Decision Support Methods in a Medical Application

Full text

(1)CORE. Metadata, citation and similar papers at core.ac.uk. Provided by Digital library of Brno University of Technology. ˇ ´ UCEN Í TECHNICKE ´ V BRNE ˇ VYSOKE BRNO UNIVERSITY OF TECHNOLOGY. ˇ ÍCH TECHNOLOGIÍ FAKULTA INFORMACN ˇ ÍCH SYSTEM ´ ´ U ˚ USTAV INFORMACN FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS. ´ Í V PROSTRED ˇ Í METODY PRO PODPORU ROZHODOVAN ´ ˇ ´ APLIKACE LEKA RSK E. ´ DIPLOMOVA´ PRACE MASTER’S THESIS. ´ AUTOR PRACE AUTHOR. BRNO 2009. ´ Bc. PETR MRAZEK.

(2) ˇ Í TECHNICKE ´ V BRNE ˇ VYSOKE´ UCEN BRNO UNIVERSITY OF TECHNOLOGY. ˇ ÍCH TECHNOLOGIÍ FAKULTA INFORMACN ˇ ÍCH SYSTEM ´ ´ U ˚ USTAV INFORMACN FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS. ´ Í V PROSTRED ˇ Í METODY PRO PODPORU ROZHODOVAN ´ ˇ ´ APLIKACE LEKA RSK E DECISION SUPPORT METHODS IN A MEDICAL APPLICATION. ´ DIPLOMOVA´ PRACE MASTER’S THESIS. ´ AUTOR PRACE. ´ Bc. PETR MRAZEK. AUTHOR. ´ VEDOUCÍ PRACE SUPERVISOR. BRNO 2009. Ing. VLADIMÍR BARTÍK, Ph.D..

(3) Abstrakt Diplomov´ a pr´ ace se zab´ yv´ a rozˇs´ıˇren´ım stávaj´ıc´ı lékaˇrské aplikace o prostˇredky pro podporu rozhodov´ an´ı. Prvn´ı ˇc´ ast pr´ ace je zamˇeˇrena na obecnou problematiku datov´ ych sklad˚ u, OLAP a dolov´ an´ı dat. Druh´ a ˇc´ ast se vˇenuje samotnému návrhu a implementaci rozˇs´ıˇren´ı v podobˇe samostatné aplikace umoˇzn ˇuj´ıc´ı provádˇen´ı OLAP anal´ yz nad nashromáˇzdˇen´ ymi zdravotnick´ ymi daty.. Kl´ıˇ cov´ a slova C++, datov´ y sklad, OLAP, dolován´ı dat, MySQL, XML. Abstract The diploma thesis is dealing with the present medical application extension by the means for decision support. The first part of the work is focused on the general problem of data warehouses, OLAP and the data mining. The second part attends to the very proposal and implementation of the extension in the form of the very application, which enables executing OLAP analysis upon the gathered medical data.. Keywords C++, data warehouse, OLAP, data mining, MySQL, XML. Citace Petr Mr´ azek: Metody pro podporu rozhodován´ı v prostˇred´ı lékaˇrské aplikace, diplomov´ a práce, Brno, FIT VUT v Brnˇe, 2009.

(4) Metody pro podporu rozhodov´ an´ı v prostˇ red´ı l´ ekaˇ rsk´ e aplikace Prohl´ aˇ sen´ı Prohlaˇsuji, ˇze jsem tuto diplomovou práci vypracoval samostatnˇe pod veden´ım pana Ing. Vladim´ıra Bart´ıka, Ph.D. ....................... Petr Mrázek 18. kvˇetna 2009. Podˇ ekov´ an´ı T´ımto bych r´ ad podˇekoval MUDr. Tomáˇsi Fabianovi za jeho odbornou pomoc, bez které by tato pr´ ace nemohla vzniknout.. c Petr Mr´. azek, 2009. Tato pr´ ace vznikla jako ˇskoln´ı d´ılo na Vysokém uˇcen´ı technickém v Brnˇe, Fakultˇe informaˇcn´ıch technologi´ı. Pr´ ace je chr´ anˇena autorským z´ akonem a jej´ı uˇzit´ı bez udˇelen´ı opr´ avnˇen´ı autorem je nez´ akonné, s výjimkou z´ akonem definovaných pˇr´ıpad˚ u..

(5) Obsah ´ 1 Uvod. 3. 2 Datov´ e sklady 2.1 Datov´ y trh . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Zp˚ usoby budov´ an´ı datového skladu . . . . . . . . . . . . . . . 2.2.1 Metoda velkého tˇresku . . . . . . . . . . . . . . . . . . 2.2.2 Pˇr´ır˚ ustkov´ a metoda . . . . . . . . . . . . . . . . . . . 2.3 Proces ETL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4 Porovn´ an´ı rozd´ıl˚ u mezi datov´ ym skladem a operaˇcn´ı databáz´ı. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. 4 4 4 5 5 6 7. ´ 3 Uvod do problematiky OLAP 3.1 Multidimenzion´ aln´ı datov´ y model . . . . . . . . . . . . . . 3.1.1 Srovn´ an´ı relaˇcn´ıho a multidimenzionáln´ıho modelu 3.2 Operace nad OLAP kostkou . . . . . . . . . . . . . . . . . 3.3 Typy OLAP . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Schémata tabulek dimenz´ı . . . . . . . . . . . . . . . . . . 3.4.1 Schéma hvˇezdy . . . . . . . . . . . . . . . . . . . . 3.4.2 Schéma snˇehové vloˇcky . . . . . . . . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. 8 9 10 11 11 12 12 12. ´ 4 Uvod do problematiky dolov´ an´ı dat 4.1 Asociaˇcn´ı pravidla a frekventované mnoˇziny . . . 4.1.1 Typy asociaˇcn´ıch pravidel . . . . . . . . . 4.2 Klasifikace a predikce . . . . . . . . . . . . . . . 4.2.1 Klasifikace pomoc´ı rozhodovac´ıch strom˚ u 4.2.2 Bayesovsk´ a klasifikace . . . . . . . . . . . 4.2.3 Klasifikace pomoc´ı neuronov´ ych s´ıt´ı . . . 4.3 Shlukov´ a anal´ yza . . . . . . . . . . . . . . . . . . 4.3.1 Typy shlukovac´ıch metod . . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. 14 14 14 15 15 15 16 16 16. 5 N´ avrh rozˇ s´ıˇ ren´ı existuj´ıc´ı l´ ekaˇ rsk´ e aplikace ´ 5.1 Uvod . . . . . . . . . . . . . . . . . . . . . . 5.2 Pojem d´ avka . . . . . . . . . . . . . . . . . 5.2.1 Definice datového rozhran´ı dávky . . 5.2.2 D´ avka ambulantn´ı sm´ıˇsená . . . . . 5.3 Poˇzadavky kladené na aplikaci . . . . . . . 5.3.1 Analyzovan´ a data . . . . . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. 18 18 18 19 19 21 22. 1. . . . . . .. . . . . . .. . . . . . ..

(6) 6 Implementace datov´ eho skladu 6.1 Volba datab´ azového stroje . . 6.2 Proces ETL . . . . . . . . . . 6.3 Struktura datového skladu . . ˇ n´ 6.3.1 Dimenze Cas avˇstˇevy 6.3.2 Dimenze Pacient . . . ˇ ıslo pojiˇstˇence . . . . 6.3.3 C´ 6.3.4 Dimenze Vˇek pacienta 6.3.5 Dimenze V´ ykon . . . . 6.3.6 Dimenze Pojiˇst’ovna . 6.3.7 Dimenze D´ avka . . . . 6.3.8 Dimenze Diagn´ oza . . 6.3.9 Fakta . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. 23 23 23 24 25 27 28 30 31 32 32 33 33. 7 Implementace aplikace MedOLAP 7.1 Pouˇzité v´ yvojové prostˇred´ı . . . . . . . . . . . . . . . . . . . . . . . . 7.1.1 Programovac´ı jazyk C++ . . . . . . . . . . . . . . . . . . . . 7.2 Podporované pˇr´ıstupy aplikace k datovému skladu . . . . . . . . . . 7.2.1 Vzd´ alen´ y pˇr´ıstup . . . . . . . . . . . . . . . . . . . . . . . . . 7.2.2 Lok´ aln´ı pˇr´ıstup . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2.3 Dialog konfigurace pˇripojen´ı . . . . . . . . . . . . . . . . . . . 7.3 Importov´ an´ı ˇc´ıseln´ık˚ u VZP do datového skladu . . . . . . . . . . . . 7.3.1 Form´ at ˇc´ıseln´ık˚ u dodávan´ ych VZP . . . . . . . . . . . . . . . 7.3.2 Konfigurace komponenty . . . . . . . . . . . . . . . . . . . . 7.3.3 Postup importov´ an´ı záznam˚ u z ˇc´ıseln´ıku do datového skladu 7.4 Import d´ avek do datového skladu . . . . . . . . . . . . . . . . . . . . 7.4.1 Dialog pro importován´ı dávek do datového skladu . . . . . . 7.5 OLAP tabulka a podporované operace nad datovou kostkou . . . . . 7.5.1 Podpora OLAP operace Drill down . . . . . . . . . . . . . . . 7.5.2 Podpora OLAP operace Roll up . . . . . . . . . . . . . . . . 7.5.3 Podpora OLAP operace Pivoting . . . . . . . . . . . . . . . . 7.5.4 Podpora OLAP operac´ı Slice & Dice . . . . . . . . . . . . . . 7.6 Pˇrevod OLAP pohledu na dotaz SQL . . . . . . . . . . . . . . . . . 7.6.1 Konfigurace transformaˇcn´ı komponenty . . . . . . . . . . . . 7.7 Spr´ ava importovan´ ych d´ avek . . . . . . . . . . . . . . . . . . . . . . 7.8 Persistence vytvoˇren´ ych OLAP pohled˚ u . . . . . . . . . . . . . . . . 7.8.1 Implementace lokáln´ıho uloˇziˇstˇe pohled˚ u. . . . . . . . . . . . 7.8.2 Jazyk XML jako prostˇredek pro uloˇzen´ı pohledu . . . . . . . 7.8.3 Uˇzivatelské rozhran´ı pro práci s lokáln´ım uloˇziˇstˇem . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . .. 35 35 36 37 37 38 39 39 40 40 41 41 42 42 45 45 45 45 49 49 51 51 53 53 55. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. 8 Z´ avˇ er. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. 57. 2.

