构建基于数据仓库的医院辅助决策支持系统

目前，多数医院对于医院信息系统数据的后期处理基本处在基于数据库技术的查询、统计的事务性操作上，这些统计查询分析并不能对医院的业务流程优化、成本控制乃至医院的长期发展提供数据支持，更不能为医院决策者提供数据支持。兰州大学第二医院构建了基于医院信息系统数据仓库为基础的辅助决策支持系统，为医院管理决策者提供了数据支持。

【关键词】数据仓库 决策支持 医院信息化

1 概述

医院决策支持系统不应该是单纯的事后统计，它必须与医院管理紧密相连，做到事前评估、事中监控、事后分析。医院决策支持系统必须和医院业务环环相扣，其所分析的数据必须能够为医院的实际发展提供支持和导向。

下述实例，列举了医院决策支持系统在实际运行中应该为医院提供的数据支持和医院管理层的实际需求指标：

1.1 医院门诊综合需求

医院门诊新大楼完工并投入使用，预计每天可增加500-800门诊量，那么该医院每天应该产生放号信息有多少，应该安排多少医生出诊、应该设置多少个挂号和收费窗口，门诊药房的配药发药压力是否会大幅度上升等等。

1.2 医院平均住院日分析

平均住院日是评价医院效率和效益、医疗质量、技术水平及管理水平的硬性综合指标，医院应该在确保医疗质量和医疗安全的前提下尽量缩短平均住院日。

1.3 医院就诊流分析

患者仅挂号，医生无诊断、无医嘱或者医生下过医嘱，患者并未按照医嘱缴费并接受治疗。以上两种人群是医院病人流失的主要原因，如何及时分析原因并采取正确的措施，减少医院损失。

1.4 医院高值耗材相关分析

通过数据挖掘，找到每种高值耗材在医院的使用情况，各科室使用分布、人群使用分布，针对使用高值耗材病人往往医疗费用较高，通过监控该病人的医保支付情况，及时与病人沟通，减少欠费及医患纠纷的风险。

1.5 医院大处方及合理用药

通过对大处方的处方类型（一般情况下，抗菌类处方占大多数）、病人诊断、开单医生进行汇总分析，控制医药合谋以及医患合谋；基于处方点评子系统，分析各科室处方点评率、处方合格率，对问题处方的原因进行分析，并采取有效整改措施，减少由于医疗质量问题带来的医患纠纷。

以上仅仅列举了几个医院具有代表性的需求实例，在医院的实际运营管理过程中，决策支持系统分析的数据指标应该可以按照各个临床业务、教学、行政管理科室的要求，基于医院信息系统数据仓库，为医院的管理者提供详细精准的数据支持。

2 辅助决策系统的组织结构及应用框架

在医院的基于医院信息系统数据仓库的决策支持系统的实际设计与实施中，应该包括管理模块、模型管理模块、知识管理模块以及用户界面。基于数据仓库的医院决策支持系统体系结构包括：

2.1 数据获取层

主要完成将医院运行业务数据的清理、转换、抽取为综合统一的数据形式到医院数据仓库。

2.2 数据存储层

主要完成统一管理和存储面向决策的按主题划分的综合数据，这些数据由医院信息系统运行产生，并且按照相应主题的需求及结构对数据进行整合和组织，为医院的管理决策者提供大量的数据支持。

2.3 数据处理层

主要包含模式库、数据挖掘、联机分析处理以及相关的管理系统，通过联机分析和数据挖掘从数据仓库中提取出有价值和管理层感兴趣的信息和数据。

2.4 数据访问层

主要为医院的管理决策者提供决策支持系统的人机交互入口，将数据处理层整合和处理的信息和数据通过友好界面展现给用户，包括二维表、仪表盘、曲线图、柱状图等形式。

3 数据仓库的构建

数据仓库的构建设计始终处于一个动态循环与改进的过程，与业务系统数据库的设计与构建不同。业务系统数据库在设计完成、业务系统正常运行之后，除非在原业务系统上进行二次开发，否则很少轻易改动其中的结构，避免对业务系统的性能及数据库安全性产生安全漏洞。而数据仓库因为需要满足不同的业务需求、适应不同的业务环境。在将业务系统产生的原始系统提取到数据仓库之后，它通过准确动态的理解不同用户的需求，为用户提供准确的决策信息。

