建设医院数据仓库 支撑医院管理决策
若水分享
1147
数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于经营管理中的决策支持。建设一个提升医院运营能力的数据仓库，对于提高医院管理决策水平，加快医院科研进程，提高医院诊疗水平和教学质量，提升医院的品牌服务能力，都将产生深远的影响。
1 数据仓库技术简介
1.1 数据仓库的定义：数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于经营管理中的决策支持。其根本特点是依据数据库、基于主题的集成数据的物理存放。数据仓库技术基于数据库技术，是随着人们对高度积累的海量数据进行数据分析或科学预测而逐渐形成的。
1.2 数据仓库的两类分析工具：在数据仓库基础上有两类分析工具—OLAP(On Line Analytical Processing)和DM(Data Mining)。OLAP侧重于对数据仓库中的数据进行多层面、多角度的分析处理，而DM
则侧重于对数据仓库的数据中蕴涵的未知规律进行深层挖掘。从技术上看，两者都可以用来发现和总结规律，OLAP是通过验证某些猜想来发现规律，而DM是通过数据来找寻隐含的未知规律。
2 数据仓库建设背景
近年来，随着医疗市场的激烈竞争，医院管理已逐步从传统经验型向科学量化管理方向发展，特别是医院的重大决策需要科学数据分析作为依据。建设一个提升医院运营能力的数据仓库，不但有效地支撑医院管理决策，而且对加快医院科研进程，提高医院诊疗水平和教学质量，提升医院的品牌服务能力，都将产生深远的影响。
3 数据仓库建设过程
3.1 确定主题：数据仓库中数据的组织是面向宏观分析主题的，可以说，主题定义的过程就是数据仓库模型建立的过程，确定主题是数据仓库建设的首要目标。
3.2 数据准备：①根据确定的主题，确立相应的数据结构，在数据仓库中建立相关的事实表和维度表，并对数据仓库中相关表的连接作出相应的取舍；②对来自于HIS系统和其它外部数据源的数据进行ETL处理—数据抽取(Extract)、转换(Transform)和装载(Load)。
3.3 建立模型：基于医院业务运行机制，利用数据挖掘(DM)工具提供的算法，将其应用于数据仓库中的数据，选取相应的参数，生成相应的主题模型。
3.4 演化模型：利用OLAP工具，基于不同的参数，对生成的同一主题的不同模型进行比较和评估。首先确立一个相对最优模型，用业务语言加以解释；然后采用迭代的软件工程方法反复修改相对最优模型，直到建立满意的模型为止。
3.5 运用模型：建立数据仓库的最终目的是从数据仓库中挖掘知识，总结规律。通过运用模型，从数据仓库中找到一些知识和规律，有效支撑医院管理决策。
4 数据仓库实现的主要功能
4.1 患者构成分析：该功能可以分析医院门诊、住院患者的构成，以便有针对性地采取措施来提高服务质量，从而增加门诊量和住院收容量。
4.2 就诊时间分析：该功能可以分析门诊患者的各个就医环节的时间分布，分析患者的就医瓶颈，以便能针对这些瓶颈采取措施来减少患者的就诊时间。
4.3 医药费用构成分析：该功能可以分析整个医院、各个科室乃至每个医生的患者医药费用构成，有针对性地采取措施来控制药品费用比例。
4.4 单病种分析：该功能可以对单病种进行分析，包括对单病种的费用、住院天数、治疗方案等进行分析，以便医生能及时总结经验，找出最佳治疗方案，即缩短了患者的就诊时间，又减轻了患者的负担。
4.5 成本效益分析：该功能可以把各个不同系统的数据集成到数据仓库中，对医院的成本效益情况进行全面分析，挖掘医院业务利润的变化规律，真正把握医院经营状况，提高医院的经济效益。
5 小结
数据仓库是诸多学科相互交叉、综合应用的技术。数据仓库系统已经成为现代医院必不可少的基础设施之一，它是现代医院运营支撑体系的重要组成，是医院面对激烈竞争的医疗市场作出迅速响应的有力保障。
参考文献：
[1] 樊同科,陶紫琼.数据仓库技术及其在医院信息系统中的应用[DB/OL].电脑知识与技术,2009.
