医院信息集成平台项目建设方案与实践 第4章 项目建设设计（六）

4.3.7.2 数据仓库

医院运营管理库将医院复杂而庞大的业务系统快速集成，减少点对点接口的复杂度，缩 短业务系统对接周期，同时可以自动获取院内各种系统生成的数据，整合成医院关心的 KPI 指标。一方面，数据中心的数据源主要来自 HIS、LIS、PACS、财务、人事等医院资源管理系 统，实现医院范围内的跨科室、跨系统的数据集中和整理。数据从源系统到数据中心的流动过程是通过 ETL 实现的，对于无法从医院信息系统中直接获取的指标，如医疗质量综合考核 分、护理质量综合考核分、院内感染综合考核分、精神文明综合考核分、患者满意度等，此 类考核结果数据可以通过人工录入或导入的方式获取。另一方面，将数据经转换、重构后存 入数据仓库，数据仓库除了存储历史数据意外，也记录了医院业务发展的计划数据和预测数 据。借助数据仓库技术，可以分析绩效考核指标的完成情况，及产生该结果的原因，从而为 业务措施的制定提供帮助。由于数据仓库汇总了财务和非财务，实际和计划，部门和科室的 数据，所以将成为医院关键业绩指标的核心内容。

 

 

1)数据源:

汇总来自医院资源管理(HIS，LIS，PACS，财务，人事等)以及医院运营类应用的数据， 实现医院范围内的跨科室，跨部门，跨系统的数据集中和整理。

2)数据处理:

对数据进行ETL操作以保证数据的质量。根据不同业务分析需求将历史数据按照不同的 分析维度来进行汇总，以便为业务决策提供某个维度的信息支持。

3)数据存储:

将数据经转换、重构后存入数据仓库，数据仓库除了存储历史数据意外，也记录了医院 业务发展的计划数据和预测数据。所以借助数据仓库技术，医院的管理人员可以分析经营业 绩的完成情况，及产生该结果的原因，从而为业务措施的制定提供帮助。由于数据仓库汇总 了财务和非财务，实际和计划，部门和科室的数据，所以将成为医院关键业绩指标的核心内 容。

4)分析应用

经营分析应用是在数据仓库技术的基础之上，利用数据分析技术对数据进行不同维度的 切片处理分析，可得到医院经营情况，收益，投资和汇报等医院绩效评估依据。利用业界标 准的具有商业应用价值的统计算法对跨越整个医院的数据进行统计分析，形成对医院现状的 统计特征，从而使高层管理者能够从更宏观的角度把握医院的经营状况。例如现有资源使用 情况统计分析，现有服务情况统计分析，供应商/合作伙伴给医院带来的利润统计分析以及 医护人员的作业情况比较等等。从功能上讲，经营分析应用涵盖病人账户情况分析，业务发 展分析，收益情况分析，服务质量分析等主题。分析应用的主要效益体现在:通过汇集医院 内外的数据，以及合理运用智能分析工具，使医院决策层，管理层能更方便，更及时地获取 关键管理和业务信息，利用信息挖掘商业价值，辅助决策层对企业的全面监控，通过对内外 部数据的分析和利用，为战略制定，业务拓展，自主定价和运营体系的改善提供决策支持。

一、 存储结构

 

医院运营管理库由三部分组成，即 ODS、DW 和数据集市。ODS(Operational Data Store) 是数据仓库体系结构中的一个可选部分，它是医院业务系统的镜像，用于存放从业务系统直 接抽取出来的数据，这些数据从数据结构、数据之间的逻辑关系上都与业务系统基本保持一 致，在抽取过程中极大降低了数据转化的复杂性。DW 数据仓库是建立在 ODS 之上的数据仓 库,它是以医院运营管理数据为核心，整合各类临床数据，形成完整的数据链。数据集市是 ODR 的一个子集，他主要面向科室级业务，面向某个特定的主题。数据集市存储为特定用 户预先计算好的数据，从而满足用户对性能的需求，解决了方案灵活性和性能之间的矛盾。

