病案統(tǒng)計(jì)分析數(shù)據(jù)倉(cāng)庫(kù)的建立

魏忠琴

［摘要］ 本文以醫(yī)院病案統(tǒng)計(jì)分析中疾病的統(tǒng)計(jì)分析為例介紹了用MS Server 2003軟件，建立醫(yī)院病案統(tǒng)計(jì)分析數(shù)據(jù)倉(cāng)庫(kù)的方法、步驟及其意義。

［關(guān)鍵詞］ 數(shù)據(jù)倉(cāng)庫(kù)； 病案統(tǒng)計(jì)分析； 數(shù)據(jù)挖掘； 聯(lián)機(jī)分析處理； 多維數(shù)據(jù)集

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 06. 026

［中圖分類號(hào)］F272.7［文獻(xiàn)標(biāo)識(shí)碼］A［文章編號(hào)］1673 - 0194（2012）06- 0054- 03

隨著社會(huì)的發(fā)展和市場(chǎng)激烈競(jìng)爭(zhēng)的需要，醫(yī)院管理已經(jīng)逐步從傳統(tǒng)經(jīng)驗(yàn)型向科學(xué)量化管理的方向發(fā)展，而科學(xué)量化管理的信息資源，主要從病案的統(tǒng)計(jì)分析中獲得，特別是重大決策需要科學(xué)的數(shù)據(jù)分析作為依據(jù)，這就對(duì)醫(yī)院信息化提出更高的要求。傳統(tǒng)的數(shù)據(jù)庫(kù)系統(tǒng)只能完成數(shù)據(jù)統(tǒng)計(jì)分析中最簡(jiǎn)單的動(dòng)態(tài)原始數(shù)據(jù)以及日常數(shù)據(jù)報(bào)表，而在數(shù)據(jù)分析和輔助決策方面就顯得無(wú)能為力了，而數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)正是數(shù)據(jù)倉(cāng)庫(kù)所具有的強(qiáng)大功能。

１明確數(shù)據(jù)倉(cāng)庫(kù)的主題

需求分析之中心工作是提出主題，并明確主題。每個(gè)主題有一個(gè)主題域，對(duì)每個(gè)主題域確定其數(shù)據(jù)模型，并確定每個(gè)主題域的公共主碼。然后建立主題域之間的關(guān)聯(lián)，確定主題域數(shù)據(jù)模式與數(shù)據(jù)源之間的關(guān)系。

在我院病案統(tǒng)計(jì)分析的數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程中，確定的主要主題范圍如下：

（１） 病人費(fèi)用構(gòu)成分析：分析整個(gè)醫(yī)院、各個(gè)科室乃至某個(gè)醫(yī)生的病人費(fèi)用構(gòu)成，如發(fā)現(xiàn)藥品比例過(guò)高，可以層層分析是哪個(gè)環(huán)節(jié)導(dǎo)致比例過(guò)高，從而采取措施來(lái)控制；

（２） 同期費(fèi)用對(duì)比分析：找出醫(yī)院收入增加或減少的原因；

（３） 單病種分析：對(duì)單病種的費(fèi)用、住院天數(shù)、治療方案進(jìn)行分析以便醫(yī)生能及時(shí)總結(jié)經(jīng)驗(yàn)，找出最佳的質(zhì)量手段和方法，縮短就診時(shí)間，減輕病人負(fù)擔(dān)，增加醫(yī)院經(jīng)濟(jì)效益；

（４） 成本效益分析：把各個(gè)不同系統(tǒng)如信息系統(tǒng)、財(cái)務(wù)系統(tǒng)等的數(shù)據(jù)匯總的數(shù)據(jù)倉(cāng)庫(kù)，對(duì)成本效益進(jìn)行全面分析，以便能真正把握醫(yī)院經(jīng)營(yíng)狀況，提高醫(yī)院經(jīng)濟(jì)效益；

（５） 疾病的統(tǒng)計(jì)分析：分析不同疾病發(fā)病的病人結(jié)構(gòu)（如年齡、職業(yè)、性別、地區(qū)等）以及輔助診療分類的分析。

