《公共卫生信息服务平台建设解决方案.docx》由会员分享，可在线阅读，更多相关《公共卫生信息服务平台建设解决方案.docx（38页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、公共卫生信息服务平台建设解决方案V3.0 公共卫生信息服务平台建设解决方案公共卫生信息服务平台建设解决方案互联网 +健康医疗大数据应用平台解决方案 V3.0目 录 1. 背景介绍 . 1 2. 产品愿景 . 6 3. 产品定位 . 7 3.1 解决的问题 . 7 3.2 达到的效果 . 8 4. 产品理念 . 9 5. 总体思路 . 10 5.1 对接数据源，获得医疗卫生大数据 . 11 5.2 对获得的医疗卫生大数据预处理机制 . 12 5.3 建立医疗卫生大数据的存储机制 . 12 5.4 医疗卫生大数据的处理和分析算法分类和形成 . 14 5.5 开发专题大数据分析，形成专题大数据应用
2、. 16 5.6 开发机构大数据分析，建立机构大数据应用 . 16 5.7 建立平台应用实施推广组织机制 . 16 5.8 建立平台产品优化升级服务组织机制 . 16 6. 医疗卫生信息的大数据建模描述和分析 . 17 6.1 我们给出的相关数据模型 . 18 6.2 卫计委给出的相关数据模型 . 19 6.3 相关数据特征对比分析 . 23 7. 大数据分析应用平台支持的业务主题场景 . 25 7.1 医疗卫生服务机构应用 . 27互联网 +健康医疗大数据应用平台解决方案 V3.07.1.1 各级医院自身应用 . 27 7.1.2 基层医疗机构自身应用 . 32 7.1.3 区域卫生医疗联合
3、体应用 . 33 7.1.4 医疗卫朝气构的合规应用 . 38 7.2 患者医疗治疗应用 . 40 7.2.1 患者就医过程提示服务 . 40 7.2.2 患者服药提示服务 . 41 7.2.3 患者饮食、运动、习惯留意事项服务 . 41 7.2.4 患者体征和治疗效果服务 . 41 7.2.5 患者沟通交往服务 . 41 7.3 特性化医疗服务应用 . 41 7.3.1 基因测序分析应用 . 42 7.3.2 特性化药物应用 . 42 7.3.3 个人健康管理应用 . 43 7.4 慢性病预防治疗应用（疾控中心）. 44 7.4.1 慢性病检测、发觉、预警服务 . 45 7.4.2 慢性病诊
4、断服务 . 46 7.4.3 慢性病防控治疗服务 . 46 7.5 居民健康保健应用（疾控中心）. 47 7.5.1 居民自我健康保健应用 . 48 7.5.2 政府卫生管理部门进行居民健康管理应用 . 48 7.5.3 政府医疗规划结构进行居民健康保健决策应用 . 48互联网 +健康医疗大数据应用平台解决方案 V3.07.6 医疗卫生管理机构应用（卫生局）. 49 7.7 医疗保险管理机构应用（医保局）. 49 7.7.1 基本医疗保险的决策支持分析 . 52 7.7.2 基本医疗保险费用单据的智能化审核 . 53 7.7.3 基本医疗保险的有效支付和治理应用 . 53 7.7.4 基本医疗
5、保险和服务监管应用 . 53 7.7.5 降低看病率提升医疗效果应用 . 54 7.8 医药监管机构应用（药监局）. 58 7.9 医药研发生产经营应用（医药企业）. 58 7.9.1 医药研发企业应用 . 59 7.9.2 医药生产企业应用 . 59 7.9.3 医药流通企业应用 . 60 7.9.4 医药零售企业应用 . 63 7.10 医疗卫生资源配置管理规划应用（政府主管部门）. 63 7.10.1 医疗卫生资源服务现状分析 . 63 7.10.2 医疗卫生资源财务供应实力分析 . 64 7.10.3 医疗卫生资源规划指标对比 . 64 7.10.4 医疗卫生资源政策建议 . 65 7
6、.11 商业医疗保险应用（保险公司）. 65 7.11.1 获得新客户和保留已有客户的分析应用 . 66 7.11.2 有效限制医疗费用的分析应用 . 66 7.11.3 商业医疗保险的保障设计和精算定价 . 66互联网 +健康医疗大数据应用平台解决方案 V3.07.11.4 商业医疗保险的理赔运营管理应用 . 68 7.11.5 商业医疗保险的市场和销售拓展应用 . 70 7.12 公共卫生服务应用（卫生防疫中心）. 70 7.12.1 传染病预警预报 . 72 7.12.2 公共卫生舆情监测预警 . 72 7.12.3 疾控和保健应用 . 73 7.13 政府监管应用（政府主管部门）. 7
7、4 7.13.1 医药监管应用 . 74 7.13.2 医疗监管应用 . 74 7.13.3 医保监管应用 . 76 7.13.4 医疗服务机构和医生监管应用 . 77 7.14 新型医疗卫生服务应用（政府主管部门）. 77 7.14.1 远程医疗 . 77 7.14.2 移动医疗 . 78 7.14.3 互联网医疗 . 79 7.14.4 数字医疗 . 80 7.14.5 大数据医疗 . 80 7.14.6 才智医疗 . 80 7.14.7 精准医疗 . 81 8. 大数据分析应用平台支持的专题大数据应用 . 82 8.1 患者分析（基于电子病历 EMR）82 8.1.1 患者数据预处理 .
