韓愛(ài)慶+王允亮+李軍祥+劉敏+唐燕+翟興+文占權(quán)

摘要：對(duì)醫(yī)案實(shí)施統(tǒng)計(jì)分析或數(shù)據(jù)挖掘是進(jìn)行癥一證一藥規(guī)律研究的有效方法。在實(shí)施統(tǒng)計(jì)分析或數(shù)據(jù)挖掘之前，必須對(duì)數(shù)據(jù)實(shí)施預(yù)處理。該文列舉了兩類典型的中醫(yī)電子醫(yī)案數(shù)據(jù)存儲(chǔ)不規(guī)范問(wèn)題，基于數(shù)據(jù)庫(kù)范式指出了問(wèn)題的解決方法，給出了對(duì)應(yīng)的解決算法，并使用VBA進(jìn)行了程序?qū)崿F(xiàn)。

關(guān)鍵詞：中醫(yī)電子醫(yī)案；數(shù)據(jù)處理；VBA 對(duì)臨床中醫(yī)醫(yī)案實(shí)施統(tǒng)計(jì)分析或數(shù)據(jù)挖掘是發(fā)現(xiàn)和總結(jié)醫(yī)生臨證思維和用藥規(guī)律的有效方法--，。在實(shí)施統(tǒng)計(jì)分析或數(shù)據(jù)挖掘之前，必須對(duì)數(shù)據(jù)實(shí)施預(yù)處理，要求預(yù)處理結(jié)果滿足數(shù)據(jù)庫(kù)第三范式，這項(xiàng)工作耗時(shí)費(fèi)力，在總的數(shù)據(jù)處理工作中占有較大比重。然而在實(shí)際的課題研究或醫(yī)案分析中發(fā)現(xiàn)，有很多原始電子醫(yī)案數(shù)據(jù)甚至是不滿足第一范式的。由于Office辦公系統(tǒng)的普及性，原始電子醫(yī)案數(shù)據(jù)多存儲(chǔ)在Excel文件或Ac-cess數(shù)據(jù)庫(kù)中，而Excel數(shù)據(jù)和Access數(shù)據(jù)可通過(guò)導(dǎo)入導(dǎo)出或另存的方式互相轉(zhuǎn)換，如何用一種簡(jiǎn)潔高效的辦法在Excel軟件中將原始醫(yī)案數(shù)據(jù)進(jìn)行預(yù)處理，充分發(fā)揮Excel普及性好，易學(xué)易用的優(yōu)勢(shì)，是一個(gè)值得研究的課題。基于VBA的數(shù)據(jù)處理或預(yù)處理已經(jīng)已經(jīng)在很多領(lǐng)域有成熟的應(yīng)用，通過(guò)文獻(xiàn)研究和實(shí)踐操作發(fā)現(xiàn)，借助Excel VBA可以很好地解決電子醫(yī)案數(shù)據(jù)預(yù)處理問(wèn)題。

1問(wèn)題描述 原始電子醫(yī)案數(shù)據(jù)大多不符合數(shù)據(jù)庫(kù)設(shè)計(jì)要求，圖1所示的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)是常見(jiàn)的錯(cuò)誤結(jié)構(gòu)之一。其中，每個(gè)患者的癥狀都是以堆積的形式作為整體存儲(chǔ)在癥狀列中，藥物信息則按照處方中藥物數(shù)量依次以藥物1、藥物2、藥物3……的布局在橫向展開(kāi)，如圖1所示。 所謂第一范式（1NF）是指數(shù)據(jù)庫(kù)表的每一列都是不可分割的基本數(shù)據(jù)項(xiàng)，同一列中不能有多個(gè)值，即實(shí)體中的某個(gè)屬性不能有多個(gè)值或者不能有重復(fù)的屬性。如果出現(xiàn)重復(fù)的屬性，就可能需要定義一個(gè)新的實(shí)體，新的實(shí)體由重復(fù)的屬性構(gòu)成，新實(shí)體與原實(shí)體之間為一對(duì)多關(guān)系。此例中的癥狀屬性從字段標(biāo)題來(lái)看是滿足第一范式的，但從字段內(nèi)容來(lái)看并不符合要求，需將每個(gè)癥狀值拆分為最小信息單元，如圖3（a）所示。由于藥物1、藥物2等信息同屬藥名信息，需要將圖1中藥物進(jìn)行轉(zhuǎn)置處理，轉(zhuǎn)置后如圖所示。

2 Excel VBA及Excd對(duì)象模型

VBA（Visual Basic for Application）是開(kāi)發(fā)Excel應(yīng)用程序的編程語(yǔ)言，也是內(nèi)嵌于其他Office套件的應(yīng)用程序開(kāi)發(fā)語(yǔ)言。VBA的主要任務(wù)是組織或集合Office程序的功能，雖然它無(wú)法脫離Office環(huán)境獨(dú)立運(yùn)行，但卻在自動(dòng)化工作進(jìn)程、個(gè)性化工作界面等方面有著內(nèi)在的優(yōu)勢(shì)。作為Excel中的程序語(yǔ)言，由于Excel自身強(qiáng)大的數(shù)據(jù)分析與處理功能，使得Excel VBA具有更廣泛的應(yīng)用前景。與所有其他編程語(yǔ)言一樣，VBA編程語(yǔ)言也是由類型、變量、數(shù)組、函數(shù)和流程控制等基本元素組成。在Office編程環(huán)境下，所有VBA代碼都位于模塊中，模塊是存儲(chǔ)VBA代碼的容器。模塊有三種類型：對(duì)象模塊、標(biāo)準(zhǔn)模塊和類模塊。其中，對(duì)象模塊是包含對(duì)象專用代碼的模塊，如工作表模塊和工作簿模塊；標(biāo)準(zhǔn)模塊用于存儲(chǔ)公用的，共享代碼的模塊；類模塊則可以實(shí)現(xiàn)基于對(duì)象的編程，創(chuàng)建自己的屬性、方法和事件。

