數據倉庫技術在醫院病案統計分析中的應用研究

程華玲

[摘要] 該文探討和研究在醫院病案統計分析中采用數據倉庫技術的應用效果。通過對醫院信息系統數據的挖掘和分析發現，數據挖掘技術和數據倉庫目前處于初步階段，存在發展潛力。認為應用數據倉庫技術可使醫院信息系統更完善，能提高統計工作的效能，在醫院管理中提供比較重要的科學依據。

[關鍵詞] 數據倉庫技術;醫院病案統計;應用研究

[中圖分類號] R197.32 [文獻標識碼] A [文章編號] 1672-5654（2019）12（b）-0163-03

Application Research of Data Warehouse Technology in Statistical Analysis of Hospital Medical Records

CHENG Hua-ling

Department of Medical Records， Jurong People's Hospital， Jurong， Jiangsu Province， 212400 China

[Abstract] Discuss and study the application effect of data warehouse technology in the statistical analysis of hospital medical records. Through the mining and analysis of hospital information system data， it is found that data mining technology and data warehouse are currently in the preliminary stage and have potential for development. The application of data warehouse technology can make the hospital information system more perfect， improve the efficiency of statistical work， and provide more important scientific basis in hospital management.

[Key words] Data warehouse technology; Hospital case statistics; Applied research

病案統計是醫院管理工作中比較重要的部分，而且已經成為醫學發展的學科，它將不斷促進醫院管理體系的發展。病案統計信息是臨床工作中最為原始的記錄資料，同時也關系著患者在接受治療時和治愈后的工作總結。在這個過程中，其總結工作的好壞直接反映醫務人員日常工作的效果以及管理的水平。因此病案統計的原始資料及統計分析的再生數據資料，對醫院管理的決策發揮著重要的作用。隨著醫院信息系統工作的不斷運用，病案統計的查詢工作逐漸復雜，而且統計的信息量也逐漸增多，病案分析工作速度大大降低了，無法滿足病案統計的工作需求，因此要尋求一種比較有效的方式促進病案統計分析工作[1]。而數據倉庫技術的出現，恰恰滿足了病案統計工作的需求。數據倉庫技術是用科學的方式整理數據，從不同角度對醫院病案統計進行分析，可以精確分析和準確判斷。該文通過以下幾個方面敘述數據倉庫技術在醫院病案統計分析中的應用效果，旨在宣傳當今順息萬變的大數據時代，應用數據倉技術勢在必行。

1 ?醫院病案統計分析中出現的問題

1.1 ?在查詢過程中速度比較慢

隨著醫院信息量的增大，在信息管理系統的運營過程中，數據量逐漸增多，在查詢分析過程中具有一定的復雜性，最終導致統計查詢的速度降低，無法滿足工作的效率，同時歷史的數據也無法充分運用。而且系統管理的技術是屬于傳統的數據庫，因此在平時的工作中，無法滿足增多的信息量，使歷史的數據脫離系統管理。而且傳統數據庫的統計比較單一，難以符合決策性的需求[2]。

1.2 ?病案統計分析工作不健全

當前醫院病案統計分析系統是十幾年前安裝使用的老程序，隨著醫療技術水平的提高和一些新病種的出現，各種新的疾病治療方法、技術和新的手術項目應運而生，系統對這些新內容無法識別和更新，或者系統儲存容量不夠，在檢索和分析病案數據資料時，會丟失部分數據或者根本查不到該有的信息（經常有醫生來說幫查一下收治的幾份重要和特殊病例但病案室查不到），有時信息還會互串和重疊。導致數據統計缺乏真實性，勢必影響整個醫院的發展[3]。

1.3 ?在病案統計分析工作中基礎建設比較薄弱

在經濟不斷發展的今天，醫院信息統計方面的需求不斷增加，在病案統計分析工作中，信息統計不規范，其建立的信息數據不健全，確保不了質量。部分人員對待工作責任心不強，因此病案統計分析工作存在疏忽和漏洞[4]。