医院数据仓库的构建主要包括确定分析主题、数据准备、建立模型、用模型等过程。

3.1 分析主题的确定

数据在数据仓库中的组织形式是面向主题的，根据医院各科室的业务需求、各级管理机构对医院的考核指标以及医院管理决策层所敏感的医院信息数据，目前我院确定的数据仓库分析主题主要有：住院主题、出入转汇总主题、医保明细费用主题、固定资产主题、高值耗材主题、总收入主题、手术主题、门诊处方主题、门诊发药主题等等。

根据所确定的主题，可以确定医院信息系统数据仓库的逻辑模型，以所分析的主题作为事实表。以医院总收入主题为例，其所涉及的事实表包括：医嘱主表、医嘱分类表、账单主表，病人医嘱费用明细表、账单收费项目明细表、住院发票表等。

3.2 总收入主题

3.2.1 维度以及粒度的设计

数据仓库设计过程中一个核心的过程就是粒度的划分，合适准确的粒度划分是非常复杂的问题，粒度的确定是业务分析决策、数据仓库以及软硬件使用方式的平衡，必须从数据仓库实际数据存储的物理容量、数据构成量以及业务部门的实际应用需求等方面考虑进行粒度的设计。根据上述设计理论，结合医院业务需求以及指定的分析主题。

3.2.2 事实表、维表及模型

根据医院总收入主题以及维度和度量的设计，总收入分析主题涉及的维表主要包括：

（1）病人基本维（病人姓名、性别、身份证号、联系电话、职业）；

（2）病人就诊信息维（病人姓名、性别、住院号、住院登记号、门诊登记号、病历号、证件类型）；

（3）医嘱大类维表（类别ID、类别）；

（4）医嘱项维表（ID、项目名称、项目所属医嘱子分类ID、项目所属医嘱大分类ID）；

（5）病人账单收费项目明细表（收费项目ID、单价、数量）等。

事实表为病人医嘱费用明细表（病人住院登记号、医嘱项ID、收费项目ID、总计费数量、退费数量）等。

3.3 医保主题

医保费用明细主题事实表、维表 根据医院医保费用明细主题维度和度量的设计，医保费用主题涉及的维表主要包括：

（1）病人基本信息维（病人姓名、性别、身份证号、联系电话、职业）；

（2）病人就诊信息维（病人姓名、住院登记号、病人科室、病人医生、病人费别、结算状态、就诊类型、住院天数）；

（3）病人医嘱费用明细表（病人住院登记号、医嘱项ID、收费项目ID、总计费数量、退费数量）等；

（4）病人账单明细维（病人登记号、病人姓名、医保类别、中成药费、中草药费、取暖费、手术费、挂号费、检查费、材料费、治疗费、化验费、床位费、挂号费、其他费用）等；

事实表为病人账单维（病人登记号、医保类别、人员类型、结算状态、统筹支付累计、个人现金支付额、乙类自理金额、公务员补助、医保定额、自费材料总费用、自费药品总费用、自付费用、进入统筹费用、高值耗材统筹、出院时间、结算时间）。

3.4 数据整理与转换

数据整理与转换功能主要完成对医院已经产生的业务活动数据按照构建数据仓库过程中设计的维度、度量以及事实表、维表通过ETL过程导入到数据仓库中。

ETL（Extract Transformation Load）是构建数据仓库承前启后的重要步骤，它将异构的、不同数据源中的稻莩槿『蠼行清洗、集成和转换，再加载到数据仓库或者数据集市当中，为联机分析处理和数据挖掘提供数据基础。相较与关系数据库，数据仓库中没有严格的数学理论，数据仓库则主要面向实际的业务及工程应用。