8、 82互联网 +健康医疗大数据应用平台解决方案 V3.08.1.2 患者个体（特性）分析 . 83 8.1.3 患者群体（统计）分析 . 83 8.2 疾病分析（基于电子病历 EMR和电子健康档案 EHR）. 84 8.2.1 常见疾病分析 . 84 8.2.2 慢性疾病分析 . 84 8.2.3 疾病诱因分析 . 84 8.2.4 疾病统计分析 . 84 8.2.5 临床路径分析 . 84 8.3 医生及医护人员分析（基于医疗卫生资源数据）. 84 8.3.1 医生及医护人员资格资格分析 . 84 8.3.2 医生及医护人员行医记录分析 . 85 8.3.3 医生及医护人员培训进修分析 .
9、85 8.4 处方分析（基于电子病历 EMR）85 8.4.1 医生用药分析 . 85 8.4.2 患者用药分析 . 86 8.4.3 处方用药分析 . 86 8.4.4 医院科室用药分析 . 86 8.4.5 平安用药分析 . 86 8.4.6 处方符合性分析 . 87 8.4.7 处方用药 -诊断结论关联分析 . 87 8.4.8 诊断结论 -处方总价聚类分析 . 87 8.4.9 患者特征 -诊断结论分类分析 . 88互联网 +健康医疗大数据应用平台解决方案 V3.08.4.10 患病时间 -诊断结论序列分析 . 88 8.5 居民人口分析（基于电子健康档案 EHR）. 88 8.5.1
10、 居民个体健康分析 . 88 8.5.2 人口群体健康分析 . 88 8.5.3 人口亚健康相关因素关联分析 . 88 8.5.4 人口健康相关因素关联分析 . 88 8.5.5 人口健康时间空间分布分析 . 89 8.5.6 人口健康预料分析 . 89 8.6 药品分析（基于医药产业链数据）. 89 8.6.1 药品种类分析 . 89 8.6.2 药品研发分析 . 91 8.6.3 药品生产分析 . 94 8.6.4 药品销售分析 . 94 8.6.5 药品物流分析 . 95 8.6.6 药品资金流分析 . 95 8.6.7 药品信息流分析 . 95 8.6.8 药品库存分析 . 96 8.