二、 ODS

一般在带有 ODS 的系统体系结构中，ODS 都设计为如下几个作用: 在业务系统和数据仓库之间形成一个隔离层。 一般的数据仓库应用系统都具有非常复杂的数据来源，这些数据存放在不同的业务系统

之中，从这些业务系统对数据进行抽取并不是一件容易的事。因此，ODS 用于存放从业务系 统直接抽取出来的数据，这些数据从数据结构、数据之间的逻辑关系上都与业务系统基本保 持一致，因此在抽取过程中极大降低了数据转化的复杂性。

  转移一部分业务系统细节查询的功能

在数据仓库建立之前，大量的报表、分析是由业务系统直接支持的，在一些比较复杂的 报表生成过程中，对业务系统的运行产生相当大的压力。ODS 的数据从粒度、组织方式等各个方面都保持了与业务系统的一致，那么原来由业务系统产生的报表、细节数据的查询自然 能够从 ODS 中进行，从而降低业务系统的查询压力。

  完成数据仓库中不能完成的一些功能。

一般来说，带有 ODS 的数据仓库体系结构中，DW 层所存储的数据都是进行汇总过的数 据，并不存储每笔交易产生的细节数据，但是在某些特殊的应用中，可能需要对交易细节数 据进行查询，这时就需要把细节数据查询的功能转移到 ODS 来完成，而且 ODS 的数据模型 按照面向主题的方式进行存储，可以方便地支持多维分析等查询功能。

在一个没有 ODS 层的数据仓库应用系统体系结构中，数据仓库中存储的数据粒度是根 据需要而确定的，但一般来说，最为细节的业务数据也是需要保留的，实际上也就相当于 ODS，但与 ODS 所不同的是，这时的细节数据不是“当前、不断变化的”数据，而是“历史 的，不再变化的”数据。

三、 数据仓库

数据仓库(Data Warehouse)，是对于决策性数据最好建立单独的数据仓库来管理。数据 仓库是整合和利用业务系统产生的数据，为决策提供支持的一项技术。数据仓库系统专注于 回答过去发生了什么，为管理层提供了及时、准确、全面的信息。

主题数据仓库是建立在 ODS 之上的数据仓库,可以自由组合，以医院运营数据为核心， 整合各类临床数据，形成完整的数据链，卫宁的主题数据仓库有决策支持主题仓库、绩效主 题数据仓库、质量指标主题数据仓库、病种主题数据仓库等。

数据仓库是在临床数据、医院管理类数据以及财务类数据采集的基础上对各类数据进行 归类整合并加以利用。按其数据的性质大致可分为三类:卫生资源信息、临床诊疗信息、卫 生业务信息。其中卫生资源信息可作为卫生资源分布的基础数据;临床诊疗中与费用相关的 信息可作为卫生资源消耗的基础数据;临床诊疗中的疾病数据和卫生业务信息可作为卫生资 源需求的基础数据，医院的管理与决策可利用这些数据所产生的信息为相关的卫生决策进行 支撑。

为快速的展示各种业务统计分析的报表及结果，必须首先对不同来源的数据按照主题的 方式来进行组织和处理，按照业务统计分析的需求搭建数据仓库，实现对数据的多维管理。 数据仓库包括相应的事实表和维度表，基于上述业务统计分析的要求，可采用多个面向不同 主题的事实表共享维度表的“星型”数据仓库模型。数据仓库的建立，有利于后期对数据的 高效应用。

4.3.8 基于数据中心的应用

4.3.8.1 院长决策支持系统

传统的统计报表来自于各个业务系统，信息不全面，同时各个业务系统的数 据又存在不一致的情况，这为医院管理者准确掌握医院运行状况带来了困难。院 长决策支持系统以院长管理决策为主线，贯穿业务、流程、财务、绩效、物流、 后勤、人力资源等多个管理模块而成。为医院管理和运营监控提供及时有效地数 据支撑和绩效管理的工具。

