美国公共卫生概念数据模型(PHCDM)
- 格式:pdf
- 大小:325.06 KB
- 文档页数:9
健康促进模型、多理论模型、格林模型
这三个模型都是与健康促进相关的模型,分别是:
1. 健康促进模型(Health Promotion Model,HPM)是由美国护理学者Pender于1982年提出的,主要用于解释人类行为的动力和行为的决策过程,以及与健康有关的行为模式。
该模型认为,在健康促进的过程中,个人的内外部因素会相互影响,从而决定其行为,包括个人的健康信念、个人特性、资源和对环境的感知等。
该模型在健康促进和预防方面有重要的应用。
2. 多理论模型(Multiple Health Behavior Change Model,MHBCM)是由美国的健康心理学家Prochaska和DiClemente于1983年提出的,主要用于解释人们如何改变多个健康相关行为。
该模型认为,人们进行健康相关行为的难度会随着行为改变的阶段而不同,因此需要采用不同的干预策略。
具体而言,该模型将人们对健康行为的改变过程分为5个阶段:预 contemplation、contemplation、preparation、action和maintenance。
根据不同阶段的情况,干预策略也需相应调整。
3. 格林模型(Green’s Model)是由美国著名公共卫生学家Lawrence W. Green于1999年提出,主要用于解释公共健康干预的实施和有效性。
该模型认为,公共健康干预需要根据社区的特定环境、资源和人口特点来设计,干预策略可以从行为、教育、环境、政策等多个层面入手,并强调参与各利益相关方的合作和协作。
该模型在公共健康干预和预防方面有重要的应用。
公共卫生常用统计模型公共卫生常用统计模型是指应用于公共卫生领域的统计学方法和模型,用于分析和解释公共卫生数据,评估卫生风险和制定相应的政策和干预措施。
以下将介绍一些常用的公共卫生统计模型。
1.流行病学调查模型流行病学调查模型用于研究疾病和健康问题的发生和传播。
常见的调查模型包括横断面研究、病例对照研究、队列研究等。
横断面研究通过一次性的调查,收集数据并比较不同人群之间的差异,了解疾病的分布情况;病例对照研究则根据患者和非患者的对照组进行比较,评估疾病与可能的危险因素的关联性;队列研究则从健康人群中选择一组人,进行长期的追踪观察。
这些模型可帮助公共卫生工作者更好地了解疾病的流行情况和危险因素。
2.疾病动力学模型疾病动力学模型用于描述疾病在人群中的传播过程和演变规律。
常见的模型包括SI模型、SIR模型、SEIR模型等。
SI模型假设人群只有感染和易感两个状态,通过传染率来描述疾病的传播;SIR模型引入了康复状态,通过康复率来描述病毒的恢复情况;SEIR模型则引入了暴露状态,描述了潜伏期内的传播情况。
这些模型可以通过数学方法进行模拟,预测疾病的传播趋势,评估控制措施的效果,并指导公共卫生政策的制定。
3.空间统计模型空间统计模型用于分析地理位置与健康问题之间的关联性。
常见的空间统计模型包括空间自相关模型、地理加权回归模型等。
空间自相关模型可以评估某一地理单位与其周围地理单位之间的健康指标的相关性,从而确定是否存在空间聚集现象;地理加权回归模型则可以考虑地理位置因素对健康指标的影响,并评估其权重。
这些模型可用于发现地理分布不均的健康问题和探索其潜在原因,帮助制定区域性的卫生干预措施。
4.医疗统计模型医疗统计模型用于评估医疗服务的质量、效果和成本效益。
常见的医疗统计模型包括回归模型、生存分析模型等。
回归模型可用于分析医疗因素对健康结果的影响,如分析某种治疗方法对患者康复的效果;生存分析模型则可用于评估特定疾病的存活率和生存时间,并预测未来的风险。
声明:本博文即使自己学习知识的一种简单记录,方便自己使用,也是把自己在遇到问题,找到解决办法拿来与大家分享,方便大家学习中也会遇到同样的问题不知怎样解决提供一种方案,其中内容都出自笔者手稿,并经过亲身实践,有错误地方希望多多评论并指正,方便后面看的人。
