基于數據倉庫數據挖掘的醫院檔案信息化管理

邊榮云

[摘 要] 醫院檔案管理信息化存在著海量信息數據無法有效利用的問題，對醫院醫療質量提高，管理水平提升的輔助決策支持功能不足。本文詳細探討了醫院決策支持系統中疾病轉歸統計分析數據倉庫（DW）的設計方法及過程，并在此基礎上構建聯機分析處理（OLAP）系統，根據數據分析的需求選取OLAP主題，進行多維數據模型的設計，運用MDX多維查詢語言實現疾病轉歸統計數據分析，并應用決策樹對影響因素進行深度數據挖掘，實現高效管理和決策的支持作用。

[關鍵詞] 數據倉庫；疾病轉歸統計分析；決策支持

中圖分類號：R194 文獻標識碼：A 文章編號：2055-5200（2014）02-009-03

醫院檔案包括醫院診斷、治療、護理等醫療活動中形成的文字、圖表、影像等諸多材料，是醫院醫療業務信息的主要載體。經過系統歸納整理后可以為醫院醫療、教學、科研提供豐富基礎資料，通過病案分析和統計處理可以為醫院管理提供一手的詳實資料。

隨著信息技術的發展，圍繞著醫院信息系統（Hospital Information System， HIS）及配套接入開發的諸多系統，醫院的管理模式實現了由經驗管理向信息管理的轉變。HIS系統以病人醫療信息、醫院經濟信息和醫院管理信息3條信息主線來提供技術支持平臺，使大量的醫院日常醫療、經濟和管理事務電子化，實現了高效的數據錄入、查詢、統計等功能，對提高醫院工作效率、質量和服務水平等方面起到重要作用[1]。檔案管理的信息化也在逐步完善，但是病案資料積累越多，信息化后的內容越豐富，信息流的作用越強，反饋出來的數據處理要求就越高，如果沒有一定的技術手段方法是實現不了這些要求的。

面對醫院信息數據量的迅速膨脹，傳統數據庫陷入“數據爆炸，知識貧乏”的境地。數據倉庫（Data Warehouse，DW）的出現有效地彌補了傳統數據庫在分析型應用上的缺陷。利用數據倉庫技術將傳統病案系統中所積累的海量數據背后隱藏的有價值的信息挖掘出來，從而獲取二次相關信息為醫院的決策管理、醫療、科研和教學服務提供了一種科學的解決方案[2]。本研究以患者疾病轉歸統計分析相關信息為數據源，建立了醫院醫療質量分析的多維數據模型及多維數據集的數據倉庫，通過聯機分析處理對疾病轉歸進行數據挖掘從而提供醫療決策的相關信息，將對醫院的管理產生積極作用。下文將對疾病轉歸統計分析決策支持系統的構建進行闡述。

1 數據倉庫的構建

1.1 疾病轉歸統計分析數據倉庫的設計

以住院病人療效為倉庫主題，建立星型倉庫模型，以一個事實表和4個維表為主要內容，其中維表分別為科室維，時間維，病種維和病人基本情況維，如圖所示。事實表包含聯機分析處理（OLAP）多維數據集中所有的度量值，包括住院天數、各項費用；維度表中的不同屬性應用文字，離散值等表示，如年齡段分為5段（0～20歲、21～30歲、30～50歲、50～60歲、60歲以上）；疾病名稱以ICD-10主類、ICD-10亞類、ICD-10子類表示，維度關鍵字是與事實表關聯的橋梁，是用于查詢事實表數據的唯一標識符[3]。通過這種構架，可進行多維度查詢。

圖1 疾病轉歸統計分析數據倉庫星型模型

1.2 數據預處理

HIS系統中大量的數據信息中有一部分為空缺數據、不一致數據或包含有錯誤或存在偏倚的噪聲數據，在進行數據挖掘前必須對數據進行預處理，清洗后的數據才能保證數據的一致性和有效性。數據預處理主要包括數據集成和數據清理兩部分，其中數據集成是將所有的病人的基本信息和醫療信息數據進行整合，將從病人主索引表中抽取的所有信息集成到統一的數據表中，對不一致的字段長度，不一致的賦值等進行數據轉換，整合為統一的格式，如日期形式2012-04-10轉換為時間為上定義的年，月，日格式：2012，4，10；數據清理是將缺陷數據且無法進行轉換的數據屏蔽，如篩查2012年的數據資料，經信息提取后發現存在部分2011年的數據資料時，可通過定義語句進行清洗。

1.3 數據倉庫的加載和轉換

在SQL Server 2000中使用Transact—SQL、數據轉換服務（DTS）和BSP將數據加載到數據倉庫中。DTS是以OLE DB或ODBC等接口技術連接數據源與數據目的[4]，其驅動數據進行導入、導出等轉換操作，實現數據源與數據目的間的交換。轉換結構圖見圖2。通過上述操作過程，醫院數據倉庫建立完成，為后續多維數據的分析和數據挖掘進行了鋪墊。

