基于DW的医院决策支持系统的设计与实现
基于DW的医院决策支持系统的设计与实现
［ 收稿 日期］２ １ —Ｏ —２ ＯＯ １ ６ ［ 基金项 目］本文受安徽中医学院 自 然科学基金 ２ １ ｚ ０ Ｂ和安徽 中医学 院校级研究项 目ｚ ｃ０ ９ １ ０ ０ｒ ７ ０ ｌ ２ ０ ２ 资助 ｇ ［ 作者简介］俞 磊 （９ １ ， 安徽合肥人 ， １ ８ 一） 女， 工学硕士 ； 杨松涛（９ Ｏ ， ， １６ 一）男 理学硕士， 副教授 ； 力 （９ ４ ， ， 金 １ ７ 一）男 工学硕士 。
一
其 相应 的 管 理 系 统 部 分 。通 过 ＯＬ ＡＰ 与 ＤＭ 从 Ｄ 中得 出有 用 的信息 、 Ｗ 知识 。 数 据访 问层 为决 策 者提 供 与 系统 交互 的入 口。
把数 据处 理层 得到 的信息 和知识 通过 人机 交互界 面 展 现给 用户 ， 主要包 括用 户交互 、 式化查 询及报 表 格 和统计 图 的生 成等 。
图 １ 医院 决 策 支 持 系统 的体 系结 构
１ ２ 数据仓 库 Ｄ 的设计 ． Ｗ
数据仓库 的设 计包括 建模 、 构建 和接 口设 计 。下 面重 点谈一下 数据仓 库的数据建模 ， 它分为概念模 型
设计 、 逻辑模型设计和物理模型设计这 几 ． 个步骤 。
１ ２ １ 概念 模 型设 计 ．．
俞
［ 摘
磊 ， 杨松 涛 ， 金 力 ， 王 宗殿 （ 安徽 中医学院 医药信 息工 程学 院 ， 安徽 合肥 ２ ０ ３ ） ３ ０ １
要］在 医院原有信 息系统 （ Ｓ 的基础 上 ， ＨＩ） 综合运 用数据仓 库（ Ｄｗ）联 机分析 处理 （ Ｌ Ｐ 、 据挖掘 （ 、 Ｏ Ａ ）数 ＤＭ） 等新
兴技 术， 建 了一个完整的 医院决策支持 系统。分析 了系统 的总体框 架结构 ， 讨 了 Ｄ 、 ＡＰ和 ＤＭ 等 关键部件的设计方 搭 探 Ｗ ＯＬ
基于医疗大数据的临床决策支持系统设计
基于医疗大数据的临床决策支持系统设计随着信息技术的快速发展，医疗行业也在向数字化、智能化方向发展。
其中，医疗大数据的应用越来越受到关注。
医疗大数据是指按照一定的规则收集、存储、分析和应用医疗领域中的大量数据，并从中获取有用信息，以指导医学决策、优化医疗流程、提高医疗质量和效率。
基于医疗大数据的临床决策支持系统，是目前将医疗大数据应用于实际临床生产的重要手段之一。
本文将从以下几个方面对基于医疗大数据的临床决策支持系统进行设计和研发的相关技术做一个简要的介绍。
一、技术架构设计在设计基于医疗大数据的临床决策支持系统时，需要考虑多个方面的技术架构，包括数据采集、数据存储、数据分析和应用系统等方面。
其中，数据采集需要通过多种手段获取不同医疗领域的数据，包括病历、检查报告、影像、实时监控等等；数据存储则需要对采集到的数据进行分类存储，以便后续的查询和分析；数据分析需要通过大数据分析算法对已存储的数据进行挖掘和筛选，以获得有利于医学决策和管理的信息；应用系统则需要将分析得到的医疗信息整合并输出给医生、护士等从事临床工作的专业人员。
在技术架构设计过程中，需要考虑到系统的使用场景、用户体验和数据安全等多个方面。
二、数据采集与预处理数据采集是基于医疗大数据临床决策支持系统设计的重要环节之一。
通过数据采集，不仅可以积累足够的数据，还可以从这些数据中得到足够的信息。
数据采集的方式可以多样化，包括手工录入、网上报告查询、数字化影像传输等等。
在数据采集的过程中，需要注意数据来源的可靠性和数据的准确性。
因此，进行数据采集之前，先对数据进行初步的预处理是必要的。
数据预处理可以包括以下几个方面：数据清洗、数据处理、数据转换和数据集成等。
