4. 临床数据仓库分层架构设计
临床数据仓库的分层不是把数据多存几遍，而是把“原始留存、整合治理、业务建模、场景服务”这四类职责拆开，让每一层只解决一类问题。若不分层，每个科室或每个分析需求都直接从业务库抽数、各自清洗、各自定义指标，就会形成烟囱式集市：口径不一致、重复开发、血缘断裂、上游一改下游全崩。分层的核心价值，是让数据从“能取到”逐步变成“可信、可复用、可追溯”。
四层职责与边界
ODS（Operational Data Store，操作数据存储）负责贴源留存。它按业务系统原始结构接入，尽量不做业务加工，保留源系统主键、时间戳、变更标识和抽取批次。ODS 的关键是“可回溯”：当上游数据被修改或删除时，仍能还原当时抽取到的样子。常见做法是保留全量快照或增量变更，并附加 etl_batch_id、extract_time、source_system 等元数据字段。
EDW（Enterprise Data Warehouse，企业数据仓库）负责整合与治理。它把不同系统的患者、就诊、医嘱、检验、费用等实体统一到企业级主数据模型下，完成编码归一、去重、主数据映射、跨系统关联。EDW 通常采用第三范式或适度范式建模，强调一致性维度与原子粒度事实，是“单一事实来源”的落点。
CDM（Clinical Data Model，临床数据模型）负责面向临床语义的建模。它在 EDW 基础上按临床主题组织，如患者、就诊、诊断、手术、用药、检验、检查、生命体征等，形成可被临床研究、质量指标、专科分析直接理解的宽表或维度模型。CDM 更贴近业务语言，字段命名、值域、时间语义都按临床口径定义。
ADS（Application Data Store，应用数据存储）负责场景化服务。它面向具体应用输出结果，如指标看板、科研队列、单病种报表、实时预警。ADS 允许冗余、允许预聚合、允许按查询模式优化，但必须能追溯到 CDM 或 EDW 的加工逻辑，不能成为新的“黑盒”。
数据血缘与流向
四层之间是单向、可追溯的流向：业务系统 → ODS → EDW → CDM → ADS。每一层都应记录字段级血缘，至少包括来源表、来源字段、转换规则、执行批次、责任人。血缘不是文档附件，而应作为元数据随任务一起落库，才能在排障时回答“这个指标为什么变了”。
分层粒度与存储策略
粒度决定存储成本和查询效率。ODS 保留原始粒度，按源系统结构存储，通常采用近线存储，保留周期依据法规和医院数据管理要求确定，例如在线保留 6～12 个月，历史归档到对象存储。EDW 保持原子粒度，采用第三范式或适度范式，避免过早聚合导致信息丢失，存储上使用温存储，按时间分区。CDM 按临床主题组织，可以是维度模型或宽表，粒度到“一次就诊、一条医嘱、一项检验结果”，按主题和时间分区。ADS 面向查询模式，允许预聚合、物化视图、宽表冗余，使用热存储保证响应速度。
存储策略还要考虑冷热分离：ADS 热数据放高性能存储，EDW/CDM 温数据放标准存储，ODS 冷数据放低成本存储。分区键通常选择 dt（业务日期）或 etl_date（抽取日期），两者语义不同，必须明确区分。例如检验结果按 report_date 分区用于临床分析，按 etl_date 分区用于增量回溯。
避免烟囱式集市的工程手段
第一，建立统一的主数据与编码映射。患者、就诊、科室、诊断、药品、检验项目等主数据在 EDW 层完成归一，CDM 和 ADS 只引用统一编码，不允许各自维护一套映射。第二，指标口径集中管理。每个指标在 CDM 或 EDW 中定义一次，ADS 只做展示和轻量计算，避免同一指标在多个集市重复实现。第三，血缘与影响分析自动化。当上游字段变更时，系统能自动列出受影响的下游任务和报表，而不是靠人工排查。第四，ADS 准入评审。新建 ADS 集市前，必须说明数据来源、口径依据、复用范围，防止“一个需求一个集市”。
一个简化的落地示例
假设要建设“急性心肌梗死单病种质量指标”。ODS 层从 HIS 抽取患者、就诊、诊断、手术、医嘱、检验记录，保留原始字段和抽取批次。EDW 层完成患者主索引匹配、诊断编码归一（ICD-10）、手术编码归一（ICD-9-CM-3）、科室映射。CDM 层构建“心梗患者就诊宽表”，包含入院时间、首次医疗接触时间、溶栓时间、PCI 时间、出院时间、用药记录、检验结果等字段。ADS 层计算“门球时间达标率”“再灌注治疗率”等指标，并输出到质量看板。整个链路中，每个指标都能通过血缘回溯到 CDM 字段，再回溯到 EDW 的原子记录，最终定位到 ODS 的原始抽取批次。
分层架构的最终目标，是让数据从“各自为战”变成“一次治理、多次复用”。ODS 保证不丢数据，EDW 保证口径统一，CDM 保证临床可理解，ADS 保证场景可交付。四层各司其职，血缘贯穿始终，才能避免烟囱式集市带来的重复建设和信任危机。