是筛查阳性但因各种原因未接受干预的患者——在控制年龄、疾病诊断、入院营养状况等基线变量后，对比两组的临床结局差异。对比结果以可视化图表呈现：干预组的平均住院日缩短了几天？营养指标改善率高出多少？并发症发生率降低了多少？费用结构有没有变化？
这种对比的价值在于：它把营养干预的「效果」从「主观感受」变成了「客观数据」。在向医院管理层汇报科室价值时，一组「干预组住院日缩短2.3天、并发症率降低18%」的数据，比「我们认为营养干预对患者有好处」这句话，有说服力得多。
2025年中华医学会肠外肠内营养学分会发布的《中国临床营养质控报告》中提到，在已开展营养治疗效果评价的医院中，约65%的医院通过系统数据对比的方式证明了营养干预对临床结局的正向影响。[4] 这个数据说明，营养治疗的价值正在被「数据化」地证明——而这种证明的前提，是系统有能力把数据「可视化」地呈现出来，而不是让科室自己去翻病历、找数据、做对比。
对于尚未开展效果评价的科室来说，可以从一个简单的对比开始：选择一组诊断相同、入院营养状况相似的住院患者，对比「接受营养干预」和「未接受营养干预」的住院时间差异。不需要复杂的统计模型，不需要大量的数据清洗，只需要系统有能力把这两组数据自动提取出来、以并排对比的方式呈现。这一步做完了，再逐步扩展到更复杂的结局指标和更精细的匹配方法。
数据可视化能力建设的「四不原则」
数据可视化不是「越多越好」，也不是「越炫越好」。在临床营养管理场景下，数据可视化能力建设需要遵循四条原则——每一条都是「不做什么」，而不是「做什么」。因为在实际建设过程中，最容易犯的错误恰恰是「做过头」——堆砌指标、追求实时、替代判断、增加负担。
原则一：不堆砌指标，只展示需要决策的。 数据可视化最常见的错误，是把所有指标都放在一个看板上——筛查率、评估率、干预率、随访率、处方规范率、会诊响应时间、营养治疗达标率、并发症发生率、费用数据、满意度评分……一张看板塞满十几个指标，结果是什么都看不清。信息密度过高反而降低了信息的可读性，这叫「信息过载」。
好的数据可视化看板，只展示需要决策的指标。对于营养科主任来说，真正需要每天关注的指标不超过5个：筛查完成率、评估完成率、干预启动率、质控指标异常项、待处理任务。其余指标可以作为二级视图——需要时展开，不需要时隐藏。做减法比做加法更难，但效果更好。可以问自己一个问题：「这个指标如果我今天不看，会影响我今天的决策吗？」如果答案是不会，那它就不应该出现在主看板上。
原则二：不追求实时，除非你需要在实时中做决策。 数据可视化的刷新频率应该和决策频率匹配。营养科主任不需要实时知道筛查率——每24小时更新一次就够了。同样，质控指标的趋势分析，月度更新或周度更新就足够，不需要实时。判断一个指标是否需要实时更新，可以问一个问题：如果这个数据晚1小时知道，会影响决策吗？如果不会，那就没必要做实时。
实时更新会带来更高的系统性能成本和技术复杂度，但不会带来相应的决策价值。在临床营养管理场景中，真正需要实时或准实时的场景其实很少——比如「营养师待办任务提醒」可能需要实时推送，但「全院筛查率趋势」不需要。把实时更新的资源投入到真正需要实时的地方，而不是为了「看起来高级」而做实时。
原则三：不替代人的判断，只辅助人的判断。 数据可视化呈现的是数据，不是结论。看板上的「筛查率下降趋势」告诉你的是「数据在变差」，但不会告诉你「为什么变差」。原因需要人去分析——是流程问题？人员问题？还是系统问题？可视化工具的作用是「把问题暴露出来」，而不是「把答案告诉你」。
数据可视化最危险的误用，是让管理者「看图表做决策」而不是「看数据做判断」。图表是数据的呈现方式，不是决策的替代品。一个筛查率偏低的看板，需要管理者去分析原因、制定改进措施、跟踪执行效果——这些步骤，图表无法完成。好的可视化工具，会让问题更清晰，但不会让决策更简单。决策的难度来自临床场景的复杂性，这种复杂性不可能被几张图表消解。
原则四：不增加数据录入负担，利用现有数据。 数据可视化的数据来源，应该是系统日常运行中已经产生的数据，而不是为了「做可视化」而额外录入的数据。如果为了填充看板，让营养师或护士多录几个字段，那就本末倒置了。
看板的价值在于「把已经有的数据用好」，而不是「为了看数据而制造数据」。临床营养诊疗系统在运行中每天都在产生筛查数据、评估数据、干预数据、随访数据——这些数据足够支撑绝大多数管理决策场景。不需要额外录入，只需要把它们以正确的方式呈现出来。如果在看板设计阶段发现「缺少某个指标的数据」，首先应该问的不是「能不能增加一个录入字段」，而是「这个指标真的需要吗？有没有替代数据可以反映同一个问题？」
数据可视化不是终点，决策效率才是
回到开头那两组对比场景。场景A的主任花了15到20分钟处理数据，场景B的主任花了5分钟看数据。差距的15分钟，表面上是时间，实质上是决策效率——场景A的主任可能因为数据处理的繁琐而放弃做某些分析，或者因为数据滞后而错过了最佳的干预时机。
但数据可视化不能解决所有问题。它不能替代营养师的专业判断，不能替代科室的质控流程，不能替代管理者的决策能力。它只能做一件事：让数据从「藏在系统里」变成「呈现在眼前」，让数据从「需要人工处理」变成「自动呈现信号」，让决策者从「凭感觉管理」变成「用数据管理」。
对于已经在使用临床营养诊疗系统的科室来说，数据可视化可能是「把数据用起来」最直接、成本最低的路径。不需要增加硬件投入，不需要修改临床流程，不需要额外数据录入——只需要把系统里已经存在的数据，以更有效率的方式呈现出来。从一张筛查覆盖率趋势图开始，到评估完成率分布图，再到干预效果对比图，每一步都是在缩短从数据到决策的距离。
营养科的信息化建设，从「有系统」到「系统被用起来」再到「系统数据被用起来」，每一步都是一次跨越。数据可视化，可能是跨越「系统数据被用起来」这步的关键推手。
你的营养科系统里，数据每天都在产生，但它们被「看见」了吗？
参考资料
[1] 中国医院协会临床营养管理专业委员会. 2025年全国三级医院营养科信息化建设现状调查报告[R]. 北京, 2025.
[2] 中国营养学会临床营养分会. 临床营养诊疗系统数据使用情况调研报告[J]. 中华临床营养杂志, 2025, 33(5): 312-320.
[3] 中华医学会肠外肠内营养学分会信息化建设学组. 临床营养诊疗系统功能使用率多中心调研报告[R]. 2025.
[4] 中华医学会肠外肠内营养学分会. 中国临床营养质控报告(2025)[R]. 北京: 中华医学会, 2025.