关系数据库数据模型设计及设计工具PowerDesigner中实现CDM(概念模型)设计并转化为PDM(物理模型)博文摘要关系数据库从应用以来,一直是数据关系系统数据存储方式的不二选择,本博文是在一个关系数据库学习过程中对一个简单的关系数据库进行系统分析和模型设计的基础上,应用数据建模工具PowerDesigner工具来描叙概念数据模式CDM图,并转化成特定数据库中的物理数据模式的过程PDM,其中包括对Powerdesigner工具的使用方法的简单讲解,及从概念模型设计到物理模型实现的全过程。
实践过程一、任务描述根据下面的需求描述,使用Sybase Power Designer设计相应的数据库概念模型,并转换成MS SQL Server上的物理数据库结构。
二、问题描叙某银行准备开发一个银行业务管理系统,通过调查,得到以下的主要需求:银行有多个支行。
各个支行位于某个城市,每个支行有唯一的名字。
银行要监控每个支行的资产。
银行的客户通过其身份证号来标识。
银行存储每个客户的姓名及其居住的街道和城市。
客户可以有帐户,并且可以贷款。
客户可能和某个银行员工发生联系,该员工是此客户的贷款负责人或银行帐户负责人。
银行员工也通过身份证号来标识。
员工分为部门经理和普通员工,每个部门经理都负责领导其所在部门的员工,并且每个员工只允许在一个部门内工作。
每个支行的管理机构存储每个员工的姓名、电话号码、家庭地址及其经理的身份证号。
银行还需知道每个员工开始工作的日期,由此日期可以推知员工的雇佣期。
银行提供两类帐户——储蓄帐户和支票帐户。
帐户可以由2个或2个以上客户所共有,一个客户也可有两个或两个以上的帐户。
2美国公共卫生概念数据模型(PHCDM)美国建立公共卫生概念数据模型(PHCDM)的目的是记录公共卫生需要的信息,以便疾病预防控制中心 (CDC) 及其所在的省和当地公共卫生部门能:●为公共卫生建立数据标准,包括数据定义,结构组织 (例如为复杂的数据类型),编码标准和数据使用;●为全国性的卫生信息学标准制订单位间的协作,为公共卫生机构和医疗提供单位间信息的交换定义标准;●构造计算机化的信息系统,并使之符合为公共卫生相关的数据管理应用而建立的数据和数据交换标准。
美国这一模型的构建现正在进行中,并且由公共卫生相关部门参与共同开发。
CDC正在从其相关部门收集评议,发布改进版本和对评议的处理情况提供反馈。
背景资料PHCDM是支撑CDC全国电子疾病监控系统 (NEDSS) 启动的众多相关项目之一。
NEDSS的长期作用是补充计算机信息系统的采集工作,从而使卫生数据的采集自动化,促进社区的健康监控,协助分析公共卫生问题的发展趋势和及时发现情况,为公共卫生政策的制定提供信息。
NEDSS关注的是信息管理技术标准的开发,测试以及实施,这也将促进公共卫生领域中计算机卫生信息系统更充分和更全面的整合。
NEDSS标准集中于以下五个重要方面:1. 数据体系结构(数据模型,数据定义,编码规则);2. 用户界面;3. 信息系统体系结构(基于工业标准);4. 解释、分析以及传输数据的工具;5. 安全的数据转换。
PHCDM是NEDSS数据体系结构标准的一个主要组成部分。
PHCDM和公共卫生电子报告(CIPHER)指南的公共信息一起为公共卫生数据的收集、管理、传输、分析以及传播的标准化提供了一个基础。
PHCDM 的开发始于1999年5月。
第一步骤是高级数据模型的构造,它描述了PHCDM 所包含的主要的主题区域。
主题区域数据模型是基于选定的CDC疾病监控系统,即Health Level Seven (HL7)相关信息模型 (RIM),和其它与健康相关的数据模型的管理分析来开发的。
美国观察医疗结果合作项目中数据组织及通用数据模型的应用研究王玲(国家食品药品监督管理总局药品评价中心,北京100045)中图分类号:R95 文献标识码:A 文章编号:1672-8629(2015)06-0341-06摘要:目的为进一步加强药品安全性监测与评价工作提供思路和参考,为开展观察性数据二次利用实现药品使用利益最大化风险最小化提出建议。