其中，数据清洗旨在排除数据中可能存在的相互矛盾、重复或缺失的问题；数据储存处理方面，则可以使用多种技术，例如采用分布式存储方式，为大量数据提供高效的存储和访问；数据集成则需要对来源各异、格式多样的数据进行整合，以提高精度。
医疗诊疗决策支持系统的设计与实现
医疗诊疗决策支持系统的设计与实现首先，让我们来了解什么是医疗诊疗决策支持系统。
简单来说，它是一种基于电脑技术和医学知识的辅助决策系统，旨在为医生提供更加科学准确的诊疗建议。
那么，为什么需要医疗诊疗决策支持系统呢？相信大家都知道，在医学领域，临床数据的极其复杂多样化，医生面临着海量的病人信息和医学知识，造成了医疗决策的繁琐和不确定性，而这正是医疗诊疗决策支持系统所能解决的问题所在。
那么，该如何设计和实现一个高效可靠的医疗诊疗决策支持系统呢？以下是一些具体的思路和方法：1.收集和整理数据在医疗诊疗决策支持系统的设计中，数据是非常重要的因素。
医生诊疗决策的精度和准确性都离不开丰富完整的数据。
因此，首先需要收集整理大量的临床数据，包括病历、医学文献、诊断手册等。
2.制定知识库收集完数据之后，需要针对所收集到的数据，制定一个具有逻辑性和完整性的知识库。
也就是说，需要将医学专业知识和临床经验规范化，整理成一系列规则和算法，作为后续推理和决策的基础。
3.建立推理机制医疗诊疗决策支持系统的核心是推理机制。
建立推理机制可以让系统在病人数据输入后，根据规则和算法自动进行推理和诊断。
因此，在建立推理机制时需要考虑到推理算法和推理引擎的优化，达到尽可能高的准确性和速度。
4.提供人机交互界面除了自动化的推理功能，医疗诊疗决策支持系统还需要提供人机交互的界面。
这个界面不仅要能够直观展示病人的相关数据，还要提供给医生各种操作和查询的功能，让医生可以方便地进一步研究和了解诊疗建议。
最后，值得强调的是，医疗诊疗决策支持系统不是代替医生诊疗的工具，而是为医生提供精准可靠的诊疗建议，辅助医生做出更加科学准确的决策。
因此，在设计和实现这个系统时，需要重视与医生的紧密合作，让医生能够更好地理解和使用这个系统，从而达到最终的诊疗效果。
基于大数据的医院决策支持系统的设计与实现
基于大数据的医院决策支持系统的设计与实现一、引言近年来，随着大数据技术的飞速发展和医疗领域的日益复杂化，医院的决策过程也面临着新的挑战。
为了更好地应对医疗领域的复杂性和不确定性，设计和实现一个基于大数据的医院决策支持系统至关重要。
本报告将对现有医院决策支持系统的现状进行分析，并指出存在的问题，最后提出对策建议，以期为医院决策支持系统提供有益的参考。
二、现状分析2.1 医院决策支持系统的定义医院决策支持系统是指利用大数据技术和相关算法，对医院运营、资源调配、药品管理等方面进行综合分析和决策的系统。
它可以帮助医院管理者在制定决策时提供准确的数据支持和合理的决策建议，提高医院的经营效率和医疗质量。
2.2 医院决策支持系统的应用情况目前，许多医院已经开始使用决策支持系统来帮助他们进行管理和决策。
例如，某医院使用决策支持系统来分析病人的病历记录和治疗结果，以提供个性化治疗方案。
另外，某医院使用决策支持系统来优化药品库存和采购，减少药品浪费和成本。
这些例子显示了决策支持系统在医院管理中的广泛应用，并且取得了一定的成效。
2.3 医院决策支持系统存在的问题尽管医院决策支持系统的应用正在逐渐扩大，但仍存在许多问题需要解决。
搜集和整理大规模的医疗数据需要耗费大量的人力和时间。
目前的决策支持系统大多只着眼于单个医院的数据分析，缺乏对不同医院之间的比较和综合分析。
部分医院还没有建立完善的数据采集和存储系统，导致数据质量不足和数据共享困难。
医院决策支持系统的算法目前还比较简单，无法处理大规模的数据和复杂的决策问题。