(7) Kapitola 1. ´ Uvod Vˇetˇsina lékaˇr˚ u vyuˇz´ıv´ a k provozován´ı své praxe nˇekter´ y z dostupn´ ych softwarov´ ych produkt˚ u urˇcen´ ych k veden´ı jejich odborné agendy. Tyto produkty ovˇsem ve vˇetˇsinˇe pˇr´ıpad˚ u nab´ızej´ı jen velmi omezené moˇznosti anal´ yzy nad zdravotnick´ ymi daty, která jsou tˇemito produkty spravov´ ana. Omezuj´ı se jen na poskytnut´ı základn´ıch statistick´ ych report˚ u jako je mnoˇzstv´ı v´ ykon˚ u proveden´ ych za dané obdob´ı, mnoˇzstv´ı z´ıskan´ ych bod˚ u, nejˇcastˇejˇs´ı v´ yskyt diagnóz, celkov´ y poˇcet pacient˚ u v kartotéce a podobnˇe. C´ılem této diplomové pr´ ace je tedy vytvoˇrit pro tyto produkty univerzáln´ı rozˇs´ıˇren´ı, které by lékaˇr˚ um v soukrom´ ych ambulantn´ıch ordinac´ıch umoˇznilo provádˇet pokroˇcilé anal´ yzy nad zdravotnick´ ymi daty, kter´ a bˇehem provozován´ı své praxe nashromáˇzdili. V prvn´ı ˇcásti práce se budeme nejprve zab´ yvat obecnou problematikou datov´ ych sklad˚ u, prostˇredk˚ u OLAP a dolov´ an´ı dat. Druh´ a ˇc´ ast se vˇenuje jiˇz samotnému návrhu a implementaci rozˇs´ıˇren´ı v podobˇe samostatné aplikace, která je urˇcena k analyzován´ı dat nad datov´ ym skladem prostˇrednictv´ım technologie OLAP. Vybudovan´ y datov´ y sklad bude tvoˇren zdravotnick´ ymi daty extrahovan´ ymi z datov´ ych soubor˚ u obsahuj´ıc´ıch detailn´ı informace o vˇsech zdravotn´ıch v´ ykonech proveden´ ych na jednotliv´ ych pacientech, které lékaˇr pˇredkládá za dané z´ uˇctovac´ı obdob´ı jednotliv´ ym pojiˇst’ovn´ am k proplacen´ı. Tyto d´ avky tedy pˇredstavuj´ı z hlediska anal´ yzy pomˇernˇe cenn´ y zdroj informac´ı o chodu daného zdravotnického zaˇr´ızen´ı. Prostˇrednictv´ım implementovan´ ym OLAP operac´ı pak bude lékaˇri umoˇznˇeno na tyto data nahl´ıˇzet z r˚ uzn´ ych pohled˚ u pˇri r˚ uzn´ ych u ´rovn´ıch abstrakce, d´ıky ˇcemuˇz si bude schopen uˇcinit zpˇetnˇe detailn´ı obraz o dosavadn´ım provozu své lékaˇrské praxe. Na závˇer budou shrnuty dosaˇzené v´ ysledky a nast´ınˇeno dalˇs´ı moˇzné pokraˇcován´ı v projektu.. 3.

(8) Kapitola 2. Datov´ e sklady Datov´ y sklad [1] je moˇzné ch´ apat jako strukturované u ´loˇziˇstˇe dat, které slouˇz´ı k uklád´ an´ı informaˇcn´ıho bohatstv´ı organizac´ı za co moˇzná nejvˇetˇs´ı ˇcasové obdob´ı. N´ıˇze jsou uvedeny poˇzadavky na datov´ y sklad podle Billa Inmona: 1. Subjektov´ a orientace - do datového skladu jsou zanáˇsena data sp´ıˇse podle pˇredmˇetu z´ ajmu, neˇz podle konkrétn´ı aplikace, ve které byla tato data vytvoˇrena. 2. Integrovanost - datov´ y sklad mus´ı b´ yt integrovan´ y a jednotn´ y. Data t´ ykaj´ıc´ı se konkrétn´ıho pˇredmˇetu jsou do skladu uloˇzena pouze jednou. Data pˇricházej´ı do datového skladu z nekonzistentn´ıho a neintegrovaného operaˇcn´ıho prostˇred´ı, proto mus´ı b´ yt tato data v etapˇe pˇr´ıpravy a zaveden´ı upravena, vyˇciˇstˇena a sjednocena. ˇ 3. Casov´ a variabilita - data jsou do datového skladu zanáˇsena jako série sn´ımk˚ u, kde kaˇzd´ y pˇredstavuje jist´ y ˇcasov´ yu ´sek. V operaˇcn´ım databázovém prostˇred´ı jsou data ukl´ ad´ ana za kratˇs´ı ˇcasové obdob´ı dn´ı, maximálnˇe mˇes´ıc˚ u, zat´ımco v datovém skladu jsou data vˇetˇsinou i za nˇekolik let chodu organizace. 4. Nemˇ ennost - Na rozd´ıl od operaˇcn´ıch transakˇcn´ıch databáz´ı, kde jsou data vkládána, modifikov´ ana i maz´ ana, v datovém skladu se vˇetˇsinou nemˇen´ı ani neodstraˇ nuj´ı, jen se v pravideln´ ych intervalech pˇridávaj´ı novˇe z´ıskaná data.. 2.1. Datov´ y trh. Z hlediska investic i ˇcasu je budován´ı datového skladu pomˇernˇe nároˇcn´ y projekt a proto se v nˇekter´ ych pˇr´ıpadech pˇristupuje k budován´ı datového skladu po menˇs´ıch ˇcástech datov´ ych trz´ıch. Datov´ y trh lze tedy chápat jako podmnoˇzinu datového skladu, která je urˇcena pro menˇs´ı organizaˇcn´ı ˇc´ asti organizace (napˇr. prodej, marketing atd.). Datové trhy mohou vzniknout i opaˇcn´ ym zp˚ usobem, kdy je nejprve vybudován centráln´ı datov´ y sklad a z nˇej je pak vytvoˇreno nˇekolik datov´ ych trh˚ u. V´ ysledkem jsou pak menˇs´ı nároky na provoz au ´drˇzbu.. 2.2. Zp˚ usoby budov´ an´ı datov´ eho skladu. Existuj´ı dvˇe nejˇcastˇeji pouˇz´ıvané metody budován´ı datového skladu:. 4.

(9) Obr´ azek 2.1: Architektura datového skladu s datov´ ymi trhy. • Metoda velkého tˇresku • Pˇr´ır˚ ustkov´ a metoda. 2.2.1. Metoda velk´ eho tˇ resku. Tato metoda stav´ı na pˇredpokladu, ˇze je moˇzné realizovat implementaci datového skladu v rámci jediného projektu. Metoda je sloˇzena ze tˇr´ı následuj´ıc´ıch etap: 1. Anal´ yza poˇ zadavk˚ u organizace 2. Vytvoˇ ren´ı datov´ eho skladu 3. Vytvoˇ ren´ı pˇ r´ıstupu k datov´ emu skladu bud’ pˇ r´ımo nebo pomoc´ı datov´ ych trh˚ u. Jedinou v´ yhodou této metody je fakt, ˇze je moˇzné cel´ y projektov´ y plán vypracovat jeˇstˇe pˇred jeho samotnou realizac´ı. Mezi jej´ı hlavn´ı nev´ yhody naopak patˇr´ı jednak velké riziko zmˇeny poˇzadavk˚ u a pomˇernˇe dlouhá doba, neˇz se dostav´ı prvn´ı v´ ysledky investic.. 2.2.2. Pˇ r´ır˚ ustkov´ a metoda. Tato metoda pˇredpokl´ ad´ a budován´ı datového skladu po jednotliv´ ych etapách - postupnˇe pˇrib´ yvaj´ı nov´ a rozˇs´ıˇren´ı, kter´ a zapadaj´ı do celkové architektury datového skladu. Typicky se zaˇc´ın´ a s budov´ an´ım nˇekolika málo oblast´ı, které se implementuj´ı ve formˇe rozˇsiˇritelného datového trhu a tento trh je n´ aslednˇe poskytnut koncov´ ym uˇzivatel˚ um. Prvn´ı podsystémy tedy zaˇcnou pracovat a pˇrin´ aˇset v´ yhody krátkém ˇcase po spuˇstˇen´ı projektu. Pˇr´ır˚ ustkov´ a metoda se skl´ ad´ a z následuj´ıc´ıch krok˚ u(viz obrázek 2.2): 1. Strategie - Definov´ an´ı jak krátkodob´ ych, tak dlouhodob´ ych c´ıl˚ u strategie zahrnuj´ıc´ıch u ´ˇcel datového skladu, jeho vybudován´ı, dokumentaci, ˇskolen´ı uˇzivatel˚ u atd. V této f´ azi je definov´ an i z´ aklad architektury datového skladu organizace. 5.