方法研究美国观察医疗结果合作项目及其数据组织、访问技术和模型,对通用数据模型进行了研究与分析。
结果与结论观察医疗结果合作项目的创建与实施具有明显特征;利用多来源的医疗保健数据开展药物安全性主动监测,在技术层面的关键和基础是医疗卫生信息标准的建立、完善和统一应用;通用数据模型的设计、应用及效果评估,能够为我国开展多方合作、利用多数据源进行观察性数据二次开发、开展上市后产品安全性主动监测提供思路和方法。
关键词:观察性数据;二次利用;数据模型;主动监测Study on Application of Data Organization and Common Data Model of the Observational Medical Outcomes Partnership in USWANG Ling(Center for Drug Reevaluation,CFDA,Beijing100045,China)Abstract: Objective To provide thought and references for the promotion of ADR monitoring in China,suggestions on the secondary use of observational data for maximizing the benefit and minimizing the risk of drug use.Methods The data organization and access models of the Observational Medical Outcomes Partnership in US and the Common Data Model were studied and analyzed.Results and Conclusion The establishment and implementation of OMOP has obvious characteristics.In order to use existing multiple observational healthcare databases for active drug safety and benefit monitoring,the critical factor and the basis on the technical levels are the construction,improvement and unification of the medical information standards.The CDM design,development and evaluation can provide good thought and references for secondary use of observational data and active drug safety surveillance by establishing partnership and using a variety of data sources in China.Key words:observational data;secondary use;data model;active surveillance中国医药产业快速发展并逐年递增,但快速发展中出现的一些新问题,给药品安全监管工作带来严峻挑战;与此同时,由于药品研发、生产、流通、使用跨越国界,药品安全问题已成为各国政府共同面对的问题。
三级数据库技术笔试82(总分100,考试时间90分钟)一、选择题下列各题A) 、B) 、C) 、D) 四个选项中,只有一个选项是正确的。
