任务驱动教学法在健康数据标准教学中的运用

陈礼潮,孙金海,陈立富,高 磊,袁 磊

(1.海军军医大学卫生勤务学系军队健康管理学教研室，上海 200433；2.中国人民解放军联勤保障部队第900医院卫勤部，福州 350025)

人口健康信息标准是指人口健康信息领域的各类标准规范和行动准则，其中，数据标准是指标准化的数据定义及表示[1]。健康数据标准是健康信息学教学的重要内容之一，但由于相关概念和知识点比较抽象复杂，学员不易理解和掌握。本研究采取任务驱动教学法，指导学员熟悉掌握健康数据标准的知识要点。

1 资料与方法

1.1 资料来源选定经典权威的健康风险评估模型共16个，作为数据标准化的基础资料。其中，死亡风险评估模型1个(以当地男女前10位死因有普遍公认的确定联系的危险因素作评估)、疾病风险评估模型7个(缺血性心血管病、糖尿病、阿尔茨海默病、高尿酸血症、肝癌、胃癌、肺癌)，高危人群评估模型8个(肥胖、原发性高血压、糖尿病、脑卒中、直结肠癌、前列腺癌、宫颈癌、乳腺癌)。

1.2 标准化方法当前数据标准化研究主要有2种基本方法[2]。一是自下而上的数据整理，即从业务表单出发，通过数据项整理、数据元提取和标准化，使其内容表述方法和编排格式遵循国家卫生信息数据元的编制规范[3]。二是自上而下的信息模型。参考HL7 RIM等模型理念，采用相关建模软件，建立类的层次结构、定义类的属性、规范数据类型，形成健康风险评估信息概念数据模型[4]。

1.3 教学方法采取任务驱动教学法[5]，将学员分成A、B两组，按照教员设计引导、学员操作应用、小组交流讨论、总结巩固提高4个阶段，以选定的16个评估模型作为研究对象，分别赋予其采用数据整理或信息模型的方法进行数据标准化任务，然后组织小组交流讨论，分析比较不同标准化方法的优缺点，使两种数据标准对应起来，使学员熟悉掌握数据标准相关概念与标准化方法。

2 教学内容

2.1 教员设计引导教员根据教学需求设计教学方案，提供《卫生信息数据元标准化规则》[6]《卫生信息数据元目录》[7]等参考资料，引导学员学习掌握数据标准、数据元、元数据、数据集、概念数据模型等基础概念，为下步教学打下基础。

2.2 学员操作应用分别赋予两组学员采用不同方法进行健康评估数据元标准化。A组学员采用自下而上的数据整理方法，重点完成健康评估数据元的公共属性和专用属性设置。B组学员采用信息模型的方法，通过建立类的层次结构、定义类的属性、规范数据类型，完成信息模型构建。

2.3 小组交流讨论组织2个小组学员就标准化后的结果进行交流讨论，将A组中健康评估数据元的专用属性与B组的信息模型中类的属性进行对照，使数据元专用属性与数据模型一一对应起来，并对2种数据标准化方法的优缺点进行比较分析。

2.4 总结巩固提高教员根据2组学员的交流讨论情况，分析点评两组数据标准化结果，总结对比两种数据标准化方法的优缺点，进一步加深学员对数据标准相关概念的理解和对标准化方法的掌握。

3 教学结果

3.1 数据整理结果A组学员按照数据整理的方法，从选定的健康评估模型出发，经过数据需求分析、数据项整理、数据元提取和标准化，共制定健康风险评估数据元专用属性97个，其中，引用现有卫生信息数据元专用属性77个，新定义数据元专用属性20个。以职业危险因素相关数据元为例，其专用属性见表1。

表1 职业危险因素数据元专用属性

3.2 模型构建结果B组学员按照信息建模的方法，参考HL7 RIM模型理念，采用Rational Rose建模软件，通过对健康风险评估领域的描述对象进行分类，建立类的层次结构、定义类的属性、规范数据类型，构建健康风险评估信息概念数据模型。以职业危险因素为例，其数据模型见图1。

图1 职业危险因素数据模型

3.3 交流讨论结果通过A、B两组学员的交流讨论，使数据元专用属性与信息模型中类的属性对应起来。以“职业危险因素”为例，其对应情况见表2。

表2 “职业危险因素”属性对应情况

4 讨 论

4.1 数据整理的重难点通过课堂教学、任务操作、交流讨论，由A组学员分析整理出数据整理方法的重难点。一是充分引用。在标准化过程中，对于已有的国家和卫生标准，应当完整引用、保持一致，尤其是要充分引用《卫生信息数据元目录》相关数据元。二是恰当整合。即对评估需求中相关或相似的数据项进行整合，避免重复定义，简化数据量。三是合理分解。根据健康风险评估工作的实际需求，对部分数据项进行合理分解，便于健康信息的采集。四是规范描述。对国家标准、行业标准中尚未规范的数据元，应当严格遵循《卫生信息数据元标准化规则》等标准，对其公共属性和专用属性进行规范描述。

4.2 模型构建的重难点通过B组学员的交流讨论，梳理信息建模方法的重难点。一是借鉴国际上权威的模型理念。当前，许多国家和国际组织根据业务需求，研制各种信息模型和数据字典[8]。本次教学中，学员参照国际通用的HL7 RIM模型理念[9]。二是采用合理的信息建模软件。学员采用的Rational Rose软件是一种面向对象(Object Oriented，OO)的可视化建模软件，支持统一建模语言(UML)图形元素和各种关系约束[10]。三是合理构建模型类的层次结构。数据分类确定数据所在位置，便于用户存放、查找及使用，但并不涉及主题域、类之间的关联以及属性的描述，不能代替数据模型[11]。

4.3 两种方法优缺点比较数据整理和信息模型是当前数据标准化的两个基本方法。数据整理从业务表单出发，通过整理数据项，然后进行规范描述。这种方法相对简单直观、易于操作，但是随着业务和数据需求的增加，数据元之间容易出现语义上的交叉和重复。信息模型的方法比较复杂抽象，但有利于将分散的、无秩序的健康数据组织起来，使标准秩序井然、结构关系清晰，有效避免重复定义包含相同概念的数据元，形成相对稳定的模型结构，实现数据标准的有序管理、动态维护和有效利用[12]。

5 小 结

健康数据标准相关概念和知识点复杂抽象，不易理解和掌握。在本研究中，通过教员引导和任务牵引，让学员主动学，边学边用，在完成任务过程中快速掌握抽象的概念和知识点。通过学员交流讨论，对不同的数据元标准化方法的重难点、优缺点有了更直观和深刻的认识。通过教学实践，任务驱动教学法在健康数据标准的教学中得到较好的运用。