(10) 2. Definice - Definov´ an´ı c´ıle a rozsahu pˇr´ır˚ ustkového v´ yvoje. Fáze zahrnuje jak návrh architektury datového skladu, tak architekturu technick´ ych prostˇredk˚ u. Vytvoˇr´ı se poˇc´ ateˇcn´ı pˇr´ır˚ ustek, zdokumentuj´ı se zdroje dat a vymez´ı se rozsah kvality tˇechto u ´daj˚ u. 3. Anal´ yza - Z´ısk´ av´ an´ı dat a poˇzadavk˚ u na pˇr´ıstup k dat˚ um, informace o uˇzivatel´ıch skladu, vytvoˇren´ı relaˇcn´ıch a multidimenzionáln´ıch model˚ u a metadat. 4. N´ avrh - Poˇzadavky, které byly z´ıskané bˇehem anal´ yzy jsou transformovány do detailn´ıch podm´ınek n´ avrhu. 5. Sestaven´ı - Bˇehem této f´ aze se vytvoˇr´ı a otestuj´ı navrˇzené databázové struktury a moduly pro pr´ aci s datov´ ym skladem. 6. Produkce - Datov´ y sklad je nasazen do provozu, zaˇc´ıná se ˇr´ıdit r˚ ust a správa datového skladu.. Obr´ azek 2.2: Iteraˇcn´ı cyklus pˇr´ır˚ ustkové metody. K hlavn´ım v´ yhod´ am této metody patˇr´ı: • rychlejˇ s´ı n´ avratnost vloˇ zen´ ych investic • moˇ znost implementace ˇ sk´ alovateln´ e architektury • tvorba datov´ eho skladu po ˇ c´ astech udrˇ zuje kontinuitu projektu s poˇ zadavky uˇ zivatel˚ u. 2.3. Proces ETL. Poté, co je datov´ y sklad, ˇci datov´ y trh naimplementován, je nutné ho naplnit daty. Data jsou vˇetˇsinou um´ıstˇena v r˚ uzn´ ych nehomogenn´ıch operaˇcn´ıch prostˇred´ıch, databázov´ ych 6.

(11) systémech, hardwarov´ ych platformách, archivn´ıch systémech, podnikov´ ych systémech a v r˚ uzn´ ych dokumentech. Kromˇe intern´ıch dat v rámci organizace je také moˇzné z´ıskat data anal´ yzou konkurenˇcn´ıho prostˇred´ı, od obchodn´ıch partner˚ u, z internetu, nebo jejich zakoupen´ım, coˇz samozˇrejmˇe jen zvyˇsuje jejich r˚ uznorodost. Takováto data je d˚ uleˇzité pˇred zaveden´ım do datového skladu nejdˇr´ıve vyextrahovat, vyˇcistit a pak ve vhodné formˇe zavést do datového skladu. Proces ETL se skl´ ad´ a z n´ asleduj´ıc´ıch tˇr´ı etap: • Extrakce - C´ılem této etapy je z´ıskán´ı dat z v´ yˇse uveden´ ych zdroj˚ u. Pro extrakci jsou k dispozici r˚ uzné n´ astroje a technologie. • Tranformace - Jedn´ a se o soubor u ´kon˚ u, které vedou ke zkvalitnˇen´ı dat z´ıskan´ ych v pˇredchoz´ı etapˇe. Bˇehem této etapy tedy docház´ı k sjednocován´ı formátován´ı dat, sjednocen´ı pˇriˇrazen´ı datov´ ych typ˚ u, penˇeˇzn´ıch jmen atd. Bˇehem transformace se vˇetˇsinou vyskytuj´ı n´ asleduj´ıc´ı typy problém˚ u, které je nutné vyˇreˇsit: – chybˇej´ıc´ı hodnoty – duplicitn´ı z´ aznamy – nejednoznaˇcnost dat – nejednoznaˇcnost n´ azv˚ u pojm˚ u – nejednoznaˇcnost penˇeˇzn´ıch mˇen – chybˇej´ıc´ı datum – nejednotnost form´ at˚ u ˇc´ısel a textov´ ych ˇretˇezc˚ u • Zaveden´ı(Loading) - V této posledn´ı fázi procesu ETL docház´ı k samotnému fyzickému pˇresunut´ı extrahovan´ ych a transformovan´ ych dat do datového skladu.. 2.4. Porovn´ an´ı rozd´ıl˚ u mezi datov´ ym skladem a operaˇ cn´ı datab´ az´ı. Následuj´ıc´ı tabulka shrnuje rozd´ıly mezi typickou operaˇcn´ı databáz´ı a datov´ ym skladem.. Vlastnost ˇcas odezvy operace p˚ uvod dat organizace dat velikost zdroje dat ˇcinnosti. Operaˇ cn´ı datab´ aze zlomky vteˇrin aˇz vteˇriny DML 30-60 dn´ı podle aplikace mal´ a aˇz velká operaˇcn´ı, intern´ı procesy. 7. Datov´ y sklad vteˇriny aˇz hodiny primárnˇe jen pro ˇcten´ı série sn´ımk˚ u za ˇcasov´ y okamˇzik podle pˇredmˇetu, ˇcasu, atd. velká aˇz velmi velká operaˇcn´ı, intern´ı, extern´ı anal´ yza.

(12) Kapitola 3. ´ Uvod do problematiky OLAP Term´ın OLAP(Online Analytical Processing)[1] zavedl Dr. E. F. Cood k popisu technologie, kter´ a by pomohla pˇreklenout mezery mezi vyuˇzit´ım osobn´ıch poˇc´ıtaˇc˚ u a ˇr´ızen´ım podnikov´ ych dat. N´ıˇze je uvedeno dvan´ act p˚ uvodn´ıch pravidel, které by mˇel splˇ novat OLAP od Dr. E. F. Codda: 1. Multidimenzion´ aln´ı konceptu´ aln´ı pohled - OLAP by mˇel poskytovat uˇzivateli multidimenzion´ aln´ı model odpov´ıdaj´ıc´ı jeho podnikatelsk´ ym potˇrebám tak, aby takov´ y model mohl vyuˇz´ıvat pro anal´ yzu shromáˇzdˇen´ ych dat. 2. Transparentnost - Technologie systému OLAP, podˇr´ızená databáze a architektura v´ ypoˇctu by mˇely b´ yt pro uˇzivatele transparentn´ı, proto aby mohl naplno vyuˇz´ıvat svoji produktivitu a odbornost pouˇzit´ı front-end nástroj˚ u a prostˇred´ı.D˚ uleˇzitá je samozˇrejmˇe i heterogennost vstupn´ıch dat, kterou zajist´ıme v procesu ETL. 3. Dostupnost - Systém OLAP by mˇel pˇristupovat jen k tˇem dat˚ um, která jsou potˇrebn´ a pro anal´ yzu. Systém by mˇel b´ yt také schopen pˇristupovat ke vˇsem dat˚ um potˇrebn´ ym pro anal´ yzu, nez´ avisle na tom, ze kterého heterogenn´ıho podnikového zdroje tato data poch´ azej´ı, jak ˇcasto jsou obnovována a podobnˇe. 4. Konzistentn´ı vykazov´ an´ı - I kdyˇz poˇcet záznam˚ u a tedy i velikost databáz´ı postupem ˇcasu roste, uˇzivatel by nemˇel poznat ˇzádné podstatné sn´ıˇzen´ı v´ ykonu. 5. Architektura klient-server - Systém OLAP mus´ı odpov´ıdat princip˚ um architektury klient-server s pˇrihlédnut´ım na maximáln´ı cenu a v´ ykon, flexibilitu a interoperabilitu. 6. Generick´ a dimenzionalita - Kaˇzdá dimenze dat mus´ı b´ yt ekvivalentn´ı ve struktuˇre i operaˇcn´ıch schopnostech. 7. Dynamick´ e oˇ setˇ ren´ı ˇ r´ıdk´ ych matic - Systém OLAP by mˇel b´ yt schopen adaptovat svoje fyzické schéma na konkrétn´ı analytick´ y model, kter´ y optimalizuje oˇsetˇren´ı ˇr´ıdk´ ych matic, pˇriˇcemˇz dos´ ahne a udrˇz´ı poˇzadovanou u ´roveˇ n v´ ykonu. 8. Podpora pro v´ıce uˇ zivatel˚ u - Systém OLAP mus´ı b´ yt schopn´ y podporovat pracovn´ı skupinu uˇzivatel˚ u pracuj´ıc´ıch souˇcasnˇe na konkrétn´ım modelu.. 8.

(13) 9. Neomezen´ e kˇ r´ıˇ zov´ e dimenzion´ aln´ı operace - Systém OLAP mus´ı dokázat rozeznat dimenzion´ aln´ı hierarchie a automaticky vykonat asociované kumulované kalkulace v r´ amci dimenz´ı a i mezi nimi. 10. Intuitivn´ı manipulace s daty - Pravidlo definuje konsolidované pˇreorientován´ı cest na detailn´ı u ´roveˇ n a zpˇet drilldown, drillup. Uˇzivatelské rozhran´ı by mˇelo umoˇzn ˇovat vˇsechny manipulace zp˚ usobem ”ukázat a klepnout, pˇr´ıpadnˇe zachytit a pˇrem´ıstit”v buˇ nk´ ach kostky. 11. Flexibiln´ı vykazov´ an´ı - Mus´ı existovat schopnost uspoˇrádat ˇrádky, sloupce a buˇ nky zp˚ usobem, jenˇz umoˇzn´ı anal´ yzu intuitivn´ı vizuáln´ı prezentac´ı analytick´ ych sestav. 12. Neomezen´ e dimenze a u ´ rovnˇ e agregace - V závislosti na poˇzadavc´ıch podnik´ an´ı muˇze m´ıt analytick´ y model v´ıce dimenz´ı, pˇriˇcemˇz kaˇzdá z nich muˇze m´ıt v´ıcenásobné hierarchie. Systém OLAP by nemˇel zavádˇet ˇzádné umˇelé omezen´ı poˇctu dimenz´ı nebo u ´rovn´ı agregace.. 3.1. Multidimenzion´ aln´ı datov´ y model. Multidimenzion´ aln´ı datov´ y model je moˇzné zobrazit ve formˇe v´ıcerozmˇerné kostky. Takovou kostku lze pak ch´ apat jako jist´ y ekvivalent tabulky v relaˇcn´ı databázi. Kaˇzdá kostka je sloˇzena z nˇekolika dimenz´ı. Dimenze obsahuj´ı organizaˇcnˇe nebo logicky hierarchicky uspoˇr´ adan´ a data(obr´ azek 3.1). V podstatˇe se jedná o textové popisy obchodován´ı.. Obr´ azek 3.1: Pˇr´ıklad hierarchick´ ych u ´rovn´ı pro dimenze ˇcas, produkt a lokalita Data(oznaˇcovan´ a jako fakta) se v kostce nacházej´ı na pr˚ useˇc´ıc´ıch jednotliv´ ych dimenz´ı. Fakta jsou numerické mˇerné jednotky obchodován´ı pˇredstavuj´ıc´ı mnoˇzstv´ı, na jehoˇz základˇe se analyzuj´ı vztahy mezi dimenzemi. Pomoc´ı vhodnˇe zvolen´ ych kombinac´ı dimenz´ı a u ´rovn´ı jejich abstrakce lze z´ıskat informace napˇr. o celkovém objemu prodeje za jisté ˇcasové obdob´ı, zjistit, jaké zboˇz´ı ˇslo v jednotliv´ ych obdob´ıch nejv´ıce na odbyt, prodej zboˇz´ı v r˚ uzn´ ych lokalitách atd. Pro v´ ypoˇcet OLAP kostek je nutné provádˇet velké mnoˇzstv´ı v´ ypoˇct˚ u a to témˇeˇr v re´ alném ˇcase. Uved’me si jednoduch´ y pˇr´ıklad tˇr´ıdimenzionáln´ı datové kostky(obrázek 3.2). Tato kostka obsahuje n´ asleduj´ıc´ı dimenze:. 9.