[2] 陈金雄,刘雄飞,王庆森.医院数据仓库的设计与实现[DB/OL].医疗卫生装备,2004.
1 数据仓库技术简介
1.1 数据仓库的定义：数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于经营管理中的决策支持。其根本特点是依据数据库、基于主题的集成数据的物理存放。数据仓库技术基于数据库技术，是随着人们对高度积累的海量数据进行数据分析或科学预测而逐渐形成的。
1.2 数据仓库的两类分析工具：在数据仓库基础上有两类分析工具—OLAP(On Line Analytical Processing)和DM(Data Mining)。OLAP侧重于对数据仓库中的数据进行多层面、多角度的分析处理，而DM
则侧重于对数据仓库的数据中蕴涵的未知规律进行深层挖掘。从技术上看，两者都可以用来发现和总结规律，OLAP是通过验证某些猜想来发现规律，而DM是通过数据来找寻隐含的未知规律。
2 数据仓库建设背景
近年来，随着医疗市场的激烈竞争，医院管理已逐步从传统经验型向科学量化管理方向发展，特别是医院的重大决策需要科学数据分析作为依据。建设一个提升医院运营能力的数据仓库，不但有效地支撑医院管理决策，而且对加快医院科研进程，提高医院诊疗水平和教学质量，提升医院的品牌服务能力，都将产生深远的影响。
3 数据仓库建设过程
3.1 确定主题：数据仓库中数据的组织是面向宏观分析主题的，可以说，主题定义的过程就是数据仓库模型建立的过程，确定主题是数据仓库建设的首要目标。
3.2 数据准备：①根据确定的主题，确立相应的数据结构，在数据仓库中建立相关的事实表和维度表，并对数据仓库中相关表的连接作出相应的取舍；②对来自于HIS系统和其它外部数据源的数据进行ETL处理—数据抽取(Extract)、转换(Transform)和装载(Load)。
3.3 建立模型：基于医院业务运行机制，利用数据挖掘(DM)工具提供的算法，将其应用于数据仓库中的数据，选取相应的参数，生成相应的主题模型。
3.4 演化模型：利用OLAP工具，基于不同的参数，对生成的同一主题的不同模型进行比较和评估。首先确立一个相对最优模型，用业务语言加以解释；然后采用迭代的软件工程方法反复修改相对最优模型，直到建立满意的模型为止。
3.5 运用模型：建立数据仓库的最终目的是从数据仓库中挖掘知识，总结规律。通过运用模型，从数据仓库中找到一些知识和规律，有效支撑医院管理决策。
4 数据仓库实现的主要功能
4.1 患者构成分析：该功能可以分析医院门诊、住院患者的构成，以便有针对性地采取措施来提高服务质量，从而增加门诊量和住院收容量。
4.2 就诊时间分析：该功能可以分析门诊患者的各个就医环节的时间分布，分析患者的就医瓶颈，以便能针对这些瓶颈采取措施来减少患者的就诊时间。
4.3 医药费用构成分析：该功能可以分析整个医院、各个科室乃至每个医生的患者医药费用构成，有针对性地采取措施来控制药品费用比例。
4.4 单病种分析：该功能可以对单病种进行分析，包括对单病种的费用、住院天数、治疗方案等进行分析，以便医生能及时总结经验，找出最佳治疗方案，即缩短了患者的就诊时间，又减轻了患者的负担。
4.5 成本效益分析：该功能可以把各个不同系统的数据集成到数据仓库中，对医院的成本效益情况进行全面分析，挖掘医院业务利润的变化规律，真正把握医院经营状况，提高医院的经济效益。
5 小结
数据仓库是诸多学科相互交叉、综合应用的技术。数据仓库系统已经成为现代医院必不可少的基础设施之一，它是现代医院运营支撑体系的重要组成，是医院面对激烈竞争的医疗市场作出迅速响应的有力保障。
参考文献：
[1] 樊同科,陶紫琼.数据仓库技术及其在医院信息系统中的应用[DB/OL].电脑知识与技术,2009.
[2] 陈金雄,刘雄飞,王庆森.医院数据仓库的设计与实现[DB/OL].医疗卫生装备,2004.
