数据仓库在医疗档案管理中的应用范文

《云南档案杂志》2015年第四期

一、数据仓库的构成

1.数据仓库的结构数据仓库结构层次主要包含操作层、数据仓库、部门层及个体层。数据仓库系统则由数据仓库、数据仓库管理系统及数据仓库工具所构成。首先，数据仓库包括早期细节级、当前细节级、轻度综合级与高度综合级四个等级的数据，这是数控仓库系统的核心所在。其次，就数据仓库管理系统来说，主要做好对系统的管理与运行，并完成数据中的信息抽取、清洗、数据变换及数据安全、备份与恢复功能。最后，数据仓库工具应用数据挖掘及OLAP分析两大工具，能够完成对数据的分析，从而为医疗决策的制定提供相关依据。

2.数据仓库的逻辑架构分析在医疗档案数据模型构建中，可根据医院病案的特点来设计总体结构图。如图所示，医疗档案数据、信息基本流程及数据仓库技术在整个设计中起到至关重要的作用。首先，对于运行数据来说，其是在临床病历中汇集起来，并通过整合与变换，从而转入到用户的信息数据仓库当中。其次，再将这些数据转为可利用的信息，在数据模型构建当中，可对基层数据利用OLAP工具来进行多维护的分析、处理与归纳，从而将繁杂的数据进行有效处理，并以一种简单的形式，呈现给决策人员的面前。

二、数据仓库技术在医疗档案管理中的应用

1.OLAP技术在医疗档案中的应用OLAP技术，其中文含义为联机分析处理技术，作为一项软件技术，其有效、快速、交互、一致的特点能够为分析人员提供多方面的信息。首先，可以完成一些常用的统计报表；其次，能够利用一些统计工具，根据病人的特征确定诊疗模式，并采取相应的措施为病人服务；三是能够对医疗费用结构进行分析，通过研究患者的病情、年龄、治疗方式及病种因素变化，来为医疗费用结构的制定与调整提供依据。通过OLAP技术，广泛收集临床医护人员的信息需求，建立符合医院实际的数据仓库模式,使数据仓库技术能为医护人员提供服务，为提高医疗质量发挥作用。

2.数据挖掘技术在一体化信息流构建中的应用数据仓库技术在应用过程中，能够采取数据挖掘的技术来对医疗档案信息做到一定程度的挖掘。在应用中，一是可以采取统计分析与可视化技术来对各类疾病的发病时间及相关情况进行深入分析整理。二是可以应用神经网络、粗糙集与决策树等相关算法来对数据库中含有的档案信息进行挖掘，还可以在对国外疾病编码标准进行参考的基础上，依据档案中疾病具备的相应特征，来做到对疾病分类模型的有效构建，且对给出的疾病都配上良好可行的治疗方案。三是可依据关联性的方式，来对疾病发生的可能性、疾病发生的内涵因素加以分析。四是可应用序列模型，对患者在出现疾病之后，对其疾病的发展情况作出预测，提前做好疾病的预防工作，并借助疾病发病率曲线来进行直观的反映。最后，利用历史时间和数据的积累，通过数据曲线和分布状态进行分析，研究其发展规模和潜在规模，从而协助制定大规模资本投资计划，并以此为依据计算出投资成本。数据挖掘技术在应用过程中，可以以病人为核心，做到一体化信息流的构建，并利用这一信息流来对模式进行有效划分，做到对各系统中所需抽取表及表关系模式的确立。这其中包含了与患者治疗有着密切联系的门诊、体检、用药、手术、费用、住院等一系列的信息数据。利用这些信息数据，做到对分析度量及分析维度的有效确定。例如对于门诊的分析维度来说，可以包含对就诊科室、医师、护理人员的相关配置，分析度量可包含患者就诊的流量对比、人数及时间等，从而做到对发掘来档案信息价值的有效利用。

总之，数据仓库技术的有效应用，能够对医院的医疗档案收集、整理、存放、处理、利用等各方面工作的开展，提供较大的便利，并进一步使这些隐形与显性的知识都能够转化成一种可能，来为医院的决策、管理提供有效的依据，最终对医疗档案利用率的提升，管理人员与医疗人员沟通、协作能力的加强，组织能力与创新能力的提升起到巨大作用，并能够完成对数字化医院的有效构建。

作者：罗秀梅 单位：广东惠州市第二人民医院