２數(shù)據(jù)倉(cāng)庫(kù)的源數(shù)據(jù)調(diào)查——數(shù)據(jù)采集

為了從病案首頁(yè)信息中分析以上主題，建立主題數(shù)據(jù)倉(cāng)庫(kù)，源數(shù)據(jù)主要來(lái)自本院ＨＩＳ系統(tǒng)中２００２－２０１０年的住院病人數(shù)據(jù)資料，其中主要的數(shù)據(jù)關(guān)系表有（以下是以疾病的統(tǒng)計(jì)分析和病人費(fèi)用構(gòu)成分析為例）：現(xiàn)行及歷史的病人住院主記錄表、診斷記錄表、疾病字典表、病人付費(fèi)方式表治療結(jié)果表等，具體表結(jié)構(gòu)略。

３數(shù)據(jù)倉(cāng)庫(kù)的核心數(shù)據(jù)庫(kù)設(shè)計(jì)

在數(shù)據(jù)倉(cāng)庫(kù)中，事實(shí)表數(shù)據(jù)模式是一個(gè)比較簡(jiǎn)單易懂的數(shù)據(jù)模式。在本設(shè)計(jì)中就是采用事實(shí)表數(shù)據(jù)模式，主要有疾病的統(tǒng)計(jì)分析數(shù)據(jù)表、時(shí)間表、病人付費(fèi)方式表、治療結(jié)果表、疾病分類表及年齡段表等。表１是疾病的統(tǒng)計(jì)分析數(shù)據(jù)表結(jié)構(gòu)說(shuō)明。

軟件實(shí)現(xiàn)環(huán)境：

操作系統(tǒng)：Ｗｉｎｄｏｗｓ ２００３ Ｓｅｒｖｅｒ

數(shù)據(jù)倉(cāng)庫(kù)的產(chǎn)品：ＭＳ Ｓｅｒｖｅｒ ２００３企業(yè)版

多維數(shù)據(jù)庫(kù)的展現(xiàn)工具：Ｅｘｃｅｌ

４數(shù)據(jù)的抽取

本例的抽取程序是利用Ｓｑｌ Ｓｅｒｖｅｒ ２００３中的數(shù)據(jù)轉(zhuǎn)換服務(wù)ＤＴＳ（Ｄａｔａｓｔｏｒｅ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｓｅｒｖｉｃｅ）從數(shù)據(jù)源Ｏｒａｃｌｅ ７中抽取數(shù)據(jù)， 在數(shù)據(jù)的提取過(guò)程中，首先建立數(shù)據(jù)源與目標(biāo)數(shù)據(jù)源，然后在目標(biāo)數(shù)據(jù)源服務(wù)器中完成維表、事實(shí)表的創(chuàng)建；根據(jù)模型的建立，再生成ＳＱＬ數(shù)據(jù)查詢語(yǔ)句的程序包，然后執(zhí)行ＳＱＬ程序包，將源數(shù)據(jù)庫(kù)的數(shù)據(jù)提取到目的數(shù)據(jù)庫(kù)中的維表和事實(shí)表中，數(shù)據(jù)的提取時(shí)間取決于源表的大小。

５多維數(shù)據(jù)集的建立

５．１維度的確定

在數(shù)據(jù)倉(cāng)庫(kù)中，維度（Ｄｉｍｅｎｓｉｏｎ）是指觀察數(shù)據(jù)的特定角度，作為識(shí)別數(shù)據(jù)的索引，不同的維度組合構(gòu)成了訪問(wèn)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的約束條件。在本例疾病的統(tǒng)計(jì)分析中我們采用了五維，即：時(shí)間維（年月）；付費(fèi)方式維（公費(fèi)、自費(fèi)、醫(yī)保等）、年齡段維（５歲以下、５~１４歲、１５~４４歲、４５~５９歲、６０歲以上）、治療結(jié)果維（治愈、好轉(zhuǎn)、未愈、死亡等）。

５．２數(shù)據(jù)集的建立

在本例疾病的統(tǒng)計(jì)分析中我們采用ＳＱＬ Ｓｅｒｖｉｃｅ ２００３ Ａｎａｌｙｓｉｓ Ｓｅｒｖｉｃｅｓ中的多維數(shù)據(jù)集向?qū)Щ蚨嗑S數(shù)據(jù)集編輯器來(lái)生成多維數(shù)據(jù)集，其架構(gòu)如圖１所示。

６ＯＬＡＰ數(shù)據(jù)多維分析

６．１ＯＬＡＰ模型結(jié)構(gòu)

