構建基于數據倉庫的醫院輔助決策支持系統

劉建龍

目前，多數醫院對于醫院信息系統數據的后期處理基本處在基于數據庫技術的查詢、統計的事務性操作上，這些統計查詢分析并不能對醫院的業務流程優化、成本控制乃至醫院的長期發展提供數據支持，更不能為醫院決策者提供數據支持。蘭州大學第二醫院構建了基于醫院信息系統數據倉庫為基礎的輔助決策支持系統，為醫院管理決策者提供了數據支持。

【關鍵詞】數據倉庫 決策支持 醫院信息化

1 概述

醫院決策支持系統不應該是單純的事后統計，它必須與醫院管理緊密相連，做到事前評估、事中監控、事后分析。醫院決策支持系統必須和醫院業務環環相扣，其所分析的數據必須能夠為醫院的實際發展提供支持和導向。

下述實例，列舉了醫院決策支持系統在實際運行中應該為醫院提供的數據支持和醫院管理層的實際需求指標：

1.1 醫院門診綜合需求

醫院門診新大樓完工并投入使用，預計每天可增加500-800門診量，那么該醫院每天應該產生放號信息有多少，應該安排多少醫生出診、應該設置多少個掛號和收費窗口，門診藥房的配藥發藥壓力是否會大幅度上升等等。

1.2 醫院平均住院日分析

平均住院日是評價醫院效率和效益、醫療質量、技術水平及管理水平的硬性綜合指標，醫院應該在確保醫療質量和醫療安全的前提下盡量縮短平均住院日。

1.3 醫院就診流分析

患者僅掛號，醫生無診斷、無醫囑或者醫生下過醫囑，患者并未按照醫囑繳費并接受治療。以上兩種人群是醫院病人流失的主要原因，如何及時分析原因并采取正確的措施，減少醫院損失。

1.4 醫院高值耗材相關分析

通過數據挖掘，找到每種高值耗材在醫院的使用情況，各科室使用分布、人群使用分布，針對使用高值耗材病人往往醫療費用較高，通過監控該病人的醫保支付情況，及時與病人溝通，減少欠費及醫患糾紛的風險。

1.5 醫院大處方及合理用藥

通過對大處方的處方類型（一般情況下，抗菌類處方占大多數）、病人診斷、開單醫生進行匯總分析，控制醫藥合謀以及醫患合謀；基于處方點評子系統，分析各科室處方點評率、處方合格率，對問題處方的原因進行分析，并采取有效整改措施，減少由于醫療質量問題帶來的醫患糾紛。

以上僅僅列舉了幾個醫院具有代表性的需求實例，在醫院的實際運營管理過程中，決策支持系統分析的數據指標應該可以按照各個臨床業務、教學、行政管理科室的要求，基于醫院信息系統數據倉庫，為醫院的管理者提供詳細精準的數據支持。

2 輔助決策系統的組織結構及應用框架

在醫院的基于醫院信息系統數據倉庫的決策支持系統的實際設計與實施中，應該包括管理模塊、模型管理模塊、知識管理模塊以及用戶界面。基于數據倉庫的醫院決策支持系統體系結構包括：

2.1 數據獲取層

主要完成將醫院運行業務數據的清理、轉換、抽取為綜合統一的數據形式到醫院數據倉庫。

2.2 數據存儲層

主要完成統一管理和存儲面向決策的按主題劃分的綜合數據，這些數據由醫院信息系統運行產生，并且按照相應主題的需求及結構對數據進行整合和組織，為醫院的管理決策者提供大量的數據支持。

2.3 數據處理層

主要包含模式庫、數據挖掘、聯機分析處理以及相關的管理系統，通過聯機分析和數據挖掘從數據倉庫中提取出有價值和管理層感興趣的信息和數據。

2.4 數據訪問層

主要為醫院的管理決策者提供決策支持系統的人機交互入口，將數據處理層整合和處理的信息和數據通過友好界面展現給用戶，包括二維表、儀表盤、曲線圖、柱狀圖等形式。

3 數據倉庫的構建

數據倉庫的構建設計始終處于一個動態循環與改進的過程，與業務系統數據庫的設計與構建不同。業務系統數據庫在設計完成、業務系統正常運行之后，除非在原業務系統上進行二次開發，否則很少輕易改動其中的結構，避免對業務系統的性能及數據庫安全性產生安全漏洞。而數據倉庫因為需要滿足不同的業務需求、適應不同的業務環境。在將業務系統產生的原始系統提取到數據倉庫之后，它通過準確動態的理解不同用戶的需求，為用戶提供準確的決策信息。