三、存在问题分析3.1 数据搜集和整理问题大数据的收集和整理是医院决策支持系统的基础，当前医院在数据搜集和整理方面存在以下问题：数据来源不统一，数据格式不一致，数据质量参差不齐，数据完整性差等。
3.2 数据分析和决策建议问题当前医院决策支持系统在数据分析和决策建议方面存在以下问题：缺乏有效的数据挖掘算法和模型，无法发现隐藏的数据关联性和趋势；缺乏对多维度数据的综合分析能力，无法全面评估医院的运营状况和潜在的问题；决策建议的可解释性不足，无法帮助决策者理解背后的推理和推断逻辑。
医疗诊疗决策支持系统的设计与实现方法
医疗诊疗决策支持系统的设计与实现方法随着计算机科学与医学的不断发展，医疗诊疗决策支持系统（CDSS）在医疗领域的应用越来越广泛。
CDSS是一种利用人工智能和数据分析技术，为医生提供辅助决策的系统。
它能够根据患者的病情、病史以及医学知识库等信息，为医生提供诊断、治疗方案等方面的建议和决策支持，帮助提高诊断的准确性和治疗的效果。
设计与实现医疗诊疗决策支持系统需要考虑以下几个方面。
首先，搜集和整理医学知识。
医疗诊疗决策支持系统需要依赖大量的医学知识来提供决策支持。
因此，设计与实现系统的第一步是搜集和整理医学知识。
这些知识可以来自于医学文献、专家的经验以及临床实践。
搜集到的知识需要进行标准化和归纳整理，构建成知识库以供系统使用。
其次，建立患者关联数据的数据库。
医疗诊疗决策支持系统需要分析患者的病情和病史等相关数据来进行决策支持。
因此，设计与实现系统的第二步是建立患者关联数据的数据库。
这个数据库应该能够存储和管理患者的关键信息，如病情描述、病史、检查结果、药物治疗等。
同时，这个数据库还需要提供查询和分析功能，以支持系统对患者数据的处理和利用。
接下来，设计系统的决策算法。
医疗诊疗决策支持系统需要根据病情和患者数据来生成决策建议。
因此，设计与实现系统的第三步是设计和实现相应的决策算法。
这些算法可以基于规则、机器学习和统计分析等方法。
规则可以是基于专家知识构建的，机器学习可以通过学习来自动发现和利用数据中的模式和规律，统计分析可以根据大量患者数据进行患者群体特征的归纳和推断。
这些算法需要能够对患者的病情进行评估和预测，并为医生提供相应的决策建议。
此外，设计用户界面和交互方式。
医疗诊疗决策支持系统需要提供良好的用户界面和交互方式，以便医生能够方便地使用系统并获得决策建议。
因此，设计与实现系统的第四步是设计和实现用户界面和交互方式。
用户界面应该直观易懂，能够展示患者的关键信息和决策建议，并提供相应的查询、分析和操作功能。
医院决策支持系统的设计与实现
医院决策支持系统的设计与实现【正文】一、现状分析医院决策支持系统（Hospital Decision Support System，HDSS）是指通过计算机和信息技术手段，帮助医院实现决策管理的一种系统。
该系统的设计与实现对于提高医院管理效率、优化资源配置和改善医疗质量具有重要意义。
目前，随着医疗技术的发展和医疗经济的转型，医院决策支持系统得到了广泛应用。
许多医院已经开始着手构建自己的HDSS，以提高医疗信息管理和决策能力。
这些系统主要包括临床决策支持系统（Clinical Decision Support System，CDSS）和管理决策支持系统（Management Decision Support System，MDSS）。
在临床决策支持系统方面，CDSS已经成为医生和护士的重要助手。
它能够根据患者的病情、医疗历史和最新研究成果提供医疗诊断、用药建议等辅助决策信息，帮助医务人员提高诊疗效果和降低医疗事故风险。