11、6.9 药品质量偏差分析 . 100 8.6.10 药品不良反应药品群体不良事务分析 . 100 8.7 医疗健康检验检测分析（基于电子健康档案 EHR）. 101 8.7.1 生理信号检测分析 . 101 8.7.2 医学影像图像分析 . 101互联网 +健康医疗大数据应用平台解决方案 V3.08.7.3 DNA检测和 DNA 序列分析 . 101 8.7.4 重要人体征数据分析 . 101 8.7.5 远程自助健康医疗检测分析 . 101 8.8 医疗平安风险分析（基于电子病历 EMR）. 102 8.8.1 医疗平安分析 . 102 8.8.2 医疗风险分析 . 102 8.8.3 假药
12、、过期药、成分异样药的运用分析 . 102 8.8.4 医疗事故诱因分析 . 102 8.8.5 医疗平安风险统计分析 . 102 8.9 医疗卫生资源分析（基于政府的医疗卫生资源数据）. 102 8.9.1 医生护理人员分析 . 102 8.9.2 医院床位分析 . 102 8.9.3 医疗检测检验实力分析 . 103 8.9.4 医疗卫生资源需求分析 . 103 8.9.5 医疗卫生资源匹配度分析 . 103 8.9.6 医疗卫生资源对比分析 . 103 8.10 医疗卫生效果分析（基于电子健康档案HER和医疗卫生资源数据）. 103 8.10.1 医疗卫生满足度分析 . 103 8.10
13、.2 医疗卫生问题诱因分析 . 103 8.10.3 医疗卫生规划符合度分析 . 103 9. 关键核心技术和算法 . 104互联网 +健康医疗大数据应用平台解决方案 V3.09.1 大数据分析实力 . 104 9.2 大数据分析技术 . 105 9.3 大数据存储技术和系统 . 106 9.4 大数据业务模型建模 . 106 9.5 大数据的实时查询 . 109 9.6 大数据的困难分析 . 111 10. 用医疗卫生大数据为业务服务 . 114 10.1 核心理念 . 115 10.2 管理闭环 . 116 11. 将来市场前景分析 . 119 12. 总结 . 121V3.0 公共卫生信
14、息服务平台建设解决方案 第 1 页总体方案思路是：基于目前医疗服务机构及相关机构已有的 HLI、NHLI、HIS 等有关系统形成并积累的医药医疗健康大数据和信息，采 用最新的大数据技术、云计算技术、 BI 和数据挖掘技术，形成对医疗行业具有新视角、全方位、智能性、预料性、可视性的深层次展示分析效果（ Insight ），揭示医疗行业整体规律和内在发展趋势，揭示患者个体的独有特质并形成特性医疗， 将医疗行业的宏观大势与每个患者的微观个体定性定量描述有机结合， 达到支撑和形成医疗行业新应用场景和新服务模式。医药医疗健康大数据是具有更强的决策力、洞察发觉力和流程优化实力的海量、 高增长率和多样化的信
15、息资产，但须要新计算处理模式。1. 背景介绍依据国际闻名分析机构 Gartner 给出的定义：大数据就是那些具有规模大、速度快、种类多三大特征的数据资产。大数据分析从海量数据中筛选出有用的信息，然后通过各种手段将信息转化为洞察力，从而做出正确决策，并最终推动业务发展。通过一系列分析处理，大数据可以帮助企业制定明智且切实可行的战略， 获得前所未有的客户洞察，支持客户购买行为， 并构建新的业务模式， 进而赢得竞争优势。随着人们的生活水平不断提高，健康也越来越受到家庭的关注。2009 年 2 月 27 日，我国卫生部公布的第四次国家卫生服务调查结果显示，截止至 2008 年，我国居民脑血栓，糖尿病，
16、高血压等慢性 病病例数达到 2.6 亿，占全国总人数的 20%，其中高血压病人对自身疾病的知晓率只有30%，同时这些病人中的治疗率只有 25%，限制率第 2 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 仅为 6%，糖尿病病人中，能坚持做到规范治疗的也只有 33%。由此我们可以看出，建立科学、规范、高质量的慢性病管理策略，实现对人体慢性病的监护具有重大的意义。通过慢性病的早期诊断和监护， 不仅能提前预防和限制各种疾病， 还能帮助他们合理用药， 削减医药开支。另一方面， 我国公共医疗卫生资源紧缺，城乡医疗卫生资源的差距比较大，城市人口平均拥有的医疗卫生资源是农村人口的2.5 倍以 上，