(14) • ˇcas • lokalita • produkt. Obr´ azek 3.2: Pˇr´ıklad tˇr´ıdimenzionáln´ı datové kostky.. Pˇredpokl´ adejme, ˇze zkoumanou mˇernou jednotkou(faktem) je objem prodeje. Napˇr´ıklad následuj´ıc´ımi kombinacemi dimenz´ı lze pak z´ıskat tyto informace: • ˇ cas - produkt - informace o objemu prodeje jednotliv´ ych druh˚ u produkt˚ u za urˇcité obdob´ı • ˇ cas - informace o celkovém objemu prodeje za urˇcité obdob´ı • ˇ cas - lokalita - produkt - informace o objemu prodeje jednotliv´ ych druh˚ u produkt˚ u za urˇcité obdob´ı v jednotliv´ ych lokalitách. 3.1.1. Srovn´ an´ı relaˇ cn´ıho a multidimenzion´ aln´ıho modelu. N´ıˇze jsou uvedeny z´ akladn´ı v´ yhody a nev´ yhody obou model˚ u. • Relaˇ cn´ı model Mezi hlavn´ı v´ yhody relaˇcn´ıho modelu patˇr´ı: – znaˇcné mnoˇzstv´ı odborn´ık˚ u, kteˇr´ı s t´ımto modelem roky pracuj´ı – existence velkého mnoˇzstv´ı v´ yvojov´ ych prostˇredk˚ u pro v´ yvoj aplikac´ı a generov´ an´ı report˚ u – uplatnˇen´ı v transakˇcn´ıch databáz´ıch a datov´ ych skladech Nev´ yhody: 10.

(15) – naprost´ y nedostatek komplexn´ıch analytick´ ych nástroj˚ u – objem dat, k nimˇz lze v rozumném ˇcase pˇristoupit je omezen • Multidimenzion´ aln´ı model V´ yhody: – schopnost rychlého komplexn´ıho pˇr´ıstupu k velkému objemu dat – pˇr´ıstup k relaˇcn´ım a multidimenzionáln´ım datov´ ym strukturám – moˇznost prov´ adˇen´ı komplexn´ıch anal´ yz – znaˇcné schopnosti pro modelován´ı a prognózy Nev´ yhody: – pˇri zmˇenˇe dimenz´ı bez pˇrizp˚ usoben´ı ˇcasové dimenze nastávaj´ı komplikace – klade vyˇsˇs´ı poˇzadavky na velikost u ´loˇziˇstˇe. 3.2. Operace nad OLAP kostkou. Jak jiˇz bylo zm´ınˇeno v´ yˇse, data v multidimenzionáln´ım modelu jsou organizována do urˇcitého poˇctu dimenz´ı. Kaˇzd´ a taková dimenze má nˇekolik u ´rovn´ı abstrakce, d´ıky ˇcemuˇz lze na data nahl´ıˇzet z r˚ uzn´ ych pohled˚ u. Pro definován´ı poˇzadovan´ ych pohled˚ u jsou k dispozici následuj´ıc´ı z´ akladn´ı OLAP operace: • Roll-Up - Posun v hierarchii dimenze o jednu u ´roveˇ n v´ yˇse. Pokud bychom byly napˇr´ıklad v dimenzi ˇcas na u ´rovni den a provedli operaci Roll-up, pak bychom se posunuli na u ´roveˇ n mˇes´ıc(viz pˇr´ıklad hierarchi´ı na obrázku 3.1). Nyn´ı by tedy byla data v kostce seskupena nikoliv podle dn˚ u, ale podle jednotliv´ ych mˇes´ıc˚ u. • Drill-Down - Jedn´ a se o opak pˇredchoz´ı operace Roll-up. V hierarchii dimenze se posuneme o jednu u ´roveˇ n hloubˇeji a z´ıskáme tak detailnˇejˇs´ı v´ ysledky. V pˇr´ıpadˇe dimenze lokalita bychom se posunuli napˇr. z u ´rovnˇe stát na detailnˇejˇs´ı u ´roveˇ n kraj. • Slice & Dice - Operace Slice slouˇz´ı k proveden´ı selekce nad jednou dimenz´ı. V´ ysledkem operace je podkostka obsahuj´ıc´ı pouze data, která splˇ nuj´ıc´ı danou podm´ınku. Pˇr´ıkladem takové podm´ınky m˚ uˇze b´ yt napˇr: (lokalita = Praha). Ve v´ ysledné podkostce by tedy byla jen data vztahuj´ıc´ı se k dané lokalitˇe. Naproti tomu operace Dice umoˇzn ˇuje selekci nad v´ıce neˇz jednou dimenz´ı. Podm´ınka pro selekci by mohla vypadat následovnˇe: (lokalita = Brno) and (cas = duben) and (produkt = TV). V´ ysledkem bude opˇet podkostka splˇ nuj´ıc´ı danou podm´ınku. • Pivot - Rotace os v 2D nebo 3D kostce, nebo zobrazen´ı 3D kostky jako kolekce 2D kostek za u ´ˇcelem jiné prezentace dat v kostce.. 3.3. Typy OLAP. OLAP systémy mohou b´ yt podle typu u ´loˇziˇstˇe multidimenzionáln´ıch dat rozdˇeleny do následuj´ıc´ıch kategori´ı:. 11.

(16) • Multidimenzion´ aln´ı OLAP(MOLAP) - Data se z´ıskávaj´ı bud’ z datového skladu nebo z operaˇcn´ıch zdroj˚ u. Analytická data jsou pak uloˇzena ve speciáln´ıch datov´ ych struktur´ ach a sum´ aˇr´ıch. Bˇehem tohoto procesu se vypoˇc´ıtá tolik pˇredbˇeˇzn´ ych v´ ysledk˚ u, kolik je z ˇcasového i kapacitn´ıho hlediska moˇzné - data se tedy v u ´loˇziˇsti ukládaj´ı jako dopˇredu vypoˇc´ıtan´ a pole. Data jsou organizována takov´ ym zp˚ usobem, kter´ y poskytuje maxim´ aln´ı v´ ykon vzhledem k poˇzadovan´ ym dotaz˚ um uˇzivatel˚ u, nev´ yhodou je vˇsak redundance takov´ ych dat, protoˇze jsou uloˇzeny jak v relaˇcn´ı databázi, tak v multidimenzion´ aln´ı datab´ azi. Dalˇs´ı znaˇcnou nev´ yhodou je fakt, ˇze v pˇr´ıpadˇe vyˇsˇs´ıho poˇctu dimenz´ı m˚ uˇze velikost takové databáze extrémnˇe nar˚ ustat. • Relaˇ cn´ı datab´ azov´ y OLAP(ROLAP) - Data pro anal´ yzu jsou v tomto pˇr´ıpadˇe z´ısk´ av´ ana z relaˇcn´ıho datového skladu. Po zpracován´ı jsou data z relaˇcn´ıch datab´ az´ı pˇredkl´ ad´ ana uˇzivatel˚ um jako multidimenzionáln´ı pohled. Data a metadata jsou uklád´ any jako z´ aznamy v relaˇcn´ı databázi. Metadata jsou pak systémem ROLAP následnˇe vyuˇz´ıv´ ana ke generov´ an´ı SQL dotaz˚ u, kter´ ymi jsou z´ıskána analytická data poˇzadovan´ a uˇzivateli. V´ yhodou u ´loˇziˇstˇe typu ROLAP je, ˇze nedocház´ı k redundanci, protoˇze data z˚ ust´ avaj´ı uloˇzena v relaˇcn´ı databázi, nev´ yhodou je oproti systém˚ um MOLAP niˇzˇs´ı dotazovac´ı v´ ykon. • Hybridn´ı OLAP(HOLAP) - Jedná se o kombinaci u ´loˇziˇst’ MOLAP a ROLAP. ’ Vyuˇz´ıvaj´ı se v´ yhody jednotliv´ ych typ˚ u u ´loˇziˇst a eliminuj´ı se nev´ yhody. Samotn´ a data z˚ ust´ avaj´ı uloˇzena v relaˇcn´ıch databáz´ıch a do multidimenzionáln´ıch struktur se ukl´ adaj´ı pouze vypoˇc´ıtané agregace.. 3.4. Sch´ emata tabulek dimenz´ı. V pˇr´ıpadˇe systém˚ u typu ROLAP, které vyuˇz´ıvaj´ı relaˇcn´ı datov´ y sklad je nutné namapovat multidimenzion´ aln´ı model a OLAP operace na relaˇcn´ı tabulky a SQL dotazy. Mezi nejpouˇz´ıvanˇejˇs´ı schémata datového skladu patˇr´ı schéma hvˇezdy a schéma snˇehové vloˇcky.. 3.4.1. Sch´ ema hvˇ ezdy. Schéma hvˇezdy(obr´ azek 3.3) se skládá z jedné centráln´ı tabulky fakt˚ u, která obsahuje ciz´ı kl´ıˇce, které se vztahuj´ı k prim´ arn´ım kl´ıˇc˚ um v jednotliv´ ych tabulkách dimenz´ı, z nichˇz kaˇzd´ a obsahuje informace o jedné z dimenz´ı. Schéma nemá normalizované dimenze ani relaˇcn´ı propojen´ı mezi tabulkami dimenz´ı. Jeho v´ yhodou je vysok´ y dotazovac´ı v´ ykon, nicménˇe jeho vytvoˇren´ı je d´ıky nenormalizovan´ ym dimenz´ım pomˇernˇe pomalé.. 3.4.2. Sch´ ema snˇ ehov´ e vloˇ cky. Schéma snˇehové vloˇcky(obr´ azek 3.4) je podobné jako schéma hvˇezdy s t´ım rozd´ılem, ˇze nˇekteré tabulky dimenz´ı jsou normalizované.To znamená, ˇze nˇekteré dimenze jsou sloˇzeny z v´ıce tabulek. V´ yhodou tohoto modelu je d´ıky normalizovan´ ym dimenz´ım sn´ıˇzen´ı redundance, nicménˇe pˇri dotazovan´ı je nutné provést v´ıce tabulkov´ ych spojen´ı, coˇz negativnˇe ovlivˇ nuje dotazovac´ı v´ ykon.. 12.

