Electronic medical records can pres

Electronic medical records can present challenges for data warehouse environments because of their extreme variability and potentially extreme volumes. Patients’
medical record data comes in many different forms, ranging from numeric data to
freeform text comments entered by a healthcare professional to images and photographs. We’ll further discuss unstructured data in Chapter 21: Big Data Analytics;
electronic medical and/or health records may become a classic use case for big data.
One thing is certain. The amount and variability of electronic data in the healthcare
industry will continue to grow.
Measure Type Dimension for Sparse Facts
As designers, it is tempting to strive for a more standardized framework that could
be extended to handle data variability. For example, you could potentially handle the
variability of lab test results with a measurement type dimension describing what
the fact row means, or in other words, what the generic fact represents. The unit
of measure for a given numeric entry is found in the associated measurement type
dimension row, along with any additivity restrictions, as shown in Figure 14-6.
Lab Test Measurement Type Dimension
Lab Test Measurement Type Key (PK)
Lab Test Measurement Type Description
Lab Test Measurement Type Unit of Measure
Order Date Key (FK)
Test Date Key (FK)
Patient Key (FK)
Physican Key (FK)
Lab Test Key (FK)
Lab Test Measurement Type Key (FK)
Observed Test Result Value
Lab Test Result Facts
Figure 14-6: Lab test observations with measurement type dimension.
This approach is superbly flexible; you can add new measurement types simply by
adding new rows in the measurement type dimension, not by altering the structure
of the fact table. This approach also eliminates the nulls in the classic positional fact
table design because a row exists only if the measurement exists. However, there
are trade-offs. Using a measurement type dimension may generate lots of new fact
table rows because the grain is “one row per measurement per event” rather than the
more typical “one row per event.” If a lab test results in 10 numeric measurements,
there are now 10 rows in the fact table rather than a single row in the classic design.
For extremely sparse situations, such as clinical laboratory or manufacturing test
environments, this is a reasonable compromise. However, as the density of the facts
Chapter 14 350
grows, you end up spewing out too many fact rows. At this point you no longer have
sparse facts and should return to the classic fact table design with fixed columns.
Moreover, this measurement type approach may complicate BI data access applications. In the relational star schema, combining two numbers that were captured
as part of a single event is more difficult with this approach because now you must
fetch two rows from the fact table. SQL likes to perform arithmetic functions within
a row, not across rows. In addition, you must be careful not to mix incompatible
amounts in a calculation because all the numeric measures reside in a single amount
column. It’s worth noting that multidimensional OLAP cubes are more tolerant of
performing calculations across measurement types.
Freeform Text Comments
Freeform text comments, such as clinical notes, are sometimes associated with fact
table events. Although text comments are not very analytically potent unless they’re
parsed into well-behaved dimension attributes, business users are often unwilling
to part with them given the embedded nuggets of information.
Textual comments should not be stored in a fact table directly because they waste
space and rarely participate in queries. Some designers think it’s permissible to store
textual fields in the fact table, as long as they’re referred to as degenerate dimensions.
Degenerate dimensions are most typically used for operational transaction control
numbers and identifiers; it’s not an acceptable approach or pattern for contending
with bulky text fields. Storing freeform comments in the fact table adds clutter that
may negatively impact the performance of analysts’ more typical quantitative queries.
The unbounded text comments should either be stored in a separate comments
dimension or treated as attributes in a transaction event dimension. A key consideration when evaluating these two approaches is the text field’s cardinality. If there’s
nearly a unique comment for every fact table event, storing the textual field in a transaction dimension makes the most sense. However, in many cases, No Comment is
associated with numerous fact rows. Because the number of unique text comments in
this scenario is much smaller than the number of unique transactions, it would make
more sense to store the textual data in a comments dimension with an associated
foreign key in the fact table. In either case, queries involving both the text comments
and fact metrics will perform relatively poorly given the need to resolve joins between
two voluminous tables. Often business users want to drill into text comments for
further investigation after highly selective fact table query filters have been applied.
Images
Sometimes the data captured in a patient’s electronic medical record is an image,
in addition to either quantitative numbers or qualitative notes. There are trade-offs
Healthcare 351
between capturing a JPEG filename in the fact table to refer to an associated image
versus embedding the image as a blob directly in the database. The advantage of
using a JPEG filename is that other image creation, viewing, and editing programs
can freely access the image. The disadvantage is that a separate database of graphic
files must be maintained in synchrony with the fact table.

