Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

जटिलता बढ़ाने के संबंध में क्वेरीज़ (MySQL) और NoSQL (MongoDB और मौजूद) का आकार बढ़ रही आईएसओ/EN १३६०६ मानकीकृत EHR डेटाबेस

Published: March 19, 2018 doi: 10.3791/57439
Automatic Translation
1, 1, 1, 1, 1
1Telemedicine and Information Society Department, Health Institute "Carlos III"

Summary

यह अध्ययन संबंधपरक और गैर संबंधपरक (NoSQL) मानकीकृत चिकित्सा सूचना प्रणाली की तुलना करता है । इस तरह के डेटाबेस प्रबंधन प्रणालियों (डीबीएमएस) क्वेरी की प्रतिक्रिया समय की गणना की जटिलता दोहरीकरण आकार डेटाबेस का उपयोग कर गणना की है । ये परिणाम विभिंन परिदृश्यों और समस्याओं के लिए प्रत्येक डेटाबेस approach के उपयुक्तता की चर्चा में मदद ।

Abstract

इस शोध से पता चलता है की गणना की जटिलता का आकलन करने के लिए एक प्रोटोकॉल संबंधपरक और गैर संबंधपरक (NoSQL (न केवल संरचित क्वेरी भाषा)) मानकीकृत इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (EHR) चिकित्सा सूचना डेटाबेस सिस्टम (डीबीएमएस) । यह तीन दोहरीकरण-डेटाबेस आकार का एक सेट का उपयोग करता है, यानी 5000, 10,000 और 20,000 यथार्थवादी मानकीकृत EHR निष्कर्षों भंडारण डेटाबेस, तीन अलग डेटाबेस प्रबंधन प्रणालियों में (डीबीएमएस): संबंधपरक MySQL वस्तु-संबंधपरक मानचित्रण (ORM), दस्तावेज़-आधारित NoSQL MongoDB, और मूल एक्सटेंसिबल मार्कअप भाषा (XML) NoSQL मौजूद है ।

छह जटिलता-बढ़ती क्वेरीज़ के लिए औसत प्रतिसाद समय परिकलित किए गए थे, और परिणाम NoSQL मामलों में एक रेखीय व्यवहार दिखाया गया है । NoSQL क्षेत्र में, MongoDB प्रस्तुत करता है एक बहुत चापलूसी रैखिक ढलान से मौजूद है ।

NoSQL प्रणालियों को भी और अधिक मानकीकृत चिकित्सा सूचना, जो NoSQL डेटाबेस में संग्रहीत डेटा की निरंतरता और दक्षता को प्रभावित नहीं करना चाहिए की अद्यतन नीतियों के विशेष प्रकृति के कारण प्रणाली को बनाए रखने के लिए उपयुक्त हो सकता है ।

इस प्रोटोकॉल की एक सीमा ऐसे आदर्श संबंधपरक मानचित्रण के रूप में सुधार संबंधपरक प्रणालियों के प्रत्यक्ष परिणामों की कमी है (एआरएम) एक ही डेटा के साथ । हालांकि, दोहरीकरण का प्रक्षेप-आकार डाटाबेस के परिणाम साहित्य और अंय प्रकाशित परिणामों में प्रस्तुत उन से पता चलता है कि NoSQL प्रणालियों और अधिक कई विशिष्ट परिदृश्यों और समस्याओं में उपयुक्त हो सकता है हल किया जाना है । उदाहरण के लिए, NoSQL दस्तावेज़-आधारित कार्यों जैसे नैदानिक अभ्यास, या संस्करण और दृश्यावलोकन, या परिस्थितियों में उपयोग किए गए EHR निष्कर्षों के लिए उपयुक्त हो सकता है, जहां उद्देश्य न केवल चिकित्सा जानकारी को क्वेरी करने के लिए है, बल्कि EHR को वास्तव में उसके मूल रूप में पुनर्स्थापित करना भी है ।

Introduction

NoSQL (न केवल एसक्यूएल) डीबीएमएस हाल ही में पारंपरिक संबंधपरक डीबीएमएस (RDMBS) के लिए एक विकल्प के रूप में उभरा है । RDBMS तरह डेटा डेटाबेस प्रणालियों में दशकों के लिए संग्रहीत किए गए थे पर हावी है । अच्छी तरह से अध्ययन किया और समझ संबंधपरक बीजगणित और पथरी दक्षता और RDBMS1की निरंतरता की गारंटी है । NoSQL सिस्टम संबंधपरक प्रणालियों के लिए विकल्प नहीं बन जाएगा, लेकिन वे कुछ परिदृश्यों में और कई शर्तों के तहत हितकर व्यवहार कर सकता है ।

इन विशेष परिदृश्यों और शर्तों के कुछ जब इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (EHR) सिस्टम का प्रबंधन और चिकित्सा जानकारी संग्रहीत करने के लिए उपयोग किया गया डेटाबेस स्थायित्व डिजाइनिंग हो जाएगा । व्यवहार में प्रचलित और टिकाऊ होने के लिए, आईएसओ/EN १३६०६, openEHR, और HL72,3,4,5 के रूप में कई अंतरराष्ट्रीय मानकों EHR निष्कर्षों को मानकीकृत करने के लिए इस्तेमाल किया गया है ।

