張 怡　李 柯

基于商業(yè)智能醫(yī)院管理信息決策平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

張 怡①李 柯①

目的：設(shè)計(jì)開發(fā)基于商業(yè)智能(BI)的醫(yī)院管理信息決策平臺(tái)，對(duì)大量的醫(yī)院業(yè)務(wù)數(shù)據(jù)進(jìn)行分析整理，為醫(yī)院管理者制定醫(yī)院管理決策提供循證信息。方法：采用以微軟SQL Server 2008 R2為中心的技術(shù)架構(gòu)，集成ETL技術(shù)、OLAP技術(shù)和數(shù)據(jù)挖掘技術(shù)，通過ETL工具從多個(gè)業(yè)務(wù)系統(tǒng)中提取源數(shù)據(jù)，清洗整理數(shù)據(jù)并裝入數(shù)據(jù)倉庫，利用AS分析工具構(gòu)建數(shù)據(jù)算法模型，通過多維度與度量值的方式實(shí)現(xiàn)數(shù)據(jù)的聚合查詢，以Web報(bào)表頁面展示給用戶。結(jié)果：醫(yī)院積累的大量數(shù)據(jù)得到有效的二次利用，系統(tǒng)生成了8個(gè)主題模塊和110多張分析報(bào)表，多角度全方位的分析數(shù)據(jù)滿足了醫(yī)院各部門的管理和監(jiān)控要求；系統(tǒng)自動(dòng)生成分析報(bào)表改變了傳統(tǒng)的手工處理報(bào)表模式。結(jié)論：醫(yī)院管理信息決策平臺(tái)可集成各業(yè)務(wù)系統(tǒng)中的大量數(shù)據(jù)，以轉(zhuǎn)化為輔助決策知識(shí)的形式展現(xiàn)給醫(yī)院管理者，并可提高信息管理效率；在提升醫(yī)院醫(yī)療質(zhì)量管理、實(shí)現(xiàn)醫(yī)院精細(xì)化管理方面具有積極的意義。

商業(yè)智能；大數(shù)據(jù)；信息管理；信息技術(shù)；醫(yī)院管理

近年來，隨著醫(yī)院信息化建設(shè)的大力推進(jìn)，醫(yī)院信息系統(tǒng)(hospital information system，HIS)、實(shí)驗(yàn)室信息系統(tǒng)(laboratory information system，LIS)以及影像歸檔及傳輸系統(tǒng)(picture archiving and communication systems，PACS)等信息系統(tǒng)得到了深入應(yīng)用，并積累了海量的醫(yī)療業(yè)務(wù)數(shù)據(jù)[1-2]。但這些業(yè)務(wù)系統(tǒng)并未對(duì)數(shù)據(jù)進(jìn)行分析整理，管理者無法即時(shí)獲取可靠有用的統(tǒng)計(jì)數(shù)據(jù)以輔助決策。為解決這一問題，本研究探討基于商業(yè)智能(business intelligence，BI)構(gòu)建醫(yī)院管理信息決策平臺(tái)，從不同的業(yè)務(wù)系統(tǒng)中對(duì)存儲(chǔ)數(shù)據(jù)進(jìn)行提取、整理及分析，從不同的角度以表格和圖形化報(bào)表的方式為醫(yī)院的運(yùn)營、管理以及績效等提供分析數(shù)據(jù)，幫助醫(yī)院管理者做出準(zhǔn)確的經(jīng)營決策，從而提升醫(yī)院醫(yī)療信息管理質(zhì)量和醫(yī)院精細(xì)化管理。

1　BI及其關(guān)鍵技術(shù)

BI通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具[3-6]。BI是一系列信息技術(shù)的集合，包括數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘以及數(shù)據(jù)可視化等。近年來，該技術(shù)逐漸被用于醫(yī)療領(lǐng)域，以提高醫(yī)院組織運(yùn)營效率和醫(yī)療質(zhì)量[7]。

1.1數(shù)據(jù)倉庫

《數(shù)據(jù)倉庫》一書中對(duì)數(shù)據(jù)倉庫的定義是：“數(shù)據(jù)倉庫是支持管理決策過程的、面向主題的、集成的、隨時(shí)間變化的持久的數(shù)據(jù)集合”[8]。數(shù)據(jù)倉庫中的數(shù)據(jù)是將分散在不同業(yè)務(wù)系統(tǒng)和異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)，經(jīng)過抽取、清洗及轉(zhuǎn)換后根據(jù)數(shù)據(jù)分析的要求集成到數(shù)據(jù)倉庫中，為數(shù)據(jù)分析做準(zhǔn)備[9-10]。

