基于商业智能技术的医院经营决策分析平台的开发与应用

陈晓明，刘海林

浙江中医药大学附属第三医院，杭州　310005



基于商业智能技术的医院经营决策分析平台的开发与应用

陈晓明，刘海林

浙江中医药大学附属第三医院，杭州310005

【摘要】：通过基于商业智能技术的医院经营决策分析平台建设，对医院信息系统中的数据进行深层次的挖据与分析，从而提高数据资源的利用率，为医院的发展、管理和医疗服务提供准确、全面和及时的决策依据。

【关键词】：商业智能；数据挖据；数据仓库

【DOI】：10.13566/j.cnki.cmet.cn61-1317/g4.201604024

1　研究背景

随着医院信息化建设的不断深化，医院信息系统积累了大量的业务数据，这些数据包含大量文字、图像、声音等医学信息，使医院的数据库呈指数增长［1］。虽然这些数据对于医院的日常管理、疾病控制等方面有很大的价值，但并不能被充分有效地利用，仅限于应用简单查询、删除、统计等基础的功能，而在如何从大量的数据中发现医院运作的基本规律，预测医院发展的趋势等方面还有所欠缺，造成信息资源的巨大浪费。因此，如何有效提高数据资源的利用率，为医院的发展、管理和医疗服务提供准确、全面和及时的决策依据，已经成为众多医院迫切需要考虑的问题［2］。

2014年，浙江中医药大学附属第三医院在医院信息系统网络架构的基础上，充分利用医院信息系统，在不影响原有业务系统和数据结构的前提下，成功地开发和应用了基于商业智能技术的医院经营决策分析平台。

2　实施方案

商业智能技术可以将海量数据信息转化为有价值的知识，精确地挖掘和处理大量的业务数据，从而辅助决策管理层更深入地了解业务数据，并做出正确的经营战略和决策［3］。通过研究与应用商业智能技术，结合医院业务流程整合HIS、EMR、LIS、PACS等系统的数据为基础业务数据源，确立数据库主题域，利用SQL Server 2005集成工具对数据进行抽取、转换和加载，完成数据库的建立。根据国家卫计委《三级综合医院医疗质量管理与控制指标（2011年版）》七大类指标和浙江省卫计委《浙江省医疗质量核心指标监测评价工作方案》中明确要定期上报、收集及分析评价的医疗质量核心指标，利用联机分析处理（on line analysis processing，OLAP）技术实现切片、切块、上钻、下钻、交叉钻取的多维数据分析［4］；采用关联规则（Apriori算法）、决策树分类（ID3算法）等数据挖掘方法，寻找隐藏在数据间的关系和联系，从而发现医疗数据的内在规律［5］；并在以上基础上，以.Net framework 3.5为开发平台、VS 2008为开发工具、SQL Server 2005为后台数据库，采用B/S架构，完成医院经营决策分析系统的开发，实现相关业务模型的可视化展现和分析，以便决策者及时全面了解医院的经营情况，做出正确的决策。

3　实施方法

3.1研究方法

3.1.1需求分析需求分析是数据仓库设计的基础，即要明确哪些数据需经过分析以满足用户的决策支持需求。该项目总结医院决策支持系统使用者的需求主要有以下几个方面：一是患者信息。可分析患者构成比例，也可对患者就诊时间进行分析和趋势预测；二是费用信息。可分析整个医院、各个科室或者某个病区、某类疾病的患者费用构成情况，以及不同时间段内医院各个科室同期的各种费用对比分析；三是成本效益信息。对医院的成本效益情况进行全面的分析，从而真正掌握医院的实际经营状况，提高医院的经济效益，挖掘医院服务潜力。

3.1.2数据仓库的设计

①概念模型的设计。概念模型是将需求分析过程中得到的用户需求抽象为计算机表示的信息结构。根据以上确立的决策支持需求，确定了患者信息、费用信息、成本效益信息三个主题，并通过主题域分析确定了主题边界。概念模型最常用的表示方法是实体—关系法（E-R法）。

②逻辑模型的设计。逻辑模型设计是把概念模型设计好的E-R图转换成计算机所支持的数据模型。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。该项目围绕主题设计事实表，选择星型模型建立数据仓库的逻辑模型，每个子主题对应一个星型模型结构。

