淺談數(shù)據(jù)倉庫技術(shù)在醫(yī)院管理中應(yīng)用

張宇 武警北京總隊第二醫(yī)院信息科

一、研究背景

得益于信息與計算機技術(shù)的飛速發(fā)展，醫(yī)院信息化不斷完善和進步，數(shù)字化對于醫(yī)院而言已不陌生。各家醫(yī)院普遍采用數(shù)據(jù)庫技術(shù)以及網(wǎng)絡(luò)技術(shù)來處理醫(yī)院的日常工作和管理。醫(yī)院信息系統(tǒng)（Hospital Information System，簡稱HIS）的采用，使得醫(yī)院的業(yè)務(wù)工作更加高效、快捷、準確，提高了醫(yī)院的醫(yī)療和管理水平。但隨著醫(yī)院信息化技術(shù)的深入發(fā)展，針對現(xiàn)有的業(yè)務(wù)和管理工作，HIS的發(fā)展遇到了瓶頸。就目前的HIS應(yīng)用，還限于對日常業(yè)務(wù)數(shù)據(jù)的采集、存儲、查詢等初級階段，并沒有實現(xiàn)對歷史數(shù)據(jù)的篩選、整合和分析，數(shù)據(jù)中隱含的有價值的信息不能被發(fā)現(xiàn)并加以利用。如何讓歷史數(shù)據(jù)不成為“歷史”，重新發(fā)揮作用，是醫(yī)院“后信息化時代”要解決的主要問題。

二、系統(tǒng)分析和系統(tǒng)設(shè)計

（一）系統(tǒng)分析

系統(tǒng)分析是根據(jù)用戶感興趣的問題確定主題，主題就是需要通過數(shù)據(jù)倉庫來解決的問題，也是在構(gòu)建數(shù)據(jù)倉庫時將數(shù)據(jù)歸類的基本依據(jù)。此處簡單分析兩個主題，以此為例，其他主題均可照此例進行。分別是門診掛號工作量主題和門診費用情況主題。

1.門診掛號工作量

門診掛號是病人來院就診的第一行為，它所產(chǎn)生的信息相對較少，但是信息相對完整。對門診掛號數(shù)據(jù)進行分析，從門診科室，病人費別，掛號類別，掛號員等不同角度對掛號人次，掛號費用等數(shù)據(jù)重新歸納總結(jié)，可以得到不同科室的接診情況，各種費別患者的就診情況以及掛號員的工作量等數(shù)據(jù)，從而可以了解醫(yī)院門診的運行情況，進而對門診醫(yī)療資源的優(yōu)化調(diào)整提供數(shù)據(jù)參考。

2.門診費用情況

門診收費是門診的主要業(yè)務(wù)之一，它直接反應(yīng)醫(yī)院門診的收入情況。通過對門診收費數(shù)據(jù)的分析，從門診科室，病人費別，收費類別，收費員等角度對門診費用進行歸納總結(jié)，可以得到門診科室的收入情況，各種費別患者的門診費用統(tǒng)計以及各種收費類別的費用統(tǒng)計等數(shù)據(jù)。對了解門診各科室的業(yè)務(wù)開展狀況有指導(dǎo)作用，還可以分析出不同費別病人在醫(yī)院的消費情況。

（二）系統(tǒng)設(shè)計

1.概念模型設(shè)計

數(shù)據(jù)倉庫的開發(fā)人員可以在數(shù)據(jù)倉庫開發(fā)之前通過數(shù)據(jù)倉庫的需求分析，了解數(shù)據(jù)倉庫用戶的大致需求。這樣，就可以界定一個數(shù)據(jù)倉庫的大致系統(tǒng)邊界，集中精力進行主要部分的開發(fā)。因而，界定邊界的工作也可看作是數(shù)據(jù)倉庫系統(tǒng)的概念模型設(shè)計。概念模型設(shè)計的主要工作就是確定主題域及其相關(guān)內(nèi)容。本文中我們通過需求分析得到兩個主題域，門診掛號主題域和門診收費主題域。

2.邏輯模型設(shè)計

數(shù)據(jù)倉庫的邏輯模型通常采用星形模型和雪花模型，在本案中我們采用的是星形模型。邏輯模型設(shè)計包括維度設(shè)計以及度量值設(shè)計。

（1）維度設(shè)計

維度是描述事實表中數(shù)據(jù)級別的有組織的層次結(jié)構(gòu)，維度的創(chuàng)建需要根據(jù)具體問題進行分析確定。例如：構(gòu)建病人掛號記錄的多維數(shù)據(jù)集后，我們可以通過日期維度統(tǒng)計每日就診人次，也可以通過科室維度統(tǒng)計各科室接診人次，再或者通過掛號員維度統(tǒng)計掛號員的工作量。另外，按照使用方式來分，維度可以分為“共享維度”和“專用維度”?！肮蚕砭S度”可在多個數(shù)據(jù)集中使用，避免了重復(fù)創(chuàng)建，節(jié)約了存儲空間和創(chuàng)建時間，專用維度是為個別數(shù)據(jù)集專門使用的維度。本文涉及的數(shù)據(jù)倉庫模型的主要維度如下：

①日期維：日期維屬于共享維，是數(shù)據(jù)倉庫中必備的維度，因為對數(shù)據(jù)倉庫的操作通常要加入時間段，否則統(tǒng)計數(shù)據(jù)將失去意義。根據(jù)一般使用需要將時間維分為四個層次：年→季度→月→日。

