基于數據倉庫的網絡醫學信息資源整合系統

吳 亮

（南京市婦幼保健院，江蘇 南京 210004）

0 引言

網絡技術、信息技術與醫學領域融合發展，推動了醫學信息化建設發展。網絡中存有大量的有價值的醫學信息資源，這些資源不僅量大，而且種類較多，采用最傳統的人工方式對其進行整合具有較高的難度，全國各大醫院都致力于研發出適合自身需求的信息資源整合系統。隨著醫學領域和行業信息化建設不斷推進，網絡醫學信息資源整合技術逐漸受到關注。但是國內在該方面起步比較晚，相關技術還不夠成熟，雖然已經取得了一定的研究成果，但是實際應用效果并不是很好。文獻[1]設計了基于人工智能的分布式多媒體數據庫資源整合系統。首先在B/S三層邏輯架構模式的基礎上設計系統框架，其次進行系統硬件設計，包括集成芯片、傳輸設備、整合設備、儲存設備和檢索共享裝置，最后設計系統硬件運行邏輯，即系統軟件。但是該系統的丟包率較高，在實際應用中經常出現數據丟失的情況，整合后的信息資源完整性較低，已經無法滿足網絡醫學信息資源整合的需求。

針對上述系統存在的問題，該文設計了基于數據倉庫技術的網絡醫學信息資源整合系統。該文試圖利用數據倉庫技術對信息資源進行整合，形成一個新的信息資源整合系統設計思路，保證網絡醫學信息的完整性。該文設計系統的具體細節如下：1）給出數據倉庫的定義，并分析數據倉庫的特點。2）設計系統硬件部分，包括網絡信息采集器、數據收發器和數據轉換器。3）根據數據倉庫的概念和特點設計系統軟件部分。在數據庫的設計原則下，根據管理系統選型，利用數據倉庫技術設計數據庫，并根據信息資源的編碼對信息資源分層，進而實現對醫學信息資源的整合，完成系統設計。

1 數據倉庫的概念和特點

1.1 數據倉庫的定義

數據倉庫是基于人們對數據庫的常年使用而擴展出來的，能夠更適應社會需求，具備更高科技以及深層次的應用和數據管理技術。作為數據組織和存儲的載體，它更容易建立適用于分析研究的數據模型，其加工出來的數據可用于決策支持系統，并能支持數據的挖掘，該數據的最終作用是為人們提供更具有決策作用的信息，幫助人們進行數據的挖掘和分析。數據倉庫之父Willian H.Inmod曾經在《Building the Data Warehouse》一書中對數據倉庫做出過這樣的描述：“數據倉庫是一個面向主題的，集成的，隨時間變化的，非易失性的，用于管理人員的決策的數據集合。”從該描述可以發現，數據倉庫的作用是在多個異構數據庫中把符合主題的提取出來，并重新進行排列組織，保持數據的一致性、全面和貼合主體的特點。并且倉庫中的數據是長期保留而非隨時變化的，它能夠綜合反映出歷史的變化與發展。數據倉庫提高了數據的質量和一致性，同時也保證了數據的穩定性。通過對多個數據來源的數據進行檢索可以實現對數據的連續化、存貯與分析，進而實現數據價值的最大化，增強了業務的智能化。

1.2 數據倉庫的特點

從數據倉庫的涵義來看，數據倉庫具有4個特征：以對象為中心、主題化、一體化和相對穩定性。根據企業的需要，可將其分為不同的領域，對其進行分類和儲存。通過對現有的數據進行分離、清洗和處理，最后將數據進行處理、轉換和整合，進而達到解決數據不一致性的目的。數據一旦被錄入數據倉庫里面，通常都是長久地存儲，每隔一段時間就會增加一次，除非遇到緊急情況，否則很難對其進行改動和刪除。因此，在數據倉庫中，可以全面地反映企業在不同生產過程中的各種數據，進而為公司提供量化的、動態的發展方向和對發展方向的預測。見表1。

表1 數據倉庫的特點

2 系統硬件設計

系統的硬件主要由網絡信息采集器、數據收發器和數據轉換器3個硬件設備組成，系統硬件拓撲圖如圖1所示。

如圖1所示，由網絡信息采集器對醫學網站和網頁上的信息資源進行獲取，利用數據收發器接收獲取的信息資源，將其發送給數據轉換器，并對網絡信息資源進行格式轉化，再由數據收發器將轉換后的數據信息發送到系統數據庫存儲和整合，以下將對該3個硬件設備的選型與設計進行詳細闡述。