在本例疾病的統(tǒng)計(jì)分析的ＯＬＡＰ模型結(jié)構(gòu)如圖２所示。

多維分析是指在ＯＬＡＰ多維結(jié)構(gòu)上對(duì)以多維形式組織起來(lái)的數(shù)據(jù)采取多種操作，以便分析人員作實(shí)驗(yàn)以驗(yàn)證其主觀分析意圖，主要有鉆取、切片、切快、旋轉(zhuǎn)4種分析方法。

６．２客戶端數(shù)據(jù)分析

在基于微軟的數(shù)據(jù)倉(cāng)庫(kù)框架中，客戶端應(yīng)用可以通過(guò)ＭＳ Ｏｆｆｉｃｅ、ＭＳ Ｑｕｅｒｙ、ＭＳ Ｖｉｓｕａｌ Ｓｔｕｄｉｏ等任何支持ＯＬＥ ＤＢ的軟件開(kāi)發(fā)工具開(kāi)發(fā)。在本系統(tǒng)中。作者使用ＭＳ Ｏｆｆｉｃｅ中的Ｍｉｃｒｏｓｏｆｔ Ｅｘｃｅｌ查詢數(shù)據(jù)倉(cāng)庫(kù)中的多維數(shù)據(jù)集，因?yàn)閷?duì)于客戶端用戶來(lái)說(shuō)，Ｍｉｃｒｏｓｏｆｔ Ｅｘｃｅｌ是比較常用且簡(jiǎn)單易懂的。

７創(chuàng)建ＯＬＡＰ數(shù)據(jù)挖掘模型及瀏覽決策樹(shù)

７．１創(chuàng)建ＯＬＡＰ數(shù)據(jù)挖掘模型

本文利用Ｍｉｃｒｏｓｏｆｔ 決策樹(shù)算法創(chuàng)建ＯＬＡＰ數(shù)據(jù)挖掘模型，以挖掘出不同疾病在不同年齡段的平均住院費(fèi)用以及治愈時(shí)間等情況。

７．２瀏覽決策樹(shù)

在 ＯＬＡＰ 挖掘模型編輯器中，可以使用編輯器編輯模型屬性或者瀏覽其結(jié)果。在 Ａｎａｌｙｓｉｓ Ｍａｎａｇｅｒ 樹(shù)視圖中，展開(kāi)“挖掘模型集”文件夾，右擊“疾病分析模式”模型，選擇子菜單“瀏覽”命令，出現(xiàn)如圖３所示的決策樹(shù)。

７．３分析

（１） 在“內(nèi)容詳情”窗格的決策樹(shù)區(qū)域中，顏色代表“事例”的密度（在本事例中為：病人年齡段的密度）。顏色越深則節(jié)點(diǎn)中包含的事例就越多。 單擊“全部”節(jié)點(diǎn)。該節(jié)點(diǎn)為黑色，因?yàn)樗?（７７３３） 事例的 １００％。７７３３ 代表出院的病人數(shù)目（即 “疾病分析” 多維數(shù)據(jù)集中有事務(wù)記錄的病人）。

（２） 特性窗格顯示“全部”節(jié)點(diǎn)中，所有事例的 ２１．８０％（或者說(shuō) １ ６８６ 個(gè)示例）的平均住院費(fèi)用可能是１ ６１０元；３１．６４％的平均住院費(fèi)用可能是３ ８８５元；２１．７４％的平均住院費(fèi)用可能是４ ６６４元；２４．８２％的平均住院費(fèi)用可能是２ ５７６元。如果沒(méi)有顯示百分比，則可以調(diào)整“特性”窗格中“合計(jì)”面板的“可能性”列的大小。

（３） 如果選擇了樹(shù)的不同節(jié)點(diǎn)，此百分比將會(huì)更改。讓我們調(diào)查一下哪些年齡段的病人平均住院費(fèi)用在４ ６６４元。若要執(zhí)行此操作，則需要重新畫(huà)出樹(shù)以便勾畫(huà)出平均住院費(fèi)用在４ ６６４元的高密度區(qū)。在右下角的“樹(shù)顏色基于”字段中選擇“４６６４”。該樹(shù)顯示另一種顏色模式?？梢钥闯瞿挲g段在６０歲以上，平均住院費(fèi)用３ ０９６元與５ ９８０元之間的節(jié)點(diǎn)的密度高于其他任何節(jié)點(diǎn)。

