Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer … von Matthias Röger

Im Umfeld der Medizintechnik entwickelt sich das noch junge und vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um eine Methode zur intelligenten Erfassung von Prozessbeschreibungen, die im Laufe chirurgischer Eingriffe erhoben werden. Um diese Daten analysieren zu können, ist ein formales Modell notwendig, wodurch eine einheitliche Aufnahme der chirurgischen Vorgänge ermöglicht wird. Die Anwendungsbereiche Chirurgischer Workflows sind weit gestreut. Sie reichen von der Planungsunterstützung im Vorfeld der Operationen bis zur Workflow-Exploration auf Basis durc...

Weiterlesen / Aufklappen

Im Umfeld der Medizintechnik entwickelt sich das noch junge und vielversprechende Konzept der Chirurgischen Workflows. Dabei handelt es sich um eine Methode zur intelligenten Erfassung von Prozessbeschreibungen, die im Laufe chirurgischer Eingriffe erhoben werden. Um diese Daten analysieren zu können, ist ein formales Modell notwendig, wodurch eine einheitliche Aufnahme der chirurgischen Vorgänge ermöglicht wird. Die Anwendungsbereiche Chirurgischer Workflows sind weit gestreut. Sie reichen von der Planungsunterstützung im Vorfeld der Operationen bis zur Workflow-Exploration auf Basis durchgeführter Operationen, von der Suche nach Optimierungspotential hinsichtlich der Instrumente bzw. Assistenzsysteme bis zur Verifizierung medizinischer Hypothesen. In dieser Studie wird ein Data Warehouse (DWH) entwickelt, womit chirurgische Workflows erfasst und analysiert werden können. Hierzu wird die herkömmliche Data-Warehouse-Technologie an die besonderen Anforderungen angepasst, die sich im Zusammenhang mit der Analyse von Prozessbeschreibungen ergeben. Es wird gezeigt, wie der Anwender eine multidimensionale Sicht sowohl der Operationen, wie auch ihrer Workflow-Komponenten, erhält und er in die Lage versetzt wird, die zu analysierenden Kennzahlen selbst zu definieren und diese entlang verschiedener Dimensionen und Detaillierungsgrade zu aggregieren. Zunächst führt der Autor in die grundlegenden Themen Business Intelligence (BI), Data Warehouse, multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI) ein. In der initialen Designphase des DWH wird die Strukturierung des chirurgischen Workflows behandelt sowie die Überlegungen zu den eingesetzten Datenerfassungsstrategien beleuchtet. Das auf dieser Basis in Form eines E/R-Diagramms erstellte Modell zur Erfassung chirurgischer Prozesse dient als Grundlage für das nachfolgend zu entwickelnde multidimensionale Datenmodell und kann als Input einer Transformation betrachtet werden. Diese liefert - unter Beachtung der gestellten Anforderungen potentieller Anwender - als Output das multidimensionale Schema in Form einer Menge von Faktschemata. Im Verlauf dieser Transformation werden Herausforderungen ersichtlich, welche sich aus den vorgegebenen Einschränkungen des konventionellen OLAP-Ansatzes ergeben und es wird dargestellt, wie sich diese durch das vorgeschlagene erweiterte multidimensionale Datenmodell lösen lassen. So wird die Problematik kennzahlloser Fakten oder auch der Umgang mit heterogenen Fakten aufgezeigt. Das Auftreten von "viele-zu-viele"-Beziehungen zwischen Fakten und Dimensionen wird ebenso behandelt wie die Möglichkeit, Kennzahlen zur Laufzeit durch den Nutzer definieren zu lassen. Auch werden die Voraussetzungen, die Möglichkeiten und der Nutzen veranschaulicht, welche sich aus der Austauschbarkeit der Rollen hinsichtlich Fakt und Dimension bzw. Kennzahl und Dimension ergeben. Es wird weiter gezeigt, wie die Dimensionshierarchien aufgebaut werden und wie sie in einem Galaxy-Schema von verschiedenen Fakttypen gemeinsam genutzt werden können. Die Realisierung des modellierten Data Warehouses erfolgt auf einem relationalen Datenbanksystem im Zusammenspiel mit der Business Intelligence Suite Pentaho. Es wird dargestellt, wie das Metadatenmodell eines OLAP-Datenwürfels erstellt wird, auf dessen Basis multidimensionale Datenanalysen durchgeführt werden können. Abschließend werden einige Anwendungsfälle aus dem Bereich der OLAP-Analyse präsentiert.

Weniger Details

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.