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 . 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). 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.

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.

O sistema de DW pode ser aplicado em diversas áreas, sendo as duas principais funções:

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

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.

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

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 vs Data Warehouse

Tabela 1 - Data Mart vs Data Warehouse

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

Base de Dados Organizacional vs Data Warehouse

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.

Tabela 2 - Base de Dados Operacional vs Data Warehouse (adaptado de wu e Buchman, 1997)

	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.