1. 设X→Y是一个函数依赖,且对于任何X'∈X,X'→Y都不成立,则称X→Y 是—个A. 完全函数依赖B. 部分函数依赖C. 平凡函数依赖D. 非平凡函数依赖2. 关系数据库中,下列说法不正确的是A. 每一个关系模型中,属性的个数是固定的B. 在关系中元组的顺序(行的顺序)是无关紧要的C. 在关系中属性的顺序(列的顺序)是无关紧要的D. 关系中可以有重复的元组3. 下面关于计算机的论述,其中错误的是Ⅰ.第四代计算机以大规模集成电路和超大规模集成电路的使用为主要标志Ⅱ.计算机的发展趋势可以概括为:速度更快、功能更多、体积更小、价格更低Ⅲ.智能模拟是用计算机模拟人类某些智能行为,目前最先进的智能机器人已经能够完全取代人脑进行思考Ⅳ.计算机信息处理,实际上就是由计算机进行数据处理的过程A. Ⅰ和ⅡB. ⅣC. ⅢD. Ⅰ、Ⅱ和Ⅳ4. 在一个数据库中,模式与内模式的映像个数是A. 1个B. 与用户个数相同C. 由设置的系统参数决定D. 任意多个5. 在UNIX系统中,一个命令的执行会花费一些时间,为了避免等待,可采用A. 后台命令B. 输入重定向C. 输出重定向D. 管道命令6. 以下哪一项不是队列的基本运算?A. 从队尾插入一个新元素B. 从队列中删除第Ⅰ个元素C. 判断一个队列是否为空D. 读取队头元素的值7. 操作系统中的下列功能,与硬盘没有直接关系的是A. SPOOLing技术B. 文件管理C. 进程调度D. 虚拟存储8. 以下关于B树运算的叙述中,哪一条是正确的?A. 若插入过程中根结点发生分裂,则B树的高度加1B. 每当进行插入运算,就在B树的最下面一层增加一个新结点C. 若要删除的关键码出现在根结点中,则不能真正删除,只能做标记D. 删除可能引起B树结点个数减少,但不会造成B树高度减少9. 双链表的每个结点包括两个指针域。
公共卫生常用统计模型在公共卫生领域,统计模型被广泛应用于数据分析、流行病学调查、健康相关行为的研究以及其他各种情境中。
以下是一些常见的公共卫生统计模型:1.描述性统计模型描述性统计模型主要用于描述数据的集中趋势、离散趋势和相关关系。
这些模型包括均值、中位数、标准差、方差、相关系数等。
在公共卫生中,描述性统计模型通常用于概括和了解数据的分布,以及识别和理解数据中的任何异常值或离群值。
2.回归分析模型回归分析模型用于研究因变量(或响应)与自变量(或预测变量)之间的关系。
线性回归模型是最常用的回归分析模型之一,它试图通过拟合一条直线来预测因变量的值,而多元回归模型则允许一个因变量由多个自变量来解释。
在公共卫生研究中,回归分析模型常用于研究疾病风险因素、预测疾病发病率或死亡率等。
3.生存分析模型生存分析模型用于研究事件发生的时间,例如患者从疾病确诊到死亡的时间、药物失效的时间等。
这些模型通常考虑了观察数据的不完全性和不确定性,例如数据可能存在删失或右截尾的情况。
在公共卫生中,生存分析模型被广泛应用于研究疾病的预后、治疗的效果,以及评估各种干预措施的效果。
4.广义线性模型广义线性模型是一类统计模型的统称,包括线性回归模型、逻辑回归模型等。
这些模型将因变量与自变量之间的关系建模为概率分布函数,并允许因变量的分布是非正态分布的。
在公共卫生中,广义线性模型常用于研究疾病发病率、死亡率与各种风险因素之间的关系。
5.混合效应模型混合效应模型是一种同时考虑固定效应和随机效应的统计模型。
在公共卫生中,混合效应模型常用于研究群体内部和群体之间的差异,例如研究不同地区、不同人群的疾病发病率或死亡率之间的差异。
6.协变量调整模型协变量调整模型是一种用于控制潜在混淆因素的统计模型。
在公共卫生中,协变量调整模型常用于研究某个特定因素对疾病发病率或死亡率的影响,同时控制其他潜在混淆因素的影响。
7.缺失数据处理模型缺失数据处理模型是一种用于处理数据中缺失值的统计模型。
一、本文主要介绍PowerDesigner中概念数据模型 CDM的基本概念一、概念数据模型概述数据模型是现实世界中数据特征的抽象。
