基于醫(yī)院信息系統(tǒng)的傷害住院病例流行病學(xué)分析主題數(shù)據(jù)庫的構(gòu)建

李順飛，劉麗華，劉建超，唐曉東，李申龍

（1.中國人民解放軍第一五〇醫(yī)院，河南 洛陽 471031；2.中國人民解放軍總醫(yī)院醫(yī)院管理研究所，北京 100853；3.軍事醫(yī)學(xué)科學(xué)院疾病預(yù)防控制所，北京 100071）

隨著醫(yī)療衛(wèi)生水平的提高，傳染病發(fā)病率的下降，傷害的危害及其防治問題日益顯露出來。傷害住院病例造成的疾病負(fù)擔(dān)和壽命損失在所有傷害病例中均占有較大比例，對其進(jìn)行流行病學(xué)研究可以掌握傷害流行特征，為制訂有效的預(yù)防干預(yù)措施提供重要依據(jù)。醫(yī)院信息系統(tǒng)（HIS）的推廣應(yīng)用積累了海量的業(yè)務(wù)數(shù)據(jù)，然而針對歷史數(shù)據(jù)的應(yīng)用大多停留在查詢和報表的層次上，缺乏對數(shù)據(jù)的集成和深層分析。本研究擬通過構(gòu)建基于HIS的傷害住院病例流行病學(xué)分析主題數(shù)據(jù)庫，探討基于HIS業(yè)務(wù)數(shù)據(jù)的主題化研究方法。

1 體系框架設(shè)計

以傷害住院病例流行病學(xué)分析為主題，以數(shù)據(jù)庫和數(shù)據(jù)挖掘技術(shù)為手段，基于HIS業(yè)務(wù)數(shù)據(jù)庫相關(guān)信息，設(shè)計傷害住院病例流行病學(xué)分析體系框架?？蚣馨ㄈ糠郑?）基礎(chǔ)數(shù)據(jù)庫:即HIS后臺業(yè)務(wù)數(shù)據(jù)庫，數(shù)據(jù)內(nèi)容包括其中的傷害住院病例流行病學(xué)分析相關(guān)信息；（2）主題數(shù)據(jù)庫［1－3］:即面向業(yè)務(wù)主題的數(shù)據(jù)組織存儲，其數(shù)據(jù)結(jié)構(gòu)由規(guī)范的基本表構(gòu)成，其構(gòu)建方法是基于基礎(chǔ)數(shù)據(jù)庫，以多維數(shù)據(jù)模型結(jié)構(gòu)對業(yè)務(wù)主題信息進(jìn)行抽取、集成、重構(gòu)；（3）數(shù)據(jù)挖掘利用:即基于主題數(shù)據(jù)庫進(jìn)行的決策分析。體系框架見圖1。

2 表結(jié)構(gòu)設(shè)計及與HIS后臺的對應(yīng)

通過定義傷害住院病例流行病學(xué)分析主題數(shù)據(jù)庫的表結(jié)構(gòu)，集成HIS業(yè)務(wù)數(shù)據(jù)庫中相關(guān)信息，在此數(shù)據(jù)環(huán)境中，根據(jù)不同的研究需要，定義其數(shù)據(jù)模型，以便進(jìn)行分析和數(shù)據(jù)挖掘。數(shù)據(jù)庫的字段設(shè)置以滿足流行學(xué)分析為最基本要求［4－5］，為輔助分析性研究增加了診斷、費(fèi)用和傷害特征等信息；字段名稱取HIS中相應(yīng)名稱，便于理解和應(yīng)用。經(jīng)過反復(fù)論證，主題數(shù)據(jù)庫共設(shè)置數(shù)據(jù)項43個，包括患者基本信息、住院信息、診斷信息和費(fèi)用信息等，數(shù)據(jù)主要來源于患者主索引、患者住院主記錄、診斷記錄、診斷分類記錄、住院患者費(fèi)用記錄等，其與HIS業(yè)務(wù)數(shù)據(jù)的對應(yīng)關(guān)系見表1。

圖1 傷害住院病例流行病學(xué)分析體系框架

3 多維數(shù)據(jù)模型

本研究的主題是傷害住院病例流行病學(xué)分析，可將此數(shù)據(jù)庫模型設(shè)計為星形模型［6－8］。星形架構(gòu)是管理關(guān)系數(shù)據(jù)以進(jìn)行多維使用的最常用方式，比較適合對單個主題建模。星形模型的數(shù)據(jù)庫通常包括一個大的包含大批數(shù)據(jù)并且不含冗余的事實表（中心表）和一組小的維表（附屬表），星形結(jié)構(gòu)中的各個維表同事實表以維標(biāo)識符互聯(lián)，形成一個多維數(shù)據(jù)表，然后在此基礎(chǔ)上進(jìn)行各角度的預(yù)計算，將計算結(jié)構(gòu)存儲形成多維數(shù)據(jù)庫。

