Professional Documents
Culture Documents
Baseis Dedomenwn
Baseis Dedomenwn
Baseis Dedomenwn
Σούλης Δημήτριος,
Καρδιολόγος,
Επιστημονικός Συνεργάτης
Α΄ Καρδιολογικής Κλινικής
Γ.Ν.Α. «Ιπποκράτειο»
Τι είναι οι βάσεις δεδομένων;
Τι εφαρμογές έχουν
Στο ιδιωτικό ιατρείο
Στις μονάδες πρωτοβάθμιας
περίθαλψης
Στο Νοσοκομείο
Στην έρευνα
Στη δημόσια υγεία
Κατασκευή βάσεων δεδομένων
Οργάνωση δεδομένων σε πίνακες
Σχεσιακές βάσεις δεδομένων
Κανονικοποίηση
Σχέσεις
Εισαγωγή δεδομένων
Αναζήτηση δεδομένων
Εκτύπωση δεδομένων
Τι είναι οι βάσεις δεδομένων;
“Ένα σύνολο πληροφοριών σε έναν
ηλεκτρονικό υπολογιστή”
Oxford English Dictionary
DBMS
Τι αποθηκεύουμε σε μια βάση
δεδομένων;
Κείμενο
Αριθμούς
Ψηφιοποιημένη πληροφορία
Εικόνα
Video
Ήχος
Βιολογικά σήματα (ΗΚΓ, υπέρηχοι κλπ)
Εφαρμογές βάσεων δεδομένων
Δημοφιλή DBMS
Δομές δεδομένων:
«Επίπεδο Μοντέλο» Flat File System
Δομές δεδομένων:
«Επίπεδο Μοντέλο» Flat File System
Επώνυμο
Δημογραφικά
στοιχεία
Όνομα
Ασθενής
Βιοχημικές
Εξετάσεις
Στεφανιαιογραφία
Δομές δεδομένων
«Δικτυακό Μοντέλο» Network model
Γιατρός Κλινική
Βιοχημικές
Φάρμακα Ασθενής
εξετάσεις
Στεφανιαιογραφία
Δομές δεδομένων:
Σχεσιακές βάσεις δεδομένων
Ασθενείς Γνωματεύσεις
ID Όνομα ID Aποτέλεσμα
1 Αναγνωστόπουλος 1 Αρνητικό
2 Καραγιάννης 2 Θετικό
3 Σούλης 3 Μη
4 Φωτίου διαγνωστικό
Εξετάσεις
8
8
ID ΑσθενήςID Ημερομηνία Αποτέλεσμα ID
1 2 3/3/08 1
2 2 4/5/09 2
3 3 2/5/09 1
4 1 12/5/07 1
Δομές δεδομένων
Αντικειμενοστρεφείς ΒΔ
Κληρονομικότητα
Ασθενής Γιατρός
Αρτηριακή
Όνομα Τηλέφωνο Όνομα Τηλέφωνο Ειδικότητα
πίεση
Δομές δεδομένων
Αντικειμενοστρεφείς ΒΔ
Κληρονομικότητα
Άνθρωπος
Ασθενής Γιατρός
Όνομα Τηλέφωνο (Άνθρωπος) (Άνθρωπος)
Αρτηριακή
Ειδικότητα
πίεση
Δομές δεδομένων
Αντικειμενοστρεφείς ΒΔ
Πολυμορφισμός
Προσθήκη
Ασθενής
Επεξεργασία Γιατρός
Διαγραφή
Εκτύπωση
Στοιχείων
Ιστορικά στοιχεία
Κείμενο
Ιατρικός φάκελος
Ήχος
Ακρόαση καρδιάς, πνευμόνων
Εικόνα
Ακτινογραφία
Καταγραφή σήματος
ΗΚΓ
Ο ρόλος του πληροφοριακού
συστήματος
Ιατρική Αποθήκευση
πληροφορία
Μετάδοση
Επεξεργασία
Ο ρόλος του πληροφοριακού
συστήματος
Διάγνωση
Θεραπεία
Πρόληψη
Έρευνα
Εκπαίδευση
Αποθήκευση ιατρικής
πληροφορίας
Ηλεκτρονικός Ιατρικός φάκελλος
ΗΠΑ – Institute of Medicine, 1991
«είναι ένα σύστημα σχεδιασμένο έτσι
ώστε να υποστηρίζει την απόλυτη
διαθεσιμότητα και την ακρίβεια ιατρικών
ή άλλων πληροφοριών με σκοπό τη
παροχή ιατρικής περίθαλψης»
Ηλεκτρονικός Ιατρικός
Φάκελος
Υπάρχοντες όροι:
CPR: Computer-based patient record ΗΠΑ
EMR: Electronic medical record
EPR: Electronic Patient Record Ε.Ε.
