技术领域：

本发明涉及临床医疗信息化和数据建模技术领域，特别涉及一种基于DOP 二阶建模技术并可嵌入到传统应用系统的用动态建模技术实现医学信息领域 最小数据集的方法。

背景技术：

大量信息孤岛和异构系统是阻碍信息在更大范围有效共享的主要瓶颈。由 于近年来医疗信息共享的需求在世界范围内快速增长，而现有技术在面对此类 需求时又表现出很大的局限性，因此，此领域也再一次引起IT业的广泛关注， 各大软件商纷纷推出各种解决方案，但这些解决方案由于行业标准庞杂、标准 化严重滞后于需求以及大多数现有的信息系统对标准支持不足而缺乏实际可 行性。

在临床信息系统信息共享领域，最常见标准为HL7(Health Level 7)和 DICOM(Digital Image Communication in Medicine)。作为一个通讯标准，HL7 曾经被业界寄予相当大期望，但近二十年的实践揭示出此标准本身的不足，在 临床流程与西方医疗有较大差异的环境中推行遇到的困难更为明显。这也是一 些国家和地区，包括中国，转而寻求其它的标准化途径，在许多领域信息化所 采用的最小数据集(Minimal Data Set，MDS)就是其中之一。

在医疗健康领域推行最小数据集和其它非知识密集型行业有一些根本性 差异：1)医疗健康领域的信息系统所涉及的概念有几十万，概念间的关联有 百万之多，最小数据集其实会很大；2)医疗健康领域是一个持续更新的领域， 新的知识持续增加，用静态的方法制定标准和最小数据集都不现实，一个持续 更新的标准对软件工业界是没有实用价值的，因为今天的信息技术更适于静态 的、相对稳定的技术标准，持续更新大量的已投入运行的应用系统没有现实的 可行性。

目前用来实现最小数据集的建模手段仍然局限于面向关系数据库的E-R 模型或面向对象的UML等一阶静态建模方法。比如实现美国联邦政府卫生署 关于Nursing Home临床资质评估的最小数据集MDS 2.0的RAVEN软件系统 就是建立在传统的关系数据库基础上的。一阶静态建模技术对于像上述较小的 最小数据集应该是恰当的选择，但对于医疗健康领域信息共享的最小数据集， 基于一阶静态建模的解决方案就会遭遇技术瓶颈。

DOP技术的兴起对以上问题的解决提供了强有力的技术支撑(见领域操作 平台发明专利)。基于DOP的新一代产品将不再有上述技术瓶颈。然而，从目 前完全异构的格局过渡到DOP为基础的行业信息深度共享的状态也许是个漫 长的过程。很多传统产品需要兼容最小数据集，但实施成本高，随最小数据集 的持续更新的成本将会更高。

发明内容：

鉴于上述技术问题，本发明的目的是提供一种用动态建模技术实现医学信 息领域最小数据集的方法。作为一种建立在DOP二阶建模技术基础之上并可 嵌入到传统应用系统的实现复杂应用领域最小数据集的技术实施方案，它能够 为基于最小数据集的信息交互通标准化提供具有高度可行性的技术支撑。从而 解决技术问题：

1)数据模型过大过复杂问题：用于信息标准化的最小数据集涉及大量应 用领域概念和复杂的关系，而以往传统的关系数据库或面向对象的建 模需要非常大的数据模型来实现。

2)数据模型需不断更新问题：由于最小数据集需要持续而频繁地修订而 适应领域知识的更新和需求的改变，这样往往导致基于最小数据集的 信息或数据模型不得不频繁地修改，相应的信息系统也需做相应的修 改。对于已投入运行的系统常常是不可行的。

3)数据共享缺乏可扩展性问题：由于最小数据集不限定信息模型的实现 方法，因而，不同的系统可完全采用不同的实现方法，比如基于传统 关系数据库和面向对象的实现方法将产生几乎完全不同的异构系统。 尽管基本的信息交互需求可以得以满足，但进一步信息共享需求将强 烈依赖于异构系统对需求支持的程度，数据共享深度和可扩展性受到 根本性限制。

本发明的具体技术方案如下：

该方法首先利用DOP的二阶动态建模技术(见领域操作平台发明专利) 实现最小数据集的数据模型和其数据间的完全解耦(分离)，以此来解决数据 模型过大过复杂和数据模型需不断更新的问题。再将最小数据集的数据模型及 其数据与使用最小数据集的应用系统之数据模型及其数据解耦(分离)，以此 来解决最小数据集被异构和应用系统数据模型紧耦合及由此产生的可扩展性 问题。