以“费用信息”主题为例，它含有医生维、科室维、时间维、收费项目维四个维表，形成了“费用信息”分析的不同角度（某段医师、某个科室、某段时间、某类收费项目），事实表由这四个维表的主键和一个度量指标“费用总计”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。

③物理模型的设计。实现数据的抽取、变换、载入过程的设计，基于逻辑模型构建物理数据库，并创建多维数据集，建立数据仓库的物理模型。

3.1.3数据仓库的实施

①创建数据仓库。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SQL Server 2005中的数据库与表创建工具实现。

②抽取数据。主要是通过网络把从医院信息系统中提取出的数据传输到数据仓库中，利用SQL Server 2005 Integration Services（SSIS）等工具，制定数据源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清理和转换数据。通过SQL Server 2005的Transact-SQL查询、SSIS包、ActiveX脚本来完成数据的一致性检查、格式化处理等清理工作，并对数据进行必要的转换。数据转换的目的是将数据转换成适合于挖掘的形式，常用的方法是数据概化。如对于病名高血压，在患者的诊断记录中有可能记录为高血压病、原发性高血压、高血压1级、高血压2级、高血压3级，等，进行挖掘时都需要将其概化为高血压。

④加载数据。经过数据提取、数据清理与集成之后，数据就加载到数据仓库之中。根据医院业务的特点，加载周期要考虑业务分析需求和系统加载的代价，可以对不同业务系统的数据采用不同的加载周期，但必须保持同一时间业务数据的完整性。

3.1.4联机分析处理结合国家卫计委《三级综合医院医疗质量管理与控制指标（2011年版）》七大类指标（住院死亡类、重返类、医院感染类、手术并发症类、患者安全类、医疗机构合理用药、医院运行管理类）以及浙江省卫计委于2013年颁布的《浙江省医疗质量核心指标监测评价工作方案》中明确需要定期上报、收集及分析评价的医疗质量核心指标（门急诊核心指标：工作负荷类、患者负担类；住院核心指标：医院运行管理类、住院死亡类、患者安全类、重返类、医院感染类；其他核心指标：合理用药类、优质护理类），对决策数据仓库中的数据进行多维度、细粒度的分析。

利用SQL Server Analysis Services工具实现OLAP应用的创建和管理；采用OLAP多维分析技术，实现对多维数据集的切片、切块、旋转、钻取和卷取，解决多因素、多层次的数据分析问题。

3.1.5数据挖掘使用SQL Server 2005 Analysis Services工具，利用系统提供的“挖掘模型向导”，构建数据挖掘模型，选择挖掘算法对数据源进行数据挖掘。

①关联规则（Apriori算法）：针对患者构成、疾病症候以及处方用药等展开研究。

②决策树分类（ID3算法）：针对费用构成、就医流程、医疗质量以及成本效益等展开研究。

3.1.6系统开发

①基于传统终端的开发。以.Net framework 3.5为开发平台、VS2008为开发工具、SQL Server 2005为后台数据库，前端展示采用B/S架构，无须在客户机安装客户端，业务扩展简单方便，只需要改变网页，即可实现所有用户的同步与更新。同时，为了更直观地展示多维度数据，在同一个界面中展示尽可能多的信息量，系统在开发时采用了多种综合的数据展示方式，包括仪表盘、趋势图、饼图、柱状图、固定报表等形式。

②基于移动终端的开发。Android端的开发是在Android SDK环境下，使用Android studio集成环境和SVN团队协作工具。其数据展示思路为：发送网络请求、服务器返回数据、消息传递、UI更新。网络请求摒弃传统且复杂的Http Client和Http URL Connection，使用AsyncHttp 1.5框架，加快网络加载速度；消息传递使用开源框架Event Bus；UI使用Android Animations，利用注解的方式精简大部分代码。其中，饼图、柱状图、比例图等使用自定义框架，复用性高，图片采用Image Loader框架，解决了缓存、图片压缩等问题。

