Data Warehouse em Saúde - Histórico de revisões

Marta Martins em 15h49min de 17 de abril de 2016

2016-04-17T15:49:32Z

← Revisão anterior		Revisão das 16h49min de 17 de abril de 2016
Linha 22:		Linha 22:
	Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name="Evans2012"/>.		Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name="Evans2012"/>.

	Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando o sistema [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]], [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[~~DRG~~]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name="Evans2012"/>.		Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando o sistema [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]](''Current Procedural Terminology''), [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[Grupos de Diagnósticos Homogéneos\|GDH]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name="Evans2012"/>.

Marta Martins em 15h43min de 17 de abril de 2016

2016-04-17T15:43:00Z

← Revisão anterior		Revisão das 16h43min de 17 de abril de 2016
Linha 22:		Linha 22:
	Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name="Evans2012"/>.		Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name="Evans2012"/>.

	Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados ~~9-11~~. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]], [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[DRG]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name="Evans2012"/>.		Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando o sistema [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]], [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[DRG]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name="Evans2012"/>.

Marta Martins em 15h40min de 17 de abril de 2016

2016-04-17T15:40:14Z

← Revisão anterior		Revisão das 16h40min de 17 de abril de 2016
Linha 18:		Linha 18:
	=== Desenvolvimento na Saúde ===		=== Desenvolvimento na Saúde ===

	A grande quantidade de informação recolhida pelos registos clínicos eletrónicos encontrou um valor adicional quando integrada e armazenada nos sistemas de DW. Este tornou-se útil não só na organização e em estratégias de tomadas de decisão, como também no apoio à decisão clínica de um paciente em específico<ref name=~~”Evans2012”~~> Evans, R. S., Lloyd, J. F., & Pierce, L. A. (2012). Clinical Use of an Enterprise Data Warehouse. AMIA Annual Symposium Proceedings, 2012, 189–198.</ref>.		A grande quantidade de informação recolhida pelos [[Registos clínicos electrónicos\|registos clínicos eletrónicos]] encontrou um valor adicional quando integrada e armazenada nos sistemas de DW. Este tornou-se útil não só na organização e em estratégias de tomadas de decisão, como também no apoio à decisão clínica de um paciente em específico<ref name="Evans2012"> Evans, R. S., Lloyd, J. F., & Pierce, L. A. (2012). Clinical Use of an Enterprise Data Warehouse. AMIA Annual Symposium Proceedings, 2012, 189–198.</ref>.

	Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name=~~”Evans2012”~~/>.		Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name="Evans2012"/>.

	Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados 9-11. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]], [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[DRG]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name=~~”Evans2012”~~/>.		Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados 9-11. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]], [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[DRG]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name="Evans2012"/>.


Linha 53:		Linha 53:
	===Tipos de Sistemas===		===Tipos de Sistemas===

	~~O Data Warehouse pode ser definido como o processo pelo qual uma organização extrai informação significativa a partir de dados históricos.~~

	====Data Mart====		====Data Mart====
Linha 86:		Linha 85:
	====Sistema Operacional====		====Sistema Operacional====

	Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.		Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.


	====Sistema Analítico====		====Sistema Analítico====

	O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997"/>.		O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997"/>.

Marta Martins em 15h33min de 17 de abril de 2016

2016-04-17T15:33:31Z

← Revisão anterior		Revisão das 16h33min de 17 de abril de 2016
Linha 3:		Linha 3:
	\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão		\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão
	}}		}}
			=== Introdução ===

	O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras.		O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras.

Linha 14:		Linha 16:


	'''Extração de Dados~~'''~~		=== Desenvolvimento na Saúde ===

			A grande quantidade de informação recolhida pelos registos clínicos eletrónicos encontrou um valor adicional quando integrada e armazenada nos sistemas de DW. Este tornou-se útil não só na organização e em estratégias de tomadas de decisão, como também no apoio à decisão clínica de um paciente em específico<ref name=”Evans2012”> Evans, R. S., Lloyd, J. F., & Pierce, L. A. (2012). Clinical Use of an Enterprise Data Warehouse. AMIA Annual Symposium Proceedings, 2012, 189–198.</ref>.

			Como um esforço para facilitar o acesso à informação médica, os armazéns de dados que continham os dados clínicos e administrativos da organização de saúde, começaram a ser desenvolvidos. Usando tecnologias de rede, foram desenvolvidas interfaces para recolher os dados a partir de diferentes bases de dados sendo depois armazenados num único e grande banco de dados. No entanto, no início, foi reconhecido que os dados provenientes de diversas fontes, não só precisavam de ser integrados, como também limpos, e formatados<ref name=”Evans2012”/>.