EHR: Electronic Health Record
VPR: Virtual patient record Web
VMR: Virtual medical record
Δεν υπάρχουν διεθνώς αποδεκτά πρότυπα
Ηλεκτρονικός Ιατρικός
Φάκελος
Περιέχει πληροφορίες όπως:
Κλινικά δεδομένα – διαγνώσεις
Νοσηλείες – Εγχειρήσεις
Τιμές εργαστηριακών εξετάσεων
Ιατρικές πράξεις
Παραπεμπτικά - Γνωματεύσεις
Ιατρικό ιστορικό – Παράγοντες κινδύνου
Ιατρικές εικόνες
Δημογραφικά στοιχεία
Διαχειριστικά – οικονομικά στοιχεία ιατρικών πράξεων και
νοσηλειών
Ιατροφαρμακευτική περίθαλψη
Ιστορική Αναδρομή
1859: Πρώτες αναφορές στην ανάγκη ιατρικού
φακέλου
1960 Ο Laurence Weed περιγράφει σύστημα
αυτοματοποιημένου ηλεκτρονικού ιατρικού φακέλου
1967 πάνω στην εργασία του Weed, ανάπτυξη
ηλεκτρονικού ιατρικού φακέλου από παν/μιο Vermont
με επιδημιολογικές εφαρμογές
1971: 70% των αναγκών των ιατρών δεν καλύπτονται
από τους έντυπους φακέλους
1984: Πρώτο πλήρες σύστημα πληροφοριακού
συστήματος νοσοκομείου με ιατρικό φάκελο
1991: Πρώτη επίσημη αναφορά στον ηλεκτρονικό
ιατρικό φάκελο (ΙΟΜ)
Επεξεργασία ιατρικής
πληροφορίας
Αυτόματα υπολογιζόμενα
προνοσοκομειακά scores βασιζόμενα σε:
Αρτηριακή πίεση
Καρδιακή συχνότητα
Κορεσμός αρτηριακού αίματος
Μεταβλητότητα της καρδιακής συχνότητας
vs
Συλλογή δεδομένων σε
πραγματικό χρόνο
Διαγνώσεις
Συλλογή και
επεξεργασία
Ανίχνευση
απειλών
Επιδημίες
Περιβαλλοντικοί κίνδυνοι, πχ
θερμοπληξία
Έγκαιρη ανίχνευση οποιασδήποτε
απότομης μεταβολής κάποιας πάθησης
στον πληθυσμό
Διευκόλυνση της αναφοράς
ανεπιθύμητων ενεργειών φαρμάκων
How the project works
Data collection
Call data on 10 ‘key’ symptoms/syndromes are transferred each week day from the
22 call centres (covering all of England & Wales) to the Health Protection Agency at
West Midlands
Call data are broken down by site, symptom, age-group and call outcome
10
Incorporate a bank holiday and seasonal factor with a day factor and time
Proportion (%)
4
99.5% upper prediction limits are also constructed for the remaining sites
and
2 algorithms (where control charts are not available) using standard
formula (bank holiday/day/time trend factors not included).
0
Oct-01
Oct-02
Oct-03
Apr-03
Mar-02
Apr-02
Mar-03
Jul-03
Jul-02
Aug-02
Aug-03
May-02
May-03
Jan-02
Jan-03
Jun-03
Feb-02
Jun-02
Dec-02
Feb-03
Sep-03
Nov-01
Dec-01
Sep-02
Nov-02
Figure1 - NHS Direct fever calls (5-14 year olds) as a proportion of total calls for this
age group (2005-2006) [7 day moving average]
15
10
0
ov -05
ov -05
ov -05
v -05
n-06
n-06
n-06
-06
c t -05
c t -05
eb-06
ar-06
ar-06
ec -05
ec -05
ec -05
eb-06
ec -05
r-06
c -05
b-06
r-06
b-06
ar-06
7-J an
1-Ap
4-Ma
5-No
14-J a
21-J a
28-J a
4-Fe
3-De
11-Fe
22-O
29-O
18-M
25-M
12-N
19-N
26-N
11-M
10-D
17-D
24-D
31-D
18-F
25-F
Πλεονεκτήματα της
καθημερινής συλλογής
πληροφοριών
Πρώιμη πληροφόρηση για την έξαρση μιας
νόσου
Παρακολούθηση παιδιών χωρίς τακτικές
επισκέψεις στο γενικό γιατρό/παιδίατρο ή στα
νοσοκομεία
Ενημέρωση ΜΜΕ, επιβεβαίωση στοιχείων
Διαθεσιμότητα ενημερωμένων στατιστικών
στοιχείων
Συνεχής παρακολούθηση
‘Heat-health watch’
Daily proportion of 'heat/sun stroke' calls to 6 NHS Direct sites ~ Summer 2003
Heatwave plan for England and Wales - Summer 2004
1.20 30
“By the time a heatwave starts the window of opportunity for effective action
is1.00
very short indeed…” 25
“The HPA, in collaboration with NHS Direct, will refine mechanisms for the 20
0.80
surveillance
0.60
of increased heat-related illness with the aim of being able to 15
provide daily real-time reports to the Department of Health.”
