编辑导语:上期讲到了随着大数据时代的到来,医疗信息化建设迫切的需求与医疗大数据的溯源过程,还深入的提出了在脏乱差的医疗大数据中怎么发 现价值;接下来我们再进一步探讨一下数据的价值与特征1)数据异构多平台,多种接口,数据类型没有一个标准,只能是点对点的对接大量数据,内容冗杂,过程繁复,速度缓慢2) 主题分散性就诊信息分布在不同的平台上,不能够形成以患者为中心的所有电子化就诊信息集成,不能提供完整、全面、准确、及时的患者临床信息3)数据量大在大数据背景下,行业应用的数据量通常都以亿级别计算,存储通常在TB/PB 级别甚至更多4)数据多态数据模型在数据出现之后才能确定,数据模型随着数据量增长不断演变数据流通:数据开放:数据挖掘:产品的定义:建立数仓产品需依据卫生部统计信息中心 2011 年发布的《基于电子病历的医院信息平台建设技术解决方案》建立标准化医院数据资产目录数仓需以医院基础业务活动为索引,提供 HIS 、 LIS 、 EMR 等多数据源业务表字段绑定规则;实现零代码绑架,业务人员即可通过页面配置绑定规则数仓将根据配置自动生成调度任务,并通过 Hadoop生态圈sqoop技术实现 对业务系统的数据抽取;提供全量数据抽取与增量数据抽取两种方式,抽取过 程实现透明、可追溯。
解决的问题:数据集成:院内分散、异构数据依据颐东数仓资产目录表字段规则映射,并通过 ETL工具实现历史数据、实时数据抽取转换业务系统或集成平台之间进行数据字 典与码表的映射转换,解决系统之间的数据一致性问题新旧系统切换或系统 升级,历史数据在新编码体系和分类体系下的转换和对接数据稽查:用户可以根据需求上传需要比对的数据及相应标准,通过软件对数据进行一致性和准确性稽核疾病稽查:药品稽查:医疗知识库:主数据管理疾病、手术标准:1)数据治理数据治理是治理多元异构的数据,治理数据资产,突出医疗价值,确保数据质量控制数据治理的过程要确保数据的完整性(事件、表单、记录、表项),一致性(主数据一致性、逻辑一致性),唯一性(无二义冗余、指标及计算口径),及时性,原始性,可溯源性及可测量性解决的问题:数据重复、一码多病、数据杂乱、脏数据多治理的方案:通过数仓产品建立院内数据资产目录索引大数据中心2)大数据中心3)数据集市根据临床科室构建应用主题库,为医院临床辅助、精细化运营管理、科研 管理提供强有力的数据支撑4)数据上报解决针对卫计委统计信息中心以《江苏省健康信息平台共享数据集》为基准上传的数据的数据稽核与表结构转换。
5)精准治理单病种科研知识库,辅助治理1)多种数据源支持多种数据源,一键接入,无需繁琐配置2)零代码简单易用的用户体验,零代码建立传输任务,降低企业用户使用门槛3)实时融合实时的数据融合与集成,不让延迟成为瓶颈,保证数据的时效性4)开箱即用简单快速的安装流程,高效部署生产环境,即装即用5)错误队列预警群集监控、故障排除、扩容扩展、应急处理,完善纠错与预警机制6)安全审计数据审计、数据盘点、权限认证、隐私处理7)全程质量管控高质量体系保障数据传输的安全性与准确性,真正实现数据无忧8)数据服务开放接口,开放数据,开放服务,支持第三方嫁接服务9)大数据生态系统Hadoop生态系统中集成了大量的工具和组件来满足不同计算和存储需求, 比如HDFS分布式文件系统、HBase列式数据库、Hive数据仓库、Kafka服务 编排、MapReduce服务调度、impala类SQL数据仓库等,可以方便地进行数据 存储和分析计算产品技术架构:数据仓库( ETL ) + 自然语言处理( NPL ) +大数据技术( Hadoop) +安全通信(OAuth2.0、密码学、CAS)CDC又称变更数据捕获(Change Data Capture ,开启cdc的源表在插入 INSERT 、更新 UPDATE 和删除 DELETE 活动时会插入数据到日志表中; CDC 通过捕获进程将变更数据捕获到变更表中,通过 cdc提供的查询函数,我们可以捕获这部分数据。
ETL数据仓库技术(Extract-Transform-Load),它是将数据从源系统加载 到数据仓库的过程用来描述将数据从来源端经过萃取( extract)、转置(transform)、加载(load)至目的端的过程使用到的工具包含(kettle、 flume、 sqoop)Kettle基于JAVA的ETL工具,支持图形化的GUI设计界面,然后可以以 工作流的形式流转,在做一些简单或复杂的数据抽取、质量检测、数据清洗、 数据转换、数据过滤等方面有着比较稳定的表现 。