1. 医疗数据分层建模与治理工程导论
医疗数据分层建模与治理工程，研究的不是“把数据存进数据库”这一件事，而是如何让来自门诊、住院、检验、影像、护理、医保结算等不同系统的数据，在保持临床语义一致的前提下，被逐层组织、加工、约束和复用。它同时回答两个问题：数据应该以什么结构被建模，以及这种结构如何被持续治理而不退化。本课程的目标，是让学习者能够从原始业务数据出发，设计出可追溯、可校验、可演进的分层数据体系，并配套相应的治理机制。
医疗数据的四个关键特征
医疗数据与一般业务数据最大的差别，在于它同时具有强语义、强时序、强隐私和强异构四重属性。
- 强语义：同一个“血糖”在不同科室可能指空腹血糖、餐后血糖或随机血糖，编码可能来自不同检验项目字典。脱离语义的字段名没有临床意义。
- 强时序：一次住院会产生入院记录、医嘱、执行记录、检验结果、出院小结等事件，它们有明确的先后与因果顺序，时间戳精度和时区必须统一。
- 强隐私：患者身份、就诊号、联系方式属于敏感信息，建模时必须考虑标识列与业务列的分离，以及最小必要暴露。
- 强异构：HIS、LIS、PACS、EMR 的数据模型、主键体系和更新频率各不相同，直接横向合并会产生大量冲突。
这四点决定了医疗数据不能“先堆后治”，而必须在建模阶段就引入分层思想。
分层建模与治理的总体框架
本课程采用的分层框架，从下到上依次为：原始层（ODS）→ 明细层（DWD）→ 汇总层（DWS）→ 应用层（ADS），治理能力则横向贯穿四层。原始层保留贴源数据，不做业务解释；明细层完成清洗、标准化和主键统一，是语义落地的关键；汇总层按主题（如患者、就诊、检验）做轻度聚合；应用层面向具体指标和报表。治理不是第五层，而是覆盖每一层的规则、元数据、质量校验和权限控制。
核心术语与工程挑战
在进入具体建模之前，需要先统一几个术语。分层建模指按数据加工深度划分层次，每层只解决特定问题；数据治理指围绕数据质量、安全、元数据和生命周期建立的规则与流程；主数据指患者、科室、药品、检验项目等被多系统共享的核心实体；血缘指一个字段从来源到应用的完整流转路径。这些术语会在后续章节反复出现。
工程挑战主要集中在四个方面。第一，主键冲突：不同系统的患者标识可能不一致，需要建立患者主索引（EMPI）进行归并。第二，编码映射：检验项目、诊断编码在不同字典间需要映射表，映射错误会直接污染下游指标。第三，时序对齐：医嘱时间、执行时间、检验采样时间必须区分清楚，否则趋势分析会失真。第四，治理滞后：如果质量规则只在应用层校验，问题发现太晚，修复成本极高。