论文部分内容阅读
医疗保险制度改革是一项复杂的系统工程,政策性强、涉及人员范围广,在各项保险改革中最为复杂。目前在医疗保险制度实施的过程中存在一些问题,其中医疗保险费用支出增长过快的问题最为突出。为查找某市医保费用高支出规律以及解决实际工作的统计需要,基于数据仓库的决策支持系统是提供医保决策信息最为可行的方案。基于数据仓库的医保决策支持系统针对大量医保数据进行三类决策应用:OLAP分析、数据挖掘和统计分析,集成的医保数据仓库保证了数据的全局性,使得分析结果具有科学性和准确性。
基于数据仓库的医保决策支持系统,在医保联机事务处理(OLTP)系统的基础上构建医保数据仓库,目的是为了分析医保费用支出与医保就诊、参保人员和参保单位之间的关系,以及进行相关医保信息的统计,从而找出医保费用高支出规律,辅助某市医保政策的进一步改进与完善。本文首先介绍了关于决策支持系统、数据仓库、以及数据仓库应用的相关原理性知识;然后根据医保决策支持系统的开发过程,将前述原理在实践中进行具体应用,依次阐述了医保决策支持系统的数据源、医保数据仓库的构建过程以及基于医保数据仓库的三大决策应用,统计分析应用、OLAP分析和数据挖掘;最后是医保决策支持系统应用效果例举。
本文的主要工作之一,是以医保OLTP系统作为数据仓库的数据源,并以此为基础构建一个一致的、完整的、全局的数据平台,为决策支持系统提供有力的数据支持。从需求分析开始,经概念设计、逻辑设计到物理设计是数据仓库设计与构建的一个完整过程。按照该过程构建的医保数据仓库包含三个主题:医保就诊主题、参保人员主题、参保单位主题,并且它是一个四级的数据平台,第一级为数据源;第二级为数据仓库的细节数据;第三级为数据仓库的轻度综合数据;第四级为针对决策支持系统具体应用的数据集市。
本文的主要工作之二,是基于数据仓库的统计分析应用。统计分析属于演绎型的分析方法,从数学统计角度给决策管理者提供准确有效的统计信息。统计分析应用首先根据用户需求进行数据分析与集成,构建合理的数学统计模型,再选用适当的工具进行数据加工处理,最终形成用户所需的统计信息。基于数据仓库的统计分析应用是建立在数据仓库基础上针对全局性数据的统计分析,是为了满足用户实际工作需求而进行的开发,弥补了OLAP分析与数据挖掘的不足。
此外,本文还介绍了基于数据仓库的OLAP分析和数据挖掘,这两种应用属于归纳型分析方法,尤其适合于医保费用高支出规律的发现和趋势的预测。
该系统已交付用户正在使用,并且已得到了一些有价值的结果。