			Como foram identificados novos usos para os armazéns de dados, o padrão [[Digital Imaging and Communications in Medicine\|DICOM]] (Digital Imaging and Communications in Medicine) começou a ser usado para integrar informações de imagem usando [[Picture Archiving and Communication Systems\|PACS]] (Picture Archiving and Communication System). A vantagem do compartilhamento de dados pertencentes a diferentes organizações foi identificada surgindo a necessidade de se desenvolver modelos de informação federados 9-11. Enquanto o [[HL7]] é muitas vezes usado como o padrão de interface para a integração de dados divergentes, outros padrões de dados, incluindo [[RxNORM\|RxNorm]], [[SNOMED-CT]], [[International Classification of Diseases\|ICD]], [[CPT]], [[Logical Observations, Identifiers, Names and Codes\|LOINC]], [[Unified Medical Language System\|UMLS]] e códigos [[DRG]] são também frequentemente incluídos nos DW. Os dados armazenados dentro desses armazéns de dados podem ser gerenciados e acedidos através de ''Structured Query Language (SQL)'' integrado em ''Application Programming Interfaces (APIs)'' que são programados em C ++, Java, Perl, etc<ref name=”Evans2012”/>.


			===Extração de Dados===

	Todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar (''ETL - Extract, Transform and Load'')<ref name="Inmon2005"/>. Estas ferramentas são especializadas em lidar com a homogeneidade dos dados, a sua limpeza e o carregamento para o DW <ref name="Vassiliadis2002">Vassiliadis, P., Simitsis, A., & Skiadopoulos, S. (2002). Conceptual modeling for ETL processes. Paper presented at the 5th ACM international workshop on Data Warehousing and OLAP, Virginia, USA.</ref>		Todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar (''ETL - Extract, Transform and Load'')<ref name="Inmon2005"/>. Estas ferramentas são especializadas em lidar com a homogeneidade dos dados, a sua limpeza e o carregamento para o DW <ref name="Vassiliadis2002">Vassiliadis, P., Simitsis, A., & Skiadopoulos, S. (2002). Conceptual modeling for ETL processes. Paper presented at the 5th ACM international workshop on Data Warehousing and OLAP, Virginia, USA.</ref>
Linha 26:		Linha 37:


	~~'''~~Características~~'''~~		===Características===

	O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.		O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.
Linha 40:		Linha 51:


	~~'''~~Tipos de Sistemas~~'''~~		===Tipos de Sistemas===

	*'''Data Mart~~:'''~~ Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia)<ref name="Garner1998">Gardner, S. R. (1998). Building the Data Warehouse. Communications of the ACM, 41(9), 52-60.</ref>.		O Data Warehouse pode ser definido como o processo pelo qual uma organização extrai informação significativa a partir de dados históricos.

			====Data Mart====

			Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia)<ref name="Garner1998">Gardner, S. R. (1998). Building the Data Warehouse. Communications of the ACM, 41(9), 52-60.</ref>.


Linha 69:		Linha 84:


	*'''Sistema Operacional~~:'''~~ Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.		====Sistema Operacional====

			Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.

			====Sistema Analítico====

	*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997"/>.		O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997"/>.


Linha 132:		Linha 151:


	~~'''~~Metadatas~~'''~~		===Metadatas===

	Os ''Metadatas'' (dados sobre dados) são uma parte importante de qualquer ''Data Warehousing''. Estes são armazenados em repositórios próprios, e incluem informações como <ref name="Sen2004">Sen, A. (2004). Metadata Management: Past, Present and Future. Decision Support Systems, 37(1).</ref>:		Os ''Metadatas'' (dados sobre dados) são uma parte importante de qualquer ''Data Warehousing''. Estes são armazenados em repositórios próprios, e incluem informações como <ref name="Sen2004">Sen, A. (2004). Metadata Management: Past, Present and Future. Decision Support Systems, 37(1).</ref>:

Marta Martins em 19h36min de 16 de abril de 2016

2016-04-16T19:36:05Z

← Revisão anterior		Revisão das 20h36min de 16 de abril de 2016
Linha 18:		Linha 18:
	Todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar (''ETL - Extract, Transform and Load'')<ref name="Inmon2005"/>. Estas ferramentas são especializadas em lidar com a homogeneidade dos dados, a sua limpeza e o carregamento para o DW <ref name="Vassiliadis2002">Vassiliadis, P., Simitsis, A., & Skiadopoulos, S. (2002). Conceptual modeling for ETL processes. Paper presented at the 5th ACM international workshop on Data Warehousing and OLAP, Virginia, USA.</ref>		Todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar (''ETL - Extract, Transform and Load'')<ref name="Inmon2005"/>. Estas ferramentas são especializadas em lidar com a homogeneidade dos dados, a sua limpeza e o carregamento para o DW <ref name="Vassiliadis2002">Vassiliadis, P., Simitsis, A., & Skiadopoulos, S. (2002). Conceptual modeling for ETL processes. Paper presented at the 5th ACM international workshop on Data Warehousing and OLAP, Virginia, USA.</ref>

	# Extrair: As informações recolhidas provêm de hospitalizações (tipo de admissão, tempo de internamento), diagnósticos, exames, vacinas, sinais vitais, entre outras. Os dados são extraídos para um DW vazio onde é feita a distinção lógica entre a primeira extração e subsequentes extrações incrementais que atualizam o DW utilizando novos dados.		* Extrair: As informações recolhidas provêm de hospitalizações (tipo de admissão, tempo de internamento), diagnósticos, exames, vacinas, sinais vitais, entre outras. Os dados são extraídos para um DW vazio onde é feita a distinção lógica entre a primeira extração e subsequentes extrações incrementais que atualizam o DW utilizando novos dados.

	# Transformar: Nesta fase o objetivo é limpar os dados e melhorar a qualidade destes fazendo correções de inconsistências, erros e valores em falta. São também aplicadas regras automáticas pré-definidas para corrigir os erros mais recorrentes. ~~Seguidamente~~ ocorrem conversões adicionais para garantir a homogeneidade e integração dos dados.		* Transformar: Nesta fase o objetivo é limpar os dados e melhorar a qualidade destes fazendo correções de inconsistências, erros e valores em falta. São também aplicadas regras automáticas pré-definidas para corrigir os erros mais recorrentes. Posteriormente ocorrem conversões adicionais para garantir a homogeneidade e integração dos dados.

	# Carregar: Por fim os dados são carregados para as tabelas do DW, tornando-se disponíveis para os analistas e as aplicações de apoio à decisão.		* Carregar: Por fim os dados são carregados para as tabelas do DW, tornando-se disponíveis para os analistas e as aplicações de apoio à decisão.

Marta Martins em 19h28min de 16 de abril de 2016

2016-04-16T19:28:42Z

← Revisão anterior		Revisão das 20h28min de 16 de abril de 2016
Linha 3:		Linha 3:
	\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão		\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão
	}}		}}
	O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras ~~instituições~~.		O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras.

	Os profissionais de saúde necessitam de uma ferramenta fiável, centrada no paciente, que preste todo o apoio e permita melhorar o seu fluxo de trabalho. Atualmente o formato em papel já não é um suporte fiável para o registo e gestão da grande quantidade de informação que as instituições de saúde produzem. Os problemas de legibilidade são constantes, o acesso a informação é difícil e por causa disso, localizar ou acompanhar um evento recente pode ser muito complicado.		Os profissionais de saúde necessitam de uma ferramenta fiável, centrada no paciente, que preste todo o apoio e permita melhorar o seu fluxo de trabalho. Atualmente o formato em papel já não é um suporte fiável para o registo e gestão da grande quantidade de informação que as instituições de saúde produzem. Os problemas de legibilidade são constantes, o acesso a informação é difícil e por causa disso, localizar ou acompanhar um evento recente pode ser muito complicado.

Marta Martins em 19h27min de 16 de abril de 2016

2016-04-16T19:27:37Z

← Revisão anterior		Revisão das 20h27min de 16 de abril de 2016
Linha 71:		Linha 71:
	*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.		*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.

	*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997">.		*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997"/>.


