1 / 26

Conception et optimisation d’un entrepôt de données médicales

Conception et optimisation d’un entrepôt de données médicales. María Trinidad SERNA-ENCINAS Michel ADIBA Laboratoire LSR-IMAG. Juin 2005. Plan. Conception du schéma Projet ADELEM Sources et indicateurs Schéma pour ADELEM Algorithme pour la sélection des vues à matérialiser

abrial
Download Presentation

Conception et optimisation d’un entrepôt de données médicales

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Conception et optimisation d’un entrepôt de données médicales María Trinidad SERNA-ENCINAS Michel ADIBA Laboratoire LSR-IMAG Juin 2005

  2. Plan • Conception du schéma • Projet ADELEM • Sources et indicateurs • Schéma pour ADELEM • Algorithme pour la sélection des vues à matérialiser • Algorithme Greedy • Notre proposition • Conclusions

  3. Le projet ADELEM Le projet ADELEM consiste en la mise au point d'outils logiciels nécessaires à l'aide à la décision logistique et médicale. Le Laboratoire TIMC Le laboratoire de Biométrie et Biologie Évolutive Leprojet ADELEM Le laboratoire LSR L’Organisation Mondiale de la Santé

  4. Laboratoire De Biométrie Et Biologie De Lyon Année : 2000 Source : Ministère de La Santé Laboratoire de Biométrie et Biologie de Lyon Indicateur d’offre de soins : le nombre de lits par établissement

  5. Problématique • Données: • Publiques concernant la santé: RSA, RHA, FINESS, CIM10 • Démographiques: RP90 et RP99 • Géographiques: GéoFLCP, HEXAPOSTE, Inventaire Communal (1988) • Sources de données hétérogènes, distribuées et certaines d’entre elles sont externes au domaine médical proprement dit. • Nature des données: type, format, sémantique, confidentialité, degré de fiabilité et de confiance, informations manquantes ou incomplètes, …

  6. Sources Tableau Historique Sources de données

  7. Typage des indicateurs • Indicateurs d’offre (géographiques - spatio-temporels) • Localiser sur une carte tous les établissements de court séjour en faisant apparaître leur capacité en nombre de lits MCO (Médecine-Chirurgie-Obstétrie) • Indicateurs de consommation, de besoin et de flux (temporels) • Nombre de séjours par établissement durant l’année 2000 • Nouveaux indicateurs (temporels) • Nombre de personnes de plus de 60 ans par maladie et par établissement

  8. Schéma en constellationProjet ADELEM

  9. Description du schéma (1/2) • SM = (Cs, Ds, Hs, R) • Cs = {Prise_MCO, Population, Prise_SSR} • Ds = {Etablissement, CIM10, Temps, Mode_sortie, Age, Zone_geo, Poids_naissance, RP99, Semaine_debut, Semaine_fin} • Hs = {H_Geo, H_Temps} • R = {C_Cube, C_Dimension, C_Hiérarchie} • Cs = (cn, M, D) • cn = Prise_MCO • M = {CompteDuree_sejour, SommeDuree_sejour} • D = {Etablissement, CIM10, Temps, Mode_sortie, Age, Zone_geo, Poids_naissance}

  10. Description du schéma (2/2) • Ds = (dn, P, H) • dn = Etablissement • P = {Cle_Finess, Raison_Sociale, Adresse, Codepostal, CA1 .. CA7, CMO1 .. CMO7, NLA, NLO, Commune, Departement} • H = {H_Geo} • Hs = (hn, L, <} • hn = H_Geo • L = {Commune, Departement, Region, Pays} • < = {(Commune, Departement), (Departement, Region), (Region, T)}

  11. Plan • Conception du schéma • Projet ADELEM • Sources et indicateurs • Schéma pour ADELEM • Algorithme pour la sélection des vues à matérialiser • Algorithme Greedy • Notre proposition • Conclusions

  12. Matérialisation du cube • Tables du schéma ADELEM_MCO (nb de n-uplets): • Prise_MCO (53799) fait • Etablissement (5079) dimension • CIM10 (17788) dimension • Temps (12) dimension • Mode_sortie (5) dimension • Construction d’un entrepôt avec un échantillon de 10% des données réelles. • Taille du cube = 16 vues (2n où n est le nombre de dimensions) • Utilisation d’Oracle9i, Entreprise Edition

  13. CC(V1) = (5K*18K)+ (14K*12)+ (47K*5) 4 Dim 90M 54K CC(V2) = (5K*18K)+ (14K+12) ECT V2 ECM V3 ETM V4 CTM V5 3 Dim 90M 47K 90M 18K 61K 603 346K 33K CC(V6) = (5K * 18K) EC V6 ET V7 EM V8 CT V9 CM V10 TM V11 2 Dim 90M 14K 60K 184 25K 58 216K 26K 90K 8K 60 48 E V12 C V13 T V14 M V15 1 Dim 5K 19 18K 5K 12 12 5 4 0 Dim ALL V16 1 Treillis du cube ECTM V1 Coût de stockage (droite) (représenté par le nombre de n-uplets du résultat) Coût de calcul (gauche) (produit des cardinalités approximatives des relations de base)

  14. Sélection des vues à matérialiserAlgorithme Greedy[HRU95] • Quelques notations: • C(v) = Coût de stockage de la vue v. •  = Relation de dépendance. • S = Ensemble de vues sélectionnées. • B(v,S) =  Bw : Bénéfice de la vue v relative à S w  v • Bw • Bw = C(v) – C(u) si u est la vue de coût minimal dans S, telle que w  u et C(v) < C(u), • Bw= 0, sinon.

