Many healthcare organizations are m

Many healthcare organizations are moving from paper-based processes to electronic
medical records. In the United States, federally mandated quality goals to
support improved population health management may be achievable only with
their adoption. Healthcare providers are aggressively implementing electronic
health record systems; the movement is significantly impacting healthcare DW
/BI initiatives.
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.

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-off s. 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

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.

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
between capturing a JPEG filename in the fact table to refer toan 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
fi les must be maintained in synchrony with the fact table.

Kết quả (Việt) 1:

Nhiều tổ chức Chăm sóc sức khỏe đang di chuyển từ quá trình trên giấy để điện tửHồ sơ y tế. Tại Hoa Kỳ, liên bang uỷ thác mục tiêu chất lượnghỗ trợ quản lý y tế được cải thiện dân có thể thể đạt được chỉ vớinhận con nuôi của họ. Nhà cung cấp chăm sóc y tế đang tích cực thực hiện điện tửHệ thống hồ sơ y tế; phong trào đáng kể ảnh hưởng đến chăm sóc y tế DWSáng kiến /bi.Điện tử hồ sơ y tế có thể trình bày những thách thức cho các dữ liệu kho môi trườngvì biến đổi cực và có khả năng cực tập của họ. Bệnh nhândữ liệu hồ sơ y tế đến dưới nhiều hình thức khác nhau, khác nhau, từ các dữ liệu số đểý 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 khỏengành 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 thểđược mở rộng để xử lý dữ liệu biến đổi. Ví dụ, bạn có thể có khả năng xử lý cácsự biến đổi của phòng thí nghiệm kiểm tra kết quả với một loại đo kích thước mô tả những gìCác phương tiện hàng thực tế, hay nói cách khác, những gì đại diện cho một thực tế chung. Các đơn vịbiện pháp cho một số mục nhập nhất định được tìm thấy trong các loại kết hợp đo lườngKích thước hàng, cùng với bất kỳ hạn chế bài, như minh hoạ trong hình 14-6.Cách tiếp cận này là tuyệt vời linh hoạt; bạn có thể thêm các đo lường mới chỉ đơn giản là bởiThêm hàng mới trong kích thước loại đo, không phải bằng cách thay đổi cấu trúcbảng thực tế. Cách tiếp cận này cũng giúp loại bỏ các nulls trong thực tế cổ điển định vịbảng thiết kế bởi vì một hàng tồn tại chỉ khi đo lường sự tồn tại. Tuy nhiên, cócó thương mại-off s. bằng cách sử dụng một kích thước đo lường loại có thể tạo ra rất nhiều mới thực tếbảng hàng bởi vì các hạt là "hàng mỗi đo lường mỗi sự kiện" chứ không phải cácđiển 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 nghiệmmôi trường, đây là một sự thỏa hiệp hợp lý. Tuy nhiên, như là mật độ của các sự kiện««phát triển, bạn sẽ chỉ phun ra quá nhiều thực tế hàng. Tại thời điểm này bạn không còn cósự 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 bắtnhư một phần của một sự kiện duy nhất là khó khăn hơn với cách tiếp cận này bởi vì bây giờ bạn phảiLấy hai hàng từ bảng thực tế. SQL thích để thực hiện các chức năng số học trong vòngmột hàng, không qua hàng. Ngoài ra, bạn phải cẩn thận không để trộn không tương thíchsố tiền trong tính toán một bởi vì tất cả các biện pháp số cư trú tại một số lượng duy nhấtcột. Nó là đáng chú ý rằng đa chiều OLAP khối là hơn khoan dung củathực hiện tính toán qua các đo lường loại.