Linha 82:		Linha 82:
	! Base de Dados Operacional		! Base de Dados Operacional
	! Data Warehouse		! Data Warehouse
	\|+Tabela 2 - Base de Dados Operacional vs Data Warehouse (adaptado de wu e Buchman, 1997)<ref name="WuBuchman1997"/>		\|+Tabela 2 - Base de Dados Operacional vs Data Warehouse (adaptado de Wu e Buchman, 1997)<ref name="WuBuchman1997"/>
	\|-		\|-
	\| Função		\| Função
Linha 126:		Linha 126:
	\|}		\|}

	De forma a explorar os dados e a informação de um DW são usadas técnicas como o processamento analítico de dados OLAP, juntamente com algoritmos de DM. A tecnologia ''OLAP'' permite realizar análises multidimensionais aos dados e oferece a capacidade de realizar cálculos complexos, analisar tendências e de modelar os dados refinadamente. A partir da modelação multidimensional esta tecnologia cria cubos para analisar a informação necessária à tomada de decisão sobre várias perspetivas. O processamento analítico dos dados são baseados em hierarquias de conceitos de forma a criar vistas lógicas ao longo das dimensões de um DW. Por exemplo, uma dimensão "local" pode gerar uma hierarquia ordenada (país, distrito, concelho, freguesia). Estas hierarquias ajudam na visualização sobre os cubos de um DW<ref name="HanKamber2001">.		De forma a explorar os dados e a informação de um DW são usadas técnicas como o processamento analítico de dados OLAP, juntamente com algoritmos de DM. A tecnologia ''OLAP'' permite realizar análises multidimensionais aos dados e oferece a capacidade de realizar cálculos complexos, analisar tendências e de modelar os dados refinadamente. A partir da modelação multidimensional esta tecnologia cria cubos para analisar a informação necessária à tomada de decisão sobre várias perspetivas. O processamento analítico dos dados são baseados em hierarquias de conceitos de forma a criar vistas lógicas ao longo das dimensões de um DW. Por exemplo, uma dimensão "local" pode gerar uma hierarquia ordenada (país, distrito, concelho, freguesia). Estas hierarquias ajudam na visualização sobre os cubos de um DW<ref name="HanKamber2001">Han, J., & Kamber, M. (2001). Data Mining: Concepts and Techniques: Morgan Kaufmann Publishers.</ref>.

	Os servidores ''OLAP'' podem ser multidimensionais, relacionais ou hibridos<ref name="HanKamber2001"~~>Han, J., & Kamber, M. (2001). Data Mining: Concepts and Techniques: Morgan Kaufmann Publishers.<~~/~~ref~~>.		Os servidores ''OLAP'' podem ser multidimensionais, relacionais ou hibridos<ref name="HanKamber2001"/>.


Linha 134:		Linha 134:
	'''Metadatas'''		'''Metadatas'''

	Os ''Metadatas'' (dados sobre dados) são uma parte importante de qualquer ''Data Warehousing''. Estes são armazenados em repositórios próprios, e incluem informações como:		Os ''Metadatas'' (dados sobre dados) são uma parte importante de qualquer ''Data Warehousing''. Estes são armazenados em repositórios próprios, e incluem informações como <ref name="Sen2004">Sen, A. (2004). Metadata Management: Past, Present and Future. Decision Support Systems, 37(1).</ref>:

	* Descrição das fontes dos dados		* Descrição das fontes dos dados

Marta Martins em 19h19min de 16 de abril de 2016

2016-04-16T19:19:19Z

← Revisão anterior		Revisão das 20h19min de 16 de abril de 2016
Linha 9:		Linha 9:
	O sistema de DW pode ser aplicado em diversas áreas, sendo as duas principais funções<ref name="Inmon2005"/>:		O sistema de DW pode ser aplicado em diversas áreas, sendo as duas principais funções<ref name="Inmon2005"/>:

	# Manter registos ~~prévios~~ e atuais;		# Manter registos históricos e atuais;
	# Ajudar organizações a tomar decisões através de análises de dados precisos.		# Ajudar organizações a tomar decisões através de análises de dados precisos.



			'''Extração de Dados'''

			Todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar (''ETL - Extract, Transform and Load'')<ref name="Inmon2005"/>. Estas ferramentas são especializadas em lidar com a homogeneidade dos dados, a sua limpeza e o carregamento para o DW <ref name="Vassiliadis2002">Vassiliadis, P., Simitsis, A., & Skiadopoulos, S. (2002). Conceptual modeling for ETL processes. Paper presented at the 5th ACM international workshop on Data Warehousing and OLAP, Virginia, USA.</ref>

			# Extrair: As informações recolhidas provêm de hospitalizações (tipo de admissão, tempo de internamento), diagnósticos, exames, vacinas, sinais vitais, entre outras. Os dados são extraídos para um DW vazio onde é feita a distinção lógica entre a primeira extração e subsequentes extrações incrementais que atualizam o DW utilizando novos dados.