数据模型应该满足三个方面的要求:1)能够比较真实地模拟现实世界2)容易为人所理解3)便于计算机实现概念数据模型也称信息模型,它以实体-联系(Entity-RelationShip,简称E-R)理论为基础,并对这一理论进行了扩充。
它从用户的观点出发对信息进行建模,主要用于数据库的概念级设计。
通常人们先将现实世界抽象为概念世界,然后再将概念世界转为机器世界。
换句话说,就是先将现实世界中的客观对象抽象为实体(Entity)和联系(Relationship),它并不依赖于具体的计算机系统或某个DBMS系统,这种模型就是我们所说的CDM;然后再将CDM转换为计算机上某个DBMS所支持的数据模型,这样的模型就是物理数据模型,即PDM。
CDM是一组严格定义的模型元素的集合,这些模型元素精确地描述了系统的静态特性、动态特性以及完整性约束条件等,其中包括了数据结构、数据操作和完整性约束三部分。
1)数据结构表达为实体和属性;2)数据操作表达为实体中的记录的插入、删除、修改、查询等操作;3)完整性约束表达为数据的自身完整性约束(如数据类型、检查、规则等)和数据间的参照完整性约束(如联系、继承联系等);二、实体、属性及标识符的定义实体(Entity),也称为实例,对应现实世界中可区别于其他对象的“事件”或“事物”。
例如,学校中的每个学生,医院中的每个手术。
每个实体都有用来描述实体特征的一组性质,称之为属性,一个实体由若干个属性来描述。
如学生实体可由学号、姓名、性别、出生年月、所在系别、入学年份等属性组成。
实体集(Entity Set)是具体相同类型及相同性质实体的集合。
例如学校所有学生的集合可定义为“学生”实体集,“学生”实体集中的每个实体均具有学号、姓名、性别、出生年月、所在系别、入学年份等性质。
美国公共卫生概念数据模型(PHCDM)美国建立公共卫生概念数据模型(PHCDM)的目的是记录公共卫生需要的信息,以便疾病预防控制中心 (CDC) 及其所在的省和当地公共卫生部门能:●为公共卫生建立数据标准,包括数据定义,结构组织 (例如为复杂的数据类型),编码标准和数据使用;●为全国性的卫生信息学标准制订单位间的协作,为公共卫生机构和医疗提供单位间信息的交换定义标准;●构造计算机化的信息系统,并使之符合为公共卫生相关的数据管理应用而建立的数据和数据交换标准。
美国这一模型的构建现正在进行中,并且由公共卫生相关部门参与共同开发。
CDC正在从其相关部门收集评议,发布改进版本和对评议的处理情况提供反馈。
背景资料PHCDM是支撑CDC全国电子疾病监控系统 (NEDSS) 启动的众多相关项目之一。
NEDSS的长期作用是补充计算机信息系统的采集工作,从而使卫生数据的采集自动化,促进社区的健康监控,协助分析公共卫生问题的发展趋势和及时发现情况,为公共卫生政策的制定提供信息。
NEDSS关注的是信息管理技术标准的开发,测试以及实施,这也将促进公共卫生领域中计算机卫生信息系统更充分和更全面的整合。
NEDSS标准集中于以下五个重要方面:1. 数据体系结构(数据模型,数据定义,编码规则);2. 用户界面;3. 信息系统体系结构(基于工业标准);4. 解释、分析以及传输数据的工具;5. 安全的数据转换。
PHCDM是NEDSS数据体系结构标准的一个主要组成部分。
PHCDM和公共卫生电子报告(CIPHER)指南的公共信息一起为公共卫生数据的收集、管理、传输、分析以及传播的标准化提供了一个基础。
PHCDM 的开发始于1999年5月。
第一步骤是高级数据模型的构造,它描述了PHCDM 所包含的主要的主题区域。
主题区域数据模型是基于选定的CDC疾病监控系统,即Health Level Seven (HL7)相关信息模型 (RIM),和其它与健康相关的数据模型的管理分析来开发的。
在CDC全体人员对公共卫生监控系统的整合工作基础上,结合头脑风暴(Brainstorming)会议的开展,确定了基于现有数据模型分析上附加的主题区域。
主题区域模型被用来定义项目范围,估计工作力度,开发项目平面图。
最初的"分类" 图产生于1999年6月。
一个分类也就是被采集的那一些数据。
