文献综述-医院运营管理系统的设计与实现.docx

文献综述 题 目 基于BI的医院数字化智能管理系统设计 学生姓名 专业班级 网络工程12-01班 学 号 院 （系） 计算机与通信工程学院 指导教师(职称) 完成时间 2016年5月25日 基于BI的医院数字化智能管理系统设计基于BI的医院数字化智能管理系统设计摘 要：目的:摒除以往纯粹经验式的粗犷化管理弊端，实现数字化、精细化、智能化的医院运营管理。方法:以商业智能技术为基础，借助数据仓库、联机分析处理和数据挖掘等先进数据处理分析技术，构造医院运营管理决策支持信息系统。结果:降低了医院运营成本，提高了绩效水平。结论:做好数字化智能管理，还需进一步完善底层数据质量，优化数据模型。关键字：医院决策支持系统/商业智能/数据仓库/联机分析处理/数据挖掘I1 引言医院作为一个专业提供医疗服务的特殊组织机构，它对人、事(医疗、物(设备)、财的管理以及从事的临床科研活动都比其他行业复杂得多，并且在日新月异的环境变化下，医院管理人员依据现有经验往往无法做出及时、正确地判断和决策。仅凭经验式的粗犷化管理，往往产生决策前“拍脑袋”，决策时“拍胸脯”，出了问题“拍屁股”走人的“三拍”决策。随着医院多年的信息化建设，逐步建立了医院信息系统(hospital information system HIS)、实验室信息系统(laboratory information system LIS)、医学影像信息系统(picture archiving and communication system PACS)、电子病历(electronic medical record EMIR等管理信息系统(management information system MIS)，但是这些现有的医院管理信息系统都属于联机事务处理王珊，陈红.数据库系统原理教程M.北京:清华大学出版社，1998:261.(on-line transaction processing OLTP)数据操作型系统，即专门用来处理数据的添加、修改和简单查询，没有数据分析处理功能，无法为医院运营管理决策支持提供实时帮助，主要体现在以卜几点:(1)数据不能共享。数据分散于HIS,LIS,PACS,EMR等系统中，各系统相对独立，分别记录医院某一方面的信息，无法为宏观整体决策提供支持。(2)数据获取不及时，获取难度大。当医务科、质管办、药剂科等职能科室分析统计医院某方面的数据时须提交需求到信息科，信息科再花费大量时问编写SQL语句准备相关数据。然而职能科室的需求是不断改变的，信息科就得不断重写SQL语句以满足需求。(3)只有简单的数据报表功能。通过报表可以显示出数据是多少，但缺少分析挖掘功能无法展示出各项数据背后隐含的信息。2智能化数据分析处理技术2.1数据仓库数据仓库(data warehouse D是一个结构化的数据集合，与数据库相比，它具有面向主题、集成、相对稳定、反映历史变化的特性。胡瑞娟. OLAP和数据挖掘技术在医院信息系统中的研究和应用D. -春:长春理工大学，2008:4.也正是由于数据仓库区别于数据库的以上特性，决定了通过建立数据仓库可以解决引言部分中提到的现阶段医院各种MIS不能共享的问题，为医院提供了一个统一的数据访问口径，使医院基于全院管理视角获取全局数据，而不是基于业务流程构造的各个业务系统分别获取。2.2联机分析处理联机分析处理(on-line transaction processing OLAP)是面向管理决策人员的一种软件技术，能够对数据进行快速、多角度、交互式地深入分析。 Waxdoll.联机分析处理EB/OL. (2012-08-08) 2012-08-18.当管理人员分析业务数据时，会从不同的角度来审视业务的关键指标。例如医院领导分析平均住院日指标，可能会综合时问周期、科室、医生、患者属性、病种等多种角度来考量。这些分析角度虽然可以通过报表来反映，但每一个分析的角度可以生成一张报表，各个分析角度的不同组合又可以生成大量不同的报表，不仅造成信息科IT人员的巨大工作量，也使决策者面对大量的报表无从下手分析，导致传统的OLTP技术难以跟上管理决策人员思考的步伐，OLAP技术则很好解决了引言提到的数据获取不及时、获取难度大导致的信息滞后问题。联机分析处理的主要特点，是直接仿照用户的多角度思考模式，预先为用户组建多维的数据模型。赵景林.数据仓库的体系结构与设计策略J.计算机工程与设计，2001. 22 (3):54-56.在这里，“维”指的就是用户的分析角度。以前面提到的平均住院日分析为例，时问周期是一个维度，科室、医生、患者属性、病种也分别是一个维度。一旦多维数据模型建立完成，用户可以快速地从各个分析角度获取数据，也能动态地在各个角度之问切换或者进行多角度综合分析，具有超强的分析灵活性。