IOS端的开发依照MVC框架设计，并采用了工厂类模式、分层次设计，将页面搭建和业务逻辑分离，代码可读性增强，后期维护方便。客户端中大部分控件均利用苹果主流的控件。其中，图表基于贝塞尔曲线绘制，动画基于苹果的Core Animation开发。客户端所获取的数据都经过AES和MD5加密，保证了数据的安全。

4　应用效果

4.1患者构成比例分析

对医院信息系统中的患者门诊和住院信息进行分析，如地区分布、性别差异、职业构成、年龄段、收入层次、疾病类型，等，从而得到某类地区、某类人群和某类疾病等方面的相关联系，为主管部门确定医院发展方向提供客观依据，如图1所示。

图1　某专家患者构成分析

4.2患者就诊时间分析

通过分析每月、每季度不同时间段的门诊人次、住院人次、床位利用率，建立时间维度分析，利用相应模型来预测下一个时期门诊和住院患者趋势，使管理者更有针对性地采取措施，配置医疗人员及设备资源。

4.3患者费用构成分析

分析整个医院、各科室或某病区、某类疾病的患者费用构成情况，进而为有针对性地控制费用比例，探究医疗费用项目改革提供决策支持，解决目前看病贵、医疗限价等问题，制定国家基本药品目录。

4.4同期费用对比分析

对不同时间段内医院各个科室同期的各种费用进行对比分析，并生成相应费用报表，医院管理者可以根据这些分析结果优化、改进科室工作效率，节约成本，提升服务质量，如图2所示。

图2　某专家业务费用及构成分析

4.5医院成本效益分析

可以将各个不同子系统的数据进行汇总，构建数据仓库，然后利用该数据仓库对医院的成本效益情况进行全面的分析，从而真正掌握医院的实际经营状况，提高医院的经济效益，挖掘医院服务潜力。

5　讨论

该项目利用商业智能技术，针对医院业务流程整合HIS、EMR、LIS、PACS、HRP等信息系统的数据为基础业务数据源，并根据实际需求，抽取、确立主题，利用SQL Server 2005集成工具对数据进行清洗、抽取、数据转换和加载，完成数据仓库的建立；利用OLAP技术实现切片、切块、上钻、下钻、交叉钻取的多维数据分析和数据挖掘，制定出医院相关业务的分析模型，并在此基础上进行医院临床决策分析平台的建设，实现相关业务分析模型的可视化展现和分析，可以方便决策者在任何地方、任何时间对系统进行访问，及时、全面了解医院的经营情况，做出正确的决策。随着数据的进一步采集与整理以及挖掘算法的不断完善，该平台必将为医院疾病诊断和治疗、医院管理决策等带来极大的方便和可观的效益。其成果可以应用到建有信息系统的各级医疗机构，在网络和信息化社会环境下，其具有广阔的应用前景。

参考文献

［1］陈宁，陈玲，张志强.数据分析系统在医院信息系统中的应用［J］.中国数字医学，2009，4（6）：67-69

［2］郭庆，谷岩.数据挖掘技术在医院信息系统的统计分析与决策中的应用［J］.中国医疗设备，2010，25（5）：64-67

［3］冯强，郑垂勇.商业智能技术在物流企业数据仓库设计中的应用［J］.物流技术：装备版2015，34（14）：192-194

［4］俞磊.基于DW的医院决策支持系统的设计与实现［J］.合肥师范学院学报，2010，28（3）：76-78

［5］周才英，吴阔华.关联规则挖掘技术在决策支持系统中的应用［J］.江西理工大学学报，2007，28（4）：47-49

【中图分类号】：R-058

【文献标志码】：A

【文章编号】：1004-5287（2016）04-0453-03

收稿日期：2016-03-31

作者简介：陈晓明（1967-），男，杭州人，工程师，本科，主要研究方向：医院信息管理。

Development and application of hospital decision support platform based on business intelligence technology

Chen Xiaoming，Liu Hailin
The Third Affiliated Hospital，Zhejiang Chinese Medical University，Hangzhou 310005，China

【Abstract】：This paper first introduces the construction of hospital decision support platform based on business intelligence technology.Then it makes in-depth mining and analysis of the data of the hospital information system so as to improve the utilization of data resources and provide evidence for accurate，comprehensive and timely decision making in hospital's development，management and medical care service.

【Key words】：business intelligence；data mining；data warehouse