(17) Obr´ azek 3.3: Pˇr´ıklad schématu hvˇezdy. Obr´ azek 3.4: Pˇr´ıklad schématu snˇehové vloˇcky. 13.

(18) Kapitola 4. ´ Uvod do problematiky dolov´ an´ı dat Proces dolov´ an´ı dat(Data mining) [1][2][3] je zamˇeˇren na anal´ yzu velkého mnoˇzstv´ı dat z r˚ uzn´ ych perspektiv a jejich pˇremˇenu na uˇziteˇcné informace, které jsou následnˇe vyuˇzity k podpoˇre rozhodov´ an´ı. Z matematického hlediska se jedná o hledán´ı korelac´ı, tedy vzdájemn´ ych vztah˚ u nebo vzor˚ u v datech. V následuj´ıc´ıch sekc´ıch jsou uvedeny nejˇcastˇejˇs´ı typy anal´ yz v rámci procesu dolov´ an´ı dat.. 4.1. Asociaˇ cn´ı pravidla a frekventovan´ e mnoˇ ziny. Anal´ yza se z hlediska asociaˇcn´ıch pravidel zamˇeˇruje na hledán´ı r˚ uzn´ ych souvislost´ı nad mnoˇzinami datov´ ych poloˇzek. Z matematického hlediska se jedná o zkoumán´ı korelace, at’ uˇz pozitivn´ı, nebo negativn´ı. Pozitivn´ı korelace znamená, ˇze vysoká u ´roveˇ n jedné promˇenné je doprov´ azena vysokou u ´rovn´ı korelaˇcn´ı promˇenné. Negativn´ı korelace naopak udává, ˇze vysoká u ´roveˇ n jedné promˇenné bude provázena n´ızkou u ´rovn´ı korelaˇcn´ı promˇenné. Typick´ ym pˇr´ıkladem vyuˇzit´ı asociaˇcn´ıch pravidel je anal´ yza nákupn´ıho koˇs´ıku, kdy se snaˇz´ıme zjistit, jaké zboˇz´ı si z´ akazn´ıci nejbˇeˇznˇeji kupuj´ı dohromady. Na základˇe objeven´ ych vztah˚ u mezi jednotliv´ ymi poloˇzkami v nákupn´ım koˇs´ıku je pak moˇzné rozm´ıstit zboˇz´ı v obchodˇe efektivnˇeji, popˇr´ıpadˇe vhodnˇe sestavovat nab´ıdkové akce atd. N´ıˇze je uveden moˇzn´ y tvar asociaˇcn´ıho pravidla: tiskarna ⇒ papir do tiskarny (s = 2%, c = 60%) kde hodnoty s a c pˇredstavuj´ı metriky asociaˇcn´ıho pravidla - podporu a spolehlivost. Podpora ud´ av´ a v kolika transakc´ıch z celkového poˇctu vˇsech transakc´ı se vyskytly tyto dvˇe poloˇzky spoleˇcnˇe a spolehlivost udává v kolika transakc´ıch z celkového poˇctu transakc´ı obsahuj´ıc´ıch prvn´ı poloˇzku se z´ aroveˇ n vyskytla i druhá poloˇzka.. 4.1.1. Typy asociaˇ cn´ıch pravidel. Asociaˇcn´ı pravidla je moˇzné rozdˇelit podle n´ıˇze uveden´ ych kritéri´ı: • Podle typu hodnot v pravidlech - Pokud pravidla popisuj´ı asociace mezi kvantitativn´ımi atributy nebo poloˇzkami, pak se jedná o kvantitativn´ı asociaˇcn´ı pravidla. V pˇr´ıpadˇe, ˇze n´ as zaj´ım´ a pouze pˇr´ıtomnost nebo nepˇr´ıtomnost jisté poloˇzky, pak se jedn´ a. 14.

(19) o booleovsk´ a asociaˇcn´ı pravidla. N´ıˇze je uveden pˇr´ıklad kvantitativn´ıho asociaˇcn´ıho pravidla: vek = 30..50 ∧ prijem = 30000 − 48000 ⇒ koupi (tiskarna) • Podle poˇ ctu dimenz´ı obsaˇ zen´ ych v pravidlech - Asociaˇcn´ı pravidla se oznaˇcuj´ı jednodimenzion´ aln´ı, jestliˇze obsahuj´ı pouze jednu dimenzi. V opaˇcném pˇr´ıpadˇe se jedn´ a o pravidla v´ıcedimenzionáln´ı. • Podle u ´ rovn´ı abstrakce v pravidlech - Existuj´ı metody umoˇzn ˇuj´ıc´ı z´ıskán´ı asociaˇcn´ıch pravidel nad r˚ uzn´ ymi u ´rovni abstrakce. Tato pravidla se oznaˇcuj´ı jako v´ıce´ urovˇ nov´ a. vek = 30..50 ⇒ koupi (tiskarna) vek = 30..50 ⇒ koupi (multif unkcni tiskarna). 4.2. Klasifikace a predikce. Klasifikac´ı rozum´ıme proces umoˇzn ˇuj´ıc´ı pˇriˇrazen´ı vstupn´ıch objekt˚ u do koneˇcného poˇctu jist´ ych tˇr´ıd na z´ akladˇe jejich vlastnost´ı. Predikce je naproti tomu proces pˇriˇrazuj´ıc´ı dat˚ um hodnoty obecnˇe spojitého charakteru - tyto hodnoty jsou pˇredpov´ıdany na základˇe vlastnost´ı daného objektu. Proces klasifikace je rozdˇelen na dvˇe fáze: • F´ aze uˇ cen´ı - Z datab´ aze je vybrána trénovac´ı mnoˇzina dat. U tˇechto dat je nutné zn´ at pˇresnˇe tˇr´ıdu, do které jsou pˇriˇrazeny. Klasifikátor pak na základˇe tˇechto dat generuje klasifikaˇcn´ı pravidla, prostˇrednictv´ım kter´ ych je pak moˇzné jednotlivé objekty pˇriˇrazovat s jistou pˇresnost´ı do konkrétn´ıch tˇr´ıd. • F´ aze testov´ an´ı dan´ eho klasifik´ atoru - Jakmile jsou vytvoˇrena klasifikaˇcn´ı pravidla, je nutné tyto pravidla otestovat. Je vybrána tzv. testovac´ı mnoˇzina dat, u které je nutné, stejnˇe jako v pˇr´ıpadˇe trénovac´ı mnoˇziny, znát klasifikaˇcn´ı tˇr´ıdy, do kter´ ych tato data n´ aleˇz´ı. Data by nemˇela pocházet z trénovac´ı mnoˇziny kv˚ uli moˇznému zkreslen´ı testovac´ıch v´ ysledk˚ u. Data jsou na základˇe klasifikaˇcn´ıch pravidel rozdˇelena do jednotliv´ ych tˇr´ıd. N´ aslednˇe se urˇc´ı procentuáln´ı u ´spˇeˇsnost klasifikátoru a na základˇe této u ´spˇeˇsnosti je pak rozhodnuto, zda je tento klasifikátor moˇzno pouˇz´ıt ke klasifikaci operaˇcn´ıch dat, ˇci nikoliv.. 4.2.1. Klasifikace pomoc´ı rozhodovac´ıch strom˚ u. Klasifikace je zaloˇzena na grafu stromové struktury. Kaˇzd´ y vnitˇrn´ı uzel grafu obsahuje podm´ınku pro hodnotu jistého atributu a koncové uzly pˇredstavuj´ı tˇr´ıdy, do kter´ ych jsou objekty klasifikov´ any. Takov´ yto graf je pak moˇzné snadno pˇrepsat do tvaru klasifikaˇcn´ıch pravidel.. 4.2.2. Bayesovsk´ a klasifikace. Bayesovsk´ a klasifikace je zaloˇzena na statistice. Pro kaˇzd´ y nov´ y vzorek dat je na základˇe statistick´ ych metod vypoˇctena pravdˇepodobnost náleˇzen´ı prvku do jednotliv´ ych tˇr´ıd. Vzorek dat je n´ aslednˇe zaˇrazen do tˇr´ıdy s nejvˇetˇs´ı pravdˇepodobnost´ı pˇriˇrazen´ı. 15.

