📚 课程目录第4章患者主索引与跨表身份对齐

4. 患者主索引与跨表身份对齐

在多表临床数据关联分析中，最基础也最容易出错的一步，是把分散在不同业务表里的记录归并到同一个“患者”身上。医院信息系统通常按业务过程建表：挂号系统记录病历号，检验系统记录就诊流水号，影像系统可能只保留住院号，而病案首页又同时出现身份证号与病案号。这些标识符各自服务于不同业务，彼此之间没有天然的强绑定关系。如果直接按某一列做连接，往往会出现同一患者被拆成多条、或不同患者被错误合并的情况。因此，需要先建立患者主索引（EMPI，Enterprise Master Patient Index），再以主索引为锚点完成跨表身份对齐。

三类标识符的语义与稳定性差异

理解标识符的语义，是设计对齐规则的前提。临床数据中常见的身份标识大致可分为三类：

身份证号：全局唯一、跨机构稳定，是身份对齐的黄金标识。但存在缺失、脱敏、录入错误（如末位校验位不符）等问题，不能假设其完整可用。
病历号（病案号）：通常由医院或院区分配，在院内相对稳定，但患者转院、重复建档、合并档案时可能产生多个病历号。
就诊流水号：一次就诊一个号，粒度最细、稳定性最低，只能用于定位“某次就诊”，不能直接作为患者身份标识。

三者的关系可以概括为：身份证号指向“人”，病历号指向“人在某机构的档案”，就诊流水号指向“人的某一次就诊”。跨表归并的目标，是把后两者收敛到前者所代表的患者维度上。

对齐策略：从强到弱的分层匹配

实际工程中，推荐采用“强标识优先、弱标识辅助、冲突人工复核”的分层策略。具体执行顺序如下：

第一层：身份证号精确匹配。对身份证号做标准化处理——去除空格、统一大小写、校验末位校验码。校验通过的记录直接按身份证号归并到同一 EMPI_ID。这一层能覆盖大部分有完整身份证信息的记录。
第二层：病历号 + 姓名 + 出生日期组合匹配。对于身份证缺失的记录，用病历号作为主键，辅以姓名和出生日期做交叉验证。若同一病历号下姓名和出生日期一致，则归入同一患者；若不一致，说明可能存在重复建档或档案合并，需标记为待复核。
第三层：就诊流水号串联。就诊流水号本身不用于患者身份判定，但可用于把同一次就诊下的检验、医嘱、影像记录串联起来，再通过该次就诊关联到的病历号回溯到患者。

关键原则：身份证号是唯一可以单独作为患者身份判定的标识符。病历号和就诊流水号必须结合其他字段使用，不能单独作为归并依据。

实现过程：以 SQL 为例的归并逻辑

假设已有挂号表 reg、检验表 lab、病案首页 mr，需要生成患者主索引并给各表打上 EMPI_ID。核心思路是先用身份证号建立主索引，再用病历号做补充映射。

-- 第一步：从挂号表和病案首页提取身份证号，建立初始主索引
CREATE TABLE empi AS
SELECT
    ROW_NUMBER() OVER (ORDER BY id_card) AS empi_id,
    id_card,
    MIN(name) AS name,
    MIN(birth_date) AS birth_date
FROM (
    SELECT id_card, name, birth_date FROM reg WHERE id_card IS NOT NULL
    UNION
    SELECT id_card, name, birth_date FROM mr WHERE id_card IS NOT NULL
) t
GROUP BY id_card;

-- 第二步：建立病历号到 EMPI_ID 的映射
CREATE TABLE mrn_map AS
SELECT DISTINCT
    r.mrn,
    e.empi_id
FROM reg r
JOIN empi e ON r.id_card = e.id_card
WHERE r.id_card IS NOT NULL;

-- 第三步：对无身份证的记录，通过病历号映射补充 EMPI_ID
UPDATE lab l
SET empi_id = m.empi_id
FROM mrn_map m
WHERE l.mrn = m.mrn AND l.empi_id IS NULL;

-- 第四步：标记仍无法归并的记录，进入人工复核队列
SELECT * FROM lab WHERE empi_id IS NULL;

上述示例中，empi_id 是系统生成的代理键，与业务标识符解耦，便于后续扩展。执行完成后，检验表中原本只有就诊流水号和病历号的记录，被赋予了统一的 EMPI_ID，从而可以与挂号表、病案首页按患者维度关联。

冲突处理与质量校验

归并过程中最常见的冲突有三类：一是同一身份证号对应多个姓名，通常由姓名录入错误或曾用名导致；二是同一病历号对应多个身份证号，可能涉及冒用或档案合并；三是同一患者存在多个病历号，需要判断是否为重复建档。对这三类冲突，建议统一进入待复核表，由人工确认后再更新主索引，而不是在自动流程中强行合并。

质量校验可以从三个指标观察：归并率（成功赋予 EMPI_ID 的记录占比）、冲突率（进入复核队列的记录占比）、以及一对多异常数（一个 EMPI_ID 关联的身份证号或病历号数量超过阈值）。在示例数据规模下，若归并率低于 85% 或冲突率高于 5%，通常说明标识符质量或匹配规则需要调整。

注意：身份证号涉及个人敏感信息，在存储和传输时应做脱敏或加密处理。主索引表中建议只保留身份证号的哈希值或掩码形式，原始值单独加密存放。

归并结果的使用方式

完成身份对齐后，各业务表都带上了统一的 EMPI_ID。后续做多表关联分析时，不再依赖病历号或就诊流水号直接连接，而是统一以 EMPI_ID 为连接键。例如，要查询某患者的检验结果与用药记录，只需按 EMPI_ID 关联检验表和医嘱表，再按就诊流水号对齐到同一次就诊即可。这样既避免了因标识符不一致导致的漏匹配，也降低了因错误匹配引入的噪声。

需要强调的是，患者主索引不是一次性建完就固定不变的。随着新患者建档、旧档案合并、身份证信息补录，主索引需要持续维护。建议在每次批量归并后保留变更日志，记录哪些记录被赋予了新的 EMPI_ID、哪些发生了合并，以便追溯和回滚。