（４） 可以查看樹(shù)的其他分支并調(diào)查對(duì)于某一種病，病人在不同年齡段平均住院費(fèi)用的不同可能值。醫(yī)院可以使用此信息來(lái)確定針對(duì)該種病在不同年齡段的平均住院費(fèi)用的高低，采取相應(yīng)的措施來(lái)調(diào)整最佳治療方案，進(jìn)而控制平均住院費(fèi)用。

８總結(jié)

通過(guò)創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)不僅僅用于檢索，還可用來(lái)分析未來(lái)的發(fā)展趨勢(shì)，并為管理和決策提供支持，如：病人構(gòu)成分析（分析醫(yī)院門診、住院病人的各種構(gòu)成、如病人的來(lái)源、職業(yè)、身份、年齡等分布以便有針對(duì)性地采取一些措施來(lái)提高服務(wù)質(zhì)量，從而增加門診量和住院收容量）、病人就診時(shí)間分析（從門診病人掛號(hào)到出院各環(huán)節(jié)就醫(yī)時(shí)間，分析病人的就醫(yī)瓶頸以減少排隊(duì)，提高就醫(yī)質(zhì)量）、病人費(fèi)用構(gòu)成分析（分析整個(gè)醫(yī)院、各個(gè)科室乃至某個(gè)醫(yī)生的病人費(fèi)用構(gòu)成，如發(fā)現(xiàn)藥品比列過(guò)高，可以層層分析是哪個(gè)環(huán)節(jié)導(dǎo)致比列過(guò)高，從而采取措施來(lái)控制）、同期費(fèi)用對(duì)比分析（找出醫(yī)院收入增加或減少的原因）、單病種分析（對(duì)單病種的費(fèi)用、住院天數(shù)、治療方案進(jìn)行分析以便醫(yī)生能及時(shí)總結(jié)經(jīng)驗(yàn)、找出最佳的質(zhì)量手段和方法，縮短就診時(shí)間、減輕病人負(fù)擔(dān)、增加醫(yī)院經(jīng)濟(jì)效益）、成本效益分析（把各個(gè)不同系統(tǒng)如信息系統(tǒng)、財(cái)務(wù)系統(tǒng)等的數(shù)據(jù)匯總的數(shù)據(jù)倉(cāng)庫(kù)，對(duì)成本效益進(jìn)行全面分析，以便能真正把握醫(yī)院經(jīng)營(yíng)狀況，提高醫(yī)院經(jīng)濟(jì)效益）。

當(dāng)然，數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)龐大的知識(shí)系統(tǒng)，其功能遠(yuǎn)遠(yuǎn)不止這些，像各類醫(yī)保病人分析、免費(fèi)及各種優(yōu)惠病人分析、醫(yī)院各種科學(xué)預(yù)測(cè)等分析功能。隨著醫(yī)院的發(fā)展，數(shù)據(jù)倉(cāng)庫(kù)的這種決策支持功能將在醫(yī)院的管理和決策中起著越來(lái)越重要的作用，尤其醫(yī)院病案統(tǒng)計(jì)的分析對(duì)醫(yī)療研究著非常重要的作用。

主要參考文獻(xiàn)

［１］ Ｊｉａｗｅｉ Ｈａｎ，Ｍｉｃｈｅｌｉｎｅ Ｋａｍｂｅｒ． 數(shù)據(jù)挖掘——概念與技術(shù)［Ｍ］． 范明，孟小峰，等，譯． 北京： 機(jī)械工業(yè)出版社，２００１．

［２］ 飛思科技產(chǎn)品研發(fā)中心． Ｏｒａｃｌｅ ９ｉ 數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建技術(shù)［Ｍ］． 北京：電子工業(yè)出版社，２００３．

［３］ 羅運(yùn)模． ＳＱＬ Ｓｅｒｖｅｒ ２０００數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用與開(kāi)發(fā)［Ｍ］． 北京：人民郵電出版社，２００１．

［４］ 徐潔磐． 數(shù)據(jù)倉(cāng)庫(kù)與決策支持系統(tǒng)［Ｍ］． 北京：科學(xué)出版社，２００５．

［５］ 王珊，陳紅． 數(shù)據(jù)倉(cāng)庫(kù)技術(shù)與聯(lián)機(jī)分析處理［Ｍ］． 北京：科學(xué)出版社，１９９８．

［６］ 夏火松． 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)［Ｍ］． 北京：科學(xué)出版社，２００４．