आईएसओ/EN १३६०६ और openEHR के रूप में कई मानकों को अमूर्त के दो विभिंन स्तरों में जानकारी और ज्ञान अलग है, संदर्भ मॉडल (RM) और विशेष डेटा संरचनाओं द्वारा प्रतिनिधित्व किया होिेकहा जाता है । इस जुदाई अक्सर दोहरी मॉडल कहा जाता है और यह EHR प्रणालियों के लिए अर्थपूर्ण और चिकित्सा ज्ञान के लिए पूरी EHR प्रणाली reprogramming बिना विकसित करने के लिए अनुमति देता है और, नतीजतन, बनाए रखने योग्य है और अभ्यास में टिकाऊ6 . हालांकि, दोहरी मानकीकृत EHR प्रणालियों में लागू मॉडल की आवश्यकता है कि सूचना के संगठन के एक विशिष्ट संरचना इस प्रकार है, और इस तरह से सिस्टम के डेटाबेस हठ स्तर में गहरा परिणाम है7डिज़ाइन किया गया है ।

वस्तु संबंधपरक मानचित्रण (ORM)8 एक पद्धति के लिए एक EHR संबंधपरक डेटाबेस प्रतिमान का उपयोग कर प्रणाली को लागू है । ORM exhaustively किसी संबंधपरक डेटाबेस के लिए सिस्टम द्वारा प्रयुक्त मानकीकृत EHR अर्क XML (एक्सटेंसिबल मार्कअप लैंग्वेज) फ़ाइलों की संरचना को मैप करता है । ORM मानकीकृत EHR अर्क XML फ़ाइलों की संरचना के बाद exhaustively कई संबंधपरक तालिकाओं का निर्माण करती है । इन संबंधपरक तालिकाओं कई विदेशी कुंजी के माध्यम से संबंधित है और परिणामस्वरूप प्रणाली बहुत कुशल नहीं हो सकता है ।

ORM में कई संबंधपरक सुधार प्रस्तावित किए गए हैं । openEHR के नोड + पथ9 BLOBs (बायनेरी बड़ी ऑब्जेक्ट्स) में पूरे निकालने XML फ़ाइल के क्रमबद्ध कर रहा उपवृक्षों द्वारा संबंधात्मक तालिकाओं की संख्या घटाता है । हालांकि, जटिल क्वेरी जटिल पुनर्प्राप्ति तर्क, इस सरलीकरण का कारण बनता है । मूलरूप आदर्श संबंधपरक मानचित्रण (एआरएम)10 एक डेटाबेस आदर्शों द्वारा संचालित मॉडल उत्पंन करता है, एक नए संबंधपरक आदर्श और संबंधपरक तालिकाओं के बीच मानचित्रण के आधार पर स्कीमा का निर्माण । नतीजतन, EHR निकालने की गैर चिकित्सा जानकारी के कुछ खो दिया है ।

कई दस्तावेज़-आधारित NoSQL डेटाबेस पूरे दस्तावेज़ों को किसी मूल XML या JSON (JavaScript ऑब्जेक्ट नोटेशन) स्वरूप का संमान पूरे BLOBs के रूप में संग्रहीत करते हैं । इसका मतलब यह है कि कोई संबंधपरक तालिकाओं का निर्माण कर रहे हैं । इन NoSQL डेटाबेस कोई स्कीमा है और वे या तो या (एसिड) गुण11, यानी, परमाणु, निरंतरता, अलगाव, या स्थायित्व का समर्थन नहीं करते । एक परिणाम के रूप में, वे बहुत अक्षम हो सकता है अगर एक दस्तावेज़ का एक तत्व एक ही या अंय ऐसे एक अविवेकी लिंक का उपयोग दस्तावेजों के तत्वों का संदर्भ । एकरूपता बनाए रखने के लिए, संदर्भित दस्तावेज़ों की संपूर्णता क्रमिक रूप से संसाधित किया जा करने के लिए है, क्योंकि ऐसा होता है । हालांकि, एक गैर-संबंधपरक डेटाबेस अभी भी उपयुक्त हो सकता है यदि मुख्य कार्य डीबीएमएस द्वारा किया गया कोई दस्तावेज़-आधारित कार्य है । ऐसा इसलिए है क्योंकि डेटा किसी प्रपत्र में एक दस्तावेज़-आधारित NoSQL डेटाबेस का उपयोग करके अपने सच्चे प्रतिनिधित्व को अधिक बारीकी से approximating कर सकता है, हालांकि यह EHR चिकित्सा दस्तावेज़ों द्वारा निपुण विशेष स्थायित्व नीतियों के कारण भी है (चर्चा अनुभाग देखें) ।

इन तरीकों का उद्देश्य के लिए कई प्रयोगों का प्रदर्शन करने के लिए एक मानकीकृत EHR तीन अलग DBMSs का उपयोग कर प्रणाली की हठ परत के कार्यांवयन की तुलना: एक संबंधपरक (MySQL) और दो NoSQL (दस्तावेज़ आधारित MongoDB और मूल XML मौजूद है) । उनकी गणना की जटिलता और गणना की गई है तीन अलग बढ़ती आकार डेटाबेस और छह अलग जटिलता-बढ़ती प्रश्नों का उपयोग तुलना में । तीन डेटाबेस सर्वर स्थापित किया गया है और जहां क्वेरीज़ निष्पादित किया गया है एक ही कंप्यूटर में स्थानीय रूप से कॉंफ़िगर है । तकनीकी विवरण के लिए सामग्री की तालिका देखें ।

मुद्रा प्रयोगों भी आदेश में संबंधपरक MySQL और NoSQL MongoDB DBMSs के प्रदर्शन की तुलना में आयोजित किया गया है । वर्णित ORM सुधार (नोड + पथ और आर्म) में भी साहित्य10से प्रासंगिक उचित परिणामों का उपयोग करते हुए तुलना की गई है ।

डाटाबेस प्रबंधन प्रणालियों लगातार एक त्वरित दर से विकसित हो रहे हैं । कोई भी इस घातीय विकास के बारे में सोचना होगा जब केवल मौजूदा प्रतिमान संबंधपरक मॉडल था । एक उदाहरण लेने के लिए, उदाहरण के लिए देखें12, जहां एक मॉडल को लागू करने के लिए प्रस्ताव किया गया था प्रतिक्रिया समय में सुधार संबंधपरक डेटाबेस एसिड गुणों को बनाए रखने ।