表1 傷害住院病例主題數(shù)據(jù)庫的數(shù)據(jù)項與HIS業(yè)務(wù)數(shù)據(jù)的對應(yīng)關(guān)系

表2 維度和粒度設(shè)計

3.1 定義事實 傷害住院病例流行病學(xué)分析多維數(shù)據(jù)模型的事實是對傷害住院病例進(jìn)行流行病學(xué)分析的基本指標(biāo)。定義的指標(biāo)包括人次、醫(yī)療費(fèi)用及住院日。

圖2 傷害住院病例流行病學(xué)分析多維數(shù)據(jù)模型

3.2 維度和粒度設(shè)計 在設(shè)計維度表模型的過程中考慮到維度模型是用戶分析數(shù)據(jù)的窗口，維度的設(shè)計提供了維度屬性的定義，一個對象的維度包含大量的屬性。這些屬性應(yīng)具有這樣一些特征，即可用文字描述、離散值、有規(guī)定限制以及在分析過程中可以提供行標(biāo)題。本研究的維度和粒度具體設(shè)計見表2。

3.3 多維數(shù)據(jù)模型設(shè)計 以傷害住院病例流行病學(xué)分析為主題的星形模式多維模型見圖2，包含了一個中心事實表（傷害住院患者）、12個維表（時間、年齡、性別等）和3個度量（人次、醫(yī)療費(fèi)用、住院日）。

4 數(shù)據(jù)抽取集成

本研究利用Kettle進(jìn)行數(shù)據(jù)抽取集成，Kettle是Extract－Transform Loacl的縮寫。ETL工具集，被設(shè)計用來實現(xiàn)ETTL需要，即抽取、轉(zhuǎn)換、裝入和加載數(shù)據(jù)；具有易于生成、易于發(fā)布、易于維護(hù)，從模型直接執(zhí)行任務(wù)的特點(diǎn)。數(shù)據(jù)抽取集成的具體步驟包括:構(gòu)建數(shù)據(jù)流，配置數(shù)據(jù)庫參數(shù)，獲取數(shù)據(jù)，選擇字段，將抽取的數(shù)據(jù)插入目標(biāo)數(shù)據(jù)庫。

5 數(shù)據(jù)預(yù)處理

HIS中的醫(yī)療數(shù)據(jù)存在多樣性、不完整性、不一致性、冗余性，甚至可能包含錯誤或存在偏離期望的離群數(shù)據(jù)。因此，數(shù)據(jù)預(yù)處理是必不可少的環(huán)節(jié)。本研究主要采用了數(shù)據(jù)清理、數(shù)據(jù)變換和調(diào)查補(bǔ)充等方法。

5.1 數(shù)據(jù)清理 數(shù)據(jù)清理的處理方法包括缺失數(shù)據(jù)調(diào)查補(bǔ)填、異常值的篩檢及處理。通過對數(shù)據(jù)進(jìn)行邏輯校驗，對其中的邏輯錯誤進(jìn)行標(biāo)注，后核實修正；對于有標(biāo)準(zhǔn)字典的數(shù)據(jù)項直接用標(biāo)準(zhǔn)字典的相應(yīng)內(nèi)容更新；對影響研究病例流行特征的異常病例進(jìn)行剔除，剔除了以傷害診斷進(jìn)行住院治療的非真實傷害病例。

5.2 數(shù)據(jù)變換 數(shù)據(jù)變換是將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合于分析的形式，主要是找到數(shù)據(jù)的特征表示，用轉(zhuǎn)換方法挖掘變量的有效信息。如將入院時間轉(zhuǎn)換為年、月，以便進(jìn)行趨勢分析；將實際年齡轉(zhuǎn)換為設(shè)置的年齡組以進(jìn)行年齡特征描述。

5.3 數(shù)據(jù)調(diào)查補(bǔ)充 數(shù)據(jù)調(diào)查補(bǔ)充主要針對傷害特征屬性數(shù)據(jù)，當(dāng)前HIS中相關(guān)信息只在出院診斷、損傷與中毒原因診斷中有所體現(xiàn)，但滿足不了傷害流行病學(xué)分析的需要。因此，本研究嘗試通過對照HIS中的診斷信息、電子病歷記錄的方法，參考《傷害監(jiān)測指南》和我國“醫(yī)院傷害監(jiān)測報告卡”的相關(guān)分類內(nèi)容，逐個提煉并標(biāo)化病例的傷害性質(zhì)、傷害部位信息。如出院診斷是“股骨干骨折”，提煉標(biāo)化后的傷害性質(zhì)是“骨折”，傷害部位為“下肢”。

6 討 論

該研究旨在提供一種挖掘現(xiàn)有業(yè)務(wù)歷史資料對傷害類病例進(jìn)行深入分析的方法。之前，國家和軍隊也開展了許多相關(guān)的研究［9－10］，其方法主要是通過進(jìn)行現(xiàn)場問卷調(diào)查、醫(yī)院急診監(jiān)測和住院病歷信息整理再處理等方法，信息采集耗費(fèi)人力、物力。HIS業(yè)務(wù)數(shù)據(jù)庫中信息的電子化存儲方式便于加工整理、易于獲得，且涵蓋了醫(yī)療費(fèi)用、住院時間等醫(yī)療資源消耗方面的信息，為開展傷害研究提供了一個新的思路。然而，由于當(dāng)前的HIS設(shè)計初始沒有考慮傷害監(jiān)測功能，加之各單位HIS的應(yīng)用情況不盡相同，致使信息有選擇性偏移，這需要通過系統(tǒng)的改造與重建來完善。