由于最小数据集通常只是应用系统数据模型的子集，按照传统的一阶静态 建模方法，最小数据集和应用系统的数据模型将不得不紧耦合在一起。从而造 成上述高成本、低可扩展性及低可行性等技术瓶颈。

本发明方法则将最小数据集中的每个数据定义视为一个原子级数据类型， 用DOP二阶动态建模将其表达为一个元数据类型，以便在应用系统建模时， 不论采用传统的建模手段，还是采用DOP的二阶动态建模技术，这些元数据 类型都作为不可分割的一个数据类型来对待。从而实现了上述两个不同层面的 松耦合。

上述方案中为了实现最小数据集的模型和数据与应用系统的模型和数据 的解耦(分离)需要MDS数据引擎提供必要的机制。该机制中应用系统的业 务逻辑通过一个JDBC调用从数据库表Patient里取病人的基本信息；上述 JDBC调用过程中业务逻辑层需要通过MDS数据引擎提供的DOP-JDBC编程 界面实现调用；而DOP-JDBC是构建在通用JDBC之上的一个新的编程界面； 调用时的SQL语句被DOP-JDBC解析为两部分，即直接通过以下JDBC实现： 从Patient表获取的3个最小数据集不包含的数据项，和通过MDS数据引擎的 函数，以及从MDS数据库中获取其它被最小数据集定义的数据。

此外，本发明方法中涉及的MDS数据引擎是DOP数据引擎的一个简化版。 该MDS数据引擎分为两大部分：其中数据引擎内核程序，它负责将动态构建 的MDS模型和数据参考模型结合，映射为关系数据库的物理模型，从而可在 MDS模型预先未知的条件下对数据进行操作。

MDS数据引擎使最小数据集数据操作对应用软件透明，从而大大简化了 应用系统设计、实施、维护和升级换代；保证了最小数据集模型的一体化；极 大地削弱了最小数据集的更新、修订、功能扩展对应用系统的依赖性，是可扩 展性大大提高。

另外，技术方案中MDS建模引擎作为一个基于DOP二阶动态建模原理的 建模平台，为领域专家提供一组用户友好的界面和工具，使领域专家可用领域 专家的自然语言，按照最小数据集的规范(MDS SPEC)直接建模。所建的元 数据模型在为发表之前，可通过此建模平台进行各种测试、检验和审核。建好 并通过审核的元数据模型(MDT)直接存入MDS元数据模型库，与MDS数 据引擎一起投放给应用系统开发机构。

上述元数据模型至少包含一个UID，表达元数据的内部数据结构及每个数 据元的属性。有些最小数据集需要包含表达的领域概念，专业术语标准代码、 携带的知识等。

本发明方法在实际应用中的技术效果为：

1)改变标准化的可行性；

最小数据集的定义不再仅仅是纸上谈兵，在正式发表之前，任何数据定义 都可直接有领域专家将其直接建模、测试、审验。发布和投放时，其可行性已 经过验证。

2)元数据模型的人机可读性；

基于DOP的二阶动态建模改变了数据模型和领域概念模型几乎完全不同 的现实，元数据模型以同一种模型表达机制使其对领域专家、软件工程师和计 算机都具有可读性。

3)后建模让MDS可持续进化；

模型和数据的分离解耦，使系统由于模型的修改而牵一发而动全身的风险 降到最小，为最小数据集持续更新提供了技术保障。

4)一体化核心数据模型；

尽管最小数据集不是应用系统信息模型的全部，但却是数据模型的核心部 分。由于所有最小数据集是有最小数据集制定者统一建模，基于最小数据集的 数据也是由MDS数据引擎独立管理，这使得异构环境下的信息共享的可行性、 可交互性、集可扩展性都大幅增加。

