联机分析处理技术在医院信息系统中的应用

周治宇

南京市口腔医院 信息科, 江苏 南京210009

联机分析处理技术在医院信息系统中的应用

周治宇

南京市口腔医院 信息科, 江苏 南京210009

医院信息系统经过长期的运行，积累了大量的病人就诊的历史数据。联机分析处理是用于对数据仓库进行查询的一种技术，适用于对大量数据进行快速的分析。使用联机分析处理技术，设计不同的主题，对基于医院信息系统数据仓库进行处理分析，可以获得更多真实可信的信息，提升医院的管理水平。

HIS；数据仓库；联机分析处理技术

0 前言

HIS（Hospital information system，医院信息系统）在绝大多数医院得到了广泛的使用，经过多年的运行，在医院信息系统中积累了大量珍贵的历史数据，如何深入挖掘隐藏在这些数据背后的信息，为医院管理决策和医疗诊断服务，为其提供客观可信的分析数据，是医院目前面临的一个问题。但是医院信息系统和大多数的信息管理系统一样，主要功能是业务处理和数据储存，而对数据的进一步组织、整理、分析均不能完全胜任。数据仓库技术和OLAP技术的出现，为进一步充分利用医院数据提供了有效的理论和方法指导。

1 OLAP简介

1.1 OLAP的概念

OLAP(Online Analytical Processing，联机分析处理)，其定义是：使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来并能够真正为用户所理解，能真实反映企业维持性的信息进行快速、一致地交互存取，从而获得对数据更深入了解的一类软件技术[1]。

OLAP的目标是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。联机分析处理(OLAP)是针对特定问题的联机数据访问和分析。它可使数据分析人员及管理人员通过对信息进行快速、稳定、一致和交互式的存取，对数据进行多层次、多阶段的分析处理，以获得高度归纳的分析结果。决策分析需要从不同的角度观察分析数据，以多维数据为核心的多维数据分析是决策的主要内容，维是人们观察现实世界的角度，多维数据库以多维方式来组织数据[2]。

1.2 OLAP的特点

OLAP技术有两个主要的特点：一是在线性，表现为对用户请求的快速响应和交互式操作，它的实现是由客户机/服务器体系结构完成的；二是多维分析，这也是OLAP技术的核心所在[3]。

1.3 OLAP的体系结构

OLAP是界于客户与数据仓库之间的数据分析处理系统，它需要对来自数据仓库的数据进行多维处理和分析，因此在系统构造中常采用如图1所示的三层客户机/服务器结构[4]。第一层数据仓库服务器，它实现与业务处理系统的连接，完成数据的共享；第二层OLAP服务器按照客户的请求完成数据各种分析动作以及后台数据存储、报表处理等；第三层是客户端，它负责将OLAP处理得到的结果直观地展现给最终用户。这种三层客户/服务器的结构将数据仓库、OLAP服务器与客户端严格区分。

图 1 三层客户机/服务器结构

2 OLAP在HIS中的应用

OLAP是利用了数据仓库的大量信息资源，对数据进行多维地深入分析，从而使决策人员能够从不同角度对企业数据进行观察并得到有益信息。按照主题建立好了数据仓库以后，需要使用OLAP工具将这些数据进行多维化处理，构建多维数据模型，并对多维数据模型中的数据进行处理，使用如切片、切块、旋转、钻取等多维分析方法对数据进行多角度、多层次地查询分析，并以比较直观的方式展现出来。下面以医院信息系统中的历史数据，以就诊人数为主题进行多维度地分析。

2.1 OLAP的分析操作

OLAP的基本操作是指对以多维形式组织起来的数据采取切片、切块、旋转等各种分析动作，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据仓库中的数据，从而深入地了解包含在数据中的信息和内涵。

