国家卫生数据字典

　　第二个部分是国家卫生数据字典。国家卫生数据字典首先是一个字典，它装载的是数据元的定义和表示数据元的资源库。这里有几个概念，一是关于数据，数据本身是没有意义的，好比符号、声音、数字。二是关于信息，信息是可以被解释的，它是组织和结构化表达的数据，信息本身具有明确含义。数据元指的是在一定数据中不可分割的数据单位，即所需要的最小的数据单位。而元数据是帮助人们理解和准确解释数据的数据，如数据的表示符、定义、名称、值域等等。

　　数据字典的主干是国家卫生信息数据模型，这里面有12个超级实体，他们还有子实体，如关于人的信息一共有30个子实体。数据元里面还包括其他的因素在内，我们这里面的编号有数据元、有值域、有表示，一个是数据元的概念，一个是数据元的对象，一个是数据元的特性。好比说，大家对人有各种各样的概念：男人女人、老师同学、家庭父母都是人，但是要具体表达的话，必须有一个数据元概念。表达什么？表达的是这个人的职业，那么这个职业到底是什么职业呢？要通过值域来反映，是医生还是护士，是医学生还是陪护员。这样我们就可以分解成元数据类别的，一个是对象类，就是人，特性是职业，表示是职业的名称，原数据类别就是人的职业名称。

　　一个编码，数据字典怎么认识它呢？首先是原数据的表示符，我们给了11—15位，前5位就是数据模型的分类代码，中间有1位叫作元数据类别的代码，有对象类、特性类，还有表示类，此外还包括术语和分类模式。它和数据模型有一个对应关系，对象类在国家的数据字典里面是参与者，是PAT，后面是800001，8表示术语，有很多很多的对象。第二个性别，性别是7打头的，7表示是一个特性的。然后它表示是性别代码，性别代码是标准化的，大都是3，最后完整的数据元就是人的性别代码。

　　然后是数据格式，这里的格式是I—10029E表示数字形状的。关于元数据的描述，按照规范可能有几十个项目，大的类别是五个类别：第一个是标识与定义，第二个是数据采集及使用指南，第三个是来源及参考文本，第四个是关系，第五个是管理。最需要的就是标识与定义，我们先用他写数据库的数据，来做数据的交换，后面的管理部分可以慢慢完善。在目前的数据字典里面，一共有278个标识和定义。

　　数据元的一个部分是值域，前面的代码长度是一位数，代码要通过值域来表示，开头编号都是3。另外一个非常重要的概念是词汇表，如职业、时间、症状等一些大型的词汇表。还有观察词汇，这是非常大型的词汇表，我们自己做不了，主要靠一些外国的词汇。SNOMND可以表达40万个概念，100万个描述，8000多个检测目，40000万个代码。从指标到调查表，到标准化的数据元和国家的数据字典，我们可以一步一步地用于医护操作。通过标准化，很多的具体的数据元的表示和定义最后就变成标准化的数据，这个数据拿去共享大家就都能够认识了。

注：文字系作者演讲辑录，未经作者本人确认。