Protocol

1. निर्माण एक संबंधपरक MySQL डीबीएमएस तीन डबल आकार मानकीकृत EHR अर्क डाटाबेसों की दुकान

  1. ISO/EN13606 RM और ISO21090 डेटा प्रकारों के लिए W3C (वर्ल्ड वाइड वेब कंसोर्टियम) XML स्कीमा को एक 'Java IDE' (एकीकृत विकास परिवेश) में आयात करें ।
    नोट: आईएसओ अंतरराष्ट्रीय मानक संगठन के लिए खड़ा है । एन यूरोपीय आदर्श के लिए खड़ा है ।
  2. JAXB (जावा XML बाइंडिंग) प्लग-इन को IDE में निष्पादित करें; यह जावा वर्गों EHR के तत्वों की संरचना करने के लिए इसी उत्पादन XML फ़ाइलें अर्क ।
  3. टैग मैंयुअल रूप से जावा JPA लेबल के साथ उत्पादित वर्गों । इन लेबल कार्डिनल और MySQL डाटाबेस के संबंधपरक तालिकाओं के बीच अंय संबंधों को देखें ।
  4. आईडीई में JPA (जावा हठ एपीआई) के पुस्तकालयों आयात और विधि है कि टैग जावा वर्गों के बाहर एक MySQL डाटाबेस बनाता है निष्पादित ।
  5. 5,000, 10,000 और 20,000 यथार्थवादी EHR अर्क XML फ़ाइलों के साथ तीन निर्देशिका बनाएं ।
  6. JPA विधि निष्पादित करने के लिए एक XML निकालने के लिए MySQL डीबीएमएस में 5,000 अर्क निर्देशिका के सभी निष्कर्षों पर लोड ।
  7. दोहराएं कदम 1.6 दो बार, एक बार 10,000 अर्क निर्देशिका के साथ और एक बार के साथ 20,000 अर्क निर्देशिका ।

2. निर्माण एक NoSQL MongoDB डीबीएमएस तीन डबल आकार मानकीकृत EHR निष्कर्षों डेटाबेस स्टोर करने के लिए

  1. प्रक्रिया प्रत्येक तीन 5,000, 10,000 और 20,000 से युक्त निर्देशिकाओं यथार्थवादी EHR अर्क xml फ़ाइलें एक मानक कार्यक्रम के साथ json फ़ाइलों को xml फ़ाइलों को परिवर्तित करने के लिए, जैसे json. org. xml । 5,000, 10,000 और 20,000 JSON फ़ाइलों के साथ तीन निर्देशिकाओं का उत्पादन किया जाना चाहिए ।
  2. लॉन्च एक MongoDB जीयूआई (ग्राफिक यूजर इंटरफेस, सामग्री की तालिकादेखें).
  3. लॉंच MongoDB 2.6 सर्वर एक DOS (डिस्क आपरेटिंग सिस्टम) सिस्टम विंडो से mongod प्रोग्राम निष्पादित कर रहा है ।
  4. MongoDB GUI पोर्ट २७०१७ का उपयोग करते हुए स्थानीय होस्ट सर्वर से कनेक्ट करें ।
    1. "कनेक्टकरें" मेनू चुनें ।
    2. कनेक्शन के लिए कोई नाम लिखें (उदाहरण के लिए ' पहले ') ।
    3. स्थानीय होस्ट लिखें: 27017 DB सर्वर पाठ बॉक्स में ।
    4. "कनेक्ट करें" बटन दबाएं; वर्तमान डेटाबेसेज़ के साथ एक ट्री बाईं ओर प्रकट होना चाहिए ।
  5. एक 5,000 मानकीकृत EHR निष्कर्षों युक्त डाटाबेस का निर्माण ।
    1. बाईं ओर के पेड़ के शीर्ष पर कनेक्शन के नाम पर क्लिक करें ।
    2. "फ़ाइल" मेनू का चयन करें ।
    3. "डेटाबेस जोड़ें" चुनें ।
    4. प्रकट होने वाले संवाद में डेटाबेस का नाम दर्ज करें ।
    5. ठीक क्लिक करें ।
  6. 5,000 मानकीकृत EHR निष्कर्षों युक्त एक संग्रह का निर्माण ।
    1. बाईं ओर के पेड़ में डेटाबेस के नाम पर क्लिक करें ।
    2. "डेटाबेस" मेनू का चयन करें ।
    3. "AddCollection" चुनें ।
    4. प्रकट होने वाले संवाद में संग्रह का नाम दर्ज करें ।
    5. " बनाएं" क्लिक करें ।
    6. संग्रह के नाम पर क्लिक करें ।
    7. "आयातकरें" मेनू चुनें ।
    8. रेडियो बटन ' 'JSON-मंगो शेल//mongoexport "चुनें ।
    9. "अगला" क्लिक करें ।
    10. "स्रोत फ़ाइलें जोड़ें" बटन दबाएं ।
    11. संवाद का उपयोग कर कंप्यूटर पर नेविगेट करें ।
    12. 5,000 JSON निकालने फ़ाइलों से युक्त निर्देशिका खोलें ।
    13. निर्देशिका में सभी फ़ाइलों का चयन करें ।
    14. "खोलें" दबाएं । JSON फ़ाइलों की सूची आयात संवाद में प्रकट होना चाहिए ।
    15. "अगला" दबाएं; डेटाबेस में नए संग्रह का एक पूर्वावलोकन बाईं ओर प्रकट होता है ।
    16. "अगला" दबाएं ।
    17. "प्रारंभ आयात करें" दबाएं । आयात की प्रगति बाईं ओर नीचे दिखाई देती है, आयात की गई फ़ाइलों की संख्या और बीता हुआ समय दर्शाता है.
  7. 10,000 मानकीकृत EHR निष्कर्षों का एक संग्रह बनाने के लिए चरण 5 और 6 दोहराएँ ।
  8. 20,000 मानकीकृत EHR निष्कर्षों का एक संग्रह बनाने के लिए चरण 5 और 6 दोहराएँ ।

