📚 课程目录第3章临床数据模型与数据集市建模

3. 临床数据模型与数据集市建模

临床专题数据集市与通用业务数据集市最大的区别在于：临床数据天然带有“事件—时间—主体—观察值”四重结构，且同一患者在不同时间点会反复产生同类记录。因此，建模时不能只考虑“怎么把表连起来”，而要先回答“这个专题要回答什么临床问题、按什么粒度聚合、哪些维度必须保留可追溯性”。维度建模正是为这类分析型场景服务的建模方法，它把数据组织成“事实表 + 维度表”的组合，让指标计算路径清晰、查询性能可控。

一、维度建模在临床专题中的基本形态

维度建模的核心是确定事实表粒度。以“患者检验专题”为例，最细粒度通常是一次检验项目结果，即“患者 + 就诊 + 检验申请 + 检验项目 + 报告时间”唯一确定一行。事实表中存放可加或半可加的度量，如检验结果值、参考区间上下限、异常标志；维度表则存放描述性属性，如患者维度（性别、年龄、出生日期）、时间维度（日期、周、月、季度）、机构维度（院区、科室）、项目维度（检验项目编码、名称、标本类型、单位）。

临床维度有一个特殊要求：缓慢变化维必须可追溯。例如患者科室会随就诊变化，检验项目参考区间会随仪器或标准更新。若直接覆盖旧值，历史指标会失真。常用做法是采用类型 2 缓慢变化维，为维度行增加生效时间、失效时间和当前标志，使“当时的事实”能关联“当时的维度”。

二、宽表设计：把常用路径固化下来

宽表不是“把所有字段堆在一起”，而是围绕一个明确的分析主题和查询模式，把事实与高频维度预先关联。临床专题中常见的宽表是“患者检验结果宽表”，其字段可包括：患者标识、就诊号、科室、检验项目、结果值、单位、参考区间、异常等级、报告时间、标本采集时间。宽表的价值在于减少多表连接，让指标平台在计算“某科室某月异常检验发生率”时只需扫描一张表。

但宽表也有代价：冗余存储、更新链路变长、维度变更时需要重刷历史分区。因此建议按“专题 + 时间分区”组织宽表，例如按报告日期做日分区，并保留事实表作为明细底座。宽表是服务层，不是唯一数据源。

三、星型与雪花模型的选型

星型模型以事实表为中心，维度表只做一层展开，结构简单、连接少、查询快，适合指标平台中高频、固定的分析路径。雪花模型则把维度进一步规范化，例如把“科室”拆成科室、病区、院区多层表，减少冗余但增加连接。临床专题中，如果维度层级稳定、查询以聚合为主，优先星型；如果机构、项目、诊断等维度存在多级编码体系且需要独立维护，可在局部采用雪花。

选型时可参考三个判断点：查询频率（高频走星型）、维度变更频率（频繁变更且需追溯时，维度独立成表更稳）、团队维护成本（雪花模型对 ETL 和血缘要求更高）。在同一个数据集市中，星型与雪花并非互斥，可以主星型、局部雪花。

四、落地过程：从临床问题到可查询模型

假设要建设“住院患者血糖管理专题”，目标是回答“各科室住院患者血糖异常率、复查率、危急值响应时长”。落地可按以下路径推进。

第一步，定义指标与粒度。血糖异常率 = 异常血糖结果数 / 血糖结果总数；复查率 = 同一患者 24 小时内再次检测血糖的就诊次数占比；危急值响应时长 = 危急值报告时间到临床确认时间的中位数。粒度统一到“患者 + 就诊 + 检验项目 + 报告时间”。

第二步，确定事实与维度。事实表存放血糖结果值、单位、异常等级、危急值标志、报告时间、确认时间；维度包括患者、时间、科室、检验项目、危急值等级。科室维度若需要院区—科室—病区三级，可拆成雪花结构，但对外仍以科室维度视图暴露。

第三步，设计宽表分区与更新。宽表按报告日期做日分区，每日增量刷新最近 3 天分区以吸收迟到数据；维度变更通过类型 2 缓慢变化维保留历史。指标平台查询时优先命中宽表，明细追溯再回退到事实表。

-- 示例：检验结果事实表（简化）
CREATE TABLE fact_lab_result (
  patient_id      BIGINT,
  visit_id        BIGINT,
  item_id         INT,
  dept_id         INT,
  report_time     TIMESTAMP,
  result_value    DECIMAL(12,4),
  abnormal_flag   VARCHAR(8),
  critical_flag   VARCHAR(4),
  confirm_time    TIMESTAMP
) PARTITION BY RANGE (report_time);

-- 示例：检验项目维度（类型2缓慢变化维）
CREATE TABLE dim_lab_item (
  item_sk         BIGINT,
  item_id         INT,
  item_name       VARCHAR(128),
  unit            VARCHAR(32),
  ref_low         DECIMAL(12,4),
  ref_high        DECIMAL(12,4),
  effective_from  DATE,
  effective_to    DATE,
  is_current      BOOLEAN
);

第四步，验证与判断。建模完成后，用三类检查确认可用性：一是粒度唯一性检查，确认事实表主键组合无重复；二是维度追溯检查，随机抽取历史指标，确认其关联的是当时生效的维度版本；三是性能检查，对“科室 + 月 + 异常率”查询，宽表方案应显著低于直接多表连接。若发现指标口径与临床统计不一致，优先回查维度版本和事实粒度，而不是先改 SQL。

临床专题建模的常见误区：把“患者”当成唯一粒度，忽略就诊和报告时间，导致同一患者多次检验被错误合并；或把参考区间直接写死在事实表，仪器或标准更新后历史结果无法解释。建议参考区间随项目维度版本管理，事实表只存结果值与版本外键。

总体而言，临床专题的维度建模应坚持“先定粒度、再定维度、后定宽表”的顺序。星型模型作为默认服务形态，雪花模型用于维度层级复杂且需独立维护的局部场景；宽表作为指标平台的高频服务层，事实表作为可追溯底座。三者配合，才能在临床专题中同时满足查询效率、口径一致与历史可追溯。