1.2聯(lián)機(jī)分析處理

聯(lián)機(jī)分析處理(on-line analysis processing，OLAP)是數(shù)據(jù)倉庫的主要應(yīng)用，其可根據(jù)分析人員的需求對(duì)數(shù)據(jù)倉庫中的海量數(shù)據(jù)進(jìn)行分析和處理，并以圖形或報(bào)表等直觀的形式展現(xiàn)給用戶[11]。OLAP多用于支持復(fù)雜但目的比較明確的分析操作，通過對(duì)數(shù)據(jù)一系列交互的主動(dòng)查詢過程，對(duì)數(shù)據(jù)進(jìn)行多層次、多階段的分析處理，為用戶提供靈活的信息訪問權(quán)利、豐富的數(shù)據(jù)分析和報(bào)表功能[12]。

1.3數(shù)據(jù)挖掘

數(shù)據(jù)挖掘(data mining，DM)是從大量的、不完全的、有噪聲的、模糊的以及隨機(jī)的數(shù)據(jù)中，提取隱含在其中的人們事先不知道的但又潛在有用的信息和知識(shí)的過程[13-15]。DM技術(shù)包括關(guān)聯(lián)和聚類等描述性挖掘方法及分類，以及回歸等預(yù)測(cè)性挖掘方法，根據(jù)需求可以選擇合適的分析方法從海量數(shù)據(jù)中挖掘有價(jià)值的信息[16]。

2　醫(yī)院管理信息決策平臺(tái)系統(tǒng)設(shè)計(jì)

2.1用戶需求

建設(shè)醫(yī)院管理信息決策平臺(tái)的主要目的是為院領(lǐng)導(dǎo)、職能處室、科主任及臨床醫(yī)生提供多角度、全方位及簡潔直觀的醫(yī)院分析報(bào)告，以輔助其做出準(zhǔn)確有效的判斷和決策。院領(lǐng)導(dǎo)關(guān)注的是醫(yī)院在一段時(shí)間內(nèi)的運(yùn)營數(shù)據(jù)；職能處室重點(diǎn)關(guān)注的是對(duì)臨床各科室的考核數(shù)據(jù)，如財(cái)務(wù)處關(guān)注財(cái)務(wù)運(yùn)營，醫(yī)保辦關(guān)注醫(yī)保運(yùn)行情況及費(fèi)用；藥劑科關(guān)注藥品及抗菌藥物的使用情況；科主任關(guān)注本科室的工作量和各項(xiàng)指標(biāo)數(shù)據(jù)，而臨床醫(yī)生更關(guān)注自己的工作量和考核指標(biāo)。

2.2主題模塊

根據(jù)用戶需求，本設(shè)計(jì)將系統(tǒng)分成8個(gè)主題模塊，其中包括昨日數(shù)據(jù)、實(shí)時(shí)監(jiān)測(cè)、日常運(yùn)行、財(cái)務(wù)運(yùn)營、工作量、抗菌藥物、醫(yī)保以及醫(yī)療質(zhì)量，同時(shí)提供用戶、權(quán)限和報(bào)表管理，如圖1所示。

每個(gè)主題模塊均面向特定主題，對(duì)醫(yī)院數(shù)據(jù)進(jìn)行挖掘和分析，以不同維度生成符合不同管理部門的業(yè)務(wù)報(bào)表。在財(cái)務(wù)運(yùn)營模塊中包括科室收入、門診收入及住院收入等財(cái)務(wù)報(bào)表，報(bào)表以科室、醫(yī)生和收費(fèi)項(xiàng)目等維度進(jìn)行分析，財(cái)務(wù)處可通過瀏覽報(bào)表簡潔直觀地了解全院以及各科室財(cái)務(wù)運(yùn)營情況；在抗菌藥物模塊中包括抗菌藥物使用強(qiáng)度、I類切口抗菌藥物使用率等報(bào)表，以科室、醫(yī)生及藥品等作為維度生成報(bào)表，藥劑科、監(jiān)察科等職能處室可以根據(jù)報(bào)表數(shù)據(jù)對(duì)藥品及抗菌藥物的使用進(jìn)行監(jiān)控和管理。平臺(tái)還提供對(duì)報(bào)表、用戶和權(quán)限的管理功能，可以通過用戶組或角色來設(shè)置用戶對(duì)報(bào)表的訪問權(quán)限。

3　醫(yī)院管理信息決策平臺(tái)系統(tǒng)實(shí)現(xiàn)

系統(tǒng)采用以Microsoft SQL Server 2008 R2為中心的技術(shù)架構(gòu)，集成ETL技術(shù)、OLAP技術(shù)、數(shù)據(jù)挖掘技術(shù)和報(bào)表技術(shù)。