圖1 網絡醫學信息資源整合系統硬件拓撲圖

2.1 網絡信息采集器

網絡信息采集器是系統的核心硬件設備，主要是獲取醫學網頁、網站上的信息，該文選取型號為SFOA/55545網絡信息采集器。系統根據用戶需求，由服務器向網絡信息采集器發送醫學信息資源獲取任務，形成一個任務清單。當采集器任務清單排列滿時，根據任務要求形成醫學網頁、網站檢索詞條，對醫學網頁、網站進行搜索。采集器在網頁屬性中將網址信息記錄到歷史日志中，并對該網頁中的醫學資源信息進行評估。評估的主要依據為網頁中的醫學信息與系統數據庫中醫學信息的重復率。在采集器上設定一個醫學信息資源下載閾值，如果重復率超過該閾值，則自動放棄該醫學網頁；如果重復率未超過該閾值，則將該網頁中的醫學信息資源鎖定，對其進行自動下載。為了保障系統數據安全，該文為系統配備了一個防火墻，將進入系統中的數據信息來源與采集器自動記錄在歷史日志中的網址進行比對，如果比對成功，則允許數據包進入；如果比對不成功，則阻擋數據包進入。

2.2 數據收發器

數據收發器的主要作用是接收和發送網絡醫學信息資源。考慮網絡信息資源量較大，該文為系統選擇了型號為OSUAF/2344的數據收發器。該收發器由發送器、接收器、緩沖器以及硬盤4個部分組成。硬盤大小為32 GB，可以為網絡醫學信息資源的接收和發送提供充足的空間[2]。網絡信息采集器將獲取到的醫學信息資源發送給緩沖器，將緩沖器數據列表屬性設定為10或者50。當接收到的數據包數量達到設定值時，形成驅動條件，此時停止接收數據包，將接收到的數據包發送給接收器。接收器將接收到的數據包發送給發送器或者發送到硬盤上，然后驅動緩沖器接收下一篇網絡醫學信息資源。根據系統指令，發送器將網絡醫學信息資源發送給數據庫或者數據轉換器。

2.3 數據轉換器

考慮醫學信息資源來自于不同的網站和網頁，其格式會有所差異，因此該文利用數據轉換器將網絡醫學信息資源進行格式轉換。該文選擇型號為FSAFE-5644的數據轉換器，通過標準的網絡接口接收到網絡醫學信息資源。該轉換器在遵循數據一致性標準的基礎上，為每個數據包設定一個數據存儲形態[3]。將原始數據統一轉換為ESRI Shapefile，并將數據的編碼格式統一。患者信息的編碼為40001002010，醫療保險類信息的編碼為40001002011，醫生信息的編碼為40001002012，藥品信息的編碼為40001002013，治療信息的編碼為40001002014[4]。此外，轉換器還將數據的存儲格式轉換為word（Doc），將轉換后的醫學信息資源發送給數據收發器，由數據收發器將其發送到系統數據庫中。

3 系統軟件設計

3.1 基于數據倉庫技術的數據庫設計

3.1.1 基于數據倉庫技術的數據庫的設計原則

“全病歷掃描光盤刻錄檢索系統”以關系性數據庫的設計為基礎。數據庫設計的基本原則就是在系統總體信息方案的指導下，各個庫應當為它的各個用戶管理目標服務。設計數據庫時應重點考慮以下幾個因素：1）數據庫必須分布合理，層次分明。2）數據庫的組織結構化、規范化和標準化是數據庫建設和數據交流的前提。嚴格地說，數據庫是按照數據結構來組織、存儲和管理數據的倉庫的。數據結構的編制要遵循國家衛生部和廣東省衛生部等相關工業規范，需要特別注意代碼的使用，以實現數據的標準化和結構化，提高數據的使用效率。3）進行數據庫設計時，應盡量減少系統的冗余度，減少內存的使用，并減少數據的相容性問題。同時要注意合理的冗余度，以加快系統的開發效率，減少系統的開發困難。4）數據的準確性和連貫性都要保持。在現實中，多個用戶共用一個資料庫會造成并行作業和資料的連貫性。5）建立對應的安全措施，因為資料庫的資料具有特殊的使用者的保密性，因此需要針對具體的應用提供相應的安全措施。

3.1.2 基于數據倉庫技術的數據庫模型設計

數據庫是系統的核心軟件，主要是對網絡醫學信息資源進行存儲管理。根據網絡醫學信息資源特點，該文選擇數據倉庫技術對系統數據庫進行設計。網絡醫學信息資源大致可以分為患者信息、醫療保險信息、醫生信息和治療信息4類[5]。利用數據倉庫技術設計相應的數據類，即patient_information、medical insurance_information、doctor_information和treat_information，進而形成系統庫的概念模型，如圖2所示。

將設計好的概念模型通過ODBC接口直接生成數據倉庫，對相應的數據表創建，以表格的形式對數據進行分類存儲。如圖2所示，患者信息表存儲患者名稱、ID、性別、年齡以及戶籍等信息。醫療保險信息表用于存儲醫療費用類型、醫療保險號和醫療報銷記錄等信息。治療信息表存儲就診科別、醫院號、病案號、住院號以及健康記錄等信息。醫生信息表存儲醫生名稱、醫生ID、年齡、級別、醫生號以及家庭住址等信息，防止存儲的醫學信息資源混亂。