Kết quả (Việt) 1:

Điện tử hồ sơ y tế có thể trình bày những thách thức cho các dữ liệu kho môi trường vì biến đổi cực và có khả năng cực tập của họ. Bệnh nhân dữ liệu hồ sơ y tế đến dưới nhiều hình thức khác nhau, khác nhau, từ các dữ liệu số để ý kiến tạo hình tự do văn bản nhập vào bởi một chuyên viên y tế để hình ảnh và hình ảnh. Chúng tôi sẽ tiếp tục thảo luận về các dữ liệu không có cấu trúc trong chương 21: lớn dữ liệu Analytics; Hồ sơ y tế và/hoặc sức khỏe điện tử có thể trở thành một trường hợp cổ điển sử dụng cho dữ liệu lớn. Một điều là nhất định. Số lượng và sự biến đổi của các dữ liệu điện tử trong chăm sóc sức khỏe ngành công nghiệp sẽ tiếp tục phát triển.Biện pháp loại kích thước cho sự kiện thưa thớtLà nhà thiết kế, it's tempting để phấn đấu cho một khuôn khổ tiêu chuẩn hóa hơn có thể được mở rộng để xử lý dữ liệu biến đổi. Ví dụ, bạn có thể có khả năng xử lý các sự biến đổi của phòng thí nghiệm kiểm tra kết quả với một loại đo kích thước mô tả những gì Các phương tiện hàng thực tế, hay nói cách khác, những gì đại diện cho một thực tế chung. Các đơn vị biện pháp cho một số mục nhập nhất định được tìm thấy trong các loại kết hợp đo lường Kích thước hàng, cùng với bất kỳ hạn chế bài, như minh hoạ trong hình 14-6. Phòng thí nghiệm kiểm tra đo lường loại kích thướcPhòng thí nghiệm kiểm tra đo lường loại phím (PK)Phòng thí nghiệm kiểm tra đo lường loại mô tảPhòng thí nghiệm kiểm tra đo lường loại đơn vị đoĐặt hàng ngày Key (FK)Kiểm tra ngày Key (FK)Bệnh nhân Key (FK)Physican phím (FK)Phòng thí nghiệm thử nghiệm Key (FK)Phòng thí nghiệm kiểm tra đo lường loại phím (FK)Quan sát kiểm tra kết quả giá trịSự kiện kết quả thử nghiệm phòng thí nghiệmHình 14-6: phòng thí nghiệm kiểm tra quan sát với đo lường loại kích thước.Cách tiếp cận này là tuyệt vời linh hoạt; bạn có thể thêm các đo lường mới chỉ đơn giản là bởi Thêm hàng mới trong kích thước loại đo, không phải bằng cách thay đổi cấu trúc bảng thực tế. Cách tiếp cận này cũng giúp loại bỏ các nulls trong thực tế cổ điển định vị bảng thiết kế bởi vì một hàng tồn tại chỉ khi đo lường sự tồn tại. Tuy nhiên, có có thương mại-offs. Bằng cách sử dụng một kích thước đo lường loại có thể tạo ra rất nhiều mới thực tế bảng hàng bởi vì các hạt là "hàng mỗi đo lường mỗi sự kiện" chứ không phải các điển hình hơn "một hàng mỗi sự kiện." Nếu một thử nghiệm phòng thí nghiệm kết quả trong 10 số đo, bây giờ là 10 các hàng trong bảng thực tế chứ không phải là một hàng duy nhất trong thiết kế cổ điển. Cho những tình huống rất thưa thớt, chẳng hạn như phòng thí nghiệm lâm sàng hoặc sản xuất thử nghiệm môi trường, đây là một sự thỏa hiệp hợp lý. Tuy nhiên, như là mật độ của các sự kiện Chương 14 350««phát triển, bạn sẽ chỉ phun ra quá nhiều thực tế hàng. Tại thời điểm này bạn không còn có sự kiện thưa thớt và phải trở về thiết kế bàn cổ điển thực tế với cột cố định.Hơn nữa, cách tiếp cận công cụ đo lường loại này có thể phức tạp BI dữ liệu truy cập các ứng dụng. Trong quan hệ giản đồ sao, kết hợp hai số điện thoại đã bị bắt như một phần của một sự kiện duy nhất là khó khăn hơn với cách tiếp cận này bởi vì bây giờ bạn phải Lấy hai hàng từ bảng thực tế. SQL thích để thực hiện các chức năng số học trong vòng a row, not across rows. In addition, you must be careful not to mix incompatible amounts in a calculation because all the numeric measures reside in a single amount column. It’s worth noting that multidimensional OLAP cubes are more tolerant of performing calculations across measurement types.Freeform Text CommentsFreeform text comments, such as clinical notes, are sometimes associated with fact table events. Although text comments are not very analytically potent unless they’re parsed into well-behaved dimension attributes, business users are often unwilling to part with them given the embedded nuggets of information.Textual comments should not be stored in a fact table directly because they waste space and rarely participate in queries. Some designers think it’s permissible to store textual fields in the fact table, as long as they’re referred to as degenerate dimensions. Degenerate dimensions are most typically used for operational transaction control numbers and identifiers; it’s not an acceptable approach or pattern for contending with bulky text fields. Storing freeform comments in the fact table adds clutter that may negatively impact the performance of analysts’ more typical quantitative queries.The unbounded text comments should either be stored in a separate comments dimension or treated as attributes in a transaction event dimension. A key consideration when evaluating these two approaches is the text field’s cardinality. If there’s nearly a unique comment for every fact table event, storing the textual field in a transaction dimension makes the most sense. However, in many cases, No Comment is associated with numerous fact rows. Because the number of unique text comments in this scenario is much smaller than the number of unique transactions, it would make more sense to store the textual data in a comments dimension with an associated foreign key in the fact table. In either case, queries involving both the text comments and fact metrics will perform relatively poorly given the need to resolve joins between two voluminous tables. Often business users want to drill into text comments for further investigation after highly selective fact table query filters have been applied.ImagesSometimes the data captured in a patient’s electronic medical record is an image, in addition to either quantitative numbers or qualitative notes. There are trade-offs Healthcare 351between capturing a JPEG filename in the fact table to refer to an associated image versus embedding the image as a blob directly in the database. The advantage of using a JPEG filename is that other image creation, viewing, and editing programs can freely access the image. The disadvantage is that a separate database of graphic files must be maintained in synchrony with the fact table.