醫院數據倉庫的構建主要包括確定分析主題、數據準備、建立模型、應用模型等過程。

3.1 分析主題的確定

數據在數據倉庫中的組織形式是面向主題的，根據醫院各科室的業務需求、各級管理機構對醫院的考核指標以及醫院管理決策層所敏感的醫院信息數據，目前我院確定的數據倉庫分析主題主要有：住院主題、出入轉匯總主題、醫保明細費用主題、固定資產主題、高值耗材主題、總收入主題、手術主題、門診處方主題、門診發藥主題等等。

根據所確定的主題，可以確定醫院信息系統數據倉庫的邏輯模型，以所分析的主題作為事實表。以醫院總收入主題為例，其所涉及的事實表包括：醫囑主表、醫囑分類表、賬單主表，病人醫囑費用明細表、賬單收費項目明細表、住院發票表等。

3.2 總收入主題

3.2.1 維度以及粒度的設計

數據倉庫設計過程中一個核心的過程就是粒度的劃分，合適準確的粒度劃分是非常復雜的問題，粒度的確定是業務分析決策、數據倉庫以及軟硬件使用方式的平衡，必須從數據倉庫實際數據存儲的物理容量、數據構成量以及業務部門的實際應用需求等方面考慮進行粒度的設計。根據上述設計理論，結合醫院業務需求以及指定的分析主題。

3.2.2 事實表、維表及模型

根據醫院總收入主題以及維度和度量的設計，總收入分析主題涉及的維表主要包括：

（1）病人基本維（病人姓名、性別、身份證號、聯系電話、職業）；

（2）病人就診信息維（病人姓名、性別、住院號、住院登記號、門診登記號、病歷號、證件類型）；

（3）醫囑大類維表（類別ID、類別）；

（4）醫囑項維表（ID、項目名稱、項目所屬醫囑子分類ID、項目所屬醫囑大分類ID）；

（5）病人賬單收費項目明細表（收費項目ID、單價、數量）等。

事實表為病人醫囑費用明細表（病人住院登記號、醫囑項ID、收費項目ID、總計費數量、退費數量）等。

3.3 醫保主題

醫保費用明細主題事實表、維表 根據醫院醫保費用明細主題維度和度量的設計，醫保費用主題涉及的維表主要包括：

（1）病人基本信息維（病人姓名、性別、身份證號、聯系電話、職業）；

（2）病人就診信息維（病人姓名、住院登記號、病人科室、病人醫生、病人費別、結算狀態、就診類型、住院天數）；

（3）病人醫囑費用明細表（病人住院登記號、醫囑項ID、收費項目ID、總計費數量、退費數量）等；

（4）病人賬單明細維（病人登記號、病人姓名、醫保類別、中成藥費、中草藥費、取暖費、手術費、掛號費、檢查費、材料費、治療費、化驗費、床位費、掛號費、其他費用）等；

事實表為病人賬單維（病人登記號、醫保類別、人員類型、結算狀態、統籌支付累計、個人現金支付額、乙類自理金額、公務員補助、醫保定額、自費材料總費用、自費藥品總費用、自付費用、進入統籌費用、高值耗材統籌、出院時間、結算時間）。

3.4 數據整理與轉換

數據整理與轉換功能主要完成對醫院已經產生的業務活動數據按照構建數據倉庫過程中設計的維度、度量以及事實表、維表通過ETL過程導入到數據倉庫中。

ETL（Extract Transformation Load）是構建數據倉庫承前啟后的重要步驟，它將異構的、不同數據源中的數據抽取后進行清洗、集成和轉換，再加載到數據倉庫或者數據集市當中，為聯機分析處理和數據挖掘提供數據基礎。相較與關系數據庫，數據倉庫中沒有嚴格的數學理論，數據倉庫則主要面向實際的業務及工程應用。