附图说明：

以下结合附图和具体实施方式来进一步说明本发明。

图1为基于可嵌入MDS数据引擎在传统软件架构中的应用示意图。

图2为最小数据集和引用系统的松耦合(解耦)机制的示意图。

图3为本发明中所涉及的MDS数据引擎的结构示意图。

图4为对MDS进行元数据建模的过程示意图。

图5为元数据模型内部构造示意图。

具体实施方式：

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解， 下面结合具体图示，进一步阐述本发明。

根据上述本发明的技术方案，其技术要点包括：

1)基于二阶动态建模的最小数据集实现方法；

2)嵌入式最小数据集模型和数据引擎架构。

而方案的基本目的是最小化由于作为标准的最小数据集的不断更新造成 的巨大的软件升级成本。

参见图1，该附图表示的是传统的三层架构系统如何通过将MDS数据引擎 嵌入到其业务逻辑和数据库层来实现对最小数据集的应用。

如图所示，应用系统在使用最小数据集时，不需要再对最小数据集进行建 模，最小数据集已通过DOP的二阶动态建模将其表达为一个元数据类型，无论 应用系统采用传统的关系数据模型还是面向对象的数据模型，最小数据集中的 元数据类型将被应用系统数据模型当做一个数据库表中的列或类中的一个属 性。元数据模型存储在MDS模型库(MDS Model DB)中，基于这些元数据模型 的应用系统数据也通过MDS数据引擎单独存放在最小数据集数据库(MDS Data DB)中，而其它应用系统的数据则在应用系统数据库中存放。

而本发明中为了实现最小数据集的模型和数据与引用系统的模型和数据 的解耦(分离)需要MDS数据引擎提供必要的机制。

如图2所示，该机制采用的DOP-JDBC数据库编程界面(其它数据库编程 如ODBC界面从略)来实现。

本图以取数据为例，介绍最小数据集和引用系统的松耦合机制是如何工作 的。应用系统的业务逻辑通过一个JDBC调用从数据库表Patient里取病人的 基本信息，其SQL语句为：

SELECT Id，Status，MDS.Patient.Demoinfo，CurrentLocation

FROM Patient

WHERE Id＝

注意到上面的SQL语句和其他JDBC不同是MDS.Patient.Demoinfo，这是 一个最小数据集的元数据类型，普通JDBC是不能处理的。业务逻辑层需要通 过MDS数据数据引擎提供的DOP-JDBC编程界面实现调用。图中的DOP-JDBC是 构建在通用JDBC之上的一个新的编程界面。调用的SQL语句被DOP-JDBC解析 为两部分，即直接通过以下JDBC：

SELECT Id，Status，CurrentLocation

FROM Patient WHERE Id＝

从Patient表获取的3个最小数据集不包含的数据项，和通过MDS数据引 擎的函数：

MDSService.getData(MDS.Patient.Demoinfo，id)

从MDS数据库中获取其它被最小数据集定义的数据。

参见图3，上述提及的MDS数据引擎是DOP数据引擎的一个简化版。该 MDS数据引擎分为两大部分：其中数据引擎内核程序，它负责将动态构建的 MDS模型和数据参考模型结合，映射为关系数据库的物理模型，从而可在MDS 模型预先未知的条件下对数据进行操作。

MDS数据引擎使最小数据集数据操作对应用软件透明，从而大大简化了 应用系统设计、实施、维护和升级换代；保证了最小数据集模型的一体化；极 大地削弱了最小数据集的更新、修订、功能扩展对应用系统的依赖性，是可扩 展性大大提高。

另外，对于最小数据集的二阶动态建模，其作为DOP的核心技术，是将数 据模型和数据彻底去耦合的技术基础。二阶动态建模很好地解决了复杂应用领 域数据模型过于庞大，很难一次到位地建立比较完善的数据模型；很好地解决 了模型持续更新导致的系统持续修改造成的巨大开发和升级成本；也大大减弱 了软件工程师和领域专家交流的依赖性。

参见图4，该图表示的是最小数据集在基于DOP二阶动态建模平台的支持 下由领域专家构建为元数据模型的过程。图中MDS建模引擎是一个基于DOP二 阶动态建模原理的建模平台。这一平台为领域专家提供一组用户友好的界面和 工具，使领域专家可用领域专家的自然语言，按照最小数据集的规范(MDS SPEC) 直接建模。所建的元数据模型在为发表之前，可通过此建模平台进行各种测试、 检验和审核。建好并通过审核的元数据模型(MDT)直接存入MDS元数据模型 库，与MDS数据引擎一起投放给应用系统开发机构。

上述提及的元数据模型至少包含一个UID，表达元数据的内部数据结构及 每个数据元的属性。有些最小数据集需要包含表达的领域概念，专业术语标准 代码、携带的知识等。

参见图5，本图是一个典型的元数据模型的内部结构。UID是一个元数据 模型的唯一标识；数据模型是对所表达的数据内部的精确表示；概念部分是对 数据表达的背景知识的量化表达，包括模型内所使用的专业术语及其标准化编 码。描述是对本模型名称、版本、著者、审核和批准机构、适用范围和应用范 例等附加信息的描述。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业 的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中 描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明 还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本 发明要求保护范围由所附的权利要求书及其等效物界定。