			# Transformar: Nesta fase o objetivo é limpar os dados e melhorar a qualidade destes fazendo correções de inconsistências, erros e valores em falta. São também aplicadas regras automáticas pré-definidas para corrigir os erros mais recorrentes. Seguidamente ocorrem conversões adicionais para garantir a homogeneidade e integração dos dados.

			# Carregar: Por fim os dados são carregados para as tabelas do DW, tornando-se disponíveis para os analistas e as aplicações de apoio à decisão.


Linha 18:		Linha 30:
	O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.		O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.

	* '''Orientado por assunto:''' Os dados são organizados por assuntos, como por exemplo o serviço, o profissional ou os pacientes.		* '''Orientado por assunto:''' Os dados são organizados por assuntos, como por exemplo o serviço, o profissional ou os pacientes. Esta orientação providencia uma visão simples de um determinado assunto, permitindo uma melhor análise dos dados para o suporte à tomada de decisão.

	* '''Integrado:''' ~~Similar~~ ao conceito “orientado por assunto”,		* '''Integrado:''' Estreitamente relacionado ao conceito “orientado por assunto”. A informação proveniente das diversas fontes devem ser consistentes. Para isso são usadas as técnicas de limpeza e integração que resolvem os conflitos e discrepâncias dos diversos formatos dos dados.

	* '''Estruturado temporalmente:'''		* '''Estruturado temporalmente:''' O tempo é uma dimensão essencial que o DW deve suportar. Uma vez que o DW mantém dados históricos, este conceito permite detetar padrões e relações a longo prazo para auxiliar a tomada de decisão.

	* '''Não volátil:'''		* '''Não volátil:''' Os registos não podem ser modificados ou atualizados depois de inseridos. Alguns dados podem ser considerados absoletos pela instituição podendo ser eliminados (embora na realidade nunca se removam dados de um DW), e as mudanças são registadas como sendo dados novos.


	Para manter esta consistência, todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar ('''ETL - Extract, Transform and Load''')<ref name="Inmon2005"/>.

	~~# Extrair: As informações recolhidas provêm de hospitalizações (tipo de admissão, tempo de internamento), diagnósticos, exames, vacinas, sinais vitais, entre outras.~~
	~~# Transformar:~~
	~~# Carregar:~~

			'''Tipos de Sistemas'''

	'''~~Tipos~~ de ~~Sistemas~~'''		*'''Data Mart:''' Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia)<ref name="Garner1998">Gardner, S. R. (1998). Building the Data Warehouse. Communications of the ACM, 41(9), 52-60.</ref>.

	*''''Data Mart:'''' Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia)<ref name="Garner1998">Gardner, S. R. (1998). Building the Data Warehouse. Communications of the ACM, 41(9), 52-60.</ref>.

	<u>Data Mart vs Data Warehouse</u>		<u>Data Mart vs Data Warehouse</u>
Linha 61:		Linha 68:
	\|}		\|}

	*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário.

	*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões.		*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário. Estas operações são estruturadas e repetitivas consistindo em transações pequenas, atómicas e isoladas <ref name="Chaudhuri1997">Chaudhuri, S., & Dayal, U. (1997). An overview of Data Warehousing and OLAP technology. SIGMOD Rec, 26(1), 65-74.</ref>.

			*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões. O principal objetivo do DW é o armazenamento histórico e a integração dos dados provenientes de diversas fontes da instituição<ref name="Chaudhuri1997">.


Linha 118:		Linha 126:
	\|}		\|}

	De forma a explorar os dados e a informação de um DW são usadas técnicas como o processamento analítico de dados OLAP, juntamente com algoritmos de DM. A tecnologia OLAP permite realizar análises multidimensionais aos dados e oferece a capacidade de realizar cálculos complexos, analisar tendências e de modelar os dados refinadamente. A partir da modelação multidimensional esta tecnologia cria cubos para analisar a informação necessária à tomada de decisão sobre várias perspetivas.		De forma a explorar os dados e a informação de um DW são usadas técnicas como o processamento analítico de dados OLAP, juntamente com algoritmos de DM. A tecnologia ''OLAP'' permite realizar análises multidimensionais aos dados e oferece a capacidade de realizar cálculos complexos, analisar tendências e de modelar os dados refinadamente. A partir da modelação multidimensional esta tecnologia cria cubos para analisar a informação necessária à tomada de decisão sobre várias perspetivas. O processamento analítico dos dados são baseados em hierarquias de conceitos de forma a criar vistas lógicas ao longo das dimensões de um DW. Por exemplo, uma dimensão "local" pode gerar uma hierarquia ordenada (país, distrito, concelho, freguesia). Estas hierarquias ajudam na visualização sobre os cubos de um DW<ref name="HanKamber2001">.