Kết quả (Việt) 2:

Hồ sơ y tế điện tử có thể là thách thức cho các môi trường kho dữ liệu, do tính biến cực đoan của họ và khối lượng có khả năng khắc nghiệt. Bệnh nhân '
hồ sơ bệnh dữ liệu đi kèm trong nhiều hình thức khác nhau, từ các dữ liệu số để
bình luận chữ tự nhập vào bởi một chuyên nghiệp để hình ảnh và hình ảnh y tế. Chúng tôi sẽ tiếp tục thảo luận các dữ liệu phi cấu trúc trong Chương 21: Big Data Analytics;
hồ sơ y tế và / hoặc sức khỏe điện tử có thể trở thành một trường hợp sử dụng cổ điển dành cho dữ liệu lớn.
Một điều chắc chắn. Số lượng và biến đổi dữ liệu điện tử trong y tế
ngành công nghiệp sẽ tiếp tục tăng trưởng.
Đo Loại Dimension cho Facts thưa
Như nhà thiết kế, nó là hấp dẫn để phấn đấu cho một khung tiêu chuẩn hóa có thể
được mở rộng để xử lý biến đổi dữ liệu. Ví dụ, bạn có thể có khả năng xử lý các
thay đổi của kết quả thử nghiệm trong phòng thí nghiệm với một loại số đo chiều mô tả những gì
hàng thực tế có nghĩa là, hay nói cách khác, những gì thực tế chung hiện. Các đơn vị
đo cho một mục số nhất định được tìm thấy trong các loại số đo liên quan
chiều kích liên tiếp, cùng với bất kỳ hạn chế additivity, như thể hiện trong hình 14-6.
Lab thử nghiệm đo lường Loại Kích thước
Lab thử nghiệm đo lường Loại khóa (PK)
Lab thử nghiệm đo lường Loại Mô tả
Lab thử nghiệm đo lường Loại Đơn vị Đo
thứ tự ngày Key (FK)
Kiểm tra ngày Key (FK)
Key Patient (FK)
thầy thuốc Key (FK)
Lab thử nghiệm Key (FK)
Lab thử nghiệm đo lường Loại khóa (FK)
Quan sát kết quả test Giá trị
Lab thử nghiệm Kết quả Sự kiện
Hình 14-6: quan sát thử nghiệm Lab với loại số đo kích thước.
Cách tiếp cận này là tuyệt vời linh hoạt; bạn có thể thêm các loại đo lường mới chỉ đơn giản bằng
cách thêm các hàng mới trong các loại số đo kích thước, không phải bằng cách làm thay đổi cấu trúc
của bảng thực tế. Cách tiếp cận này cũng giúp loại bỏ các null trong các vị trí thực tế cổ điển
thiết kế bảng vì một hàng tồn tại chỉ khi đo tồn tại. Tuy nhiên, có
thương mại-off. Sử dụng một chiều loại số đo có thể tạo ra rất nhiều mới thực tế
hàng bảng vì các hạt là "một hàng cho mỗi phép đo cho mỗi sự kiện" chứ không phải là
điển hình hơn "một hàng cho mỗi sự kiện." Nếu một kết quả thử nghiệm trong phòng thí nghiệm trong 10 phép đo số,
hiện nay có 10 dòng trong bảng thực tế chứ không phải là một hàng duy nhất trong thiết kế cổ điển.