管理决策支持系统方面，MDSS则主要针对医院的管理层和决策者提供决策分析工具和信息报表，帮助他们进行人员调配、资源配置、财务分析等方面的决策。
然而，目前医院决策支持系统仍存在一些问题。
部分医院在决策支持系统的设计与实现过程中缺乏深入调研和需求分析，导致系统与实际需求不匹配，无法真正发挥作用。
决策支持系统的数据采集和整合存在困难，数据来源多样化、格式不一致，很难实现数据的准确和及时获取。
另外，部分医院对于决策支持系统的安全性关注不足，数据泄露和信息安全风险较高。
医院决策支持系统的应用和推广仍面临一些培训和推广难题，一些医务人员对于新系统的接受度和使用能力较低。
二、存在问题1.需求分析不足：部分医院在决策支持系统的设计与实现阶段没有进行足够的需求调研和分析，导致系统功能与实际需求不匹配。
2.数据采集与整合困难：医院决策支持系统需要从各个部门获取多源数据，并进行整合，但数据来源多样、格式不一致，导致数据采集和整合工作困难。
医疗智能化辅助决策系统的设计与实现
医疗智能化辅助决策系统的设计与实现一、简介医疗智能化辅助决策系统是指通过人工智能技术和医学实践经验，建立医疗决策规则库，快速解读医学影像学图像、实验室检查等必要的医学数据，帮助医生科学准确地诊断疾病，并提供治疗方案和预后预测参考依据。
本文将详细介绍医疗智能化辅助决策系统的设计与实现。
二、系统需求分析1. 强大的数据处理能力。
医学影像学、实验室检查和电子病历数据等海量数据需要快速的处理和分析。
2. 精准的诊断结果。
系统需要通过算法和规则库，将特定疾病从多种疾病中进行准确定位。
3. 智能化决策流程。
在医学实践中，医生诊断和治疗疾病是一个复杂多变的系统过程，因此需要智能化流程，将辅助诊断的结果整合到治疗方案和预后预测中。
三、系统设计1. 数据采集和处理。
通过医疗机构的信息系统或患者电子病历获取结构化、半结构化和非结构化数据，对数据进行清洗和标注。
2. 特征提取和数据挖掘。
将清洗后的数据提取有效特征，进行数据挖掘和分析。
如：利用机器学习算法进行分类、回归分析。
3. 规则库和算法建立。
将特定疾病的诊断和治疗规则存储在规则库中，在诊断过程中通过规则和算法进行疾病判定和诊断参考。
4. 辅助决策流程。
即将医学影像学、实验室检查和电子病历等结果作为输入，通过机器学习和规则库输出诊断和治疗方案。
四、系统实现案例沈阳瑞恩生物医疗科技有限公司研发的智能医学AI辅助决策系统，利用大数据、人工智能等技术，提供基于雷达条形图的自动拆分、图像处理、数据分析和计算，支持疾病的预测、治疗方案的制定、病情的评估，帮助医生科学地做出判断。
五、未来发展方向随着医学技术、医学影像学、实验室检验等技术的不断发展，逐步构建起了一个庞大的医学数据积累基础，这些数据包含着医学知识库、医疗健康档案等丰富资源。
然而，如何挖掘其中的价值，服务于医生、患者，成为了目前的研究重点，是未来医疗智能化辅助决策系统的发展方向之一。
六、结论医疗智能化辅助决策系统的设计和实现是医疗信息化和医学智能化的重要应用。
医疗决策支持系统方案
医疗决策支持系统方案
一、引言
患者诊疗过程中，医疗决策支持系统日益受到关注，已成为促进患者
治疗提高效率的重要手段之一、医疗决策支持系统能够提供医疗决策的标
准化，以及更加精准的诊断支持。
医疗决策支持系统也有助于保证患者病
情的急诊程度和诊断正确率。
在今天的医疗环境中，医院必须拥有一个可
靠的医疗决策支持系统，以确保能够为患者提供及时、准确的医疗决策。
二、实施方案
1.系统设计
一个可靠的医疗决策支持系统必须具备全面的功能，以满足不同类型
的复杂医疗决策需求。
首先，该系统必须能够收集和分析患者的诊断信息，例如实验室检查报告、影像学检查报告等。
