医院决策支持的信息化研究设计

刘庆金 牛恒星 张寒彬

摘要：目的：为院长正确决策，医疗质量评价，医院等级评审，医院管理流程优化等提供数据支持。方法：通过ETL，CDC等多种技术抽取生产数据库的数据，构建基于Oracle数据库的数据仓库。然后基于数据仓库的数据进行分析，对生产数据库和在线业务系统不产生影响。结果及结论：医院决策支持系统的研究和实现将改变医院管理现状，提高医院管理水平和效率，促进医院健康发展。

关键词：醫院管理;决策系统;数据仓库

中图分类号：R-058 文献标识码：A

文章编号：1009-3044（2019）32-0011-03

1背景

随着信息化不断发展，对医院信息化建设要求越来要高。多年来，医院在信息化建设方面进行许多探索，实现不同程度的信息化。医院信息化建设极大地提高医院运行效率，为医院能更好地服务病人提供保障。

现在，国内大型医院都有比较成熟的信息化系统，医院内实施有HIS，LIS，PACS，EMR，OA，临床路径等系统。对系统进行集成，从业务系统查询报表，进行统计，统计结果可以为医院管理提供数据支持。但是从系统进行查询报表存在许多问题，首先各个业务系统的统计口径不一致，导致查询出的报表结果存在很大的差别。其次，在业务系统中不能统计时间过长，否则，会影响业务系统的使用。最后，各个系统账号和密码不同，如果要进入不同的系统，操作频繁。因此，一套既能满足业务部门的业务需求，又能为院长提供决策支持的系统显得尤为重要。医院决策支持系统可以查询所有想要的信息，而不必登录多个系统。医院决策支持系统拥有集中，统一，宏观的操作界面，更加简洁，人性，满足院长需求。

2系统设计

2.1系统架构

医院决策支持系统可以基于多层架构实现，在业务层，是医院已经应用的各种业务，包括HIS，ERM，LIS，RIS，PACS，手术，麻醉，体检，人事，财务，人工管理以及其他业务系统。各个业务系统每天运行，运行过程当中，产生各种运行数据，这些数据保存在各自系统的数据库之中。每种业务系统使用的数据库不尽相同，包括Oracle，SQLserver，DB2，My SQL，Sybase，Cache等多种数据库。系统架构如图1所示。

医院决策支持系统在后台基于大型数据库Oracle，构建数据仓库。利用ETL，CDC等多种技术从各个业务系统中，抽取各种数据库中的源数据。通过这种方式，所有的数据查询与检索都基于构建的数据仓库，不占用各个业务子系统的生产数据库资源，因此不会影响医院业务系统的运行效率。

2.2数据仓库

对医院中已有的业务系统和信息系统中分散的数据库，进行数据抽取，清理，经过加工，汇总和整理，从而构建医院决策支持系统所需要的数据仓库，利用这种方法消除源数据库中数据的不一致性，从而保证数据仓库内数据的一致。通过数据仓库，为前端查询和分析作基础。数据仓库中的数据随着时间变化，但同时大量数据保持相对稳定。

医院决策支持系统中数据仓库的架构已经非常成熟，首先利用Flume进行数据采集，采集的数据经过处理后被存储下来，然后利用Hive，MR，SparkSQL等技术进行数据的分析和计算。分析和计算得到的有用的结果共享，为报表应用提供数据。医院决策支持系统中，主要对数据进行查询操作，没有数据库的增加，删除，修改操作。

数据仓库设计中，首先要根据医院的需求确定主题域的边界，在医院决策支持系统中需要提供的主题有：综合运营主题，门诊主题，住院主题，手术主题和临床路径主题。确定主题域后要确定各个主题的量度，综合运营主题需要考虑的指标包括：门急诊收入，住院收入，门诊人均费用，住院人均费用，住院耗材，门诊耗材等。门诊主题需要考虑的指标包括：门诊预约类型，门诊量统计，门诊病人来源，门诊费用分类等。住院主题需要考虑的指标包括：床位资源，医疗组，平均住院费用，平均住院天数，药占比等。手术主题需要考虑的指标包括：手术例数，出院手术占比，手术分级占比等。临床路径主题包括：使用率，入径率，完成率，变异率等。

2.3ETL

ETL技术将数据从来源端经过抽取，交互转换，加载至目的端。医院中各个业务系统中的数据经过抽取，清洗，转换后加载到数据仓库。形成标准统一的数据集合，为医院决策提供分析依据。

在ETL设计中，主要分为三个部分。数据抽取，数据清洗转换，和数据加载。ETL实现的方法很多，其中有ETL工具，SQL方式实现以及两者结合的方式。当数据抽取的时候，对于与数据仓库相同数据库系统的数据源，抽取的方式采用两者之间建立链接关系的方式即可。如果数据仓库和数据源的数据库系统不同，可以通过ODBC方式建立数据库连接。对于文件类型数据库，需要利用数据库工具导入指定数据库，然后从指定数据库进行提取。对于数据量巨大的数据库系统，采用增量更新的方式进行抽取。

抽取后的数据需要进行冲洗和转换，对于不完整的数据，首先将其选择出来，然后对缺失部分进行补充完整，然后再写入数据库。对于错误数据，通过SQL语句查询，交给医院业务部门修改后，再进行抽取。对于重复数据，删除重复部分，然后进行抽取。有时候，对不一致数据还要进行数据转换，这是一个不同业务系统数据整合的过程。有些业务系统的数据非常详细，但是数据仓库并不需要如此详细的数据，因此业务系统的数据需要按照数据仓库粒度进行聚合。ETL需要记录运行日志，日志包括执行过程日志，错误日志和总体日志。如果ETL运行出错，可以向系统管理员发送警告。

2.4CDC

CDCESJ是一种增量数据采集的解决方案，这种技术是在or-aele数据库中使用的，这种技术可以识别上次提取后发生变化的数据。CDC技术结构基于发布者和订阅者模型，发布者可以捕捉系统中变化的数据，订阅者从发布者得到变化的数据。在Oracle系统中，CDC拥有一个发布者和多个订阅者。