2.3数据挖掘数据挖掘又称数据库中的知识发现，是指从海量数据中发掘出隐含的、先前未知的并有潜在价值信息的非平凡过程。 Shdiao.数据挖掘EB/OL. (2012-07一12) 2012-08一18. 数据挖掘与联机分析处理不同的是，数据挖掘不是用于验证某个假定模型的正确性，而是在数据中自己发现创造模型。它本质上是一个归纳演绎的过程。钟智，尹云飞.数据挖掘与人工智能技术J.河南科技大学学报:自然科学版，2004. 25 (3) : 44-47.比如，一名临床医师想要找到引起恶性肿瘤患者在住院期问院内感染的风险因素。数据挖掘模型可能帮他找到化疗导致的白细胞减少是引起感染的因素，甚至还可能发现一些医师从来没有想过或试过的其他因素，而这些因素很可能就在未曾注意到的患者的其他体征中。通过数据挖掘可以发现隐含的知识，真正实现智能化的医院管理方式。 3基于商业智能的医院数字化智能管理系统2.1系统架构设计以商业智能(business intelligence BI)技术为基础，通过数据仓库、联机分析处理和数据挖掘技术提供深入的数据集成、处理、分析功能，建立一套端到端的医院数字化智能管理系统.图1给出了医院数字化智能管理系统的总体架构设计。 图1医院数字化智能管理系统架构最左侧的数据源属于目前医院已有的MIS，存储的是HIS,LIS,PACS,EMR等MIS产生的各种数据，可以是数据库、文本文档或Excel文件，甚至其他类型的数据存储源。右侧整个方框内属于面向决策支持的医院数字化智能管理系统，该系统首先通过ETL将业务系统数据定时增量抽取、转换、清洗、过滤并加载到数据仓库中，然后生成联机分析处理模型和数据挖掘模型，最后用户采用前端展示工具进行OLAP实时查询分析和DM描述预测应用。采用该前端展示工具可以解决引言中提到的OLTP系统只有简单数据报表的问题。2.2数据模型设计采用自顶向卜的系统设计方法，按照需求分析、确定分析主题、确定分析度量、确定分析维度和确定事实数据粒度的步骤进行。以控制药品收入比例需求为例，分析某年某月某科室的药品收入比例可作为最基本的分析主题，其数据值药品收入比例就是分析度量，时问、科室是最基本的分析维度，考虑到精细化监控管理的需求，医生、病种、患者、收费类别也可确定为分析维度。确定好维度之后，按照最小粒度原则，以某个患者某次诊疗过程中的药品收入比例确定为事实数据粒度，既保证了数据的正确汇总，又兼顾了产生数据分析结果的效率。2.3数据接口实现由于历史遗留问题，医院各信息管理系统先后采用了SQL Server,Oracle,Access等多种数据库，建立数据库首先要解决的就是如何把相关数据从各种异构数据源中抽取出来。本系统采用微软SQL Server ZOOS数据库中提供的异构数据集成服务(SQL server integration services SSIS)功能，开发出一个数据接口组件，该组件可以无缝连接到各种主流数据源。通过在SQL Server ZOOS中把该组件设置成定时任务，每天自动进行数据的抽取、特定格式的转换以及非正常数据的清洗过滤操作，并采用时问戳法判断各异构数据源中的增量数据，实现数据的快速加载。2.4业务功能展示2.4.1财务分析管理 从科室、时问、医生等多角度、精细化地分析全院的财务收支状况。成本构成分析、成本差异分析可以降低医院成本，优化资源配置;效益投入产出分析可以找出投入产出规律，克服自目投资，为调整经营管理决策作参考，挖掘发展潜力;本利量分析可以科学化地预测科室的保本工作量和保本收入，计算各个科室的安全边际，分析影响收支结余的各种因素;杜邦分析可以宏观上展示医院的运营成果、运营能力、资产结构和偿债能力，挖掘出医院运营成果与运营能力、资产结构、偿债能力之问的内在关系。金玲，梁莺，张群，等.杜邦分析法在医院财务分析中的应用初探J.中国医院管理，2009. 29 (9) : 25-27.2.4.2绩效考核管理宏观上从财务收益、客户市场、内部流程和学习成长4个维度进行绩效考核。微观上通过商业智能强大的多维矩阵运算、自由数据钻取等功能，可以从院级、科室级、班组级、甚至深入到人员级实时监控、分析每个指标的完成情况，然后根据每个指标所设置的权重，自动汇总计算考评总分。通过调整优化直接科室、问接科室以及各项指标的权重大小，进而找出最合理的奖酬金分配方式。上面只是展示了医院运营管理中的部分数据分析决策功能，与传统OLTP系统中简单低效的数据收集、整理、查询和统计功能相比，采用BI技术实现的上述业务功能依托强劲的OLAP分析引擎和强大的数据钻取、监控、统计分析功能，在医院的运营管理决策中有着不可比拟的优势，真正实现从经验式的管理转变成全方位智能化、数字化、科学化的管理。杨海人，王阳，孔晓妹.浅谈平衡计分卡在医院绩效管理中的应用Jl.中国医院管理2006.26(10):82-83.3结语以商业智能技术为基础的