分类图是对每一主题区域内的主要数据分类的描述。
它包括类的说明,就象他们的内部关系的说明一样。
这个分类图于1999年7月被CDC流行病专家组审阅,并且在他们反馈的基础上做了修订。
8月,属性信息 (例如,关于分类的信息) 被添加入分类模型;1999年9月和10月早期,分类模型在CDC内部和国家及当地相关机构进行审阅。
基于这些审阅结果,判定是否需要继续完善数据模型要依据:●开发一个公共卫生程序模型来提供数据模型的上下衔接并且明晰其范围;●采用HL7相关信息模型 (RIM) 来表现卫生相关活动;●通过使用数据模型来开发基于 CDC 疾病管理和监控系统中一部分需要信息的典型数据库来验证数据模型。
例如,全国电子远程通信监控系统 (NETSS),性传播疾病管理信息系统 (STD*MIS)和实验室和流行病学公共卫生信息追踪报导系统(LITS+)。
从10月到12月,对模型进行了修订以便包括基于HL7 RIM 和密苏里相关部门公共卫生数据模型的数据结构。
NETSS 项目组召开会议,讨论PHCDM和它对NETSS可能应用的目标。
12月,设计了开发程序模型的研究方案。
2000年1月,认可了模型基本原理、目标的详细描述和发布的需求。
PHCDM 对达到NEDSS 所启动的数据标准化的目标起到了决定性的作用。
不同模型的相关活动具有多样性的目的,但是它们总的来说重点在于把数据模型应用于CDC 及其相关部门的数据标准化方面。
应用过程中,模型应该得以不断地简化。
很明显,随着我们对那些需求的理解的加深,随着我们可及的技术对自动化的适用性的增强,当公共卫生信息的需求改变时,模型也需要修订。
目标和宗旨公共卫生数据模型最主要的目的是记录公共卫生的需求信息和促进数据标准的开发,后者是全国电子疾病监控系统中的一部分。
有人可能会问,数据模型怎样便于数据标准的开发?对这个问题最好的回答就是明确PHCDM 开发的目标和宗旨。
PHCDM的目标1. 为组织数据标准和指南提供一个框架最初的CIPHER是数据表示和代码值定义的标准和指南。
它包括所代表概念的详细说明,例如日期、地址以及人名,就象元素编码的标准代码列表,例如比赛,种族以及性别。
CIPHER标准能和数据模型中的属性直接连接。
这些属性代表信息分类的特性,并且最后将在计算机信息系统中成为字段。
PHCDM为这些标准提供了相关背景。
通过为CIPHER指南描述其背景,开发数据标准的CDC职员和公共卫生人员能够预想指南中的潜在的冲突和好些冲突的含意。
同样,通过检验PHCDM 中CIPHER数据标准没有直接印射的部分,工作人员能轻易地确定出那些数据标准和指南所需要的附加区域。
2. 减少在公共卫生CDC中使用的计算机信息系统的开发花费国家和地区CDC的相关部门也在开发计算机信息系统以在公共卫生中使用。
不可避免的,这些开发项目必然要在采集、数据需求分析和数据库设计上花费精力。
通过这些开发项目,PHCDM 将显著地缩小开支。
这些开发项目提供可重复使用的数据分析及数据库设计,开发出按需要使用或修改的通用的启动平台,其结果能减少开发时间和费用。
通过在分析和设计开始时使用PHCDM,每一个单独的项目组能避免重复数据分析和重复的数据库设计步骤。
某一开发组新的结果或据其要求所做的修订能作为常规维护的部分反映在PHCDM里,从而使其他的项目组能再次利用其结果。
3. 通过一致性增强数据共享通过在开发中使用PHCDM而得到的额外便利是在数据库设计中重复使用PHCDM构成。
这种重复使用为在数据意义和各个独立开发的软件系统的表现上提高了一致性。
数据一贯性的提高将使公共卫生中应用的不同信息系统之间共享数据更加容易。
PHCDM 的使用将使复杂数据映射和转换过程的需求减到最小。
数据的一贯性将允许数据跨越多重系统进行比较和连接。
数据的一贯性是一个很重要的系统特征,它能促进趋势分析并发现出现的公共卫生问题,同时能促进公共卫生政策的信息利用。