其次，系统要能够从各种病史、检查和治疗结果中提取有用的信息，以便根据该信息进行有效的决策。
另外，该系统必须能够自动处理和组织大量的诊断信息，以提供准确管理的
患者信息和诊断信息。
2.系统开发
在开发医疗决策支持系统时，首先要考虑业务问题，确定系统的功能
模块和架构。
此外，开发者还要考虑系统安全性和灵活性，以确保系统能
够针对医院的复杂业务运作进行有效的支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2010年5月 第28卷第3期合肥师范学院学报Journal o f Hefei No rmal U niversity M ay.2010 V ol.28N o.3[收稿日期]2010-01-26[基金项目]本文受安徽中医学院自然科学基金2010z r007B 和安徽中医学院校级研究项目zlgc200921资助[作者简介]俞 磊(1981-),女,安徽合肥人,工学硕士;杨松涛(1960-),男,理学硕士,副教授;金 力(1974-),男,工学硕士。
基于DW 的医院决策支持系统的设计与实现俞 磊, 杨松涛, 金 力, 王宗殿(安徽中医学院医药信息工程学院,安徽合肥230031)[摘 要]在医院原有信息系统(HIS)的基础上,综合运用数据仓库(DW )、联机分析处理(O LA P )、数据挖掘(DM )等新兴技术,搭建了一个完整的医院决策支持系统。
分析了系统的总体框架结构,探讨了DW 、O L AP 和DM 等关键部件的设计方法,并给出了系统实现的具体方案。
[关键词]医院;决策支持系统;数据仓库;联机分析处理;数据挖掘[中图分类号]T P182 [文献标识码]A [文章编号]1674-2273(2010)03-0076-030 引言近年来,国内医疗市场竞争日趋激烈,社会对医疗质量、医院工作效率和服务质量的要求越来越高,医院信息系统[1,2](hospital infor matio n sy stem,H IS)有助于医院各类资源的系统整合,对提高医院的事务处理水平产生了积极的促进作用。
但随着管理和临床数据的大量积累,H IS 原有相对简单的统计功能已不能满足人们日益增长的需求。
人们需要随时获取患者、资金、物流、工作量等方面的数据、指标和报表,需要采用复杂的统计分析方法和数据挖掘技术反复处理海量历史数据以便从中总结出临床医学和医院管理方面的新知识。
于是以数据仓库为基础的医院决策支持系统建设已成为数字化医院建设的一个新的发展方向。
本文便在安徽中医学院第一附属医院原有H IS 的基础上,综合运用数据仓库DW 、联机分析处理OLAP 、数据挖掘DM 等新兴技术,搭建了一个完整的医院决策支持系统,并给出了实现的具体方案。
1 医院决策支持系统的系统设计1.1 医院决策支持系统的总体结构设计本系统采用的是基于DW 的DSS 这一新型框架结构。
具体结构如图1所示,分为四层[3]:最底层为数据获取层,数据源主要包括患者信息、药品信息、门诊信息、住院信息以及一些外部数据。
外部数据主要包括竞争数据及国家的相关政策法规等,其它信息来自医院信息系统H IS 。
为保持数据一致性,必须对数据源中的数据进行清理、抽取、转换,生成综合性统一的数据类型存入医院DW 。
数据存储层主要用来存储和管理加工处理后的面向决策主题的综合性数据,并按决策主题的需求进行重新组织,为决策支持提供大量的数据依据。
数据处理层包括模型库、数据挖掘、OLAP 及其相应的管理系统部分。
通过OLAP 与DM 从DW 中得出有用的信息、知识。
数据访问层为决策者提供与系统交互的入口。
把数据处理层得到的信息和知识通过人机交互界面展现给用户,主要包括用户交互、格式化查询及报表和统计图的生成等。