			Os servidores ''OLAP'' podem ser multidimensionais, relacionais ou hibridos<ref name="HanKamber2001">Han, J., & Kamber, M. (2001). Data Mining: Concepts and Techniques: Morgan Kaufmann Publishers.</ref>.



			'''Metadatas'''

			Os ''Metadatas'' (dados sobre dados) são uma parte importante de qualquer ''Data Warehousing''. Estes são armazenados em repositórios próprios, e incluem informações como:

			* Descrição das fontes dos dados
			* Descrição das dimensões e hierarquias
			* Descrição das queries
			* Localização de dados
			* Conteúdos dos ''Data Marts''
			* As regras de extração, limpeza e carregamento
			* O perfil dos utilizadores
			* Políticas de controlo de acesso e autorizações

Marta Martins em 15h44min de 16 de abril de 2016

2016-04-16T15:44:58Z

← Revisão anterior		Revisão das 16h44min de 16 de abril de 2016
Linha 3:		Linha 3:
	\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão		\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão
	}}		}}
			O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras instituições.

	~~O conceito~~ de ~~Data Warehouse (DW) surge~~ no ~~final dos anos 80~~, ~~sendo um sistema~~ que ~~funciona como~~ um ~~repositório de dados construído~~ para o ~~suporte à tomada~~ de ~~decisão <ref name="Inmon2005">Inmon, W~~. ~~H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade~~ de ~~informação disponível~~, ~~surge~~ a ~~necessidade de estruturar os dados num formato válido~~ e ~~consistente para permitir atividades como consultas (pré-definidas~~ ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>.		Os profissionais de saúde necessitam de uma ferramenta fiável, centrada no paciente, que preste todo o apoio e permita melhorar o seu fluxo de trabalho. Atualmente o formato em papel já não é um suporte fiável para o registo e gestão da grande quantidade de informação que as instituições de saúde produzem. Os problemas de legibilidade são constantes, o acesso a informação é difícil e por causa disso, localizar ou acompanhar um evento recente pode ser muito complicado.

	~~Os profissionais~~ de saúde necessitam de uma ferramenta fiável, centrada no paciente, que preste todo o apoio e permita melhorar o seu fluxo de trabalho. Atualmente o formato em papel já não é um suporte fiável para o registo e gestão da grande quantidade de informação que as instituições de saúde produzem. Os problemas de legibilidade são constantes, o acesso a informação é difícil e por causa disso, localizar ou acompanhar um evento recente pode ser ~~muito complicado. As informações recolhidas provêm de hospitalizações (tipo de admissão e tempo de internamento)~~, ~~diagnósticos, exames, vacinas, sinais vitais, entre outras.~~		O sistema de DW pode ser aplicado em diversas áreas, sendo as duas principais funções<ref name="Inmon2005"/>:

	~~O ambiente organizacional está em constante mudança tornando-se cada vez mais complexo~~ e ~~em permanente necessidade~~ de ~~informação e conhecimento. Assim, o DW surgiu~~ de ~~forma a permitir aceder a~~ dados ~~rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras organizações~~.		# Manter registos prévios e atuais;
			# Ajudar organizações a tomar decisões através de análises de dados precisos.

	~~'''Aplicabilidade'''~~

	~~O sistema de DW pode ser aplicado em diversas àreas, sendo as duas principais funções<ref name="Inmon2005"/>:~~

	~~# Manter registos prévios e atuais;~~		'''Características'''
	~~# Ajudar organizações a tomar decisões através de análises de dados precisos.~~

	O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.		O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.

	* '''Orientado por assunto:''' Os dados são organizados por assuntos, como por exemplo o serviço, o profissional ou os pacientes.		* '''Orientado por assunto:''' Os dados são organizados por assuntos, como por exemplo o serviço, o profissional ou os pacientes.