②科室維：屬于共享維，維表中記錄全院科室名稱及代碼。從HIS數(shù)據(jù)庫中科室字典中獲取。

③費別維：屬于共享維，在統(tǒng)計醫(yī)療數(shù)據(jù)時通常會區(qū)分病人的費別，從而有效的對不同類別的病人信息進行分類匯總。費別一般包括“自費”、“免費”、“醫(yī)療保險”、“公費”等，從HIS數(shù)據(jù)庫中費別字典中獲取。

④工作人員維：包括掛號員維和收費員維，因為這兩個維表的數(shù)據(jù)均取自HIS數(shù)據(jù)庫中人員字典，所以實際上是一個共享維。

⑤收費分類維：門診收費專用維度，對費用進行分類的依據(jù)，數(shù)據(jù)取自HIS數(shù)據(jù)庫中收費類別字典。

⑥掛號類別維：門診掛號專用維度，對掛號類別進行分類的依據(jù)，數(shù)據(jù)取自HIS數(shù)據(jù)庫中號類字典。

（2）度量值設(shè)計

度量值是多維數(shù)據(jù)集事實表中的一列或多列數(shù)值，是多維數(shù)據(jù)集最終要計算并顯示的結(jié)果，供用戶瀏覽查詢。數(shù)據(jù)類型一般為數(shù)值型，通常是對數(shù)據(jù)集中的某一列或幾列求和、計數(shù)、取平均值等計算。度量值是用戶通過數(shù)據(jù)倉庫最終要獲取的信息。例如門診掛號度量值有掛號人次計數(shù)和掛號費用求和，門診收費度量值有當日次均費用等。

三、具體實施

將HIS數(shù)據(jù)庫中數(shù)據(jù)通過ETL導(dǎo)入SQLServer數(shù)據(jù)庫中。以門診掛號為例，科室、用戶、掛號分類由HIS數(shù)據(jù)庫導(dǎo)入到SQLServer數(shù)據(jù)庫中，時間表由SQL語句生成?；A(chǔ)數(shù)據(jù)準備完畢后，利用SQLServer的Analysis Services組件，建立Analysis Services項目，設(shè)計數(shù)據(jù)源視圖，以及數(shù)據(jù)倉庫的維度及度量值。最后設(shè)計數(shù)據(jù)立方體并部署Analysis Services項目，生成可瀏覽的多維數(shù)據(jù)集。

四、結(jié)果展示與分析

前面我們通過對數(shù)據(jù)倉庫的設(shè)計與構(gòu)建，最終得到了關(guān)于主題的多維數(shù)據(jù)集。但是對于用戶而言，多維數(shù)據(jù)集本身并不適合瀏覽與分析，通過SQLServer的報表服務(wù)器可以將數(shù)據(jù)以友好的形式展示給用戶。報表服務(wù)器，是商業(yè)智能報表產(chǎn)品的重要組成部分，主要功能是提供報表資源管理，用戶身份與權(quán)限管理，任務(wù)調(diào)度，信息分發(fā)等。報表服務(wù)器管理的報表資源主要包括數(shù)據(jù)庫元數(shù)據(jù)，報表模版，報表輸出結(jié)果等。另外報表不僅可以以表格的形式顯示，還可以以圖表的形式進行顯示，如餅狀圖、柱狀圖等形式，在表現(xiàn)方式上更友好、更直觀。

五、結(jié)論

本文主要闡述了數(shù)據(jù)倉庫技術(shù)在醫(yī)院管理中的應(yīng)用。伴隨著大數(shù)據(jù)時代的來臨，對于陳舊歷史數(shù)據(jù)的整合與應(yīng)用越來越多的成為人們關(guān)注的焦點，這也是本文的研究背景。通過對數(shù)據(jù)倉庫技術(shù)的研究以及對數(shù)據(jù)倉庫構(gòu)建的具體實施，初步掌握了數(shù)據(jù)倉庫的開發(fā)技術(shù)與實施方法。結(jié)合醫(yī)院歷史數(shù)據(jù)所構(gòu)建的兩個簡單實例，為以后構(gòu)建更復(fù)雜的數(shù)據(jù)倉庫，開發(fā)決策支持系統(tǒng)奠定了基礎(chǔ)。數(shù)據(jù)倉庫技術(shù)對數(shù)據(jù)的整合及再利用，提供多維度、多角度、多層次觀察數(shù)據(jù)的方式，為信息技術(shù)帶來了新的革命。以往的業(yè)務(wù)數(shù)據(jù)分散零碎，沒有關(guān)聯(lián)，為了得到某一數(shù)據(jù)往往需要進行多張數(shù)據(jù)表的查詢，而且一旦查詢主題改變，又要反復(fù)查詢工作，數(shù)據(jù)倉庫技術(shù)極好的解決了這些問題。

[1]Jamie Mac Lennan,Zhao Hui Tang,Bogdan Crivat.董艷，程文俊譯.數(shù)據(jù)挖掘原理與應(yīng)用—SQL Server 2008數(shù)據(jù)庫[M].第2版.北京：清華大學出版社，2012.

[2]Erik Thomasen.朱建秋等譯.OLAP解決方案：創(chuàng)建多維信息系統(tǒng)[M].第2版.北京：電子工業(yè)出版社，2004.