3. निर्माण एक NoSQL अस्तित्व डीबीएमएस तीन डबल आकार मानकीकृत EHR निष्कर्षों डेटाबेस स्टोर करने के लिए

  1. मौजूद डेटाबेस लॉंच करे ।
  2. डेटाबेस के चिह्न का उपयोग कर, जावा व्यवस्थापक क्लाइंट खोलें ।
  3. व्यवस्थापक पासवर्ड दर्ज करें ।
  4. "कनेक्ट करें" बटन दबाएं ।
  5. 5,000 मानकीकृत EHR निष्कर्षों युक्त एक संग्रह का निर्माण ।
    1. उपकरण पट्टी में, "एक नया संग्रह बनाएं" मेनू का चयन करें ।
    2. प्रकट होने वाले संवाद में, नए संग्रह का नाम लिखें.
    3. "स्वीकारें" क्लिक करें; नया संग्रह दिखाई देगा ।
    4. संग्रह के नाम का चयन करें ।
    5. उपकरण पट्टी में, "डेटाबेस में फ़ाइलें संग्रहीतकरें" मेनू चुनें ।
    6. संवाद बॉक्स का उपयोग कर कंप्यूटर पर नेविगेट करें ।
    7. 5000 मानकीकृत XML निकालने फ़ाइलों वाली निर्देशिका का चयन करें ।
    8. "संग्रहीत करने के लिए फ़ाइलों या निर्देशिकाओं का चयनकरें" बटन क्लिक करें । नोट करें कि कोई संवाद बॉक्स प्रगति, संग्रहीत की जा रही फ़ाइलें, और बनाए गए डेटाबेस का प्रतिशत दिखा रहा है ।
  6. एक 10,000 मानकीकृत EHR निष्कर्षों युक्त संग्रह बनाने के लिए 5 कदम दोहराएँ.
  7. 20,000 मानकीकृत EHR निष्कर्षों युक्त संग्रह बनाने के लिए 5 चरण दोहराएँ ।

4. डिजाइन और 3 संबंधपरक MySQL डेटाबेस में निष्पादित 6 जटिलता-बढ़ती क्वेरीज़

  1. डिजाइन छह जटिलता-EHR निष्कर्षों द्वारा इस्तेमाल किया होिे के अनुसार बढ़ती क्वेरीज़ ।
  2. कार्यक्रम MySQL डाटाबेस पर पहली क्वेरी के साथ एक एसक्यूएल स्क्रिप्ट । एसक्यूएल MySQL मानकीकरण (आदर्शों) निष्कर्षों के कारण डाटाबेस के विशेष संरचना के लिए अनुकूल होना चाहिए । डाटाबेस के अर्क की पूरी संरचना नक्शे । परिणामस्वरूप, SQL क्वेरी के बजाय जटिल है ।
  3. यदि कोई अनुक्रमणिका उन पर बनाया गया था, तो ऐसे अनुक्रमणिका निर्माण, हालांकि अधिकांश अनुक्रमणिका स्वचालित रूप से डीबीएमएस द्वारा बनाए जाते हैं, तो क्वेरीज़ की प्रतिक्रिया समय को गति मिलेगी जो डेटाबेस की विशेषताएँ की पहचान करें ।
  4. यदि कोई क्वेरी एक गैर-स्वचालित रूप से निर्मित अनुक्रमणिका की आवश्यकता है, उसे मैंयुअल रूप से बनाएं ।
    1. MySQL सर्वर से कनेक्ट करें (अनुपूरक चित्रा 1) ।
    2. का चयन करें और बाईं तरफ डेटाबेस नाम पर क्लिक करें ।
    3. चुनें और संबंधपरक तालिका जहां अनुक्रमित क्षेत्र रहता है पर क्लिक करें ।
    4. "संरचना" टैब पर क्लिक करें ।
    5. चुनें और कॉलम जहां सूचकांक बनाया जाएगा पर क्लिक करें ।
    6. "अनुक्रमणिका" पर क्लिक करें । नोट करें कि SQL वाक्य का निर्माण अनुक्रमणिका प्रकट होता है, और एक संदेश बताता है कि वाक्य बनाया गया सफलतापूर्वक प्रकट होता है ।
  5. पहली क्वेरी निष्पादित करें ।
    1. का चयन करें और बाईं तरफ डेटाबेस नाम पर क्लिक करें ।
    2. "SQL" टैब पर क्लिक करें ।
    3. पहले क्वेरी का SQL कोड लिखें या चिपकाएं ( अनुपूरक चित्र 2देखें) ।
    4. "जारी रखें" दबाएं । ध्यान दें कि परिणामों की सूची की पहली स्क्रीन, क्वेरी के निष्पादन समय के साथ संदेश के साथ प्रकट होती है.
    5. निष्पादन को 5 बार दोहराएं और औसत प्रतिसाद समय की गणना करें ।
  6. 2 से 6 तक क्वेरीज़ के साथ चरण 5 दोहराएं ।
  7. पूरी प्रक्रिया को तीन बार करें, 5,000, 10,000 और 20,000 अर्क डेटाबेस के साथ ।