本研究運(yùn)用數(shù)據(jù)挖掘的有關(guān)思想和技術(shù)，立足于“軍衛(wèi)一號”醫(yī)院信息系統(tǒng)，通過體系框架設(shè)計、表結(jié)構(gòu)設(shè)計、多維數(shù)據(jù)模型設(shè)計和數(shù)據(jù)抽取集成等過程構(gòu)建了傷害住院病例流行病學(xué)分析主題數(shù)據(jù)庫。將主題數(shù)據(jù)庫的應(yīng)用引入到傷害住院病例監(jiān)測工作中有其積極意義，既擴(kuò)展了HIS業(yè)務(wù)數(shù)據(jù)的應(yīng)用模式，也提高了傷害監(jiān)測工作的效率。目前，國內(nèi)已有解放軍總醫(yī)院、重慶醫(yī)科大學(xué)等多家單位對數(shù)據(jù)挖掘技術(shù)在醫(yī)院信息利用方面做了積極探索與實踐［11－13］，但未發(fā)現(xiàn)利用數(shù)據(jù)挖掘技術(shù)對“傷害住院病例流行病學(xué)分析”進(jìn)行研究的相關(guān)文獻(xiàn)。本研究通過相關(guān)業(yè)務(wù)診療信息提取傷害特征信息的做法，為傷害特征研究提供了又一個思路，但其科學(xué)性需要進(jìn)一步論證。通過利用本研究的方法對某綜合性醫(yī)院HIS數(shù)據(jù)庫構(gòu)建傷害住院病例流行病學(xué)分析主題數(shù)據(jù)庫的實例分析，發(fā)現(xiàn)構(gòu)造基于業(yè)務(wù)主題的星形模式多維模型，可以對業(yè)務(wù)數(shù)據(jù)進(jìn)行多層次多角度的分析，但數(shù)據(jù)挖掘方法和展現(xiàn)方式需要科學(xué)化、多樣化。

［1］Inmon WH.數(shù)據(jù)倉庫［M］.王志海 譯.北京:機(jī)械工業(yè)出版社，2001.

［2］周炎濤，謝東，吳正國.主題數(shù)據(jù)庫技術(shù)的親合性分析方法研究［J］.計算機(jī)工程與應(yīng)用，2005（12）:168－170.

［3］張國慶，曹順良，方悼，等.基于構(gòu)件的生命科學(xué)主題數(shù)據(jù)庫構(gòu)建方法［J］.計算機(jī)應(yīng)用研究，2007，24（6）:12－14.

［4］劉麗華，曹秀堂，郝璐.住院患者主題數(shù)據(jù)集統(tǒng)計集成與應(yīng)用設(shè)計［J］.中國醫(yī)院，2007，11（12）:8－12.

［5］劉玉，陳金雄.病種分析主題數(shù)據(jù)倉庫的建立［J］.醫(yī)學(xué)信息，2008，21（12）:2141－2145.

［6］Wong ST，Hoo KS Jr，Knowlton RC，et al.Design and applications of a multimodality image data warehouse framework［J］.J Am Med Inform Assoc，2002，9（3）:239－254.

［7］Han JW，Kamber M.數(shù)據(jù)挖掘概念與技術(shù)［M］.范明，孟小峰 譯.北京:機(jī)械工業(yè)出版社，2008:70－81.

［8］蔣偉進(jìn)，唐代喜，劉青寶.面向主題的關(guān)系——多維數(shù)據(jù)模型建立與數(shù)據(jù)集市［J］.微機(jī)發(fā)展，2003，13（6）:74－76.

［9］李愨，李麗萍.3622例道路交通傷害住院患者的療效和轉(zhuǎn)歸分析［J］.疾病控制雜志，2007，11（4）:383－385.

［10］沈敏，劉筱嫻.1444例女性傷害患者住院時間的影響因素分析［J］.中國醫(yī)院統(tǒng)計，2005，12（2）:115－117.

［11］曹秀堂，郝璐，劉麗華.ODS統(tǒng)計信息資源庫的功能與應(yīng)用［J］.中國醫(yī)院，2008，12（12）:12－14.

［12］劉麗華，李昕，胡凱.統(tǒng)計信息集成與管理決策支持系統(tǒng)概述［J］.中國醫(yī)院，2008，12（12）:8－11.

［13］易靜，蘇新良，王潤華.決策樹在乳腺癌高位淋巴結(jié)轉(zhuǎn)移判別診斷中的應(yīng)用［J］.重慶醫(yī)科大學(xué)學(xué)報，2009，34（8）:606－609.