Data Warehouse em Saúde
| Data Warehouse em Saúde | |
|---|---|
| Sigla | DW |
| Aplicações | Armazenamento de dados, Sistemas de Apoio à Decisão |
| Conceitos relacionados | |
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 [1]. 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 (DM)[1].
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.
Aplicabilidade
O sistema de DW pode ser aplicado em diversas àreas, sendo as duas principais funções[1]:
- Manter registos prévios e atuais;
- 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[1].
- 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”,
- Estruturado temporalmente:
- 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)[1].
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.
- 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).
- 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.
A próxima tabela resume as principais diferenças entre estes conceitos[2].
| Base de Dados Operacional | Data Warehouse | |
|---|---|---|
| Função | Operações Diárias
OLTP |
Suporte à Decisão
OLAP |
| Design da Base de Dados | Orientada às aplicações
Optimizada para atualizações |
Orientada aos assuntos
Optimizada para processamento de queries |
| Dados | Correntes
Atualizados Atómicos Relacionais (Normalizados) Isolados |
Históricos
Sumarizados Multidimensionais Integrados |
| Utilização | Repetitivo
Dia-a-dia |
Ad-hoc |
| Acessos | Leitura/Escrita
Transacções simples (envolvendo 1 a 3 tabelas) |
Maioria de Leitura
Queries complexas (envolvendo várias tabelas) |
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.