圖2 DTS數據轉換流程圖

2 基于數據倉庫的疾病轉歸統計分析OLAP建模分析

多維數據集的構建完成后可進行以病人、疾病和費用等多個主題開展的OLAP分析。如通過醫療付款方式維度進行住院費用構成分析；通過月份或年份來分析總住院患者的變化趨勢，或在展現層上定義一些附加度量值，如“增減率”，以反映科室病種的變化趨勢。在進行OLAP分析中，可以運用切片、切塊，旋轉，鉆過和鉆透等操作程序，或通過編寫多維查詢語言MDX（Multi-Dimensional Expressions， 多維表達式）程序進行查詢，可以獲得不同匯總結果上的觀察數據，也可以獲得住院患者相關因素間的關系，我們也可以選擇2個以上的維度的數據實現多維數據集的分析[5-6]，如以“科室”和“費用類型”類型為關鍵詞。查詢各科室醫療費用占比的MDX代碼及結果如下圖3：

圖3 查詢結果示意圖

3 分析決策支持的實現

數據挖掘（Data Mining，DM）技術是決策分析的重要工具，目前應用比較廣泛的DM算法主要有基于規則系統的決策樹、聚類分析、神經網絡、支持向量機方法等[7]。在實際應用中，數據挖掘可為醫院管理決策提供多層面幫助。例如利用決策樹方法提取數據庫中的患者信息，包括性別、年齡、入院情況、藥品費用等各個屬性，構建相關性網絡，應用相應的運算方法分析患者信息，得到總醫療費用的強關聯項住院天數與藥品費，最終得到醫療費用的層決策樹，如圖4所示。決策樹由“Generate decision tree”給定的訓練數據產生，訓練樣本有表示住院費用的每個屬性以離散值的形式表示，運算過程中產生的各個節點為不同的分支點，顯示費用的不同影響屬性，而每一個節點內的所有樣本均為同一類別。從數據挖掘的最終結果看，藥品費用和住院天數是醫療費用的強影響點，與醫療費用呈正相關，住院天數越長，藥品費用越高則患者的總住院費越高。在模型判斷的基礎上進行有針對性的費用控制決策將是一種目的明確、針對性強，高效的決策支持方法[8-9]。

4 結論

針對醫院檔案利用效率低，海量數據對信息管理系統決策支持不足的現狀，嘗試應用數據倉庫和基于多維數據集的OLAP技術及數據挖掘技術，對醫學信息數據進行分析，挖掘出更多深層次的、有價值的信息，為醫院管理者提供了輔助決策的依據。同時，隨著醫院信息技術的不斷發展，還可以開發預算警示模塊等多個實用的，有針對性的模塊，建立面向醫院各級管理層的決策支持系統，切實地、真正地實現醫院的精細化、循證化管理[10]。系統的開發使用為提高醫院管理水平提供了高效、可行的技術手段。

參 考 文 獻

[1] 馬剛， 劉天時，程國建. 基于數據倉庫技術的醫院信息系統應用研究[J]. 西安石油大學學報（自然科學版）， 2010，25（4）：99-102.

[2] 葉明全，宋念東.基于HIS的醫院數據倉庫設計與實現[J].計算機工程與設計，2008，29（3）：779-781.

[3] 李慧宗，張學森. 面向主題的醫療費用分析數據倉庫建模[J]. 中小企業管理與科技， 2009（31）：274.

[4] 周治宇，鄭昊. 基于醫院信息系統數據倉庫的設計[J]. 中國數字醫學， 2010，05（9）：81-83.

[5] 鄭丹青. 基于OLAP技術的醫療信息多維數據集設計與分析[J]. 吉林師范大學學報：自然科學版， 2011，32（3）：56-58.

[6] 孔琳. 基于HIS的數據倉庫構建及多維分析[J]. 醫學信息學雜志， 2011，32（11）：6-9.

[7] 胡志東. 數據挖掘及數據倉庫綜述[J].黑龍江科技信息， 2010（26）：100.

[8] 朱秋麗， 張濤， 丁云芳， 等. 呼吸道合胞病毒感染兒童住院費用影響因素的回歸樹分析[J]. 復旦學報（醫學版），2011，38（4）：294-299.

[9] Lemon SC，Roy J，Clark MA，et a1.Classification and regression tree analysis in public health：methodological review and comparison with logistic regression[J].Ann Behav Met，2003，26（3）：172-181.

[10] 唐熊，張巨發，段昌奉，等.基于移動智能終端的醫院管理決策支持系統開發及應用[J].現代儀器與醫療，2013，19（1）：47-49.