(20) 4.2.3. Klasifikace pomoc´ı neuronov´ ych s´ıt´ı. Dalˇs´ım klasifikaˇcn´ım modelem jsou neuronové s´ıtˇe. Tyto s´ıtˇe jist´ ym zp˚ usobem simuluj´ı strukturu lidského mozku. Z´ akladn´ım logick´ ym prvkem neuronov´ ych s´ıt´ı je neuron. Do neuronu vstupuj´ı vstupn´ı data z vnˇejˇs´ıho vstupu s´ıtˇe nebo z v´ ystupu jiného neuronu. Tato data jsou neuronem ˇc´ asteˇcnˇe zpracována pomoc´ı sumace a aktivaˇcn´ıch funkc´ı a následnˇe se pˇresouvaj´ı na vstup dalˇs´ıho neuronu, nebo na v´ ystup neuronové s´ıtˇe. Zpracov´ an´ı pomoc´ı neuronov´ ych s´ıt´ı nevycház´ı z ˇzádného statistického hlediska, n´ ybrˇz ’ pracuje na principu rozpozn´ av´ an´ı vzor˚ u a minimalizace chyb. Neuronová s´ıt je tvoˇrena uzly uspoˇrádan´ ymi do vrstev. Data se nejprve rozdˇel´ı do trénovac´ı a testovac´ı mnoˇziny. V kaˇzdé iteraci jsou vstupy zpracov´ any systémem a následnˇe porovnány se skuteˇcnou hodnotou. Zmˇeˇren´ a chyba je pˇred´ ana systému k upraven´ı p˚ uvodn´ı váhy. Proces je ukonˇcen v okamˇziku dosaˇzen´ı urˇcené minim´ aln´ı chyby.. 4.3. Shlukov´ a anal´ yza. Shlukov´ an´ı je rozdˇelov´ an´ı objekt˚ u na základˇe jejich podobnost´ı do tˇr´ıd. Jednotlivé tˇr´ıdy pak obsahuj´ı navz´ ajem hodnˇe podobné objekty, které zároveˇ n nejsou pˇr´ıliˇs podobné objekt˚ um z jin´ ych tˇr´ıd. Podobnost objekt˚ u je hodnocena podle hodnot jednotliv´ ych atribut˚ u objekt˚ u a ˇcasto se k tomuto u ´ˇcelu vyuˇz´ıvaj´ı vzdálenostn´ı funkce. Proces shlukován´ı nevyˇzaduje na rozd´ıl od klasifikace ˇz´ adnou trénovac´ı mnoˇzinu ani ˇzádné pˇreddefinované tˇr´ıdy.. 4.3.1. Typy shlukovac´ıch metod. Shlukovac´ı metody lze rozdˇelit do následuj´ıc´ıch kategori´ı: • Metody zaloˇ zen´ e na rozdˇ elov´ an´ı - Metody rozdˇeluj´ı n objekt˚ u do k tˇr´ıd, kde pro k, n plat´ı k ≤ n. Kaˇzdá tˇr´ıda obsahuje alespoˇ n jeden objekt a kaˇzd´ y objekt patˇr´ı pouze do jedné tˇr´ıdy. Je nutné zadat poˇcet tˇr´ıd, do kter´ ych se maj´ı objekty rozdˇelovat. Nejprve se vybere náhodnˇe k objekt˚ u reprezentuj´ıc´ıch jednotlivé tˇr´ıdy a ostatn´ı objekty se zaˇrad´ı do jednotliv´ ych tˇr´ıd na základˇe podobnosti. V dalˇs´ım kroku se hledaj´ı interaktivnˇe objekty nejlépe reprezentuj´ıc´ı jednotlivé tˇr´ıdy a objekty jsou pˇresouv´ any mezi jednotliv´ ymi tˇr´ıdami tak, aby jejich podobnost byla v rámci tˇr´ıdy maxim´ aln´ı a podobnost s objekty jin´ ych tˇr´ıd minimáln´ı. • Hierarchick´ e metody - Vytváˇr´ı se hierarchick´ y rozklad mnoˇziny objekt˚ u - vytváˇr´ı se strom shluk˚ u. Hierarchické metody se rozdˇeluj´ı podle pr˚ ubˇehu rozkladu na Shlukuj´ıc´ı hierarchické metody, kdy se nejprve zaˇrad´ı kaˇzd´ y objekt do speciáln´ı tˇr´ıdy a následnˇe se sluˇcuj´ı nejpodobnˇejˇs´ı tˇr´ıdy, dokud nejsou vˇsechny tˇr´ıdy spojeny do jedné tˇr´ıdy, nebo se nedos´ ahne poˇzadované u ´rovnˇe shlukován´ı a na Rozdˇeluj´ıc´ı hierarchické metody, kdy se vˇsechny objekty nejdˇr´ıve um´ıst´ı do jediné tˇr´ıdy a pak se jednotlivé tˇr´ıdy dˇel´ı na menˇs´ı tˇr´ıdy do té doby, neˇz je kaˇzd´ y objekt um´ıstˇen ve zvláˇstn´ı tˇr´ıdˇe, nebo se dosáhlo poˇzadov´ ané u ´rovnˇe rozdˇelován´ı. • Metody zaloˇ zen´ e na hustotˇ e - Za shluky se povaˇzuj´ı oblasti s velkou hustotou objekt˚ u v prostoru dat, které jsou od sebe oddˇelené oblastmi s malou hustotou objekt˚ u. Objekty vyskytuj´ıc´ı se v oblastech s malou hustotou se povaˇzuj´ı za ˇsum. V´ yhodou tˇechto metod je skuteˇcnost, ˇze umoˇzn ˇuj´ı nacházet shluky r˚ uzn´ ych tvar˚ u a jsou schopné se vypoˇr´ adat s odlehl´ ymi hodnotami a ˇsumem v datech.. 16.

(21) • Metody zaloˇ zen´ e na mˇ r´ıˇ zce - Vyuˇz´ıvá se v´ıce´ urovˇ nová mˇr´ıˇzková datová struktura. Prostor objekt˚ u je rozdˇelen na koneˇcn´ y poˇcet bunˇek tvoˇr´ıc´ıch mˇr´ıˇzku. Nad touto mˇr´ıˇzkovou strukturou pak prob´ıhaj´ı veˇskeré operace slukován´ı. Pˇrednost´ı tohoto typu metod je doba zpracov´ an´ı datové mnoˇziny, která je závislá pouze na poˇctu bunˇek struktury a nikoliv na celkovém poˇctu objekt˚ u. • Metody zaloˇ zen´ e na modelech - Snaha o optimalizaci shody mezi datovou mnoˇzinou a nˇejak´ ym dan´ ym matematick´ ym modelem. C´ılem je tedy nalezen´ı takov´ ych shluk˚ u, které by co nejv´ıce odpov´ıdaly danému modelu. Data jsou ve vˇetˇsinˇe pˇr´ıpad˚ u generov´ ana na z´ akladˇe sloˇzené pravdˇepodobnostn´ı distribuˇcn´ı funkce. Patˇr´ı zde napˇr. metody neuronov´ ych s´ıt´ı a konceptuáln´ı shlukován´ı. Konceptuáln´ı shlukován´ı nehled´ a na rozd´ıl od bˇeˇzného shlukován´ı jen skupiny objekt˚ u,ale snaˇz´ı se pro kaˇzdou skupinu objekt˚ u nalézt charakteristick´ y popis. ˇ • Metody pro shlukov´ an´ı vysoce dimenzion´ aln´ıch dat - Rada shlukovac´ıch metod m´ a problémy pˇri shlukov´ an´ı vysoce dimenzionáln´ıch dat, jelikoˇz byly navrˇzeny jen pro pouˇzit´ı s mal´ ym poˇctem dimenz´ı. U rostouc´ıho poˇctu dimenz´ı je totiˇz problémem skuteˇcnost, ˇze jen nˇekteré z tˇechto dimenz´ı jsou relevantn´ı pro jednotlivé shluky. Data ostatn´ıch dimenz´ı pak generuj´ı pomˇernˇe velké mnoˇzstv´ı ˇsumu znemoˇzn ˇuj´ıc´ıho nalezen´ı shluk˚ u. Pro shlukov´ an´ı takov´ ychto dat je moˇzné vyuˇz´ıt metodu transformace rys˚ u transformuj´ıc´ı data do prostoru s menˇs´ım poˇctem dimenz´ı pˇri zachován´ı relevantn´ıch vzd´ alenost´ı mezi jednotliv´ ymi objekty, nebo metodu v´ ybˇeru atribut˚ u, která je zaloˇzena na nalezen´ı nejv´ıce relevantn´ıch atribut˚ u pro danou u ´lohu a odstranˇen´ı nadbyteˇcn´ ych atribut˚ u.. 17.

(22) Kapitola 5. N´ avrh rozˇ s´ıˇ ren´ı existuj´ıc´ı l´ ekaˇ rsk´ e aplikace 5.1. ´ Uvod. C´ılem této kapitoly je shrnout n´ aroky na aplikaci, která by pˇredstavovala nejen rozˇs´ıˇren´ı stávaj´ıc´ı lékaˇrské ambulantn´ı databázové aplikace, ale bylo by ji moˇzné vyuˇz´ıt i spolu s ostatn´ımi podobnˇe zamˇeˇren´ ymi zdravotnick´ ymi produkty. Takováto rozˇs´ıˇrená pouˇzitelnost s sebou samozˇrejmˇe pˇrin´ aˇs´ı jeden zásadn´ı problém - jak´ ym zp˚ usobem extrahovat z libovolné aplikace data, nad kter´ ymi bude následnˇe provádˇena pokroˇcilá anal´ yza. Pˇrestoˇze si mohou b´ yt jednotlivé aplikace velmi podobné a z hlediska funkcionality a ovládán´ı si opravdu podobné jsou, tak kaˇzdá takováto aplikace ukládá ambulantn´ı data sv´ ym vlastn´ım zp˚ usobem, at’ uˇz do sv´ ych vlastn´ıch datov´ ych struktur, nebo za pouˇzit´ı r˚ uzn´ ych typ˚ u datab´ azov´ ych systém˚ u. Pokud by mˇelo navrhované rozˇs´ıˇren´ı pracovat pˇr´ımo s intern´ımi daty vˇsech tˇechto aplikac´ı, bylo by nutné zn´ at dopodrobna zp˚ usob uloˇzen´ı dat pro kaˇzdou z nich, coˇz by bylo bez intenzivn´ı spolupr´ ace se softwarov´ ymi spoleˇcnostmi, které tyto aplikace vytvoˇrily nereálné. ˇ sen´ım tohoto problému je vyuˇzit´ı jedné vlastnosti, kterou maj´ı vˇsechny pouˇzitelné amReˇ bulantn´ı aplikace spoleˇcné. Touto vlastnost´ı je generován´ı datov´ ych dávek pro pojiˇst’ovny. Kaˇzdá datov´ a d´ avka m´ a dopodrobna definované datové rozhran´ı, které mus´ı vˇsechny tyto aplikace dodrˇzovat. Navrhovan´ a aplikace tedy bude pracovat nad importovan´ ymi záznamy z vygenerovan´ ych datov´ ych d´ avek, tzn. nad stejn´ ymi daty, jaká jsou ambulantn´ımi lékaˇri pˇredávan´ a pojiˇst’ovn´ am ke zpracován´ı.. 5.2. Pojem d´ avka. Dávka[4][5] je vyvrcholen´ım lékaˇrovy práce, t´ ykaj´ıc´ı se pojiˇst’ovny. Jsou do n´ı vtˇesnány vˇsechny u ´ˇcty, které lékaˇr za posledn´ı obdob´ı nashromáˇzdil a které budou odeslány pojiˇst’ovnˇe na datovém nosiˇci. D´ avky jsou uloˇzeny v ASCII souboru, kter´ y má pˇredepsané standardn´ı jméno KDAVKA.XXX, kde XXX pˇredstavuje kód pojiˇst’ovny. Plat´ı zásada, ˇze na kaˇzdém datovém nosiˇci je jen jeden soubor.. 18.