17、比如，占全国总人口近 70%的农村拥有全国医疗卫生资源的 30%，而占全国总人口 30%的城市却占有全国医疗卫生资源的 70%，优质的医疗卫生资源集中分布在城市，尤其是大城市。因此，实现城乡之间 的医疗卫生资源共享成为丞待解决的重要问题。同时，随着国家主动提倡 3521医疗系统建设，我国医疗领域信息化程度得到了很大的提高， 预料在全国会出现上百个医疗数据中心，每个数据中心都将承载近 1000 万人口的医疗数据，数量多、更新快且类型繁杂， 使医院数据库的信息容量不断膨胀， 这就产生了医疗健康大数据。医疗健康大数据通常具有以下特征 : (1) 数据巨量化 : 区域医疗数据通常是来自于拥有上百万人口
18、和上百家医疗机构的区域， 并且数据呈持续增长的趋势。依照医疗行业的相关规定，患者的数据通常至少须要保留 50 年。(2) 服务实时性 : 医疗信息服务中会存在大量在线或实时数据分析处理的需求。例如:临床中的诊断和用药建议、 健康指标预警等。(3) 存储形式多样化 : 医疗数据的存储形式多种多样， 例如各种结构化数据表、非 ( 半) 结构化文本文档、医疗影像等。第 3 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 (4) 高价值性 : 医疗数据对国家乃至全球的疾病防控、 新药研发和顽疾攻克都有着巨大的作用。因此，如何在海量的医疗健康大数据中提取信息的实力正快速成为战略性发展的方向， 通
19、过大数据分析挖掘出有价值的信息， 将对疾病的管理、限制和医疗探讨都有着特别高的价值。目前，大数据、云计算是已经普及并成为 IT 行业的主流技术。国内外都已经进入了大数据、云计算的探讨热潮，同时大数据、云计 算技术也渐渐成熟， 大规模区域医疗信息系统和大型数据中心的建立也在同时进行。而云计算是大数据成长的驱动力，与此同时，由于医 药医疗健康大数据越来越多， 对云计算的需求日益增长， 所以二者是相辅相成的。随着医疗数据的急剧增长，如何充分利用这些数据，运 用大数据、云计算技术，搭建合理先进的数据云服务平台，为广阔患 者、医务人员、 科研人员供应服务和帮助，必将成为将来信息化工作的重要方向。大数据时
20、代已经驾临， 大数据正在对每个领域都造成影响。在商业、经济及其他领域中，决策行为将日益基于数据和分析的结果，而非基于阅历和直觉；而在公共卫生、经济发展和经济预料等领域中，大数据的预见实力也已经崭露头角。2012 年 3 月，美国政府公布了大数据研发安排 （Big Data Researchand Development Initiative ）。该安排的目标是改进人们从现有的海量和困难的数据中获得学问的实力。其中，与医疗卫生领域相关的有生物传感 2.0 、虚拟试验室环境（ VLE）、癌症基因组图谱 (TCGA)、神经科学信息框架第 4 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 (
21、NIF) 、患者报告结果测量信息系统(PROMIS) 等 10 余项。2014 年美国的公共数据开放项目 OpenFDA上线之后，先导项目开放了 300 万份药物不良反应报告，这些数据是2004 至 2013 年间被提交给 FDA 的药物不良反应和医疗过失记录。对医疗机构来说， 不良反应和医疗过失记录起到的是长远的贡献作用，能削减医疗悲剧的重现。依据我国居民第三次死因调查报告显示， 脑血管病已成为居民的第一死因。脑卒中发病率正以每年 8.7%的速率上升，我国每年用于治疗脑血管病的费用约在 100 亿元以上。2014 年， GE医疗中国联合国家卫生计生委脑卒中防治工程委员会 ( 脑防委 ) 启动
22、了脑卒中行动合作战略。GE 医疗脑卒中行动的法宝之一就是大数据。尤其是GE构建的三级筛查网络，对双侧内膜增厚的高危人群检出率提升了近 10%。GE搭建的脑卒中信息管理系统可以与医院 Lis 和 His 系 统全面对接， 记录患者的基本信息、 初筛信息、复筛信息、用药信息、试验室检查、 体格检查信息及其随访信息等， 全面跟踪患者的诊治流程。还可以与 PACS系统对接，全面记录患者的影像学信息，实现患者影像信息的共享。同时， 可对患者全流程疾病影像信息回顾，削减患者重复检查的负担，帮助医生对患者疾病信息的全面推断。在上述这些大背景下， 本公司提出并安排研发 医疗健康大数据分析应用平台（以下简称方案
