呼吸系统疾病临床信息数据库实现.docVIP

呼吸系统疾病临床信息数据库实现 　　摘要：根据我国城乡居民的呼吸疾病发病实际情况，结合数据分析，通过采集社区医疗机构和医学中心的呼吸疾病相关信息，建立呼吸疾病临床信息数据库，并通过呼吸系统疾病患者产生的综合性数据进行分析决策。从总量分析、病情症状、疾病数量、患者负担、医疗质量等方面进行统计分析，以帮助管理者获取所需要的科研信息，提高呼吸疾病科研水平。 　　关键词：临床信息数据库；Struts框架；数据分析决策 　　DOIDOI：10.11907/rjdk.161450 　　中图分类号：TP319 　　文献标识码：A 文章编号：1672-7800（2016）005-0134-03 　　0 引言 　　随着我国经济的高速发展，不可避免地对环境带来了污染，近年来空气污染的指数之一――PM 2.5更是引起了全国人民的高度关注。目前我国城乡居民的呼吸疾病发病率高，发病后的医疗成本负担较重，这与我国社区基层医疗机构基础设施不完善、设备落后、防治人才缺乏、居民卫生水平低、防治意识落后等因素有关。为了解决上述问题，有必要将社区作为防治呼吸系统疾病的主要场所，构建适合国情的呼吸系统疾病社区早期综合防治平台。与此同时，如何整合现有社区医疗机构采集的病人基础信息数据以及医学中心的病人诊疗相关数据，并对其进行充分分析和利用，以便更好地分工合作，合理分配医疗资源，充分发挥社区医疗机构人员和医学中心的技术优势，成为一个亟待解决的问题。 　　1 呼吸系统临床信息数据库架构 　　建立呼吸疾病临床信息数据库，目的是通过呼吸系统疾病患者产生的综合性数据来进行分析决策。从总量分析、病情症状、疾病数量、患者负担、医疗质量等多方面进行统计分析，以帮助管理者获取所需要的科研信息，提高呼吸疾病科研水平。 　　本数据库按J2EE （Java 2 Enterprise Edition） 规格，采用Java编程语言进行开发，后台数据库采用Oracle 11g。 　　著名的软件大师Ralph Johnson 对框架（Framework）进行了如下定义：框架是整个系统或系统一部分的可重用设计，由一组抽象的类及其实例间的相互作用方式组成[3]。EJB架构是J2EE的经典架构，然而其过于复杂、扩展性不强也是众所周知的缺点。目前已经有一些开源框架，相对经典的EJB架构更加灵活，扩展性更强。其中主流的框架技术是：基于MVC模式的Struts框架、基于IoC模式的Spring框架以及对象/关系映射框架Hibernate[4]。本数据库即基于上述框架开发。 　　2 呼吸系统临床信息数据库需求分析 　　临床信息数据库，也称为临床信息存储库（Clinical Data Repository，CDR）。根据HIMMS（美国健康信息和管理系统协会）对CDR的描述，CDR是一个面向主题的、集成的数据集合，用于支持医院对于即时性、操作性、集成的全体诊疗信息的需求。该描述揭示了CDR的5个特征：CENTRALIZED（集中式数据存储）、CLINICAL（诊疗数据）、REAL-TIME（实时数据）、LIFE-LONG（数据的长期保存）、PATIENT-CENTRIC（以病人为中心）[1]。本文论述的临床信息数据库所依托的课题，主要是以广东省内呼吸疾病较多发的翁源县为社区医疗机构试点，以广州医科大学附属第一医院呼吸病学国家重点学科为基础建立呼吸疾病诊治医学中心，开展呼吸疾病的规范化诊疗与防治研究工作，建立呼吸疾病综合防治研究基地，形成高效便捷的具有我国特色的医学中心与社区医疗机构协同工作机制。 　　通过建立本数据库，可实现呼吸疾病诊治医学中心患者的临床信息以及社区居民呼吸疾病电子档案库等基础数据库的无缝对接，实现信息数据的采集、分析、管理和资源共享，并面向公众服务，向居民提供健康档案信息的查阅功能。 　　数据库的系统架构如图1所示。 　　临床信息采集库需要采集的主要内容有：呼吸系统疾病患者的检验检查报告、住院病案首页、就诊患者基本信息、就诊患者就诊日志信息等。本数据库的数据采集源主要包括：广州医科大学附属第一医院“居民呼吸疾病健康档案系统”、“电子病历系统”以及广州医科大学附属第一医院和翁源县人民医院的“双向转诊系统”。 　　统计分析方面，有以下4方面需求： 　　（1）总量分析：按分中心或医院统计已有的与本周新产生的临床信息总数、随访总人次、双向转诊人次、生物标本量。 　　（2）病情症状：主要根据咳嗽、咳痰、喘息、呼吸困难、咯血、睡眠状况、胸痛等症状进行统计。疾病数量主要根据呼吸疾病的各个病种进行统计，包括慢性阻塞性肺疾病、支气管哮喘、支气管扩张、慢支炎、肺气肿、肺结核、呼吸睡眠暂停综合征、肺动脉高压、肺心病、肺癌、肺炎、肺不张、气胸、过敏性鼻炎、鼻炎鼻窦炎、肺栓塞、肺间质