3數(shù)據(jù)預(yù)處理過(guò)程

原始醫(yī)案數(shù)據(jù)往往比圖1所示的數(shù)據(jù)要復(fù)雜得多，主要問(wèn)題包括中英文標(biāo)點(diǎn)符號(hào)不一致，如有的分隔符是中文逗號(hào)，有的是英文逗號(hào)，有的則是空格；其他問(wèn)題包括多余標(biāo)點(diǎn)（如尾部），信息重復(fù)以及信息殘缺等等。因此，在實(shí)施正式數(shù)據(jù)預(yù)處理之前，需要先統(tǒng)一分隔符、去除多余標(biāo)點(diǎn)、刪除重復(fù)信息、修復(fù)或刪除殘缺信息等等，之后才能實(shí)施數(shù)據(jù)預(yù)處理。

3.1癥狀數(shù)據(jù)的數(shù)據(jù)預(yù)處理算法 癥狀數(shù)據(jù)預(yù)處理的主要算法思想是，逐行遍歷圖1所示的記錄，使用函數(shù)將癥狀信息以逗號(hào)為分隔符進(jìn)行切割并將其存儲(chǔ)到數(shù)組中，遍歷數(shù)組并將其存儲(chǔ)到新表中。具體算法如下： 第1步：新建工作簿，并設(shè)置目標(biāo)區(qū)域列標(biāo)題。 第2步：設(shè)置整型變量i=2。從第2行開(kāi)始逐行遍歷癥狀。 第3步：當(dāng)i=k（k>=2且k<=總行數(shù)），使用Split函數(shù)以英文逗號(hào)為分隔符將單元格cells（k，3）中的癥狀信息進(jìn)行拆分，結(jié)果放到變體變量Arr中。 第4步：遍歷數(shù)組Arr，將其和患者編號(hào)一起存儲(chǔ)到目標(biāo)區(qū)域。 第5步：設(shè)置i=i+1，如果i<=總行數(shù)，則轉(zhuǎn)到第3步，否則結(jié)束循環(huán)。

3.2處方數(shù)據(jù)的數(shù)據(jù)預(yù)處理算法

處方數(shù)據(jù)預(yù)處理的主要算法思想是，逐行遍歷圖1所示的記錄，對(duì)于每一行數(shù)據(jù)，由左至右遍歷各藥物，并將其存儲(chǔ)到新表中。具體算法如下： 第1步：新建工作簿，并設(shè)置目標(biāo)區(qū)域列標(biāo)題。 第2步：設(shè)置整型變量i=2。從第2行開(kāi)始逐行遍歷癥狀。 第3步：當(dāng)i=k（k>=2且k<=總行數(shù)），從第k行4列遍歷到k行最后一列，即遍歷所有藥物和劑量。 第4步：通過(guò)遍歷藥物將其存儲(chǔ)到新建工作簿的目標(biāo)區(qū)域。 第5步：設(shè)置i=i+1，如果i<=總行數(shù)，則轉(zhuǎn)到第3步，否則結(jié)束循環(huán)。

4算法實(shí)現(xiàn)及主程序

下面通過(guò)主程序來(lái)說(shuō)明格式轉(zhuǎn)換過(guò)程。在以下主程序中，首先定義必需的變量，新建工作簿并設(shè)置目標(biāo)區(qū)域列標(biāo)題，然后循環(huán)遍歷各條記錄，對(duì)每組癥狀使用函數(shù)進(jìn)行拆分處理，對(duì)每組用藥進(jìn)行遍歷處理，并將處理后的信息存儲(chǔ)到目標(biāo)區(qū)域。代碼實(shí)現(xiàn)如下：

在以上程序中，Array（“患者ID”，“癥狀”）函數(shù)功能返回一個(gè)指定字符序列的數(shù)組，Split（wsl.Cells（i，3），“，”）函數(shù)的功能是將字符串以逗號(hào)為標(biāo)記進(jìn)行切割拆分，并以數(shù)組形式返回，Work-books.Add表示新建工作簿，Range（“a65536”）.End（xlUp）.Row表示從指定單元格a行65536列向上查找最后一個(gè)非空單元格，及確定末尾行，Offse（1，0）表示從單元格偏移1行0列，即選擇所選單元格下方的鄰近單元格。

5討論

本文介紹了使用Excel VBA編程技術(shù)對(duì)不符合數(shù)據(jù)庫(kù)規(guī)范的電子醫(yī)案進(jìn)行數(shù)據(jù)預(yù)處理的方法。此項(xiàng)技術(shù)可擴(kuò)展至對(duì)對(duì)各類Excel文件內(nèi)容格式的轉(zhuǎn)換，并可大幅降低手工處理的勞動(dòng)強(qiáng)度，提高轉(zhuǎn)換準(zhǔn)確率并有效縮減工作時(shí)間。這種方法為相關(guān)問(wèn)題的快速解決提供了一些方法上的參考。由于Excel軟件的普遍性，使得這種方法具有廣泛的應(yīng)用需求。endprint