(1) 切片：切片操作就是在某个或某些维上选定一个属性成员，而在其他维上取一定区间的属性成员或全部成员来观察数据的一种分析方式。

图 2 切片操作示意图

例如：在时间维上选定成员2008年，科室维和挂号类别维取全部属性成员的切片，操作如图2所示。

(2)切块：切块就是在各个维上取一定区间的成员属性或全部属性来观察数据的一种分析方式。可以认为切片是切块的特例，切块是切片的扩展。

例如：在时间维上选定成员2007到2008年度，科室维和挂号类别维取全部属性成员的切块，操作如图3所示。

图 3 切块操作示意图

(3)钻取：钻取包含向下钻和向上钻操作，下钻指从概括性的数据出发获得相应的更详细的数据，上钻则相反。钻取的深度与维所划分的层次相对应。

图 4 按时间维进行钻取操作的示意图。

图 4 钻取操作示意图

(4)旋转：旋转即改变一个报告或页面显示的维方向，可能包括交换行和列，或是把某一个行维移到列维中去，或是把页面显示中的一个维和页面外的维进行交换。

图5是一个旋转的示意图，旋转之前，便于对同一年度不同季度的门诊量情况进行对比分析；旋转之后，则便于对不同年份同一季度的门诊量情况进行对比分析。

图 5 旋转操作示意图

2.2 OLAP在医院的应用

使用联机分析技术处理HIS系统数据仓库可以对以下各类不同的主题和需求对各类数据进行分析。

(1)病人信息分析：分析医院门诊住院病人的各类情况，如身份分布、年龄分布、地域分布等，以便能够有针对性地采取措施来提高服务质量，加强疾病预防，指导患者及时就诊。

(2)医疗费用分析：分析不同疾病的各项费用情况，分析各类病人医药费情况， 对各类治疗费、检查费、药费比例等进行控制，分析原因制定策略，抑制收费不合理的情况出现。

(3)数据比较分析：对医院的各种数据，比如费用、门诊量、住院人数等常用指标，进行比较，分析各类数据变化的原因，并制定今后目标。

(4)医疗数据分析：分析各类疾病的发病率、治愈率等医疗数据，为医疗质量控制、疾病防控提供参考数据。

3 小结

根据需求对各类数据进行抽取、整理、集成等，再按照各种主题进行重新组织，建立基于医院信息系统的数据仓库，使其能够适合医院自身需求。使用联机分析处理技术从大量的信息中获取更多深层次的信息，可以使管理人员全面了解医院的业务状况，通过系统对数据的综合分析、挖掘，为医院的管理人员提供决策的依据；优化资源配置、降低材料消耗、减低运行成本、提高服务质量、预测各种关键指标的变化趋势，及时应对各类可能出现的问题，优化医院的业务处理流程，提升医院综合管理水平。

[1] 王珊,等.数据仓库技术与联机分析处理[M].北京:科学出版社,2000.

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

[3] Jiawei Han,Micheline Kamber.数据挖掘概念与技术[M].范明,孟小峰,等,译.北京:机械工业出版社,2008.

[4] 陈京民.数据仓库原理、设计与应用[M].北京:中国水利水电出版社,2004.

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

[6] 谭明金.数据仓库工具箱维度建模的完全指南[M].北京:电子工业出版社,2003.

[7] 沈兆阳.SQL Server 2000 OLAP解决方案数据仓库与Analysis Services[M]. 北京:清华大学出版社,2001.

[8] 杨莉萍,杨晓红.Office Web组件在OLAP分析系统中的应用[J].计算机系统应用,2004(11):70-72.

[9] 韩明华.基于Web的OLAP医药销售分析系统的设计与实现[J].软件导刊,2005(14):18-21.

[10] 程宝石,黄志军,曾斌.OLAP结构分析及实现技术[J].计算机与数字工程,2001,29(2):38-40.

[11] 时文强.基于数据仓库的汽车售后服务OLAP系统的研究与实现[D].成都:西南交通大学,2006.

The Application of Online Analysis Processing Technology in HIS

ZHOU Zhi-yu
Information Department,Nanjing Stomatological Hospital,Jiangsu Nanjing 210009, China

TP311.13

B

10.3969/j.issn.1674-1633.2010.09.013

1674-1633(2010)09-0040-02

2010-04-20

2010-05-19

作者邮箱：jucooly@163.com

Abstract:After a long run, a lot of historical data has accumulated in the hospital information system. Online analysis processing technology is used to query the data warehouse, especially for analysising large amounts of data.By using online analysis processing technology, we can design different topics, analyze the data warehouse based on hospital information system, then we will obtain more authentic information,thus to raise the level of hospital management.

Key words:HIS;data warehouse; online analysis processing technology