23、）产品，以期为我国医疗卫生实现数字医疗、才智医疗、健康医疗发挥重要作用。从而达到：服务模式 （以患者为中心，形成居民健康全过程服务），从被动到主动；医疗模式（以预防为主，人人享有基本医疗卫生服务，将医疗卫生工作重第 5 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 点由后治前移到预防保健），从治病到防病；诊疗模式（避开各自为政，实行上下联合，专业分工），从排斥到联动；数据模式（从业务系统数据向整体数据转变， 变更过去的数据不统一、 不互通、不共享）， 从隔离到整体；技术模式（采纳各种新技术手段，包括大数据、云计 算、物联网、移动互联等，形成技术合力），从简洁到综合的转变。第 6 页
24、互联网 +健康医疗大数据应用平台解决方案 V3.02. 方案愿景形成充分发挥大数据技术的， 针对医疗医药行业的， 能充分适应医疗卫生信息特征的大数据分析应用支撑平台， 通过大数据分析， 达到发觉学问、发觉规律、预料将来，将医疗卫生行业推动进入大数据时代供应技术可行性。第 7 页 互联网 +健康医疗大数据应用平台解决方案 V3.03. 方案定位方案以医疗卫生行业的整体数据架构（数据模型、数据构成、数据关系）为基础和标准，以对应的医疗卫生业务数据为输入，通过大 数据技术， 形成针对医疗卫生行业中不同机构、 角色和业务活动的智能化应用， 因此方案不是代替已有医疗卫生信息化系统， 而是在多个方面强化已
25、有医疗卫生信息化系统，包括随意查询、即兴分析、业务 增加、规则约束、预料将来、发觉学问，并供应互动性、刚好性、预 知性、洞察性，从而达到实现才智医疗的目标。3.1 解决的问题当前医疗卫生信息化建设的主要问题是各个区域内不同医疗机构中患者的基础信息和各种临床信息资源分散、重复、孤立，导致有效信息闲置、信息重复或不一样，很难得到有效利用。通过方案实现国家医疗卫生信息化规划中 4631-2的三大基础数据库， 即电子健康档案数据库、 电子病历数据库和全员人口个案数据库的应用落地； 通过方案实现才智医疗的核心部分， 即医疗卫生服务体系的智能化，使医疗卫生的各种应用提升水平；通过方案为看病难、看病贵的解决
26、供应科学定量推断依据、对比分析依据和方案效果评价依据；第 8 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 3.2 达到的效果方案预期部署到云平台上运行，采纳SOA的理念进行架构开发， 通过分层将公共大数据算法模型封装为服务，对业务应用供应服务，同时平台业务应用也是服务的形式存在， 即应用单位不再须要购买部署自己的服务器硬软件环境， 只须要开通相应服务就可以了。各个应用单位依据自己的业务须要定制服务，平台支持开通即用服务模式，为实现业务应用集成，方案将对外支持WebService 方式的接口服务。方案希望将医疗卫生的才智功能应用普及到业务角色和过程的方方面面，包括医生（包括专科医生、
27、全科医生、保健医生等）、患者（包括慢性病患者、潜在患者等）、管理者（包括医疗管理者、医疗保险管理者、医药监管管理者、公共卫生管理者等）、医药经营者 （药品研发、药品生产、药品物流、药品零售等）以及商业医疗保险经营者（健康险、大病险、医疗意外险等）。第 9 页 互联网 +健康医疗大数据应用平台解决方案 V3.04. 方案理念医疗卫生、 健康保健、 医药器械形成的海量数据就象一座待开发的金矿，利用大数据技术、 云计算技术、物联网技术和便携设备技术的最新成果， 将给医疗卫生事业带来全新革命性的变更， 明显解决看病难和看病贵的问题， 达到医疗卫生资源配置分布合理、 大病小病治疗各司其职、疾病预防治疗有