4. 公共卫生数据的表达需要全国性标准的设置机构这一项目的关键点是有能力与全国性的卫生信息标准设置机构协作,为在公共卫生机构和医疗提供单位间信息的交换定义标准。
HL7(Health Level Seven)是为医疗卫生信息交换建立标准这一工作的一个必要部分。
HL7消息的开发方法包括构造引用信息模型的过程,定义数据类型,词汇范围的协调,和XML(Extensible Markup Language)数据交换标准的公共卫生解释。
HL7在为建立医疗卫生计算机信息系统中的交互操作性标准的中具有无可争辩的重要地位。
HL7方法的关键点是HL7引用信息模型(HL7 RIM)。
HL7 RIM是所有HL7第3版标准数据内容的来源。
为确保能将用户需要的信息在RIM中反映出来,HL7确定了一个多方面的程序。
在HL7 RIM中反映出对公共卫生信息的需求是极其重要的。
PHCDM将尽可能多的再利用RIM,就像PHCDM在公共卫生需求中的应用一样。
这也是RIM修订和添加的来源,代表了公共卫生数据的独特要求。
通过在HL7 RIM中涵盖公共卫生需求,我们确保HL7中的信息系统提供者和提供组织可以获得这些需要,以便他们能在可为公共卫生相关数据原始来源用的医疗卫生信息系统的设计中包括它们。
CDC人员也将探索有效的方法来与其他相关标准组织协调公共卫生信息需求。
5. 促进CDC和其所在省及地方机构在公共卫生领域的合作在本地、省和国家的各层次上完成公共卫生相关数据的采集、分析和报告。
这些数据被用来监控公众的健康,标识公共卫生问题和优先级,采取及时的公共卫生行动防止疾病的进一步发生,计划适当的长期干预措施,开发公共卫生政策。
对公共卫生重要的疾病和背景数据在常规基础上被报到地区卫生机构,并按次序报告到CDC。
CDC 反过来向省和地区当局汇总和通报这些数据,并通过一定方式公布于众。
监控、干预和计划系统需要所有相关部门的合作。
一些省和地区依赖CDC提供的应用软件来电子收集、报告和分析需申报的情况。
其他省有能力自己开发类似的应用软件。
数据定义、格式和代码设置的不一致使不同来源的数据很难整合。
PHCDM将作为在公共卫生各层次收集和整合所需信息的工具。
由PHCDM 和CIPHER定义的数据标准能被公共卫生领域重所有的相关部门使用。
通过省和地区实体的合作,PHCDM将为公共卫生活动的全局规划奠定一个基础。
公共卫生概念数据模型(PHCDM)90模型由四个主题区包括29个分类组成。
这些主题区域都是基于公共卫生相关数据的最常见类别。
四个主题区和所包括的类别如下。
HEALTH-RELATED ACTIVITIES(卫生相关活动)ACTIVITY RELATIONSHIPACTOR PARTICIPATIONCASEHEALTH-RELATED ACTIVITY INTERVENTION NOTIFICATIONOBSERVATIONOUTBREAKREFERRALTARGET PARTICIPATIONLOCATIONS(地域场所)LOCATIONLOCATION RELATIONSHIPMATERIAL LOCATION PARTICIPATION PARTY LOCATION PARTICIPATION PHYSICAL LOCATIONPOSTAL LOCATION TELECOMMUNICATION LOCATIONMATERIALS(材料内容)MATERIALMATERIAL RELATIONSHIPMATERIAL RESPONSIBILITYSPECIMENPARTIES(团体单位)FORMAL ORGANIZATION INDIVIDUALINFORMAL ORGANIZATIONNON-PERSON LIVING ORGANISM ORGANIZATIONPARTYPARTY RELATIONSHIPPERSON模型应用举例以公共卫生中的具体实例说明公共卫生概念模型中的分类怎样对应于公共卫生工作中的程序。
例子中,左栏为原始纪录,右栏为根据PHCDM概念所对应的解释。
脑膜炎发病举例。