5. डिजाइन और 3 NoSQL MongoDB डेटाबेस में निष्पादित 6 जटिलता-बढ़ती क्वेरीज़

  1. MongoDB जीयूआई लॉंच ( सामग्री की तालिकादेखें) ।
  2. MongoDB 2.6 एक डॉस सिस्टम विंडो से mongod कार्यक्रम क्रियांवित सर्वर प्रक्षेपण ( अनुपूरक आंकड़ा 3) देखें ।
  3. MongoDB GUI स्थानीय होस्ट सर्वर २७०१७ पोर्ट का उपयोग करने के लिए कनेक्ट करने के लिए चरण 2.4 का पालन करें ।
  4. का चयन करें और बाईं ओर MongoDB डेटाबेस का विस्तार करें ।
  5. संग्रह का चयन करें ।
  6. टूलबार में "संग्रह" मेनू पर क्लिक करें ।
  7. पहले MongoDB क्वेरी निष्पादित करें ।
    1. "क्वेरी बिल्डर" बटन को डबल-क्लिक करें ।
    2. दाईं ओर क्वेरी बिल्डर के "क्वेरी फ़ील्ड" पर डबल-क्लिक करें ।
    3. क्वेरी फलक के फ़ील्ड पाठ बॉक्स में MongoDB क्वेरी के फ़ील्ड को लिखें ( अनुपूरक आरेख 4देखें) ।
    4. क्वेरी फलक के मान बॉक्स में MongoDB क्वेरी का मान लिखें ।
      नोट: यह क्वेरी कुछ ऐसा होना चाहिए {"ns3:ehrextract. allCompositions. contents. जु. जु. नाम. ns2: originalText. मान ":" Descripcion "} । फ़ील्ड और मान उद्धृत और अर्धविराम से अलग हैं ।
    5. क्वेरी बिल्डर के प्रोजेक्शन फ़ील्ड पर डबल-क्लिक करें
    6. प्रक्षेपण पाठ बॉक्स में पहला प्रक्षेपण लिखें ( अनुपूरक चित्रा 5देखें).
    7. एक नया प्रोजेक्शन पाठ बॉक्स जोड़ने के लिए प्रोजेक्शन फ़ील्ड पर डबल-क्लिक करें ।
    8. प्रक्षेपण पाठ बॉक्स में दूसरा प्रक्षेपण लिखें ।
      नोट: एक प्रोजेक्शन क्वेरी द्वारा पुनर्प्राप्त दस्तावेज़ के किसी भाग का चयन करता है । ये कुछ ऐसा होना चाहिए {"ns3: EHRExtract. allCompositions. साम. जु. जु. मान. value. मान ": 1} और {" ns3: EHRExtract. all रचनाएं. content. आइटम्स. जु. जु. मान. nullFlavor ": 1}
    9. क्वेरी को निष्पादित करने के लिए नीला चलाएं बटन पर क्लिक करें ।
    10. क्वेरी कोड टैब में क्वेरी कोड विज़ुअलाइज़ करें ।
    11. वर्णन टैब में परिणाम का विवरण देखें: परिणामों की संख्या, निष्पादन समय मिलीसेकंड में ।
    12. परिणाम टैब में परिणाम देखें, विस्तृत करें और जांचें ।
    13. आगे क्वेरी की प्रक्रिया की आवश्यकता है, तो क्वेरी और परिणामों को संसाधित करने के लिए एक विधि के साथ MongoDB java ड्राइवर के साथ एक जावा प्रोग्राम लिखें ।
    14. निष्पादन को 5 बार दोहराएं और औसत प्रतिसाद समय की गणना करें ।
  8. 6 क्वेरीज़ के माध्यम से शेष 2 के लिए 5.7 चरण करें ।
  9. पूरी प्रक्रिया को दोहराने में 5,000, 10,000 और 20,000 अर्क MongoDB डेटाबेस ।

6. डिजाइन और 3 NoSQL में निष्पादन डेटाबेस मौजूद 6 बढ़ती-जटिलता प्रश्नों

  1. मौजूद डीबीएमएस लॉंच ।
  2. जावा व्यवस्थापक क्लाइंट खोलें ।
  3. "डेटाबेस से कनेक्टकरें" बटन दबाएं ।
  4. डेटाबेस चुनें और उस पर क्लिक करें ।
  5. मेनू "XPath का उपयोग कर डेटाबेस से परामर्शकरें" पर क्लिक करे; से परामर्श करें संवाद बॉक्स प्रकट होता है ।
  6. पहले XPath क्वेरी निष्पादित करें ( supplement figure 6) देखें ।
    1. संवाद बॉक्स के ऊपरी भाग में प्रथम क्वेरी का XPath कोड लिखें या चिपकाएं ।
    2. संवाद बॉक्स के टूलबार में "निष्पादन" मेनू पर क्लिक करें ।
    3. संवाद बॉक्स के निचले भाग में "xml" टैब का उपयोग करके xml परिणाम देखें ।
    4. संवाद बॉक्स के निचले भाग पर परिणाम और संकलन और निष्पादन समय की संख्या देखें ।
    5. निष्पादन को 5 बार दोहराएं और औसत प्रतिसाद समय की गणना करें ।
  7. क्वेरी 2 से 6 के लिए चरण 6 को दोहराएं ।
  8. पूरी प्रक्रिया तीन बार, 5,000, 10,000 और 20,000 निष्कर्षों के लिए डेटाबेस मौजूद है ।

7. डिजाइन और एक मुद्रा MySQL और MongoDB 5,000 अर्क डेटाबेस का उपयोग कर प्रयोग निष्पादित

नोट: मौजूद डेटाबेस पिछले प्रयोगों में बदतर प्रदर्शन के कारण इस मोड़ पर प्रयोग से निकाल दिया गया है ।