28、机结合、公民健康保健全过程覆盖。第 10 页 互联网 +健康医疗大数据应用平台解决方案 V3.05. 总体思路通过建立医疗卫生大数据的统一标准和规范， 形成可被相关业务应用所利用的医疗卫生大数据源和交互机制， 在此基础上， 首先形成专题大数据应用， 这些应用具有跨部门和组织机构的通用性， 并具有良好的稳定性， 因为这些应用是面对医疗卫生专题的； 基于专题大数据应用， 依据医疗卫生相关部门和组织机构的业务要求，可开发形成各种业务大数据应用， 并且随着平台的推广， 积累的医疗卫生业务大数据应用的实例将会越来越多，并最终形成不同方向的最佳应用样 例。 医疗卫生大数据源 专题大数据应用 业务大数据应用
29、 医 诊断 处方 治疗 生 医疗卫生服务 个 个人疾病全周期 个人健康全周期人 个人生命全周期药 招投标 选购 物流 支付品 医药供应链 患者分析疾病分析用药分析费用分析健康分析药品分析 平安风险分析资源分析效果分析 个人（患者、亚健康） 医疗卫生服务机构 医药生产经营企业 医疗卫生管理机构 医疗保险机构 公共卫生服务机构 医药监管机构第 11 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 5.1 对接数据源，获得医疗卫生大数据医疗卫生大数据中心为方案进行医疗卫生大数据分析供应数据 源，但不在方案范围内， 并平台只是开发供应一套与该数据中心的数据读取接口，并具有监控数据读取状况汇总统
30、计和异样提示功能。该数据中心的定位：整合区域内不同医疗机构中患者/ 健康人群的各种临床诊疗数据、健康数据，在相对集中的逻辑/ 物理环境中， 构建一个以存储和处理患者 / 健康人群诊疗信息为核心， 覆盖多学科、多专业的面对区域内主要卫生行政主管部门、 临床医疗机构和社会公众的医学（医药、医疗、健康）信息资源共享机制 - 区域性医学数 据中心。区域性医学数据中心的建设以行政业务处理、医疗、预防、 保健、康复为服务主线，以健康人群和患者的医疗活动需求为基础。区域卫生数据中心通过制定标准的数据接口， 建立基于广域网的信息交换、数据采集和传输机制，对区域内医疗卫生信息数据进行采集、 传输、清洗和汇总，将
31、医院、社区、医药企业以及公共卫朝气构的各 类数据、系统有机地整合起来，生成区域的卫生大数据。第 12 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 5.2 对获得的医疗卫生大数据预处理机制医疗卫生大数据预处理主要完成对已接收数据的辨析、 抽取、清洗等操作， 目的是将数据按统一的格式提取出来， 然后再转化， 集成， 载入数据仓库的工具 （ ETL）包括：抽取：因获得的数据可能具有多种结构和类型，数据抽取过程可以帮助我们将这些困难的数据转化为单一的或者便于处理的构型，以达到快速分析处理的目的；清洗：对于大数据，并不全是有价值的， 有些数据并不是我们所关切的内容，而另一些数据则是完全错误的
32、干扰项。因此要对数据通过过滤去噪从而提取出有效数据。5.3 建立医疗卫生大数据的存储机制 虽然关系型数据库系统 (RDBMS在) 安装和运用上仍旧占有主要地位，但毋庸置疑， 非关系型数据库 NoSQL技术已经成为今日发展最快的数据库技术。NoSQL是对数据库系统的总称，在某种程度上，它的性能和用途可能完全不同。目前除了关系型数据库外， 还主要存在有以下四种 NoSQL数据管 理系统：键值数据库：当数据以键的形式访问时， 比如通过国际标准书号ISBN 找一本书，键值数据库是最志向的。在这里， ISBN 是键，书籍的其他信息就是值。必需知道键才能查询， 不过值是一堆无意义的数据，读取之后必需经过翻译。文档数据库：该数据库以文档的形式管理和存储数据。有点类似于键值数据库， 但文档数据库中的数据有结构。与键值数据库中值是第 13 页 互联网 +健康医疗大数据应用平台解决方案 V3.0 一堆无意义的数据不同， 文档数据库中数据以文档的结构被描述， 典型的是 JavaScript Object Notation (JSON或) XML。文档存储数据库中的数据可以通过定义的任何模式进行查询， 但键值数据库只能通过它的键进行查询。列式数据库：也被称为列式存储或宽列存储， 一改之前行式存储的方式，对数据进行列式存储。在传统关系型数据库中，数据常常以行来访问。以列式管理记录