基于VBA的中醫(yī)電子醫(yī)案數據預處理方法研究

韓愛慶+王允亮+李軍祥+劉敏+唐燕+翟興+文占權

摘要：對醫(yī)案實施統計分析或數據挖掘是進行癥一證一藥規(guī)律研究的有效方法。在實施統計分析或數據挖掘之前，必須對數據實施預處理。該文列舉了兩類典型的中醫(yī)電子醫(yī)案數據存儲不規(guī)范問題，基于數據庫范式指出了問題的解決方法，給出了對應的解決算法，并使用VBA進行了程序實現。

關鍵詞：中醫(yī)電子醫(yī)案；數據處理；VBA 對臨床中醫(yī)醫(yī)案實施統計分析或數據挖掘是發(fā)現和總結醫(yī)生臨證思維和用藥規(guī)律的有效方法--，。在實施統計分析或數據挖掘之前，必須對數據實施預處理，要求預處理結果滿足數據庫第三范式，這項工作耗時費力，在總的數據處理工作中占有較大比重。然而在實際的課題研究或醫(yī)案分析中發(fā)現，有很多原始電子醫(yī)案數據甚至是不滿足第一范式的。由于Office辦公系統的普及性，原始電子醫(yī)案數據多存儲在Excel文件或Ac-cess數據庫中，而Excel數據和Access數據可通過導入導出或另存的方式互相轉換，如何用一種簡潔高效的辦法在Excel軟件中將原始醫(yī)案數據進行預處理，充分發(fā)揮Excel普及性好，易學易用的優(yōu)勢，是一個值得研究的課題?；赩BA的數據處理或預處理已經已經在很多領域有成熟的應用，通過文獻研究和實踐操作發(fā)現，借助Excel VBA可以很好地解決電子醫(yī)案數據預處理問題。

1問題描述 原始電子醫(yī)案數據大多不符合數據庫設計要求，圖1所示的數據存儲結構是常見的錯誤結構之一。其中，每個患者的癥狀都是以堆積的形式作為整體存儲在癥狀列中，藥物信息則按照處方中藥物數量依次以藥物1、藥物2、藥物3……的布局在橫向展開，如圖1所示。 所謂第一范式（1NF）是指數據庫表的每一列都是不可分割的基本數據項，同一列中不能有多個值，即實體中的某個屬性不能有多個值或者不能有重復的屬性。如果出現重復的屬性，就可能需要定義一個新的實體，新的實體由重復的屬性構成，新實體與原實體之間為一對多關系。此例中的癥狀屬性從字段標題來看是滿足第一范式的，但從字段內容來看并不符合要求，需將每個癥狀值拆分為最小信息單元，如圖3（a）所示。由于藥物1、藥物2等信息同屬藥名信息，需要將圖1中藥物進行轉置處理，轉置后如圖所示。

2 Excel VBA及Excd對象模型

VBA（Visual Basic for Application）是開發(fā)Excel應用程序的編程語言，也是內嵌于其他Office套件的應用程序開發(fā)語言。VBA的主要任務是組織或集合Office程序的功能，雖然它無法脫離Office環(huán)境獨立運行，但卻在自動化工作進程、個性化工作界面等方面有著內在的優(yōu)勢。作為Excel中的程序語言，由于Excel自身強大的數據分析與處理功能，使得Excel VBA具有更廣泛的應用前景。與所有其他編程語言一樣，VBA編程語言也是由類型、變量、數組、函數和流程控制等基本元素組成。在Office編程環(huán)境下，所有VBA代碼都位于模塊中，模塊是存儲VBA代碼的容器。模塊有三種類型：對象模塊、標準模塊和類模塊。其中，對象模塊是包含對象專用代碼的模塊，如工作表模塊和工作簿模塊；標準模塊用于存儲公用的，共享代碼的模塊；類模塊則可以實現基于對象的編程，創(chuàng)建自己的屬性、方法和事件。

3數據預處理過程

原始醫(yī)案數據往往比圖1所示的數據要復雜得多，主要問題包括中英文標點符號不一致，如有的分隔符是中文逗號，有的是英文逗號，有的則是空格；其他問題包括多余標點（如尾部），信息重復以及信息殘缺等等。因此，在實施正式數據預處理之前，需要先統一分隔符、去除多余標點、刪除重復信息、修復或刪除殘缺信息等等，之后才能實施數據預處理。

3.1癥狀數據的數據預處理算法 癥狀數據預處理的主要算法思想是，逐行遍歷圖1所示的記錄，使用函數將癥狀信息以逗號為分隔符進行切割并將其存儲到數組中，遍歷數組并將其存儲到新表中。具體算法如下： 第1步：新建工作簿，并設置目標區(qū)域列標題。 第2步：設置整型變量i=2。從第2行開始逐行遍歷癥狀。 第3步：當i=k（k>=2且k<=總行數），使用Split函數以英文逗號為分隔符將單元格cells（k，3）中的癥狀信息進行拆分，結果放到變體變量Arr中。 第4步：遍歷數組Arr，將其和患者編號一起存儲到目標區(qū)域。 第5步：設置i=i+1，如果i<=總行數，則轉到第3步，否則結束循環(huán)。

3.2處方數據的數據預處理算法

處方數據預處理的主要算法思想是，逐行遍歷圖1所示的記錄，對于每一行數據，由左至右遍歷各藥物，并將其存儲到新表中。具體算法如下： 第1步：新建工作簿，并設置目標區(qū)域列標題。 第2步：設置整型變量i=2。從第2行開始逐行遍歷癥狀。 第3步：當i=k（k>=2且k<=總行數），從第k行4列遍歷到k行最后一列，即遍歷所有藥物和劑量。 第4步：通過遍歷藥物將其存儲到新建工作簿的目標區(qū)域。 第5步：設置i=i+1，如果i<=總行數，則轉到第3步，否則結束循環(huán)。

4算法實現及主程序

下面通過主程序來說明格式轉換過程。在以下主程序中，首先定義必需的變量，新建工作簿并設置目標區(qū)域列標題，然后循環(huán)遍歷各條記錄，對每組癥狀使用函數進行拆分處理，對每組用藥進行遍歷處理，并將處理后的信息存儲到目標區(qū)域。代碼實現如下：

在以上程序中，Array（“患者ID”，“癥狀”）函數功能返回一個指定字符序列的數組，Split（wsl.Cells（i，3），“，”）函數的功能是將字符串以逗號為標記進行切割拆分，并以數組形式返回，Work-books.Add表示新建工作簿，Range（“a65536”）.End（xlUp）.Row表示從指定單元格a行65536列向上查找最后一個非空單元格，及確定末尾行，Offse（1，0）表示從單元格偏移1行0列，即選擇所選單元格下方的鄰近單元格。

5討論

本文介紹了使用Excel VBA編程技術對不符合數據庫規(guī)范的電子醫(yī)案進行數據預處理的方法。此項技術可擴展至對對各類Excel文件內容格式的轉換，并可大幅降低手工處理的勞動強度，提高轉換準確率并有效縮減工作時間。這種方法為相關問題的快速解決提供了一些方法上的參考。由于Excel軟件的普遍性，使得這種方法具有廣泛的應用需求。endprint