2. 医疗数据模型与表结构
医疗数据查询与分析的第一道门槛，不是 SQL 语法，而是“数据到底长什么样”。同一家医院里，患者信息、就诊记录、诊断结论、医嘱明细、检验结果、影像报告和费用流水往往分散在不同业务系统中，各自有独立的表结构和主键体系。如果直接凭字段名猜关系，很容易把“一次就诊”和“一个患者”混为一谈，导致统计口径错误。本节围绕核心实体及其关系建模展开，目标是建立一张可落地的“医疗数据地图”，为后续查询、聚合和指标计算提供稳定基础。
一、核心实体与主键设计
医疗数据模型通常以患者（Patient）为最上层实体，以就诊（Encounter/Visit）为业务主线，向下挂接诊断、医嘱、检验、影像和费用。每个实体必须有唯一标识，且标识的粒度决定了后续关联的准确性。
- 患者表（patient）：主键为
patient_id，存储姓名、性别、出生日期、身份证号、联系方式等相对稳定的属性。一个患者可以多次来院，因此患者与就诊是一对多关系。 - 就诊表（encounter）：主键为
encounter_id，外键patient_id，记录就诊类型（门诊/急诊/住院）、科室、接诊医生、入院时间、出院时间、就诊状态。一次就诊是诊断、医嘱、检验、影像和费用的共同归属单元。 - 诊断表（diagnosis）：主键
diagnosis_id，外键encounter_id，字段包括诊断编码（ICD-10）、诊断名称、诊断类型（主诊断/次诊断）、诊断时间。一次就诊可有多条诊断，主诊断通常唯一。 - 医嘱表（order）：主键
order_id，外键encounter_id，记录医嘱类型（药品/检查/检验/护理）、项目编码、项目名称、开立时间、执行状态、剂量与频次。 - 检验表（lab_result）：主键
lab_id，外键encounter_id，字段包括检验项目、结果值、单位、参考范围、异常标志、报告时间。 - 影像表（imaging）：主键
imaging_id，外键encounter_id，记录检查部位、检查方法、影像号、报告结论、报告医生。 - 费用表（charge）：主键
charge_id，外键encounter_id，记录收费项目、数量、单价、金额、费用类别、结算时间。
这里的关键判断是：诊断、医嘱、检验、影像、费用都直接挂在就诊上，而不是直接挂在患者上。因为一次就诊才对应一次完整的诊疗过程，患者可能在不同时间、不同科室产生多组数据。若把费用直接关联到患者，跨就诊汇总时就会丢失“哪一次就诊花了多少钱”的语义。
二、实体关系与关联路径
从查询视角看，最常用的关联路径是：patient → encounter → 各业务明细表。患者表与就诊表通过 patient_id 关联；就诊表与诊断、医嘱、检验、影像、费用表通过 encounter_id 关联。这种“星型”结构让一次就诊成为分析的基本单元，也便于按患者、科室、时间等维度聚合。
需要特别注意的是一对多关系带来的行数膨胀。例如一次就诊有 3 条诊断、5 条医嘱、10 条检验结果，若直接多表连接后统计费用，费用金额会被重复计算。正确做法是先按业务粒度聚合，再与费用表关联，或使用子查询分别汇总。下面这张关系图展示了核心实体、主键外键以及连接方向，可作为建表和写查询时的参照。
三、建模中的常见陷阱与处理
第一，患者与就诊混淆。统计“糖尿病患者人数”时，应按 patient_id 去重；统计“糖尿病就诊人次”时，应按 encounter_id 计数。两者口径不同，结果可能相差数倍。
第二，主诊断与次诊断混用。诊断表中一次就诊可能有多条记录，若直接按诊断编码分组统计，会把次诊断也计入。通常需要加 diagnosis_type = '主诊断' 条件，或明确说明统计口径。
第三，时间字段语义不清。就诊表有入院时间、出院时间，医嘱表有开立时间、执行时间，检验表有采样时间、报告时间。做时间趋势分析时，必须明确使用哪个时间字段，并在查询中统一口径。
第四，空值与状态过滤。就诊状态可能包含“已取消”“作废”等，费用表可能包含退费记录。建模时应明确哪些状态纳入统计，避免把无效数据计入指标。
四、一个可执行的关联查询示例
假设要统计某科室 2024 年 1 月每位患者的主诊断分布，并附带该次就诊的总费用。可以先按就诊聚合费用，再与诊断、患者关联，避免多表连接导致金额重复。示例 SQL 如下（表名与字段为教学假设）：
SELECT
p.patient_id,
p.name,
d.diagnosis_name,
e.encounter_id,
COALESCE(c.total_amount, 0) AS total_amount
FROM encounter e
JOIN patient p ON p.patient_id = e.patient_id
JOIN diagnosis d ON d.encounter_id = e.encounter_id
AND d.diagnosis_type = '主诊断'
LEFT JOIN (
SELECT encounter_id, SUM(amount) AS total_amount
FROM charge
WHERE status = '已结算'
GROUP BY encounter_id
) c ON c.encounter_id = e.encounter_id
WHERE e.dept_name = '内分泌科'
AND e.visit_time >= '2024-01-01'
AND e.visit_time < '2024-02-01'
AND e.status != '已取消'
ORDER BY p.patient_id, e.encounter_id;这段查询体现了三个建模要点：主诊断过滤、费用子查询预聚合、就诊状态过滤。执行后每一行代表“一位患者的一次就诊及其主诊断和总费用”，粒度清晰，可直接用于后续分组统计。若把费用表直接 JOIN 进来而不做子查询，当一次就诊有多条费用记录时，诊断行会被放大，总费用也会重复累加。