  1. 5,000 अर्क डेटाबेस (आमतौर पर कई सेकंड के तहत) का उपयोग करते हुए पिछले प्रयोगों में तीन सबसे कम समय प्रतिक्रियाओं के साथ क्वेरीज़ का चयन करें ।
  2. यदि आवश्यक हो, तो उन क्वेरीज़ के लिए उपयुक्त विशेषता अनुक्रमणिकाओं को पहचानें और मैंयुअल रूप से बनाएं ।
  3. कार्यक्रम दो जावा multithread अनुप्रयोगों, MySQL के लिए एक और MongoDB के लिए अंय; प्रत्येक अनुप्रयोग तीन अलग प्राथमिकता थ्रेड्स, चरण 1 में चयनित प्रत्येक क्वेरी के लिए एक होगा ।
  4. सीपीयू (सेंट्रल प्रोसेसिंग यूनिट) प्रत्येक थ्रेड (क्वेरी) के लिए उपयोग वितरण निष्पादित और गणना ।
  5. प्रत्येक 10-ंयूनतम अवधि के दौरान पांच बार निष्पादित करें बटन पर क्लिक करके, प्रत्येक multithread अनुप्रयोग निष्पादित करें, और सबसे निष्पादित (सर्वोच्च प्राथमिकता) क्वेरी औसत प्रवाह और तीन क्वेरीज़ की औसत समय प्रतिक्रिया की गणना ।
  6. निष्पादन में क्वेरीज़, प्राथमिकताओं और निष्पादन समय के साथ देखें ।
  7. औसत प्रवाह और प्रत्येक तीन क्वेरीज़ की औसत प्रतिसाद समय की गणना ।

Representative Results

छह विभिंन प्रश्नों यथार्थवादी मानकीकृत EHR निष्कर्षों पर प्रदर्शन रोगियों की समस्याओं के बारे में जानकारी, जिसमें उनके नाम, प्रारंभिक और अंतिम तिथियां और गंभीरता सहित, शामिल है तालिका 1में दिखाया गया है ।

प्रत्येक डीबीएमएस में तीन दोहरीकरण-आकार डेटाबेस में छह प्रश्नों की औसत प्रतिक्रिया समय तालिकाओं 2-4में दिखाए जाते हैं । आंकड़े 1-6 एक ही परिणाम रेखांकन दिखाएँ (ध्यान दें कि ऊर्ध्वाधर अक्षों इन आंकड़ों में बहुत अलग तराजू का उपयोग करें).

गणनात्मक जटिलता के मजबूत रैखिक व्यवहार NoSQL डेटाबेस के सभी प्रश्नों भर में स्पष्ट है, हालांकि इस्तेमाल किया 3 डेटासेट के अपेक्षाकृत छोटे आकार के कारण उचित सावधानी के साथ. हालांकि, संबंधपरक ORM डेटाबेस एक अस्पष्ट रेखीय व्यवहार दिखाता है । MongoDB डेटाबेस मौजूद डेटाबेस से एक बहुत चापलूसी ढलान है ।

साहित्य में प्रकाशित परिचय में चर्चा में सुधार संबंधपरक प्रणालियों द्वारा परिणाम तालिका 5में पाया जा सकता है । Interpolating MongoDB तालिका 3 से परिणाम समान क्वेरीज़ और एआरएम के डेटाबेस आकार से परिणाम तालिका 5 Q1 में दोनों डेटाबेस सिस्टम के बराबर होती है, लेकिन Q3 में MongoDB एहसान ।

मुद्रा प्रयोगों के परिणाम तालिका 5 और तालिका6में पाया जा सकता है । MongoDB दोनों प्रवाह और प्रतिक्रिया समय में MySQL धड़कता है । वास्तव में, MongoDB अलगाव की तुलना में मुद्रा में बेहतर व्यवहार करता है, और समवर्ती निष्पादन में एक प्रभावशाली डाटाबेस के रूप में खड़ा है ।

Figure 1
चित्र 1 : ORM MySQL, MongoDB की एल्गोरिथम जटिलता, और Q1 और Q4 प्रश्नों के लिए मौजूद डीबीएमएस। यह आंकड़ा क्रिएटिव कॉमंस लाइसेंस का उपयोग कर7 से संशोधित किया गया है (http://creativecommons.org/लाइसेंस/द्वारा/4.0/) और 5,000 के लिए सेकंड में प्रतिक्रिया समय से पता चलता है, 10,000 और 20,000 आकार EHR अर्क डेटाबेस प्रत्येक डीबीएमएस और क्वेरी Q1 और Q4 के लिए । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 2
चित्र 2 : क्वेरी Q2 के लिए ORM MySQL डीबीएमएस की एल्गोरिथम जटिलता। यह आंकड़ा 5,000, 10,000 और 20,000 के लिए सेकंड में प्रतिक्रिया समय से पता चलता है EHR अर्क ORM MySQL क्वेरी के लिए डाटाबेस के आकार । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 3
चित्र 3 : MongoDB की एल्गोरिथम जटिलता और Q2 और Q5 क्वेरी के लिए डीबीएमएस मौजूद। यह आंकड़ा7 से संशोधित किया गया है क्रिएटिव कॉमंस लाइसेंस का उपयोग (http://creativecommons.org/licenses/द्वारा/) और 5,000, 10,000 के लिए सेकंड में प्रतिक्रिया समय से पता चलता है, और 20,000 आकार EHR प्रत्येक डीबीएमएस और प्रश्न Q2 और Q5 के लिए डेटाबेस अर्क । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 4
चित्र 4 : ORM MySQL डीबीएमएस के एल्गोरिथ्म क्वेरी Q3 और Q5 के लिए जटिलता। 5000, 10,000 और 20,000-आकार EHR के लिए सेकंड में प्रतिक्रिया समय दिखाता है प्रत्येक डीबीएमएस और क्वेरी Q3 और Q5 के लिए डेटाबेस निकालता है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 5
चित्र 5: क्वेरी Q3 के लिए मौजूद और MongoDB डीबीएमएस की एल्गोरिथम जटिलता। यह आंकड़ा क्रिएटिव कॉमंस लाइसेंस का उपयोग कर7 से संशोधित किया गया है (http://creativecommons.org/licenses//) और 5,000 के लिए सेकंड में प्रतिक्रिया समय से पता चलता है, 10,000 और 20,000 आकार EHR प्रत्येक डीबीएमएस और क्वेरी Q3 के लिए डेटाबेस अर्क । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 6
चित्र 6 : ORM MySQL के एल्गोरिथम जटिलता, मौजूद है और क्वेरी Q6 के लिए MongoDB डीबीएमएस। यह आंकड़ा क्रिएटिव कॉमंस लाइसेंस का उपयोग कर7 से संशोधित किया गया है (http://creativecommons.org/licenses//) और 5,000 के लिए सेकंड में प्रतिक्रिया समय से पता चलता है, 10,000 और 20,000 आकार EHR प्रत्येक डीबीएमएस और क्वेरी Q6 के लिए डेटाबेस अर्क । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

