Выбор компьютерных технологий для аналитической поддержки базы данных крупномасштабных медицинских информационных систем

Автор: Бирюков А.П., Васильев Е.В., Думанский С.М., Тихонова О.А., Герт Ю.А., Капитонова Н.В.

Журнал: Саратовский научно-медицинский журнал @ssmj

Рубрика: Организация здравоохранения

Статья в выпуске: 4 т.9, 2013 года.

Бесплатный доступ

Цель: изучение возможностей использования интеллектуальных технологий для аналитической поддержки баз данных крупномасштабных медицинских информационных систем. Материал и методы. В работе использованы методы объектно ориентированного проектирования программного обеспечения и проектирования баз данных. Результаты. На основании экспертного изучения моделей и алгоритмов анализа клинико-эпидеми-ологических данных и принципов представления знаний в крупномасштабных медицинских информационных системах схемы интеллектуального анализа данных были реализованы в программном комплексе Единого регистра ФГБУ ГНЦ ФМБЦ им. А. И. Бурназяна ФМБА России. Были определены области эффективного применения абстрактной модели данных EAV и процедур Data Maning при проектировании эволюционирующей базы данных биомедицинского регистра. Выводы. Использование интеллектуальной программной платформы, поддерживающей различные наборы программных интерфейсов и объектных моделей для различных операций в различных программных средах, позволяет выстраивать и поддерживать в масштабах всей информационной системы сквозные процедуры и процессы обработки разнородных биомедицинских данных.

Еще

Бизнес-интеллектуальные технологии, информационно-аналитические системы, хранилища данных

Короткий адрес: https://sciup.org/14917891

IDR: 14917891

Список литературы Выбор компьютерных технологий для аналитической поддержки базы данных крупномасштабных медицинских информационных систем

  • Нильсен П. Microsoft SQL Server 2005: Библия пользователя/пер. с англ. М.: Диалектика, 2008. 1232 с.
  • Хаританх С., Куин С. Microsoft SQL Server 2005: Analysis Services и MDX для профессионалов/пер. с англ. М.: Диалектика, 2008. 834 с.
  • Алексеева Т. В., Амириди Ю.В., Дик В. В. Информационные аналитические системы. М.: МФПУ «Синергия», 2013. 384 с.
  • Туманов В. Е., Маклаков С. В. Проектирование реляционных хранилищ данных. М.: Диалог-МИФИ, 2007. 333 с.
  • Meek С, Hechrman D. Structure and Parameter Learning for Causal Independence and Causal Interaction Models//Research.Microsoft.com. URL http://research.microsoft.com/en-us/um/people/heckerman/INoisyOr.pdf
  • Программно-математический комплекс Российского государственного медико-дозиметрического регистра/А.Ф. Цыб, В. К. Иванов, С. А. Айрапетов [и др.]//Радиация и риск. 1992. №1. С. 71-93
  • Азизова Т.В., Мосеева М.Б., Осовец С. В., Сумина М.В. Регистр острой лучевой болезни, зарегистрированной у работников предприятия атомной промышленности «Маяк»//Мед.-биол. и соц.-психол. пробл. безопасности в чрезв. ситуациях. 2011. № 4. С. 14-1
  • Рыженко Р. Личный опыт: история одного знакомства с OLAP//CNews. URL. http://corp.cnews.ru/text.shtm
  • Meek С, Chickering D.M., Hechrman D. Autoregressive Tree Models for Time-Series Analysis//Research.Microsoft.com. URL http://research.microsoft.com/en-us/um/people/dmax/publications/dmart-final.pdf
Еще
Статья научная