图1 医院决策支持系统的体系结构1.2 数据仓库DW 的设计数据仓库的设计包括建模、构建和接口设计。
下面重点谈一下数据仓库的数据建模,它分为概念模型设计、逻辑模型设计和物理模型设计这几个步骤。
1.2.1 概念模型设计调研医院的实际业务需求后,划分主题,设计ER 图。
经过对医院业务的仔细分析,确定了三个基本主题:病人主题、药品主题、费用主题,其中每个主题又可以划分为若干个子主题。
各主题的详细内容如表1所示。
76表1 医院数据仓库中各主题详细内容主题名称子主题名称内容病人诊治方案时间、科室、医生、医嘱、处方、治疗效果等病人分布时间、科室、地区、职业、年龄、性别、既往病史等药品药品采购时间、药房、药品、供应商、采购员等药品销售时间、药房、药品、病人、处方、医生等费用门诊费用时间、科室、病人、病因、费用等住院费用时间、科室、病人、病因、费用等1.2.2 逻辑模型设计数据仓库的逻辑模型有三种:星型模型、雪花模型和混合模型[4]。
在本系统中,数据仓库采用星型模型,每个子主题对应一个星型模型结构。
星型模型由一个事实表和多个维表构成。
根据不同的分析主题,确定描述各个主题中可用于分析与决策支持的相应指标,即多维数据模型的事实表,并根据各个指标的约束因素,确定多维数据模型的各个维表。
以/门诊费用0主题为例,它含有时间维、科室维、疾病维、费用维四个维,形成了/门诊费用0分析的不同角度(某段时间、某个科室、某种疾病和某类收费)。
事实表由这四个维的主键和一个度量值即/门诊应付费用总计0组成。
一个事实表与四个维表联系起来构成了一个四维分析空间。
那么对/门诊费用0这个子主题,其星型模型结构如图2所示。
1.2.3 物理模型设计根据逻辑模型设计数据仓库的实际存储方式。
数据仓库的存储方式有:虚拟存储方式、关系型存储方式和多维立方体存储方式。
由于关系型存储方式较为成熟,可通过关系型存储方式ROLAP 技术把关系型数据库建模成为/虚拟多维立方体0来存储和管理面向主题的数据,以实现OLAP 的功能。
1.3 联机分析处理OLAP 的设计OLAP 是基于DW 的信息分析处理过程,主要是通过切片、切块、钻取(上卷、下钻)、旋转[4,5]等方法来进行面向数据的查询、分析、归纳和总结。
实现OLAP 的基础是建立多维数据模型。
多维数据模型的物理实现包括基于多维数据库的MOLAP 和基于关系表的ROLAP 这两种方式[4]。
这里选用ROLAP 方式,因为此DSS 是建立在原有医院信息系统HIS 基础上,而HIS 中数据都是以二维关系表形式存在的。
图2 /门诊费用0主题的星型逻辑模型在本系统中,OLAP 分析主要概括为以下几个方面:p 疾病分析:各类疾病的季节和地域分布情况及医疗费用分析。
p 患者分析:患者的地区分布、年龄分布、公费医疗比例及就诊时间情况。
p 门诊分析:各时间段内的门诊人次、住院人次、床位周转率以及医生出诊情况。
p 药品分析:每类药品的金额、消耗数量以及利润情况等。
p 科室分析:对各科室不同时期的产生费用(挂号费、化验费、医药费等)进行比较分析[6]。
以上分析的结果可有多种方法展示:如果决策人员想查阅具体详细的数据则可选用多维报表显示,即通过不同的维、维的不同层次组合展现;如果想查看各种因素对问题的影响及问题的发展趋势等,则可选用饼图、柱状图或曲线图来表示。
1.4 数据挖掘DM 模型的设计DM 可以利用OLAP 的分析结果,可以拓展OLAP 分析的深度,可以发现更为复杂、细致的信息,其设计的重点是挖掘方法的选择及挖掘出知识的表示。
目前已形成多种DM 方法(分类、聚类、关联、决策树、神经网络等)和多种知识表现形式(规则、决策树、知识基、网络权值、公式、案例等)[4],它们均有各自的优点和不足。