Ý kiến tạo hình tự do văn bảnÝ kiến tạo hình tự do văn bản, chẳng hạn như ghi chú lâm sàng, đôi khi được kết hợp với thực tếsự kiện bảng. Mặc dù ý kiến văn bản là không rất phân tích mạnh trừ khi họ đangphân tích cú pháp vào giáo dục kích thước thuộc tính, người dùng doanh nghiệp được thường khôngtham gia với họ cho nhúng nuggets của thông tin.Văn bản bình luận nên không được lưu trữ trong một bảng thực tế trực tiếp bởi vì họ lãng phíkhông gian và hiếm khi tham gia vào truy vấn. Một số nhà thiết kế nghĩ rằng nó được cho phép để lưu trữBảng các lĩnh vực văn bản trong thực tế, miễn là họ đang được gọi là thoái hóa kích thước.Thoái hóa kích thước đặt thường được sử dụng để kiểm soát hoạt động giao dịchsố điện thoại và định danh; nó không phải là một cách tiếp cận được chấp nhận hoặc mô hình cho chovới các lĩnh vực văn bản cồng kềnh. Lưu trữ freeform ý kiến trong bảng thực tế cho biết thêm lộn xộn màtiêu cực có thể ảnh hưởng đến hiệu suất của các nhà phân tích truy vấn định lượng điển hình hơn.Các ý kiến chặn văn bản hoặc cần được lưu giữ trong một ý kiến riêng biệtKích thước hoặc được coi là thuộc tính trong một chiều hướng sự kiện giao dịch. Một xem xét quan trọngkhi đánh giá các phương pháp tiếp cận hai là lĩnh vực văn bản cardinality. Nếu cógần như là một bình luận duy nhất cho mỗi sự kiện bàn thực tế, lưu trữ lĩnh vực văn bản trong một giao dịchKích thước làm cho ý nghĩa nhất. Tuy nhiên, trong nhiều trường hợp, là không có thảo luậnliên kết với nhiều thực tế hàng. Bởi vì số lượng các văn bản duy nhất ý kiến trongkịch bản này là nhỏ hơn nhiều so với số lượng giao dịch duy nhất, nó sẽ làm choý nghĩa hơn để lưu trữ dữ liệu văn bản trong một kích thước bình luận với một liên kếtchìa khóa nước ngoài trong bảng thực tế. Trong cả hai trường hợp, các truy vấn liên quan đến cả hai văn bản các ý kiếnvà thực tế số liệu sẽ thực hiện tương đối kém cho sự cần thiết để giải quyết các tham gia giữahai bảng chia làm nhiều quyển. Thường người dùng doanh nghiệp muốn để khoan vào văn bản bình luận vềđiều tra thêm sau khi bộ lọc truy vấn bảng tính chọn lọc cao thực tế đã được áp dụng.Đôi khi các dữ liệu bị bắt trong một bệnh nhân điện tử hồ sơ y tế là một hình ảnh,ngoài số định lượng hoặc ghi chú về chất lượng. Có thương mại-offsgiữa bắt một tên tập tin JPEG trong bảng thực tế để chỉ toàn liên quan đến hình ảnhso với nhúng hình ảnh như một blob trực tiếp trong cơ sở dữ liệu. Lợi thế củabằng cách sử dụng một tên tập tin JPEG là rằng khác tạo ra hình ảnh, xem và chỉnh sửa chương trìnhcó thể một cách tự do truy cập vào hình ảnh. Những bất lợi là một cơ sở dữ liệu riêng biệt của đồ họaFi les phải được duy trì trong synchrony với bảng thực tế.

Kết quả (Việt) 2:

Nhiều tổ chức y tế đang chuyển từ các quá trình trên giấy để điện tử
hồ sơ y tế. Tại Hoa Kỳ, liên bang bổ nhiệm các mục tiêu chất lượng để
hỗ trợ cải thiện quản lý sức khỏe dân số có thể đạt được chỉ với
việc thông qua của họ. Các nhà cung cấp chăm sóc y tế đang tích cực triển khai thực hiện điện tử
hệ thống hồ sơ y tế; phong trào này đang tác động đáng kể y tế DW
/ sáng kiến BI.
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;
sức khỏe y tế và / hoặc điện tử hồ sơ 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 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 là thương mại-off s. 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 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 schema 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 giao dịch chiều 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. 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 giữa chụp một tên tập tin JPEG trong bảng thực tế để tham khảo toan hình ảnh đi kèm so với việc nhúng các hình ảnh như là một blob trực tiếp vào 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 fi les phải được duy trì đồng bộ với bảng thực tế.