2 ?采用數據倉庫技術的作用

對傳統的數據倉庫系統而言，在進行數據統計和分析時只能用于平時的數據統計，而對于輔助決策的數據分析工作是無法完成的，而數據倉庫技術在分析數據方面具有比較大的優勢。傳統的數據分析滿足不了病案統計工作，直接影響病案統計分析工作的價值。而數據倉庫技術可以在傳統數據技術的基礎上提升管理需求，在數據倉庫技術開展下，將病案中的各類數據、信息等相互結合起來，重新建立新型的信息知識庫。分門別類的實現統計分析的目的，同時可以在醫療工作中實施非數字的信息安排，也能進一步提高病案中數據統計的利用率。數據倉庫技術的實施，可以有效的識別出大量數據中最有用的數據并進行分析。在病案系統管理應用中，數據倉庫技術對各類病案中的醫療過程產生的數據進行集成、綜合、對比，其產生的數據是真實有效的，對比性與推理性都比較強[5]。

3 ?在病案統計分析中應用數據倉庫技術的特點

3.1 ?實施建立數據倉庫

數據倉庫是按照數據結構來組織、存儲和管理數據并建立在計算機存儲設備上的倉庫。可以長期存儲在計算機內，是有組織可以共享的數據集合。建立數據倉庫的第一個步驟是要通過與醫院業務部分的交流溝通，充分了解建立數據倉庫所要解決的問題和真正的含義，確定查詢分析的需求。第二是要選擇滿足數據倉庫系統要求的軟件平臺，其中包括數據庫、建模工具以及分析工具等。要考慮到系統對數據量、響應時間、分析功能的要求等。第三要建立數據倉庫的邏輯模型，確定建立數據倉庫邏輯模型的基本方法，將主題中數據定義轉到邏輯數據模型中，進行審核邏輯數據模型。

3.2 ?邏輯數據模型轉化數據倉庫的數據模型

在數據倉庫模型中不需要包含非戰略性的數據，因此在用操作處理的數據要進行刪除。在數據倉庫中的數據一定是時間的快照，在分析數據要提高使用性能。在病案統計工作中，要實施確定主題，首先對患者的疾病進行分析其特點，對該病的治療措施進行制定，將所需花費的費用進行統計，以及對患者的住院時間進行評估和對患者治療后的工作進行總結。針對所要發生的情況，提供縮短治療的時間、減少患者所承擔的醫療費用、對患者實施最佳的治療方案，同時也確保了醫院效益的情況進行統計分析，制定相關的表格。在數據模型建立的過程中，將無關此次分析的數據進行排除，將所發生的事實明確并仔細地記錄[6]。

3.3 ?建立數據模型后提取相關的數據

在將所需的數據模型建立以后，根據數據倉庫技術的要求，對數據倉庫中所需要的數據進行提取，首先要對外界的數據資源進行收集和提取。在提取數據的過程中，首先要將數據提取的目標與數據進行聯合建立，在統一的服務器中完成。如果數據結構化，在數據提取的過程中要在源系統內執行。采用的是完全提取法，無需跟蹤更改，邏輯簡單，但是系統負載較大。增量提取，將跟蹤源數據中的更改，可以創建更改表以跟蹤更改或檢查時間戳，數據倉庫內置變更數據捕獲功能，雖然邏輯比較復雜，但是系統負載卻大大減少了。

3.4 ?創建多維數據表進行分析

在將外界數據源進行收集和提取后，要建立多維數據庫，將數據存放在一個n維數組中，而不是像關系數據庫那樣以記錄的形式存放。工作人員可以通過多維視圖來觀察數據，多維數據庫增加了一個時間維，與關系數據庫相比，更加提高了數據處理的速度，加快了反應的時間，提高查詢的效率。創建多維數據庫首先要選擇事實數據表，以及需要的雪花架構和星型架構維度，采集后存儲到多維數據庫內。