Microsoft SQL Server 2000提供了决策树和聚类两种挖掘模型。
可利用决策树分类分析对患者资料数据库中大量历史数据进行处理,提炼出大量有价值的信息,从而为临床提供更准确的决策服务[7];可利用聚类方法对某些疾病的前兆特征进行分析,以便发现多种疾病之间的并发关系,还可分析病人的来源分布、职业分布、身份分布、年龄分布等,以便能够有针对性地采取)些措施来提高医疗服务质量。
2 医院决策支持系统的系统实现本系统采用Window s XP 下的后台服务器/中间服务器/客户端三层结构。
其中后台服务器利用M icro soft SQL Server 2000来设计、存储和管理医院DW;中间服务器采用Microso ft SQ L Server 2000自带的Analy sis Services,用来创建基于医院DW 的OLAP 多维数据集和DM 模型;客户端为人机交互界面,采用VB 开发。
2.1 数据仓库DW 的实现利用Microso ft SQL Server 2000进行数据仓库的物理实现,具体步骤如下:(1)数据仓库的创建。
数据仓库的框架是由事实表和维表组成。
数据仓库的创建可以采用M icr oso ft SQL Server 200077中的数据库与表创建工具实现。
(2)数据的抽取主要是通过网络把从H IS中提取出的数据传输到系统DW中。
要完成以上工作,需利用M-i crosoft SQL Server2000的数据转换服务DT S包组件,在包中指定源数据与目标数据间的映射关系,把数据转换和导入导出过程保存在存储过程中,让服务器自动、定期的执行。
(3)数据的清理和转换提取出来的数据还需要进行数据的一致性检查、格式化处理等清理工作,并对数据进行必要的转换。
在M icr oso ft SQL Ser ver2000中可以使用Transact-SQL、DT S、命令行应用程序及ActiveX 脚本实现数据的清理和转换。
(4)数据的加载在Microsoft SQL Server2000中可以使用Trans-act-SQL、DTS和BSP将数据加载到数据仓库中。
2.2联机分析处理OLAP和数据挖掘DM的实现实现OLAP的基础是建立多维数据模型。
多维数据模型的建立非常简单:首先连接医院DW作为分析系统的数据源,然后根据DW中的维表和事实表,利用M icro soft SQL Server2000中的多维数据集创建向导或维度编辑器来创建共享维度与专用维度,并定义维度的层次关系,这样就建立了用于决策分析的多维数据模型。
至于两类挖掘模型的建立也很简单,通过挖掘模型向导便可实现。
有一点需要提及的是:为了更好的实现人机交互,可通过M icro soft SQL Serv er2000的OLAP接口透视表服务(pivo t-table service)把数据从分析服务器传送至客户端,在客户端产生多维数据集文件,从而模拟OLA P进行多维数据分析。
在本系统中,是运用ADO MD对象通过MDX 查询语言访问数据仓库多维数据集,然后以不同方式显示在OWC控件MSChart和MSH FlexGrid上,并设置DM MBrow ser控件的connect属性连接数据仓库挖掘模型以便将结果显示给用户。
其中ADO MD (active data objects multidimensional)对象模型,是专门针对多维数据集访问的接口对象模型,多维表达式MDX(multidimensional ex pression)是微软Analysis Services专用的多维查询语言,它提供查询和操作数据的强大的语法和语义[8]。