0.40 10
“These will provide a source of intelligence on (a) how severe the effects are,
and
0.20 (b) how well services are responding.” 5
DH - Heatwave Plan - 2004 [data:NHS Direct & Met Office]
0.00 0
3
-03
-03
-03
03
l-03
03
l-03
l-03
g-0
ul-
ul-
ug
ug
ug
Ju
u
u
Au
J
J
1-J
8-J
5-A
A
15-
22-
29-
19-
12-
26-
Proportion of heat/sun stroke calls Seasonal mean proportion of heat/sun stroke calls
Daily mean temperature - 2003
6 NHS Direct sentinel sites (population 19 million): North West Coast, East Midlands, West Country, Kent/Surrey/Sussex, East Anglia, South London
Πώς θα φτιάξουμε μια βάση
δεδομένων ενός ιατρείου;
Δεδομένα προς οργάνωση
Ονοματεπώνυμο ασθενούς
Φύλο
Έτος γέννησης
Διεύθυνση
Ημερομηνία επίσκεψης
Συστολική πίεση
Διαστολική πίεση
Σφύξεις
Συνήθης εργασία με φύλλο
excel
Συνήθης εργασία με φύλλο
Screen clipping taken: 1/11/2009; 11:17 μμ
excel
Πού οφείλεται αυτή η ταχύτητα;
= οργάνωση δεδομένων
Κανονικοποίηση
Η ομαδοποίηση των
δεδομένων με τέτοιο
τρόπο ώστε να
αποφεύγεται η περιττή
επανάληψή τους και να
διασφαλίζεται η
ακεραιότητά τους
Πίνακες δεδομένων
Ενότητες entities (tables)
Χαρακτηριστικά
(attributes)
Σχέσεις (Relationships)
Οργάνωση σχεσιακής βάσης
δεδομένων Αναγνωρίστε τα
πεδία με τις
επαναλαμβανόμενες
τιμές!
Ονοματεπώνυμο
Διεύθυνση
Ημ. Γέννησης
Φύλο
Ημερομηνία
επίσκεψης
Συστολική Πίεση
Διαστολική πίεση
Σφύξεις
3 Κανόνες του «ενός»
Ενότητες
(πίνακες)
Ασθενείς Επισκέψεις
Ονοματεπώνυμο Ημερομηνία
επίσκεψης
Διεύθυνση
Συστολική Πίεση
Ημ. Γέννησης
Διαστολική πίεση
Φύλο
Σφύξεις
Χαρακτηριστικά
(πεδία)
Attributes
Οργάνωση σχεσιακής βάσης
δεδομένων
Ασθενείς Επισκέψεις
Ονοματεπώνυμο Ημερομηνία
επίσκεψης
Διεύθυνση
Συστολική Πίεση
Ημ. Γέννησης
Διαστολική πίεση
Σφύξεις
Φύλο
Φύλο (περιγραφή)
Οργάνωση σχεσιακής βάσης
δεδομένων-πρωτεύον κλειδί
Ασθενείς Επισκέψεις
Patient_ID Visit_ID
Ονοματεπώνυμο Ημερομηνία
επίσκεψης
Διεύθυνση
Συστολική Πίεση
Ημ. Γέννησης
Διαστολική πίεση
Φύλο Σφύξεις
Gender_ID
Φύλο (περιγραφή)
Οργάνωση σχεσιακής βάσης
δεδομένων- σχέσεις (relationships)
Ασθενείς Επισκέψεις
Patient_ID Visit_ID
Ονοματεπώνυμο Ημερομηνία
επίσκεψης
Διεύθυνση
Συστολική Πίεση
Ημ. Γέννησης
Διαστολική πίεση
GenderID
Σφύξεις
∞ PatientID
Φύλο
Gender_ID
Φύλο (περιγραφή)
Βήμα 1: Κατασκευή πινάκων
Βήμα 2: Φόρμες - Forms