医疗健康大数据与健康管理手册（执行版）.docxVIP

医疗健康大数据与健康管理手册（执行版）

第1章大数据基础与数据采集规范

1.1医疗健康数据全生命周期分类与编码

在医疗健康数据的全生命周期管理中，数据首先被定义为从患者就诊记录、检验报告、影像文件到电子病历的原始载体。例如，在患者首次挂号时，系统自动将挂号单、身份证信息及初步问诊语音转录为结构化文本，此时数据处于“原始采集态”，需立即打上唯一的患者唯一标识符（如身份证号或医保卡号）作为主键。随后，数据进入“结构化存储态”，以医院HIS系统（医院信息系统）中固定的表格形式存在。例如，门诊挂号记录表包含“姓名”、“性别”、“年龄”、“科室”等固定字段，数据格式为SQL标准格式，便于后续直接进行数据库查询和统计。

当数据达到“半结构化态”时，它表现为非表格化的文本流，如医生开具的处方单、住院护理记录中的自由文本描述。例如，处方单中可能包含“用法：口服，1次/日”等非标准格式描述，需通过正则表达式提取关键信息，将其转化为JSON或XML格式存入数据仓库。到了“非结构化态”，数据以图像、音频、视频或复杂的自然语言对话形式存在，如CT扫描的DICOM影像、监护仪的波形文件、患者的语音问诊录音或护理查房的自然语言对话。例如，CT影像文件包含像素矩阵，需先通过DICOM标准解析为H5N格式图像，才能进行医学标注分析。进入“应用态”时，数据被