4 ?數據挖掘

4.1 ?數據挖掘的概念

數據挖掘是近年來伴隨數據庫系統的大量建立和萬維網的廣泛應用而發展起來的一門技術。數據挖掘是交叉性學科，是數據庫技術、機器學習、統計學、人工智能、可視化分析等多門技術的融合。在大量的、不完全的以及有噪音或模糊的實際數據中，提取隱含的，有潛在價值的信息和知識的過程。數據的挖掘首先是搜集數據、數據越豐富越好，數據量越大越好，只有獲得足夠的高質量的數據，才可以獲得準確的判斷，才可以產生認知模型，是量變到質變的過程。目前挖掘數據的方法分類有神經網絡方法、遺傳算法、決策樹方法、統計分析方法、模糊集方法等，神經網絡方法是由于本身良好的魯棒性、自組織自適應性、并行處理以及分布存儲和高度容錯的特性，比較適合解決數據挖掘的問題。遺傳算法是一種基于生物自然選擇與遺傳機理的隨機搜索的算法，是一種仿生全局的優化方法，具有隱含并行性，易于和其他的模型結合的性質，應用比較廣泛。決策樹方法是一種常用于預測模型的算法，通過大量的數據有目的地分類，在這當中找到有價值以及潛在的信息，優點在于描述比較簡單，分類速度較快，比較適合大規模的數據處理。統計分析方法是在數據庫字段項之間存在的兩種關系，函數關系和相關關系，對它們的分析主要采用統計學方法，利用統計學的原理對數據庫中的信息進行分析，主要進行回歸分析、相關分析以及差異分析和常用統計等。模糊集方法對實際問題進行模糊評判、模糊決策、模糊模式識別和模糊聚類分析，其系統的復雜性比較高、模糊性比較強[7]。

4.2 ?數據挖掘任務

數據挖掘任務包括關聯分析、聚類分析，關聯分析是指兩個或兩個以上變量的取值之間存在某種規律性為關聯。數據關聯是數據倉庫中存在的比較重要和可被發現的知識，分為簡單和時序以及因果關聯。其目的是找出數據庫中隱藏的關聯網，使數據挖掘的規則更加符合要求。聚類分析是數據按照相似性歸納為若干類別，同一類的數據彼此相似，不同類的數據相異，可以建立宏觀的概念，發現數據的分布模式。

4.3 ?數據挖掘的特點

數據挖掘是基于大量的數據，并非說小數據量上不可以進行挖掘，在大多數據挖掘的算法是在小數據量上運行而且得到的結果，小數據量無法反映出真實世界中的普遍特性。數據挖掘出來的知識是以前未知的，是一個全新的知識，可以幫助醫院獲得進一步的洞察力。數據挖掘具有一定的價值性，可以給醫院直接帶來效益，是提升醫院總體價值的利器[8]。

近年來，醫院的整個信息系統當中，數據倉庫技術以及數據挖掘技術都處在一個比較初步的階段，有著廣闊的發展空間，醫院在整體的信息系統采用數據倉庫技術，學習和掌握數據倉庫技術的理論知識和操作應用，改變自身的知識結構，既要有良好的統計思維，又要熟練掌握現代信息技術，成為復合型的統計工作者。充分利用數據倉庫技術的信息資源，為醫院領導決策提供依據。

[參考文獻]

[1] ?周清.如何利用數據倉庫技術開展醫院病案統計分析[J].財經界：學術版，2019（3）：169.

[2] ?陳力.關于醫院信息化建設中數據倉庫技術的應用研究[J].中國信息化，2019（1）：64-65.

[3] ?余冬.醫院信息化建設中數據倉庫技術的應用[J].信息與電腦：理論版，2018（22）：160-161，164.

[4] ?陳翔，劉春，楊銳.數據倉庫技術在糖尿病健康教育中的應用研究[J].醫學信息，2018，31（20）：1-2，5.

[5] ?李宏楨.基于數據倉庫技術建立醫院管理信息數據平臺的實踐[J].數字技術與應用，2017（9）：90-91.

[6] ?彭欣元.解析數據倉庫和數據挖掘在醫院管理中的應用[J].中國新通信，2017，19（4）：118.

[7] ?李韜，馮佳莉，張屹，等.數據倉庫技術在醫院信息化建設方案實現中的應用價值[J].中國醫藥導報，2016，13（4）：160-163.

[8] ?唐瑞璠，劉虹群，何擁群，等.基于病案信息數據倉庫及數據挖掘技術構建醫院管理決策平臺[J].現代醫院，2016，16（1）：132-134.

（收稿日期：2019-09-19）