(23) 5.2.1. Definice datov´ eho rozhran´ı d´ avky. Dávka zaˇc´ın´ a u ´vodn´ı vˇetou d´ avky, která obsahuje základn´ı informace o zdravotnickém zaˇr´ızen´ı a d´ avce. N´ asleduj´ıc´ı vˇety reprezentuj´ı jednotlivé doklady. Doklady se skládaj´ı z typ˚ u vˇet pevné délky ˇrazen´ ych za sebou. Jednotlivé vˇety jsou od sebe oddˇeleny znaky ”posun voz´ıku a nov´ a ˇr´ adka”(CRLF). Atributy vˇety nejsou oddˇeleny delimitory.. 5.2.2. D´ avka ambulantn´ı sm´ıˇ sen´ a. Jelikoˇz je navrhovan´ a aplikace urˇcena pouze pro vyuˇzit´ı v soukrom´ ych ambulantn´ıch ordinac´ıch, bude pracovat jen se z´ aznamy z´ıskan´ ymi z dávek typu ambulantn´ı sm´ıˇsené. Tento typ je urˇcen pro vykazov´ an´ı v´ ykon˚ u v ambulantn´ı péˇci. V podstatˇe se jedná o elektronickou verzi klasického pap´ırového formuláˇre uvedeného na obrázku 5.1.. Kód pojišťovny. IČP. Odbornost. Čís. dokladu. Var. symbol. Poř. č.. VYÚČTOVÁNÍ VÝKONŮ V AMBULANTNÍ PÉČI Příjmení a jméno pacienta: Čís. pojištěnce. Základní diagnóza. Ostatní diagnózy. Datum. Kód. Poč. Odbornost. Diagnóza. 1 2 ind.. NÁHRADY 3 úraz zaviněný jinou osobou 4 požití alkoholu, omamné látky 5 pracovní úraz 7 porušení léčebného režimu 8 jiný důvod 9 nemoc z povolání. 3 4 5 6 7 8 9 10 11 12. Obr´ azek 5.1: Pap´ırov´ y formuláˇr pro vy´ uˇctován´ı v´ ykon˚ u. Typy vˇ et. Doklady se v této d´ avce skládaj´ı z následuj´ıc´ıch ˇctyˇr typ˚ u vˇet:. 1. z´ ahlav´ı – vyskytuje se pro kaˇzd´ y doklad jednou a obsahuje pˇreváˇznˇe informace o pacientovi, jemuˇz je doklad pˇriˇrazen, poˇctu vykazovan´ ych v´ ykon˚ u, poˇrad´ı dokladu v d´ avce a dalˇs´ı. N´ıˇze jsou uvedeny jej´ı atributy. Popis typ˚ u v tabulk´ ach atribut˚ u: C -znakov´ y atribut, N - numerick´ y atribut, D - datum ve tvaru “DDMMRRRR“, $ - penˇeˇzn´ı atribut, formát x.y ( x m´ıst vˇcetnˇe desetinné teˇcky, z toho y desetinn´ ych m´ıst). 19.

(24) N´ azev TYP HCID HSTR HPOC HPOR. Typ C N N N N. D´ elka 1 7 1 1 3. Zaˇ c´ atek 0 1 8 9 10. HCPO HTPP HICO HVAR HODB HROD HZDG. C C C C C C C. 3 1 8 6 3 10 5. 13 16 17 25 31 34 44. HKON HICZ HCDZ HREZ HCCEL HCBOD DTYP. C C N C $ N C. 1 8 7 10 10.2 7 1. 49 50 58 65 75 85 95. Popis typ vˇety “A“ - záhlav´ı ˇc´ıslo dokladu Poˇradové ˇc´ıslo listu dokladu Celkov´ y poˇcet list˚ u dokladu Poˇradové ˇc´ıslo listu v dávce. Povolen´ y rozsah od 1-999. ˇc´ıslo pojiˇst’ovny Typ pˇripojiˇstˇen´ı ˇ Identifikaˇcn´ı ˇc´ıslo pracoviˇstˇe - ICP Variabiln´ı symbol Smluvn´ı odbornost pracoviˇstˇe ˇ ıslo pojiˇstˇence C´ ˇ ıslo základn´ı diagnózy, pro kterou C´ byl pacient v tomto obdob´ı léˇcen nevyplˇ nuje se nevyplˇ nuje se nevyplˇ nuje se nevyplˇ nuje se Cena celkem - nepovinné Body celkem - nepovinné Doplnˇek typu vˇety záhlav´ı nevyplˇ nuje se. Celkov´ a délka vˇety: 93 znak˚ u 2. v´ ykony - prostˇrednictv´ım této vˇety se zadávaj´ı jednotlivé v´ ykony, které byly na pacientovi bˇehem daného z´ uˇctovac´ıho obdob´ı provedeny. Maximálnˇe 99 v´ ykon˚ u. N´ azev TYP VDAT. Typ C D. D´ elka 1 8. Zaˇ c´ atek 0 1. VKOD VPOC VODB. C N C. 5 1 3. 9 14 15. VDIA. C. 5. 18. VBOD VTYP. N C. 5 1. 23 28. Celkov´ a délka vˇety: 29 znak˚ u 20. Popis Typ vˇety ”V” - v´ ykony Datum proveden´ı v´ ykonu. Uveden´ı je povinné u prvn´ıho v´ ykonu v daném dnu ˇ ıslo v´ C´ ykonu Poˇcet proveden´ı v´ ykonu Odbornost - uvád´ı se povinnˇe v pˇr´ıpadˇe, kdy byl v´ ykon proveden na pracoviˇsti jiné smluvn´ı odbornosti, neˇz je uvedena v záhlav´ı dokladu Diagnóza - je-li uvedena základn´ı diagnóza, uvád´ı se jen u v´ ykon˚ u, které se k základn´ı diagnóze nevztahuj´ı. Nevyplnˇená diagnóza se povaˇzuje za diagnózu základn´ı. Body za v´ ykon - nepovinn´ yu ´daj Doplnˇek typu vˇety v´ ykony. Rezerva, nevyplˇ nuje se.

(25) 3. n´ ahrady za zdravotn´ı p´ eˇ ci - v´ yskyt podle poˇctu náhrad, maximálnˇe 2 N´ azev TYP. Typ C. D´ elka 1. Zaˇ c´ atek 0. NTYP TYPN. C C. 1 1. 1 2. Popis Typ vˇety “N” náhrady za zdravotn´ı péˇci Typ náhrady Doplnˇek typu vˇety náhrady. Rezerva, nevyplˇ nuje se. Celkov´ a délka vˇety: 3 znaky 4. ostatn´ı diagn´ ozy - v´ yskyt podle poˇctu diagnóz, maximálnˇe 4 N´ azev TYP GCIS. Typ C C. D´ elka 1 5. Zaˇ c´ atek 0 1. GTYP. C. 1. 6. Popis Typ vˇety “G“ - ostatn´ı diagnózy ˇ ıslo dalˇs´ı vyskytuj´ıc´ı se diagnózy C´ souvisej´ıc´ı s poskytovanou péˇc´ı Doplnˇek typu vˇety ostatn´ı diagnózy. Rezerva, nevyplˇ nuje se. Celkov´ a délka vˇety: 7 znak˚ u Vˇety uvedené v´ yˇse maj´ı v d´ avce pˇresnˇe definované poˇrad´ı v´ yskytu. Na obrázku 5.2 je znázornˇen stavov´ y diagram fiktivn´ıho automatu, kter´ y by byl schopen ovˇeˇrit správné poˇrad´ı jednotliv´ ych vˇet.. Obr´ azek 5.2: Stavov´ y diagram znázorˇ nuj´ıc´ı posloupnost jednotliv´ ych vˇet v dávce. 5.3. Poˇ zadavky kladen´ e na aplikaci. Aplikace je uˇcena k prov´ adˇen´ı anal´ yz nad zdravotnick´ ymi daty z´ıskan´ ymi prostˇrednictv´ım datov´ ych d´ avek, které jsou generované ambulantn´ımi aplikacemi za u ´ˇcelem vy´ uˇctov´ an´ı v´ ykon˚ u jednotliv´ ym pojiˇst’ovn´ am. Anal´ yza dat bude uˇzivatelem provádˇena prostˇrednictv´ım OLAP operac´ı nad multidimenzionáln´ım modelem, kter´ y bude namapován na relaˇcn´ı tabulky datového skladu. 21.