從層次上，系統(tǒng)架構(gòu)分成數(shù)據(jù)的收集、存儲(chǔ)、分析以及展現(xiàn)4層，如圖2所示。整個(gè)流程通過數(shù)據(jù)提取、轉(zhuǎn)換和加載(extraction-transformationloading，ETL)工具從多個(gè)業(yè)務(wù)系統(tǒng)中提取源數(shù)據(jù)，清洗整理數(shù)據(jù)，裝入數(shù)據(jù)倉庫為數(shù)據(jù)分析做準(zhǔn)備。再利用分析服務(wù)(analysis service，AS)工具構(gòu)建數(shù)據(jù)算法模型，通過多維度與度量值的方式實(shí)現(xiàn)數(shù)據(jù)的聚合查詢，以Web報(bào)表頁面展示給用戶。

3.1數(shù)據(jù)收集

系統(tǒng)將分散在各個(gè)業(yè)務(wù)系統(tǒng)中的與主題相關(guān)的源數(shù)據(jù)集成，主要來源于HIS、手術(shù)麻醉系統(tǒng)及病案系統(tǒng)等，包括大量的明細(xì)數(shù)據(jù)和相關(guān)的數(shù)據(jù)字典信息。數(shù)據(jù)抽取使用成熟穩(wěn)定的SSIS(Microsoft SQL Server Integration Services，SSIS)2008工具，SSIS是生成高性能數(shù)據(jù)集成解決方案(包括數(shù)據(jù)倉庫的提取、轉(zhuǎn)換和ETL包)的平臺(tái)。通過SQL Server 2008Agent定義作業(yè)來調(diào)用ETL流程，可以設(shè)置調(diào)用的時(shí)間、周期和執(zhí)行的命令，一般提取昨天前的數(shù)據(jù)，實(shí)時(shí)性相關(guān)數(shù)據(jù)設(shè)定間隔時(shí)間實(shí)時(shí)提取，所有調(diào)用和執(zhí)行的過程都會(huì)在SQL Server系統(tǒng)數(shù)據(jù)庫中記錄日志以方便管理員監(jiān)控。

圖1　醫(yī)院管理信息決策平臺(tái)主題模塊框圖

3.2數(shù)據(jù)存儲(chǔ)

系統(tǒng)采用Microsoft SQL Server作為存儲(chǔ)，數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫之前增加了ODS層，為了減小數(shù)據(jù)抽取開銷，降低業(yè)務(wù)系統(tǒng)負(fù)荷，從源數(shù)據(jù)到ODS層一般不做清洗處理，只做列或者時(shí)間的篩選，ODS中的數(shù)據(jù)基本和源數(shù)據(jù)保持一致，這樣可以規(guī)避源數(shù)據(jù)經(jīng)ETL過程直接進(jìn)入數(shù)據(jù)倉庫給數(shù)據(jù)倉庫帶來的數(shù)據(jù)風(fēng)險(xiǎn)。ODS中的數(shù)據(jù)再經(jīng)過數(shù)據(jù)的抽取、驗(yàn)證、清洗、集成、聚集以及裝載6個(gè)步驟進(jìn)入數(shù)據(jù)倉庫。數(shù)據(jù)倉庫的整體設(shè)計(jì)主要參考第三范式和多維模型的設(shè)計(jì)原則，根據(jù)系統(tǒng)需求定義的8大主題生成面向主題的集成數(shù)據(jù)倉庫，便于下一步進(jìn)行數(shù)據(jù)分析。

3.3數(shù)據(jù)分析

Microsoft SQL Server 2008 Analysis Services(SSAS)為BI應(yīng)用程序提供OLAP和DM功能。Analysis Services支持OLAP，能夠設(shè)計(jì)、創(chuàng)建和管理數(shù)據(jù)的多維結(jié)構(gòu)，也可以使用各種標(biāo)準(zhǔn)數(shù)據(jù)挖掘算法來設(shè)計(jì)和創(chuàng)建數(shù)據(jù)挖掘模型。本研究系統(tǒng)采用SSAS工具構(gòu)建數(shù)據(jù)算法模型，通過多維度與度量值的方式，實(shí)現(xiàn)數(shù)據(jù)的聚合查詢，通過維度的層級(jí)關(guān)系，實(shí)現(xiàn)數(shù)據(jù)的上卷與下鉆查詢。采用多維OLAP(Multidimension OLAP，MOLAP)自行建立多維數(shù)據(jù)庫，在每晚數(shù)據(jù)庫空閑時(shí)間段內(nèi)，對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行處理，生成多維聚合結(jié)果集的多維數(shù)據(jù)庫，實(shí)現(xiàn)在查詢數(shù)據(jù)時(shí)，無需向繁雜的數(shù)據(jù)庫中進(jìn)行多表連接與聚合，而是直接在MOLAP系統(tǒng)中提取已經(jīng)查詢出來的聚合結(jié)果集(如圖2所示)。

