1. 课程导入与平台工程全景
患者分层与风险管理平台，本质上不是一套“给患者打标签”的报表工具，而是一条把临床数据、规则知识、风险模型与干预动作串起来的工程流水线。它的业务目标可以概括为三件事：把合适的人找出来（分层识别）、把风险说清楚（风险量化与解释）、把干预落下去（任务分派与闭环追踪）。这三件事分别对应数据侧、算法侧和业务侧，任何一侧缺失，平台都会退化成“看得见、管不着”的展示系统。
先厘清几个核心概念，避免后续章节反复纠缠术语。患者分层是按既定维度把人群划分为若干同质群体，维度可以是疾病状态、费用水平、依从性、社会支持等；风险则是对未来不良结局（再入院、并发症、死亡、费用超支）发生概率或严重程度的估计；风险管理是在风险识别之后，匹配干预强度并跟踪结果的过程。三者关系是：分层提供“人群切面”，风险提供“个体优先级”，风险管理提供“动作与反馈”。
从工程视角看，平台整体架构可以拆成五层，数据自下而上流动，干预自上而下回写：
- 数据接入层：对接 HIS、EMR、LIS、医保结算、随访系统与可穿戴设备，完成抽取、清洗、主索引（EMPI）对齐与时间轴归一。
- 数据资产层：构建患者主数据、就诊事件、诊断、用药、检验、费用等主题域，形成可复用的宽表与特征库。
- 规则与模型层：规则引擎负责可解释的硬性条件（如“eGFR<30 且使用二甲双胍”），模型服务负责概率预测（如再入院风险），两者输出统一为风险标签与分值。
- 分层与任务层：按分层策略生成人群包，按风险阈值生成干预任务，分派给个案管理师、护士或家庭医生。
- 应用与反馈层：提供工作台、患者 360 视图、任务看板与效果评估，干预结果回写后重新进入数据层，形成闭环。
下面这张图给出平台工程的全景关系：左侧是数据源，中间是加工与决策链，右侧是干预与反馈，底部是贯穿全流程的治理与安全。
理解这张图的关键在于“两条方向”：蓝色实线是数据自左向右的加工与决策流，橙色虚线是干预结果自右向左的反馈流。很多平台失败的原因，正是只有蓝色流、没有橙色流——模型跑完就结束，干预是否有效无人回收，下一轮分层仍然用旧假设。
接下来看学习路径。本课程 30 章按“认知—构建—运行—优化”四段推进，但不会机械地按顺序平铺：
| 阶段 | 核心问题 | 典型产出 |
|---|---|---|
| 认知与设计 | 分层维度怎么定？风险阈值谁来定？ | 分层策略说明书、风险标签体系 |
| 数据与特征 | 数据从哪来、怎么对齐、特征怎么算？ | EMPI 映射表、特征字典、质量规则 |
| 规则与模型 | 规则和模型如何协同、如何解释？ | 规则集、模型卡、阈值配置 |
| 任务与闭环 | 任务分给谁、怎么跟踪、怎么评估？ | 任务分派规则、效果评估报表 |
| 运行与治理 | 如何监控漂移、如何安全发布？ | 监控看板、发布检查单、审计日志 |
以一个具体场景收束本节：某区域平台要识别“30 天再入院高风险”的出院患者。数据侧从 EMR 取最近一次出院小结、从 LIS 取出院前 3 天检验值、从医保取既往 6 个月住院次数；特征侧计算“既往住院次数”“出院带药种类数”“eGFR 最低值”等；规则侧设定“既往住院≥2 次且 eGFR<45”为硬性高风险；模型侧输出 0～1 的风险概率，阈值暂定 0.65；任务侧把高风险患者生成“48 小时内电话随访”任务，分派给个案管理师；反馈侧记录随访完成率与 30 天实际再入院率，用于下一轮阈值校准。这个例子中的参数均为教学示例，实际项目需基于本地数据重新标定。