(26) Aplikace tedy mus´ı umoˇzn ˇovat zpracován´ı jednotliv´ ych dávkov´ ych soubor˚ u, které je sloˇzeno z n´ asleduj´ıc´ıch krok˚ u: 1. nalezen´ı vˇsech v´ yskyt˚ u d´ avek typu ambulantn´ı sm´ıˇsené v tˇechto souborech 2. selekci dat, kter´ a jsou poˇzadována pro anal´ yzu 3. jejich transformaci do vhodného tvaru 4. zaveden´ı transformovan´ ych dat do relaˇcn´ıho datového skladu. 5.3.1. Analyzovan´ a data. Z jednotliv´ ych z´ aznam˚ u uveden´ ych v dávce lze pro kaˇzdého pacienta u kterého bylo za dané z´ uˇctovac´ı obdob´ı provedeno alespoˇ n jedno vyˇsetˇren´ı extrahovat následuj´ıc´ı, z hlediska anal´ yzy zaj´ımav´ a data pˇrestavuj´ıc´ı v navrhovaném multidimenzionáln´ım modelu jednotlivé dimenze: • Pacient - identifikace pacienta na základˇe rodného ˇc´ısla • Vˇek pacienta - vˇek, kterého pacient dovrˇsil pˇri dané návˇstˇevˇe zdravotnického zaˇr´ızen´ı • Pojiˇst’ovna, u které je dan´ y pacient veden • V´ ykon - typ v´ ykonu provedeného na pacientovi bˇehem návˇstˇevy • Diagn´ oza - informace o hlavn´ı diagnóze pacienta na kterou byl bˇehem daného obdob´ı léˇcen a diagn´ oze vztahuj´ıc´ı se k provedenému v´ ykonu ˇ - datum n´ • Cas avˇstˇevy, v r´ amci které byl proveden nˇekter´ y z v´ ykon˚ u • D´ avka - informace o konkrétn´ı dávce, ze které byla data importována do datového skladu Hlavn´ımi mˇern´ ymi jednotkami(faktem), nad kter´ ymi bude provádˇena anal´ yza jsou mnoˇzstv´ı bod˚ u z´ıskan´ ych za proveden´ı v´ ykon˚ u, poˇcet proveden´ı v´ ykonu, vyfakturovaná ˇcástka a poˇcet minut v´ ykonu. Vhodn´ ym aplikov´ an´ım OLAP operac´ı nad v´ yˇse uveden´ ymi dimenzemi pak bude moˇzné z´ıskat napˇr´ıklad n´ asleduj´ıc´ı informace: • celkové mnoˇzstv´ı z´ıskan´ ych bod˚ u za dané ˇcasové obdob´ı • mnoˇzstv´ı z´ıskan´ ych bod˚ u podle jednotliv´ ych pojiˇst’oven v rámci daného obdob´ı • vliv vˇeku na v´ yskyt jednotliv´ ych diagnóz • selekce pacient˚ u podle dané diagnózy a dalˇs´ı. 22.

(27) Kapitola 6. Implementace datov´ eho skladu 6.1. Volba datab´ azov´ eho stroje. Datov´ y sklad je provozov´ an na multiplatformn´ım databázovém stroji MySQL. MySQL byl zvolen na z´ akladˇe pozitivn´ıch zkuˇsenost´ı z jin´ ych projekt˚ u, které tento stroj vyuˇz´ıvaly a rovnˇeˇz pro mnoˇzstv´ı dostupn´ ych kvalitn´ıch nástroj˚ u umoˇzn ˇuj´ıc´ıch efektivn´ı správu datab´ aze a v´ yvoj datab´ azov´ ych aplikac´ı postaven´ ych na tomto ˇreˇsen´ı.. 6.2. Proces ETL. Data, kter´ a se v datovém skladu vyskytuj´ı, lze rozdˇelit na dvˇe skupiny na základˇe zdroj˚ u, ze kter´ ych jsou extrahov´ ana. Tˇemito zdroji jsou datové soubory obsahuj´ıc´ı jednotlivé dávky ambulantnˇe sm´ıˇsené a pomocné ˇc´ıseln´ıky dodávané pojiˇst’ovnou VZP. Oba tyto zdroje maj´ı pˇresnˇe definovanou strukturu záznam˚ u a povolen´ y obsah prostˇrednictv´ım datového rozhran´ı. Lékaˇrské aplikace generuj´ıc´ı tyto datové soubory tedy mus´ı toto rozhran´ı striktnˇe dodrˇzovat, jinak by ze strany pojiˇst’ovny doˇslo k jejich odm´ıtnut´ı. Z toho vypl´ yvá, ˇze dávka m˚ uˇze b´ yt importov´ ana z jakékoliv aplikace a pˇritom je stále zajiˇstˇen jak pˇresn´ y zp˚ usob uloˇzen´ı z´ aznam˚ u, tak validita obsaˇzen´ ych dat. D´ıky tomu je proces extrakce a následné transformace z´ıskan´ ych dat znaˇcnˇe zjednoduˇsen. C´ılem extrakce je tedy na základˇe rozhran´ı obsah jednotliv´ ych zdroj˚ u naˇc´ıst do vnitˇrn´ıch struktur a tyto struktury následnˇe pˇredat transformaˇcn´ımu procesu ke zpracován´ı. Záznamy v obou zdroj´ıch obsahuj´ı sadu doprovodn´ ych atribut˚ u, které nejsou z hlediska provádˇen´ı anal´ yz nad datov´ ym skladem potˇreba. C´ılem transformaˇcn´ı procesu je tedy tyto data z jednotliv´ ych záznam˚ u odstranit pˇred t´ım, neˇz jsou zavedena do datového skladu. Z nˇekter´ ych atribut˚ u obsaˇzen´ ych v importovan´ ych z´ aznamech je téˇz moˇzné dodateˇcnˇe extrahovat dalˇs´ı, z hlediska anal´ yzy cenné informace. Takov´ ymi atributy jsou napˇr´ıklad ˇretˇezec datumu pacientovy návˇstˇevy ambulantn´ıho zaˇr´ızen´ı, kter´ y je nutné pro zkvalitnˇen´ı dotazovac´ıch schopnost´ı v´ ysledného systému rozdˇelit na jednotlivé ˇcasové podsloˇzky a tyto uloˇzit do samostatn´ ych sloup˚ u c´ılové dimenze. Dalˇs´ım takov´ ym atributem je pak ˇc´ıslo pojiˇstˇence, které je reprezentováno rodn´ ym ˇc´ıslem. Z tohoto ˇc´ısla je pak moˇzné extahovat informace o narozen´ı a pohlav´ı pacienta. Zp˚ usob extrakce tˇechto dat bude detailnˇe vysvˇetlen u popisu jednotliv´ ych tabulek dimenz´ı, které jsou k uloˇzen´ı tˇechto dat urˇceny. Zat´ımco import dávek bude do datového skladu provádˇen v pravideln´ ych ˇcasov´ ych intervalech odpov´ıdaj´ıc´ıch smluvenému u ´ˇctovac´ımu obdob´ı, aktualizace podp˚ urn´ ych ˇc´ıseln´ık˚ u bude provádˇena pouze v pˇr´ıpadˇe, kdy bude obsah nˇekterého ˇc´ıseln´ıku pojiˇst’ovnou pozmˇenˇen. Zmˇena v datovém rozhran´ı obou zdroj˚ u si vˇzdy vyˇzád´ a. 23.

(28) vydán´ı aktualizované verze aplikace, kdy bude v závislosti na m´ıˇre proveden´ ych zmˇen nutné automatick´ ym procesem pˇrizp˚ usobit strukturu datového skladu nov´ ym poˇzadavk˚ um.. 6.3. Struktura datov´ eho skladu. Datov´ y sklad pro u ´ˇcely OLAP anal´ yzy nad zdravotnick´ ymi daty je realizován na základˇe schématu hvˇezdy, kdy jsou pˇr´ıtomny tabulky reprezentuj´ıc´ı jednotlivé dimenze a jedna tabulka fakt˚ u s odkazy na tyto dimenze a mˇern´ ymi jednotkami, jejiˇz anal´ yza se bude provádˇet. Schéma datového skladu je zobrazeno na obrázku 6.1.. Obr´ azek 6.1: Schéma datového skladu Datov´ y sklad obsahuje celkem 7 následuj´ıc´ıch tabulek dimenz´ı ˇ n´ • Cas avˇstˇevy • Pacient • V´ ykon • Vˇek pacienta • Pojiˇst’ovna • D´ avka • Diagn´ oza 24.

(29) 6.3.1. ˇ n´ Dimenze Cas avˇ stˇ evy. Dimenze slouˇz´ı pro uchov´ av´ an´ı ˇcas˚ u jednotliv´ ych návˇstˇev pacient˚ u zdravotnického zaˇr´ızen´ı. Z hlediska anal´ yzy by ovˇsem bylo velmi omezuj´ıc´ı pracovat pouze s konkrétn´ım datumem a proto jsou z toho datumu d´ ale extrahovány následuj´ıc´ı informace: • Rok • Kvart´ al • T´ yden ˇ ıslo mˇes´ıce v rozsahu 1-12 • C´ • N´ azev mˇes´ıce • Den v mˇes´ıci • Den v t´ ydnu • Den v t´ ydnu - n´ azev dne • Datum Pro extrakci v´ yˇse uveden´ ych ˇcasov´ ym poloˇzek obsahuje databáze MySQL sadu funkc´ı, které je moˇzné pouˇz´ıt pˇr´ımo v SQL dotazu a nen´ı tedy nutné ˇreˇsit extrakci programovˇe v samotném k´ odu aplikace. Extrakce roku K tomuto u ´ˇcelu je urˇcena funkce YEAR(datum), která pˇrij´ımá jako parametr konkrétn´ı datum a vrac´ı hodnoty v rozsahu 1000 - 9999, nebo 0 v pˇr´ıpadˇe nulového o datumu. Pˇr´ıklad pouˇzit´ı: SELECT YEAR(’2009-02-01’); -> 2009 Extrakce kvart´ alu K extrakci kvart´ alu je urˇcena funkce QUARTER(datum), která pˇrij´ımá jako parametr konkrétn´ı datum a vrac´ı hodnotu v rozsahu 1 - 4. Pˇr´ıklad pouˇzit´ı: SELECT QUARTER(’2009-02-01’); -> 1 Extrakce t´ ydne K extrakci t´ ydne je urˇcena funkce WEEK(datum), která pˇrij´ımá jako parametr konkrétn´ı datum a vrac´ı hodnotu v rozsahu 0 - 53. Pˇr´ıklad pouˇzit´ı: SELECT WEEK(’2008-02-01’); -> 4 25.

No results found