क्वेरी
q1 एक भी मरीज की सभी समस्याओं का पता लगाएं
q2 सभी मरीजों की सभी समस्याओं का पता लगाएं
q3 प्रारंभिक तिथि, संकल्प तिथि और गंभीरता का पता लगाएं
एक भी मरीज की एक भी समस्या
q4 प्रारंभिक तिथि, संकल्प तिथि और गंभीरता का पता लगाएं
एक भी मरीज की सभी समस्याओं की समस्या
q5 प्रारंभिक तिथि, संकल्प तिथि और गंभीरता का पता लगाएं
सभी मरीजों की समस्याओं की समस्या का
Q6 समस्या के साथ सभी रोगियों का पता लगाएं ' ग्रसनीशोथ ',
प्रारंभिक दिनांक > = ' 16/10/2007 ', समाधान दिनांक
< = ' 06/05/2008 ' और गंभीरता ' उच्च '

तालिका 1: छह क्वेरीज़ पर निष्पादित संबंधपरक और NoSQL डेटाबेस रोगियों की समस्याओं के बारे में मानकीकृत EHR निष्कर्षों युक्त. इस तालिका से संशोधित किया गया है7 क्रिएटिव कॉमन्स लाइसेंस का उपयोग कर (http://creativecommons.org/लाइसेंस/द्वारा/और छह जटिलता बढ़ रही प्रत्येक डीबीएमएस के लिए तीन आकार-डेटाबेस पर प्रदर्शन किया प्रश्नों से पता चलता है प्राकृतिक में व्यक्त भाषा.

ORM MySQL/ 5000 डॉक्स 10,000 डॉक्स 20,000 डॉक्स
Q1 (s) २५.०४७४ ३२.६८६८ १७०.७३४२
Q2 (s) ०.०१५८ ०.०१४७ ०.०२२२
Q3 (s) ३.३८४९ ६.४२२५ २०७.२३४८
Q4 (s) ३३.५४५७ ११४.६६०७ ११५.४१६९
Q5 (s) ९.६३९३ ७४.३७६७ २९.०९९३
Q6 (s) १.४३८२ २.४८४४ १८३.४९७९
डेटाबेस आकार 4.6 gb 9.4 gb 19.4 gb
कुल अर्क ५००० १०,००० सेअधिक

तालिका 2: ORM MySQL संबंधपरक डीबीएमएस के दोहरीकरण आकार डेटाबेस पर छह प्रश्नों के सेकंड में औसत प्रतिक्रिया समय । यह टेबल तीन दोहरीकरण के लिए प्रत्येक क्वेरी के लिए छह प्रतिक्रिया समय से पता चलता है-ORM MySQL संबंधपरक डीबीएमएस और तीन डेटाबेस की स्मृति के आकार का उपयोग कर डेटाबेस आकार ।

mongodb 5000 डॉक्स 10,000 डॉक्स 20,000 डॉक्स ढलान (* 10exp (-6))
Q1 (s) ०.०४६ ०.०५७ ०.१२२१ ५.०७
Q2 (s) ३४.५१८१ ६८.६९४५ १३६.२३२९ ६,७८०.९९
Q3 (s) ०.०४८ ०.०५८ ०.१२०१ ४.८१
Q4 (s) ०.०५२ ०.०६१ ओ. 1241 ४.८१
Q5 (s) ३८.०२०२ ७५.४३७६ १४९.९३३ ७४६०.८५
Q6 (s) ९.५१५३ १८.५५६६ ३६.७८०५ १,८१७.६८
डेटाबेस आकार 1.95 gb 3.95 gb 7.95 gb
कुल अर्क ५००० १०,००० सेअधिक

तालिका 3: MongoDB NoSQL डीबीएमएस के दोहरीकरण-आकार डेटाबेस पर छह क्वेरीज़ के सेकंड में औसत प्रतिसाद समय. इस तालिका से संशोधित किया गया है7 क्रिएटिव कॉमंस लाइसेंस का उपयोग कर (http://creativecommons.org/लाइसेंस/द्वारा/NoSQL MongoDB डीबीएमएस और इन-मेमोरी आकार का उपयोग कर तीन दोहरीकरण-आकार डेटाबेस के लिए प्रत्येक क्वेरी की छह प्रतिक्रिया समय दिखाता है के तीन डेटाबेस । प्रत्येक क्वेरी के रेखीय ढलान भी दिखाया गया है ।

