[发明专利]一种医疗数据决策支持方法及系统

说明书

本申请实施例提供了一种医疗数据决策支持方法，通过对获取的医疗数据根据医疗决策需求主题进行分析重构建立医疗决策数据仓库；对医疗决策数据仓库的数据根据药品信息和就诊信息进行分析建立OLAP模型，实现了在目前医院信息管理系统中的事务处理数据分析和挖掘，为医院各级人员提供有效的决策支持。本申请实施例还提供了一种医疗数据决策支持系统。

技术领域

本申请涉及医疗数据挖掘和数据分析技术领域，尤其涉及一种医疗数据决策支持方法及系统。

背景技术

目前大部分医院等卫生事业单位在疾病的诊断和治疗过程中，大量借助于计算机等数字设备和网络传输技术，其中医疗信息信息系统作为医院优化工作流程和规范操作程序的系统，已经在广大医院单位得到认可和广泛实施。

大部分医院管理系统包括了简单的决策支持系统，提供初级的查询功能，提供了初级的查询功能，如各科室的工作量，每个医务人员的每月的门诊量，住院人次等。目前，在医院管理系统中运用的数据挖掘技术与方法，主要来自于交叉学科和相关的技术领域，应用最为广泛包括以下几点：1)统计学方法：在数据挖掘中涉及一定的统计过程，如数学抽样和建模、假设判断等，如今在大数据背景下，分布式存储与计算能力越来越强，甚至可以将抽样计算方法直接演变为全量计算。2)决策树：决策树主要用于数据分类与预测，有多种实现算法，包含ID3学习算法、SLIQ算法等。很多医院的临床医疗预测项目中，采用数据挖掘中的决策树分类方法，应用于患者的检验报告数据，得出患者检验报告数据中决策树图，为今患者医疗病情预测提供坚实的数据基础，为优化决策提供了依据。3)人工神经网络：该技术主要模仿生物神经网络，通过数据训练来提高机器的学习能力，从而能够达到自主预测的效果。常用来进行聚类、特征挖掘等操作。4)遗传算法：遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一组候选解，并按某种指标从解集群中选取较优的个体，利用遗传算子(选择、交叉和变异)对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止。

经过长时间的积累，医院信息系统积累了大量的医疗和业务数据。但是，这些医院信息系统主要面向信息处理的联机事物处理，以处理日常事物为目的，可完成信息采集、查询和医院的各类报表，医院各类人员面对只是大量的数据，能从这些大量的数据获取的知识却很少，也就出现了“大量的数据、但信息贫乏”的局面。而且这些信息仅仅被当作病人的资料进行存档和检索，没有进行深入的挖掘和知识提取。

在这些医院信息管理系统中，数据的组织和存储都是围绕事务处理进行设计的，这样的数据组织方式不利于对大规模的数据进行分析和挖掘，不能为医院各级人员提供有效的决策支持。

发明内容

本申请实施例提供了一种医疗数据决策支持方法及系统，实现了在目前医院信息管理系统中的事务处理数据分析和挖掘，为医院各级人员提供有效的决策支持。

本申请实施例提供了一种医疗数据决策支持方法，包括：

对获取的医疗数据根据医疗决策需求主题进行分析重构建立医疗决策数据仓库；

对医疗决策数据仓库的数据根据药品信息和就诊信息进行分析建立OLAP模型。

优选地，对获取的医疗数据根据医疗决策需求主题进行分析重构建立医疗决策数据仓库包括：

对获取的医疗数据进行格式归一化处理，并根据医疗决策需求主题和数据结构逻辑进行分析重构建立医疗决策数据仓库。

优选地，对获取的医疗数据进行格式归一化处理，并根据医疗决策需求主题和数据结构逻辑进行分析重构建立医疗决策数据仓库具体包括：

通过医院的决策需求进行分析，根据分析后的医疗决策需求主题建立医疗决策数据仓库；

对医院管理信息系统、医院辅助医疗系统、行政管理系统的医疗数据进行获取数据，进行医疗数据统一化处理，并加载至建立的医疗决策数据仓库。