  15. Application de l’algorithme Greedy aux données ADELEM • 1ère Choix est V4 (Coût (V4) – Coût(V1) * 8) = 53K*8 = 424K, où 8 représente le nombre de vues dépendante de V4 (V4, V7, V8, V11, V12, V14, V15, V16) • 2ème Choix est V3 = 144k (36K*4 (V3, V6, V10, V13)), les autres vues dépendantes de V3 ne sont pas prises en compte, car elles donnent un gain plus élevé avec la vue V4. • S = {V1, V4,V3, V5, V10, V9,V2,V6}

  16. Ensemble ordonné des vues sélectionnées Y : Coût de calcul et de stockage X : sept premières vues ordonnées par rapport à leur coût de calcul

  17. Algorithme Greedy • Avantages: • Simplicité • Certaine efficacité (coût de stockage) • Inconvénient majeur: • Pas des paramètres, comme: fréquence de la requête, fréquence des mises à jour, coût de maintenance ou de calcul. • Dans notre expérimentation, à partir du 6ème choix, il sélectionne les vues plus coûteuses (V2 et V6). Ceci nous motive pour un mécanisme de sélection plus efficace.

  18. Algorithme proposé Paramètres • Bg = Bénéfice de Greedy • Fréquence d’utilisation (fq) • fq(v) = nombre de relations dépendantes de la vue v (complexité) • B(v, S) = Bg * fq(v) - (CC(v) + PC(v)) • CC(v) = Coût de calcul divisé par le nombre de relations dépendantes de v. • Exple. CC(V2) = ((5K*18K) + (14K*12))/8  90M/8 =11M • où 8 = nombre total des relations dépendantes de V2 • PC(v) = Probabilité de changement des relations de base multiplié par le coût de calcul • Hypothèse de 20% de changement des éléments du schéma • Exple. V2 a 3 dimensions et 30 attributs qui peuvent changer • PC(V2) = (3300/36*.20)*11M = 2M • B(V2,S) = Bg * fq(V2) – (CC(V2) + PC(V2))

  19. Application de notre algorithme • 1ère Choix est V4 (Bg*fq) – ((CC(v)/fq) + PC(v)) = 3M (53K * 8)*8 – ((61K/8) * 1.18) où 8 représente le nombre de vues dépendante de V4 (V4, V7, V8, V11, V12, V14, V15, V16) • 2ème Choix est V5 = 626K (21K*4*8)-((346K/8)*1.06), où 4 est (V3, V6, V10, V13), les autres vues dépendantes de V5 ne sont pas prises en compte, car elles donnent un gain plus élevé avec la vue V4. • S = {V1, V4, V5, V10, V11, V8, V15, V14}

  20. Ensemble ordonné des vues sélectionnées Y : Coût de calcul et de stockage X : sept premières vues ordonnées par rapport à leur coût de calcul

  21. Résultats • Notre algorithme donne de meilleurs résultats pour notre cas expérimental. • Vues sélectionnées: • 3 Dim  2 meilleures vues (V4 et V5) • 2 Dim  3 meilleures vues (V8, V10 et V11) • 1 Dim  2 meilleures vues (V14 et V15) • Faiblesses: • Absence du coût d’évaluation d’une requête par rapport au type d’opération (Select, Project ou Join) • Nous ne prenons pas en compte les restrictions éventuelles sur l’espace de stockage

  22. Plan • Conception du schéma • Projet ADELEM • Sources et indicateurs • Schéma pour ADELEM • Algorithme pour la sélection des vues à matérialiser • Algorithme Greedy • Notre proposition • Conclusions

  23. Bilan du travail réalisé • Description du schéma conçu • Algorithme pour la sélection des vues à matérialiser • Paramètres: fréquence d’utilisation, coût de calcul et probabilité de changement des relations de base • Faiblesse: • Absence du coût d’évaluation d’une requête par rapport au type d’opération (Select, Project ou Join) • Nous ne prenons pas en compte les restrictions éventuelles sur l’espace de stockage • Expérimentation sur Oracle9i

  24. Questions?

  25. Application de l’algorithme Greedy aux données ADELEM 1ère Choix est V4 (Coût (V4) – Coût(V1)) = 424K (53K * 8) où 8 représente le nombre de vues dépendante de V4 (V4, V7, V8, V11, V12, V14, V15, V16) 2ème Choix est V3 = 144k (36K*4 (V3, V6, V10, V13)), les autres vues dépendantes de V3 ne sont pas prises en compte, car elles donnent un gain plus élevé avec la vue V4.

  26. Application de notre algorithme 1ère Choix est B(V4,S) = Bg * fq(V4) – (CC(V4) + PC(V4)) = 3M (424K*8) – ((61K/8)*1.18) où 8 représente le nombre de vues dépendante de V4 (V4, V7, V8, V11, V12, V14, V15, V16) 2ème Choix est V5 = 626K (21K*4*8)-((346K/8)*1.06), où 4 est (V3, V6, V10, V13), les autres vues dépendantes de V5 ne sont pas prises en compte, car elles donnent un gain plus élevé avec la vue V4.

More Related