3.4數(shù)據(jù)展現(xiàn)

Analyzer是一種BI分析應(yīng)用前端工具，可以通過Web形式實(shí)現(xiàn)對(duì)OLAP數(shù)據(jù)的分析，支持近50種圖表類型，包括柱狀圖、曲線圖及面積圖等。用戶可以通過在Web頁面上的拖拽操作生成所需要的圖表進(jìn)行分析，還可以將生成的報(bào)表導(dǎo)成Excel文件進(jìn)行使用。醫(yī)院管理信息決策平臺(tái)昨日數(shù)據(jù)展現(xiàn)，通過上方菜單欄可以切換到各個(gè)主題區(qū)域查看相關(guān)報(bào)表數(shù)據(jù)(如圖3所示)。

圖2　醫(yī)院管理信息決策平臺(tái)系統(tǒng)架構(gòu)圖

4　醫(yī)院管理信息決策平臺(tái)應(yīng)用成效

醫(yī)院管理信息決策平臺(tái)上線使用之后反響良好，應(yīng)用成效主要表現(xiàn)在以下兩個(gè)方面。

(1)實(shí)現(xiàn)醫(yī)院各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)集成。以往的醫(yī)療數(shù)據(jù)分散在各個(gè)不同的業(yè)務(wù)系統(tǒng)中，分析報(bào)表也是通過業(yè)務(wù)系統(tǒng)定制生成。醫(yī)院管理信息決策平臺(tái)將各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)集成過來，對(duì)海量醫(yī)療業(yè)務(wù)數(shù)據(jù)進(jìn)行二次開發(fā)，對(duì)報(bào)表統(tǒng)一管理，生成了8個(gè)主題模塊、共110多張分析報(bào)表，以表格和圖形化報(bào)表方式多角度全方位展現(xiàn)分析數(shù)據(jù)，滿足了醫(yī)院各部門的管理和監(jiān)控要求。

(2)自動(dòng)處理數(shù)據(jù)生成分析報(bào)表。傳統(tǒng)的分析報(bào)表均通過手工處理或業(yè)務(wù)系統(tǒng)報(bào)表定制的方式完成，用戶觸發(fā)后查詢?cè)跇I(yè)務(wù)系統(tǒng)數(shù)據(jù)庫上，查詢時(shí)間長報(bào)表生成效率低，且影響數(shù)據(jù)庫的業(yè)務(wù)訪問速度。項(xiàng)目實(shí)現(xiàn)后，平臺(tái)集成業(yè)務(wù)系統(tǒng)數(shù)據(jù)每日凌晨自動(dòng)處理數(shù)據(jù)生成分析報(bào)表，極大提高了報(bào)表訪問速度，減輕了信息處繁雜重復(fù)的數(shù)據(jù)整理工作，提高了工作效率。

圖3　醫(yī)院管理信息決策平臺(tái)數(shù)據(jù)展現(xiàn)示圖

4　結(jié)語

BI作為數(shù)據(jù)抽取、分析建模和報(bào)表系統(tǒng)，是對(duì)現(xiàn)有醫(yī)療衛(wèi)生行業(yè)業(yè)務(wù)系統(tǒng)的有效補(bǔ)充。本研究設(shè)計(jì)構(gòu)建的基于BI的醫(yī)院管理信息決策平臺(tái)，實(shí)現(xiàn)了對(duì)各業(yè)務(wù)系統(tǒng)中海量數(shù)據(jù)的集成和分析，進(jìn)而轉(zhuǎn)化為輔助決策的知識(shí)展現(xiàn)給醫(yī)院管理者，在提升醫(yī)院醫(yī)療管理質(zhì)量、實(shí)施醫(yī)院精細(xì)化管理等方面都起到了積極作用。

[1]Hanson RM.Good health information an asset not a burden![J].Australian Health Review，2011，35(1)：9-13.

[2]周光華，辛英，張雅潔，等.醫(yī)療衛(wèi)生領(lǐng)域大數(shù)據(jù)應(yīng)用探討[J].中國衛(wèi)生信息管理雜志，2013，10(4)：296-300.

[3]Bonney W.Applicability of Business Intelligence in Electronic Health Record[J].Procedia-Social and Behavioral Sciences，2013，73：257-262.