4 應用speedminer工具實現基于Web的輔助決策支持應用分析

4.1 收入結構分析的Pivot及Dashboard創建

（1）Pivot主要完成醫院決策支持系統體系結構中的數據處理層的分析處理和挖掘功能。

在Pivot創建之前，首先考慮我們需要展示并分析的數據應該包含的內容，住院科室收入結構分析應該分析的對象是科室以及收入結構。因此，將開單科室作為維度即展現的行；其度量組成應該是各個收入結構。在pivot的過濾條件中可以指定按照某種條件來展示，在住院科室收入結構分析中，我們制定其按照指定的時間段來展示結果，這部分內容也可以直接在Dashboard創建界面展示時制定。

在每個度量中，需指定過濾收入的條件，雙擊度量組成的某個度量，使“收入會計大類=度量所指收入”。度量過濾條件相當于查詢總收入中會計大類為材料收入類型的收入金額。

（2）Dashboard主要完成醫院決策支持系統體系結構中的數據訪問層功能，主要為管理決策者創建決策支持系統的人機交互界面，將數據處理層整合和處理的信息和數據通過友好界面展現給用戶。

Dashboard展示界面包括二維表、儀表盤、曲線圖、柱狀圖等形式。換句話來說，Dashboard就是將前述中的pivot的分析和挖掘結果使用友好的人機交互界面展示出來。在Dashboard創建過程中，首先需要進行Dashboard與pivot的關聯，結合功能需求，然后按照美觀、簡介的原則規劃Dashboard中各個二維表、儀表盤及柱形或曲線圖的位置，將結果展示出來。在Dashboard創建過程中，我們可以將數據按照一定過濾條件再次鉆取。

4.2 總結

使用基于Web輔助決策支持工具可以將臨床業務或者醫院決策管理層的不同需求制定相應的pivot，然后通過Dashboard展示出來，供相關部門分析使用，但是在這之前，同樣需要設計相關主題的維度及粒度，并使用ETL過程將數據導入數據倉庫中。目前我院根據各個業務科室以及管理決策部門提出的數據分析需求，已經在Speedminer中部署了20余個業務主題、10余種大類分析、50余種子類分析目標，基本上滿足了醫院決策管理者對醫院信息系統提供業務數據分析的需求，同時完成了各級部門考核醫院以及醫院等級評審所需的相應指標的分析與鉆取，大大提升了統計工作效率。在這些數據及分析結果的展現過程中，采用了多樣化形式，除了上述的二維表直觀表現、柱形曲線圖，還包含了相關重要指標動態監控的方式。如圖1所示。

總之，無論是數據的多角度、深層次鉆取分析、還是數據查詢統計與數據的直觀分析，在使用基于醫院信息系統數據倉庫的決策支持系統后，效率得到了明顯提升，為醫院管理決策者制定醫院發展規劃、規范醫療質量、業務流程優化最終實現醫院大發展提供了堅實基礎和便利條件。

參考文獻

[1]謝榕.基于數據倉庫的決策支持系統框架[J].系統工程理論與實踐，2000，20（04）：27-30.

[2]林杰斌，劉明德，陳湘.數據挖掘與OLAP理論與務實[M].清華大學出版社，2002.

[3]W.H.Inmon：Building the Data Warehouse[M].Third Edition.John Wiley&Sons.Inc.2002.

[4]許兆新，周雙娥，郝燕玲.決策支持系統相關技術綜述[J].計算機應用研究，2001，18（02）：35-39.

[5]鄧蘇，張維明，黃宏斌.決策支持系統[M].北京：電子工業出版社，2009.

[6]崔雷，侯躍.論醫療決策支持系統[J].醫學情報工作，2003，24（01）：28-30.

[7]陳京明.數據倉庫與數據挖掘技術[M].北京：電子工業出版社，2002.

[8]許兆新，周雙娥，郝燕玲.決策支持系統相關技術綜述[J].計算機應用研究，2001（02）：35-39.

作者單位

蘭州大學第二醫院 甘肅省蘭州市 730030