	* '''Integrado:''' Similar ao conceito “orientado por assunto”,		* '''Integrado:''' Similar ao conceito “orientado por assunto”,

	* '''Estruturado temporalmente:'''		* '''Estruturado temporalmente:'''

	* '''Não volátil:'''		* '''Não volátil:'''


	Para manter esta consistência, todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar ('''ETL - Extract, Transform and Load''')<ref name="Inmon2005"/>.		Para manter esta consistência, todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar ('''ETL - Extract, Transform and Load''')<ref name="Inmon2005"/>.

			# Extrair: As informações recolhidas provêm de hospitalizações (tipo de admissão, tempo de internamento), diagnósticos, exames, vacinas, sinais vitais, entre outras.
			# Transformar:
			# Carregar:


	'''~~Data Warehouse vs Base~~ de ~~Dados Operacional~~'''		'''Tipos de Sistemas'''

	~~Geralmente~~, o DW ~~é mantido separadamente~~ da ~~Base~~ de ~~Dados Organizacional~~ (~~BDO~~) ~~da organização devido à finalidade dos dois sistemas~~.		*''''Data Mart:'''' Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia)<ref name="Garner1998">Gardner, S. R. (1998). Building the Data Warehouse. Communications of the ACM, 41(9), 52-60.</ref>.

	~~#;Tipos de Sistemas~~

	*''''Data Mart~~:'''' Sempre que existe a necessidade~~ de ~~separar~~ a ~~informação, o armazenamento é feito num repositório~~ de ~~dados mais pequeno do que os DW, sendo designado~~ de ~~''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo~~ de ~~serviço (p.e. ortopedia).~~		<u>Data Mart vs Data Warehouse</u>

			{\| class="wikitable"
			! Data Mart
			! Data Warehouse
			\|+Tabela 1 - Data Mart vs Data Warehouse
			\|-
			\| Dados de um departamento
			\| Dados de toda a instituição
			\|-
			\| Uma única área
			\| Várias áreas
			\|-
			\| Fácil de construir
			\| Difícil de construir
			\|-
			\| Mais rápido de construir
			\| Mais demorado
			\|-
			\| Memória grande
			\| Memória limitada
			\|}

	*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário.		*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário.
Linha 39:		Linha 65:
	*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões.		*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões.

	A ~~próxima~~ tabela resume as principais diferenças entre estes conceitos<ref name="WuBuchman1997">Wu, M. C., & Buchman, A. P. (1997). Research Issues in Data Warehousing. Paper presented at the BTW'97, Ulm, Germany.</ref>.
			<u>Base de Dados Organizacional vs Data Warehouse</u>

			Geralmente, o DW é mantido separadamente da Base de Dados Organizacional (BDO) da organização devido à finalidade dos dois sistemas. A tabela 2 resume as principais diferenças entre estes conceitos<ref name="WuBuchman1997">Wu, M. C., & Buchman, A. P. (1997). Research Issues in Data Warehousing. Paper presented at the BTW'97, Ulm, Germany.</ref>.

	{\| class="wikitable"		{\| class="wikitable"
Linha 45:		Linha 74:
	! Base de Dados Operacional		! Base de Dados Operacional
	! Data Warehouse		! Data Warehouse
	\|+Tabela 1 - Base de Dados Operacional vs Data Warehouse (adaptado de wu e Buchman, 1997)<ref name="WuBuchman1997"/>		\|+Tabela 2 - Base de Dados Operacional vs Data Warehouse (adaptado de wu e Buchman, 1997)<ref name="WuBuchman1997"/>
	\|-		\|-
	\| Função		\| Função

Marta Martins em 15h13min de 16 de abril de 2016

2016-04-16T15:13:11Z

← Revisão anterior		Revisão das 16h13min de 16 de abril de 2016
Linha 2:		Linha 2:
	\|Sigla=DW		\|Sigla=DW
	\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão		\|Aplicações=Armazenamento de dados, Sistemas de Apoio à Decisão
	~~\|Conceitos relacionados=Dados, Informação~~
	}}		}}
	~~== Definição ==~~

	O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>. Os profissionais de saúde necessitam de uma ferramenta fiável, centrada no paciente, que preste todo o apoio e permita melhorar o seu fluxo de trabalho. Atualmente o formato em papel já não é um suporte fiável para o registo e gestão da grande quantidade de informação que as instituições de saúde produzem ~~atualmente~~. Os problemas de legibilidade são constantes, o acesso a informação é difícil e por causa disso, localizar ou acompanhar um evento recente pode ser muito complicado.		O conceito de Data Warehouse (DW) surge no final dos anos 80, sendo um sistema que funciona como um repositório de dados construído para o suporte à tomada de decisão <ref name="Inmon2005">Inmon, W. H. (2005). Building the Data Warehouse. New York: Wiley.</ref>. Devido à crescente quantidade de informação disponível, surge a necessidade de estruturar os dados num formato válido e consistente para permitir atividades como consultas (pré-definidas ou ''ad-hoc''), processamento analítico, e elaboração de relatórios. Outra maneira de explorar os dados armazenados no DW é recorrendo a técnicas de [[Data Mining\|Data Mining]] (DM)<ref name="Inmon2005"/>.