[4]王覓也，黃勇，畢永東，等.醫(yī)院商業(yè)智能系統(tǒng)的應(yīng)用[J].醫(yī)療衛(wèi)生裝備，2012，33(1)：82-84.

[5]Jinpon P，Jaroensutasinee M，JaroensutasineeK. Business Intelligence and its Applications in the Public Healthcare System[J].Wallahs Journal of Science and Technology，2011，8(2)：97-110.

[6]Mihaela Filofteia Tutunea，Rozalia Veronica Rus. Business Intelligence Solutions for SME's[J]. Procedia Economics and Finance，2012，3：865-870.

[7]張會(huì)會(huì)，馬敬東，邸金平.商業(yè)智能在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用[J].中國衛(wèi)生信息管理雜志，2014，11(3)：255-259.

[8]蔭蒙.數(shù)據(jù)倉庫[M].北京：機(jī)械工業(yè)出版社，2005.

[9]屈盛，聶喆，吳優(yōu)良，等.數(shù)據(jù)倉庫技術(shù)在醫(yī)院數(shù)據(jù)分析中的應(yīng)用[J].中國數(shù)字醫(yī)學(xué)雜志，2014，9(12)：71-72.

[10]何彩升，彭望清，章向宏，等.基于數(shù)據(jù)倉庫技術(shù)的醫(yī)院管理決策支持系統(tǒng)的研究[J].現(xiàn)代醫(yī)院，2010，10(2)：1-4.

[11]張文君，胡淑濤，張磊，等.OLAP技術(shù)在醫(yī)院決策支持系統(tǒng)中的應(yīng)用[J].醫(yī)療設(shè)備信息，2005，20(12)：13-14.

[12]鄭建智，段占祺，應(yīng)桂英.數(shù)據(jù)倉庫和OLAP技術(shù)在衛(wèi)生統(tǒng)計(jì)決策支持系統(tǒng)中的應(yīng)用[J].中國衛(wèi)生信息管理雜志，2012，9(3)：47-51.

[13]叢晶，楊波，王乙紅，等.數(shù)據(jù)挖掘在醫(yī)療質(zhì)量安全監(jiān)控系統(tǒng)應(yīng)用的可行性研究[J].中國醫(yī)院管理，2013，33(2)：45-47.

[14]Hai-Yan Y，Jing-Song L，Xiong H，et al.Data mining analysis of inpatient fees in hospital information system[C].IT in Medicine&Education，2009：82-85.

[15]周光華，李岳峰.數(shù)據(jù)挖掘技術(shù)在衛(wèi)生統(tǒng)計(jì)信息工作中的應(yīng)用研究[J].中國衛(wèi)生信息管理雜志，2012，9(6)：82-86.

[16]彭傳薇，鐘銀莉，劉琛璽.基于商業(yè)智能的醫(yī)院決策支持系統(tǒng)的應(yīng)用[J].中國醫(yī)院管理，2014，34(8)：36-38.

Design and application of hospital decision support system based on business intelligence

ZHANG Yi, LI Ke// China Medical Equipment,2016,13(11):107-110.

Objective: To design and develop the hospital decision support system based on business intelligence(BI), analyze and organize the massive hospital business data and help hospital managers to make the right decision. Methods: The Microsoft SQL Server 2008 R2 is used as the technical architecture, integrated ETL technology, OLAP technology, report technology and data mining technology. The source data from multiple business systems is extracted and cleaned through the ETL tool, loaded into the data warehouse. Data model construction algorithm is used to generate analysis report in the form of web. Results: The massive hospital data has been effectively used, and 8 major themes modules and more than 110 analysis reports have been generated. The analysis data from multiple perspectives fully meet the requirements of the management and monitoring of various departments in the hospital. System automatically generates the analysis report that changes the traditional manual mode. Conclusion: The hospital decision support system is an effective way to improve hospital medical quality management.

Business intelligence; Big data; Information management; Information technology; Hospital management [First-author’s address] Department of Information, Wuxi People’s Hospital, Affiliated with Nanjing Medical University, Wuxi 214000, China.

張怡,女,(1982- ),碩士，工程師。南京醫(yī)科大學(xué)附屬無錫市人民醫(yī)院信息處，從事醫(yī)院系統(tǒng)研發(fā)和維護(hù)工作。

1672-8270(2016)11-0107-04

R197.324

A

10.3969/J.ISSN.1672-8270.2016.11.031

①南京醫(yī)科大學(xué)附屬無錫市人民醫(yī)院信息處 江蘇 無錫 214000

2016-08-23