4 应用speedminer工具实现基于Web的辅助决策支持应用分析

4.1 收入结构分析的Pivot及Dashboard创建

（1）Pivot主要完成医院决策支持系统体系结构中的数据处理层的分析处理和挖掘功能。

在Pivot创建之前，首先考虑我们需要展示并分析的数据应该包含的内容，住院科室收入结构分析应该分析的对象是科室以及收入结构。因此，将开单科室作为维度即展现的行；其度量组成应该是各个收入结构。在pivot的过滤条件中可以指定按照某种条件来展示，在住院科室收入结构分析中，我们制定其按照指定的时间段来展示结果，这部分内容也可以直接在Dashboard创建界面展示时制定。

在每个度量中，需指定过滤收入的条件，双击度量组成的某个度量，使“收入会计大类=度量所指收入”。度量过滤条件相当于查询总收入中会计大类为材料收入类型的收入金额。

（2）Dashboard主要完成医院决策支持系统体系结构中的数据访问层功能，主要为管理决策者创建决策支持系统的人机交互界面，将数据处理层整合和处理的信息和数据通过友好界面展现给用户。

Dashboard展示界面包括二维表、仪表盘、曲线图、柱状图等形式。换句话来说，Dashboard就是将前述中的pivot的分析和挖掘结果使用友好的人机交互界面展示出来。在Dashboard创建过程中，首先需要进行Dashboard与pivot的关联，结合功能需求，然后按照美观、简介的原则规划Dashboard中各个二维表、仪表盘及柱形或曲线图的位置，将结果展示出来。在Dashboard创建过程中，我们可以将数据按照一定过滤条件再次钻取。

4.2 总结

使用基于Web辅助决策支持工具可以将临床业务或者医院决策管理层的不同需求制定相应的pivot，然后通过Dashboard展示出来，供相关部门分析使用，但是在这之前，同样需要设计相关主题的维度及粒度，并使用ETL过程将数据导入数据仓库中。目前我院根据各个业务科室以及管理决策部门提出的数据分析需求，已经在Speedminer中部署了20余个业务主题、10余种大类分析、50余种子类分析目标，基本上满足了医院决策管理者对医院信息系统提供业务数据分析的需求，同时完成了各级部门考核医院以及医院等级评审所需的相应指标的分析与钻取，大大提升了统计工作效率。在这些数据及分析结果的展现过程中，采用了多样化形式，除了上述的二维表直观表现、柱形曲线图，还包含了相关重要指标动态监控的方式。如图1所示。

总之，无论是数据的多角度、深层次钻取分析、还是数据查询统计与数据的直观分析，在使用基于医院信息系统数据仓库的决策支持系统后，效率得到了明显提升，为医院管理决策者制定医院发展规划、规范医疗质量、业务流程优化最终实现医院大发展提供了坚实基础和便利条件。

参考文献

[1]谢榕.基于数据仓库的决策支持系统框架[J].系统工程理论与实践，2000，20（04）：27-30.

[2]林杰斌，刘明德，陈湘.数据挖掘与OLAP理论与务实[M].清华大学出版社，2002.

[3]W.H.Inmon：Building the Data Warehouse[M].Third Edition.John Wiley&Sons.Inc.2002.

[4]许兆新，周双娥，郝燕玲.决策支持系统相关技术综述[J].计算机应用研究，2001，18（02）：35-39.

[5]邓苏，张维明，黄宏斌.决策支持系统[M].北京：电子工业出版社，2009.

[6]崔雷，侯跃.论医疗决策支持系统[J].医学情报工作，2003，24（01）：28-30.

[7]陈京明.数据仓库与数据挖掘技术[M].北京：电子工业出版社，2002.

[8]许兆新，周双娥，郝燕玲.决策支持系统相关技术综述[J].计算机应用研究，2001（02）：35-39.

作者单位

兰州大学第二医院 甘肃省兰州市 730030