Với những tình huống cực kỳ thưa thớt, chẳng hạn như phòng thí nghiệm, thử nghiệm lâm sàng sản xuất
môi trường, đây là một thỏa hiệp hợp lý. Tuy nhiên, khi mật độ của các sự kiện
Chương 14 350
phát triển, bạn kết thúc phun ra quá nhiều hàng thực tế. Tại thời điểm này, bạn không còn phải
kiện thưa thớt và nên trở về thiết kế bảng thực tế cổ điển với các cột cố định.
Hơn nữa, đo lường loại phương pháp này có thể làm phức tạp thêm các ứng dụng truy cập dữ liệu BI. Trong lược đồ sao quan hệ, kết hợp hai số đó đã bị bắt giữ
như là một phần của một sự kiện duy nhất là khó khăn hơn với phương pháp này bởi vì bây giờ bạn phải
lấy hai hàng từ bảng thực tế. SQL thích để thực hiện chức năng số học trong
một hàng, không phải qua hàng. Ngoài ra, bạn phải cẩn thận không để trộn tương thích
số tiền trong một tính toán bởi vì tất cả các biện pháp số cư trú trong một số tiền duy nhất
cột. Nó đáng chú ý là khối OLAP đa chiều là hơn khoan dung của
biểu diễn các tính toán trên các kiểu đo lường.
Tiêu Freeform Bình luận
bình văn bản Freeform, chẳng hạn như ghi chú lâm sàng, đôi khi được kết hợp với thực tế
sự kiện bảng. Mặc dù ý kiến văn bản không phải là rất mạnh phân tích, trừ khi họ đang
phân tích thành chiều cũng cư xử thuộc tính, người dùng doanh nghiệp thường không muốn
chia tay với họ cho cốm nhúng thông tin.
comments nguyên bản không nên được lưu trữ trong một bảng thực tế trực tiếp vì họ lãng phí
không gian và hiếm khi tham gia vào câu truy vấn. Một số nhà thiết kế nghĩ rằng nó cho phép lưu trữ
các lĩnh vực văn bản trong bảng thực tế, miễn là họ đang gọi kích thước như thoái hóa.
kích thước thoái hóa thường được sử dụng nhất để kiểm soát giao dịch hoạt động
số và định danh; nó không phải là một phương pháp có thể chấp nhận hoặc mẫu cho tranh
với các lĩnh vực văn bản cồng kềnh. Lưu trữ comments freeform trong bảng thực tế cho biết thêm lộn xộn mà
có thể tác động tiêu cực đến hiệu suất của các truy vấn định lượng chi tiết điển hình của giới phân tích.
Các ý kiến văn bản không bị chặn hoặc cần được lưu giữ trong một bình luận riêng biệt
kích thước hoặc điều trị như các thuộc tính trong một chiều kiện giao dịch. Một vấn đề quan trọng khi đánh giá hai phương pháp này là cardinality của trường text. Nếu có
gần một bình luận duy nhất cho mỗi sự kiện bảng thực tế, lưu trữ các lĩnh vực văn bản trong một chiều hướng giao dịch làm cho ý nghĩa nhất. Tuy nhiên, trong nhiều trường hợp, No Comment được
kết hợp với rất nhiều hàng thực tế. Vì số lượng các ý kiến văn bản duy nhất trong
tình huống này là nhỏ hơn nhiều so với số lượng giao dịch duy nhất, nó sẽ làm cho
ý nghĩa hơn để lưu trữ các dữ liệu văn bản trong một chiều bình với một liên kết
khóa ngoại trong bảng thực tế. Trong cả hai trường hợp, các truy vấn liên quan đến cả những ý kiến văn bản
và số liệu thực tế sẽ thực hiện tương đối kém cho sự cần thiết phải giải quyết tham gia giữa
hai bảng đồ sộ. Thông thường người dùng doanh nghiệp muốn đi sâu vào ý kiến cho văn bản
tiếp tục điều tra sau khi các bộ lọc truy vấn bảng thực tế chọn lọc cao đã được áp dụng.
Hình ảnh
Đôi khi các dữ liệu bị bắt trong hồ sơ y tế điện tử của bệnh nhân là một hình ảnh,
thêm vào hoặc số lượng hoặc ghi chú định tính. Có đánh đổi
sức khỏe 351
giữa chiếm được một tên tập tin JPEG trong bảng thực tế để chỉ một hình ảnh gắn liền
so với việc nhúng các hình ảnh như là một blob trực tiếp trong cơ sở dữ liệu. Lợi thế của việc
sử dụng một tên tập tin JPEG là chương trình tạo hình ảnh, xem và chỉnh sửa khác
có thể tự do truy cập các hình ảnh. Nhược điểm là một cơ sở dữ liệu riêng biệt của đồ họa
tập tin phải được duy trì đồng bộ với bảng thực tế.