			Os profissionais de saúde necessitam de uma ferramenta fiável, centrada no paciente, que preste todo o apoio e permita melhorar o seu fluxo de trabalho. Atualmente o formato em papel já não é um suporte fiável para o registo e gestão da grande quantidade de informação que as instituições de saúde produzem. Os problemas de legibilidade são constantes, o acesso a informação é difícil e por causa disso, localizar ou acompanhar um evento recente pode ser muito complicado. As informações recolhidas provêm de hospitalizações (tipo de admissão e tempo de internamento), diagnósticos, exames, vacinas, sinais vitais, entre outras.

	O ambiente organizacional está em constante mudança tornando-se cada vez mais complexo e em permanente necessidade de informação e conhecimento. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras organizações.		O ambiente organizacional está em constante mudança tornando-se cada vez mais complexo e em permanente necessidade de informação e conhecimento. Assim, o DW surgiu de forma a permitir aceder a dados rigorosos que espalhem a realidade não só das instituições de saúde, como a de muitas outras organizações.

	~~===~~ Aplicabilidade ~~===~~		'''Aplicabilidade'''

	O sistema de DW pode ser aplicado em diversas àreas, sendo as duas principais funções<ref name="Inmon2005"/>:		O sistema de DW pode ser aplicado em diversas àreas, sendo as duas principais funções<ref name="Inmon2005"/>:

	* Manter registos prévios e atuais;		# Manter registos prévios e atuais;
	* Ajudar organizações a tomar decisões através de análises de dados precisos.		# Ajudar organizações a tomar decisões através de análises de dados precisos.

	O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.		O Data Warehouse contém quatro atributos fundamentais, definindo DW como um conjunto de dados integrado, orientado por assunto, não volátil e estruturado temporalmente de maneira a suportar os gestores no seu processo de tomada de decisão<ref name="Inmon2005"/>.
Linha 26:		Linha 26:
	Para manter esta consistência, todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar ('''ETL - Extract, Transform and Load''')<ref name="Inmon2005"/>.		Para manter esta consistência, todos os dados passam por um processo de "limpeza" dividido em três passos: extrair, transformar e limpar, e carregar ('''ETL - Extract, Transform and Load''')<ref name="Inmon2005"/>.

	~~Na saúde, ajuda a recolher dados como:~~

	* Demografia		'''Data Warehouse vs Base de Dados Operacional'''
	* Diagnósticos
	* Informação laboratorial
	* Medicação
	* Procedimentos
	* Vacinas
	* Sinais Vitais
	* Hospitalizações
	** Tipo de Admissão
	** Tempo do internamento


	== Data Warehouse vs Base de Dados Operacional ==

	Geralmente, o DW é mantido separadamente da Base de Dados Organizacional (BDO) da organização devido à finalidade dos dois sistemas.		Geralmente, o DW é mantido separadamente da Base de Dados Organizacional (BDO) da organização devido à finalidade dos dois sistemas.

	~~===~~ Tipos de Sistemas ~~===~~		#;Tipos de Sistemas

	*''''Data Mart:'''' Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia).		*''''Data Mart:'''' Sempre que existe a necessidade de separar a informação, o armazenamento é feito num repositório de dados mais pequeno do que os DW, sendo designado de ''Data Mart''. Estes repositórios reúnem todos os dados de um subconjunto específico da organização, como por exemplo um tipo de serviço (p.e. ortopedia).

	*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário.		*'''Sistema Operacional:''' Os sistemas operacionais, ou ''On-line Transactional Processing (OLTP)'', devem centrar-se no registo das transações que ocorrem no seu funcionamento diário.

	*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões.		*'''Sistema Analítico:''' O DW é normalmente apresentado como analítico, ou ''On-line Analytical Processing (OLAP)'', para efetuar análises e tomar decisões.