圖2 基于數據倉庫技術的數據庫概念模型圖

3.2 基于數據倉庫技術的管理系統選型

醫學信息系統的應用實際上是建立在一個數據庫的基礎上，在實際應用中，數據庫的運行與應用都與之息息相關。所以，如何正確地使用和維護數據庫是一個非常關鍵的問題。這關系到一個整體的性能，關系到系統的應用模式和開發模式。

以客戶／服務器計算模式為基礎的數據庫管理系統種類繁多，包括Microsoft的SQL、IBM的DB2以及oracle、Sybase、Informix等。在數據庫服務器的選擇過程中要考量SQL的擴展與支持情況，這關系到處理速度、資料吞吐量、交易的完整與可恢復性、并發性與系統安全性、可擴展性及系統的管理工具等。因此，該課題對數據庫管理系統的研究選用Microsoft SQL Server 2000。

SQL Server開始于Sybase SQL Server，這是自微軟推出后，SQL Server最大的一個版本。該軟件具有良好的系統可用性、恢復性以及在線事務處理能力，可提供有效且完全的使用者自定義和高效的程序設計。例如，醫學資訊系統需要每周7天、每天24h連續工作，無法設想出現10min的故障會帶來什么后果，更不允許出現數據丟失的現象。而 SQL SERVER 2000則可實現鏡像硬盤、在線備份以及事務記錄還原技術，所以該文采用安全可靠的SQL SERVER 2000，以減少故障造成的損失。

隨著資料的快速傳遞，人們可以更快、更全面地搜集和處理更多資料，同時資料的處理也更復雜化。在系統的運行和應用中很多性能都得到了顯著增強，如圖像管理、復制、XML集成、數據的轉換和數據倉庫等方面。應用軟件的功能更強大，服務更個性化，進而推動了行業的發展。特別是數據倉庫的建立與設定方面，微軟設計了整套的完善過程路徑，在圖形管理、復制、數據轉換、分析服務和數據倉庫方面的功能也顯著增強。尤其是在建設數據倉庫方面，已經為它所需的全部過程設定了一條完善的途徑，通過將各種技術與業務相融合，可以更容易地建立和設計具有性價比的資料倉儲。

3.3 信息資源分類分層整合

資源整合是系統主要功能之一，該文運用分類分層技術對網絡醫學信息資源進行整合處理，便于用戶對信息資源的提取。假設待整合醫學信息資源為k，其提取公式如公式（1）所示。

式中：g為網絡醫學信息的特征；n為網絡醫學信息的特征數量；kn為醫學信息資源第n個單項特征[6]。

通過調整、校對提取的信息特征，得到的信息特征偏差如公式（2）所示。

式中：rg為網絡醫學信息資源的特征偏差；S為信息特征的縱向微調系數；S0為信息特征的橫向微調系數[7]。

按照公式（2）對網絡醫學信息資源k相鄰的信息資源特征偏差進行計算，并將特征偏差標記在數據屬性上。按照偏差的大、小對醫學信息資源進行排序，將相鄰的2個信息資源歸為一類。并根據信息資源的編碼對信息資源分層，進而實現對醫學信息資源的整合，完成系統設計。

4 試驗論證分析

該文以南京市婦幼保健院為試驗對象，利用該文設計系統與傳統系統對該醫院網絡醫學信息資源進行整合。將該院所有醫學信息網站作為數據來源，對近7天的該醫院信息網站上的醫學信息資源進行采集、轉換、分層、分類和整合，原始數據公700 GB，為了保證試驗結果的可信度，2種系統均以windows 2010為操作系統。試驗準備了網絡信息采集器、數據收發器和數據轉換器各1臺，服務器3臺，顯示器1臺。系統組裝完畢后，對網絡信息采集器參數進行設定，將其數據采集頻率設定為1.16 Hz，數據采集周期設定為0.25s，緩沖器緩沖列表數據參數為10個。將丟包率作為該文試驗的唯一指標，使用OSDYA軟件監測2種系統的數據丟失量，即整合前、后網絡醫學信息資源差值，計算出2種系統丟包率，并使用電子表格對其進行記錄，具體數據見表2。

表2 2種系統丟包率對比

通過對表2中的數據進行分析可以得出以下結論：該文設計系統在試驗過程中丟包率最大僅為0.05%，并且不會受信息資源量多、少的影響而發生變化，丟包率較低，說明該設計系統在對網絡醫學信息資源整合過程中，很少出現數據丟失現象。而傳統系統在試驗過程中丟包率最大可以達到8.68%，并隨著網絡醫學信息資源量的增加，丟包率也隨之增大，遠遠高于該文設計系統。因此試驗結果證明，在數據安全方面，該文設計系統優于傳統系統，能夠有效保證整合后的醫學網絡信息資源的完整性和安全性。

5 結語

該文在傳統系統基礎上，融入了數據倉庫技術，形成了一個新的網絡醫學信息資源整合系統設計思路，為網絡醫學信息資源采集、存儲、整合和共享等管理工作提供了便利，同時還能保證資源的完整性，具有一定的現實意義。