4 結論

針對醫院檔案利用效率低，海量數據對信息管理系統決策支持不足的現狀，嘗試應用數據倉庫和基于多維數據集的OLAP技術及數據挖掘技術，對醫學信息數據進行分析，挖掘出更多深層次的、有價值的信息，為醫院管理者提供了輔助決策的依據。同時，隨著醫院信息技術的不斷發展，還可以開發預算警示模塊等多個實用的，有針對性的模塊，建立面向醫院各級管理層的決策支持系統，切實地、真正地實現醫院的精細化、循證化管理[10]。系統的開發使用為提高醫院管理水平提供了高效、可行的技術手段。

參 考 文 獻

[1] 馬剛， 劉天時，程國建. 基于數據倉庫技術的醫院信息系統應用研究[J]. 西安石油大學學報（自然科學版）， 2010，25（4）：99-102.

[2] 葉明全，宋念東.基于HIS的醫院數據倉庫設計與實現[J].計算機工程與設計，2008，29（3）：779-781.

[3] 李慧宗，張學森. 面向主題的醫療費用分析數據倉庫建模[J]. 中小企業管理與科技， 2009（31）：274.

[4] 周治宇，鄭昊. 基于醫院信息系統數據倉庫的設計[J]. 中國數字醫學， 2010，05（9）：81-83.

[5] 鄭丹青. 基于OLAP技術的醫療信息多維數據集設計與分析[J]. 吉林師范大學學報：自然科學版， 2011，32（3）：56-58.

[6] 孔琳. 基于HIS的數據倉庫構建及多維分析[J]. 醫學信息學雜志， 2011，32（11）：6-9.

[7] 胡志東. 數據挖掘及數據倉庫綜述[J].黑龍江科技信息， 2010（26）：100.

[8] 朱秋麗， 張濤， 丁云芳， 等. 呼吸道合胞病毒感染兒童住院費用影響因素的回歸樹分析[J]. 復旦學報（醫學版），2011，38（4）：294-299.

[9] Lemon SC，Roy J，Clark MA，et a1.Classification and regression tree analysis in public health：methodological review and comparison with logistic regression[J].Ann Behav Met，2003，26（3）：172-181.

[10] 唐熊，張巨發，段昌奉，等.基于移動智能終端的醫院管理決策支持系統開發及應用[J].現代儀器與醫療，2013，19（1）：47-49.

4 結論

針對醫院檔案利用效率低，海量數據對信息管理系統決策支持不足的現狀，嘗試應用數據倉庫和基于多維數據集的OLAP技術及數據挖掘技術，對醫學信息數據進行分析，挖掘出更多深層次的、有價值的信息，為醫院管理者提供了輔助決策的依據。同時，隨著醫院信息技術的不斷發展，還可以開發預算警示模塊等多個實用的，有針對性的模塊，建立面向醫院各級管理層的決策支持系統，切實地、真正地實現醫院的精細化、循證化管理[10]。系統的開發使用為提高醫院管理水平提供了高效、可行的技術手段。

參 考 文 獻

[1] 馬剛， 劉天時，程國建. 基于數據倉庫技術的醫院信息系統應用研究[J]. 西安石油大學學報（自然科學版）， 2010，25（4）：99-102.

[2] 葉明全，宋念東.基于HIS的醫院數據倉庫設計與實現[J].計算機工程與設計，2008，29（3）：779-781.

[3] 李慧宗，張學森. 面向主題的醫療費用分析數據倉庫建模[J]. 中小企業管理與科技， 2009（31）：274.

[4] 周治宇，鄭昊. 基于醫院信息系統數據倉庫的設計[J]. 中國數字醫學， 2010，05（9）：81-83.

[5] 鄭丹青. 基于OLAP技術的醫療信息多維數據集設計與分析[J]. 吉林師范大學學報：自然科學版， 2011，32（3）：56-58.

[6] 孔琳. 基于HIS的數據倉庫構建及多維分析[J]. 醫學信息學雜志， 2011，32（11）：6-9.

[7] 胡志東. 數據挖掘及數據倉庫綜述[J].黑龍江科技信息， 2010（26）：100.

[8] 朱秋麗， 張濤， 丁云芳， 等. 呼吸道合胞病毒感染兒童住院費用影響因素的回歸樹分析[J]. 復旦學報（醫學版），2011，38（4）：294-299.

[9] Lemon SC，Roy J，Clark MA，et a1.Classification and regression tree analysis in public health：methodological review and comparison with logistic regression[J].Ann Behav Met，2003，26（3）：172-181.

[10] 唐熊，張巨發，段昌奉，等.基于移動智能終端的醫院管理決策支持系統開發及應用[J].現代儀器與醫療，2013，19（1）：47-49.