4.3.8.2 科主任决策支持系统

科主任决策支持系统以集中界面体现科室当日动态的门急诊和住院等情况。 通过科室情况综合一览，科室实时情况监控，科室工作量，科室费用监控，科室 病人用药情况，科室手术情况，科室预警等功能使科主任能通过在一个界面中了 解全科病人所有情况，并能提供科室管理依据和相关数据支撑。

4.3.8.3 医院质量指标管理系统

质量指标管理系统为了满足医院各项运营指标和相关数据的上报需求，以及 医院院领导、各职能部门对医院管理决策支持的需要。该系统大部分统计指标及 数据均来自于医院内部 HIS 系统，临床信息系统，药品物资系统等软件，部分无 法采集的数据也可通过质量指标系统自带的数据补录模块来补录数据。

从医院管理者角度来看，标准模块化、专业化的医院质量指标管理软件是协 同医院管理的重要一环，特别是进行等级评定的医院，需要大量的考核指标，均 可在系统中直接产生、处理、调用，也为以后的医院复评和日常质量监控起到很 好的辅助监控作用。

4.3.8.4 患者临床视图

患者 360 视图基于临床数据中心(CDR)，使临床医生可以通过一个清晰、友 好的统一视图对患者的就诊信息进行查阅，同时还提供直观的导航模型，从而优 化医生的操作流程，让临床医生在短时间内对患者就诊情况有整体了解，为患者提供高效、快捷、准确的医疗服务，从而提高医疗服务的质量。

患者 360 视图是以患者为中心的临床信息展示。展示的内容包括患者摘要、 就诊记录、病历资料、检查报告、检验报告、体检报告、长期医嘱、临时医嘱、 门诊处方、手术记录、过敏信息、临床诊断、检验摘要、治疗回顾、配血报告、发血报告、输血报告、麻醉记录、血型检测报告、治疗记录、入院评估记录、护理病历、重症监护单、住院医嘱、诊疗时序、急诊评估单、输血记录和门诊体征等信息。

 

4.3.8.5 多维数据分析

通过建立好的模型进行处理，从数据仓库中抽取数据并进行相关计算和聚合 存储到多维数据文件中。这样数据从业务系统->数据仓库->多维数据库数据多次 聚合和压缩。这样大大提高了数据的响应速度。

多维数据库(Multi Dimensional Database,MDD)可以简单地理解为:将数据 存放在一个 n 维数组中，而不是像关系数据库那样以记录的形式存放。因此它存 在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时 间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间， 提高查询效率。

 

目前有两种 MDD 的 OLAP 产品:基于多维数据库的 MOLAP 和基于关系数据 库的 ROLAP。MOLAP 及其相关概念在数据仓库基础上进行的多维查询分析称为 OLAP(联机分析处理)。其核心是多维数据库(MDDB)技术。它以多维的方式组织数 据和存储数据。多维数据库中的数据组织形式采用了二维矩阵的形式,在存储中 形成“立方体(Cube)”的结构,以较少的空间更明确地表达了现实世界中的“一对 多”“和多对多”关系。因而,多维数据库具有很高的综合速度。作为 OLAP(联机分 析处理)的工具,多维数据立方在实现时有两种方案,即基于关系数据库的 ROLAP和基于多维数据库的 MOLAP(Multidi-mensional OLAP)。ROLAP 中数据单元为元组, 适合大型的数据源,其优势在于稀疏数据在关系数据库中比在数组中存储的更加 紧密,而且可以借助关系 DBMS 来管理数据,但是查询响应速度比较慢。MOLAP 通 过基于数组的多维存储引擎,支持数据的多维视图。它将多维视图直接映射到数 据立方体数组结构。数据在多维空间中的位置由维属性来确定和计算,数据的值 即为度量属性的值。