मौजूद 5000 डॉक्स 10,000 डॉक्स 20,000 डॉक्स ढलान (* 10exp (-6))
Q1 (s) ०.६६०८ ३.७८३४ ७.३०२२ ४४२.७६
Q2 (s) ६०.७७६१ १२९.३६४५ २८७.३६२ १५,१०५.७३
Q3 (s) ०.६९७६ १.७७१ ४.११७२ २२७.९६
Q4 (s) ०.६४४५ ३.७६०४ ७.३२१६ ४४५.१७
Q5 (s) १४५.३३७३ २९१.२५०२ ५९७.७२१६ ३०,१५८.९३
Q6 (s) ६८.३७९८ १३८.९९८७ ४७५.२६६३ २७,१२५.८२
डेटाबेस आकार 1.25 gb 2.54 gb 5.12 gb
कुल अर्क ५००० १०,००० सेअधिक

तालिका 4: मौजूद NoSQL डीबीएमएस के दोहरीकरण-आकार डेटाबेस पर छह क्वेरीज़ के सेकंड में औसत प्रतिसाद समय. इस तालिका से संशोधित किया गया है7 क्रिएटिव कॉमंस लाइसेंस का उपयोग कर (http://creativecommons.org/लाइसेंस/द्वारा/और तीन दोहरीकरण के लिए प्रत्येक प्रश्न के छह प्रतिक्रिया समय से पता चलता है-NoSQL का उपयोग कर डेटाबेस आकार मौजूद डीबीएमएस और में स्मृति का आकार तीन डेटाबेस । प्रत्येक क्वेरी के रेखीय ढलान भी दिखाया गया है ।

एआरएम कागज बांह (ओं) नोड + पथ (s)
q1 क्वेरी 2.1 ०.१९१ २४.८६६
q3 क्वेरी 3.1 ०.२७ २९४.७७४
डेटाबेस आकार क् 43.87 gb
कुल अर्क २९,७४३ २९,७४३

तालिका 5: में प्रस्तुत सुधार संबंधपरक सिस्टम के Q1 और Q3 के समान क्वेरीज़ के सेकंड में औसत प्रतिसाद समय 10 . इस तालिका से संशोधित किया गया है7 क्रिएटिव कॉमंस लाइसेंस का उपयोग कर (http://creativecommons.org/लाइसेंस/द्वारा/और दो Q1 और दो बेहतर संबंधपरक डेटाबेस प्रणालियों के लिए इसी10 में प्रस्तुत Q3 के लिए सबसे समान प्रश्नों से पता चलता है और उनकी प्रतिक्रिया टाइंस । दो डेटाबेस आकार भी दिखाए जाते हैं ।

ORM MySQL/ प्रवाह प्रतिसाद समय
Q1 (s) ४,७११.६० ०.०७९३
Q3 (s) ४,७११.६० ०.१५५८
Q4 (s) ४,७११.६० ०.९६७४

तालिका 6: औसत प्रवाह और प्रश्नों के सेकंड में प्रतिक्रिया समय Q1, Q3 और Q4 ORM MySQL समवर्ती निष्पादन में संबंधपरक डीबीएमएस । इस तालिका को7 से संशोधित किया गया है क्रिएटिव कॉमंस लाइसेंस (http://creativecommons.org/लाइसेंस/द्वारा/4.0/) और तीन एकल रोगी प्रश्नों के उच्चतम औसत प्रवाह और समवर्ती में उनके औसत प्रतिक्रिया समय से पता चलता है निष्पादन प्रयोग ORM MySQL संबंधपरक प्रणाली का उपयोग कर ।

mongodb प्रवाह प्रतिसाद समय
Q1 (s) १७८,६७२.६० ०.००३
Q3 (s) १७८,६७२.६० ०.००२६
Q4 (s) १७८,६७२.६० ०.००३४

तालिका 7: औसत प्रवाह और प्रतिसाद समय क्वेरी Q1, Q3 और Q4 के सेकंड में MongoDB NoSQL डीबीएमएस समवर्ती निष्पादन में । इस तालिका को7 से संशोधित किया गया है क्रिएटिव कॉमंस लाइसेंस (http://creativecommons.org/लाइसेंस/द्वारा/4.0/) और तीन एकल रोगी प्रश्नों के उच्चतम औसत प्रवाह और समवर्ती में उनके औसत प्रतिक्रिया समय से पता चलता है निष्पादन प्रयोग MongoDB NoSQL प्रणाली का उपयोग कर ।

अनुपूरक चित्रा 1: स्क्रीनशॉट MySQL सर्वर से कनेक्ट करने के लिए सॉफ्टवेयर स्क्रीन से पता चलता है. इस आंकड़े को डाउनलोड करने के लिए कृपया यहां क्लिक करें ।

अनुपूरक चित्रा 2: स्क्रीनशॉट MySQL सर्वर के लिए एसक्यूएल अंतरफलक से पता चलता है, जहां पहले एसक्यूएल क्वेरी लिखा गया है । इस आंकड़े को डाउनलोड करने के लिए कृपया यहां क्लिक करें ।

अनुपूरक आंकड़ा 3: MongoDB 2.6 स्थानीय होस्ट सर्वर mongod सर्वर निष्पादित कर रहा है एक DOS सिस्टम विंडो का उपयोग कर लॉंच किया गया है । इस आंकड़े को डाउनलोड करने के लिए कृपया यहां क्लिक करें ।

अनुपूरक चित्रा 4: स्क्रीनशॉट 5.7.4 के माध्यम से 5.7.1 चरणों में दिखाया गया के रूप में क्वेरी बिल्डर के पाठ बॉक्स में लिखा क्वेरी से पता चलता है. स्क्रीनशॉट कदम 5.7.3 दिखाता है । कृपया इस आंकड़े को डाउनलोड करने के लिए यहां क्लिक करें ।

अनुपूरक चित्रा 5: स्क्रीनशॉट कदम 5.7.6 से पता चलता है. इस आंकड़े को डाउनलोड करने के लिए कृपया यहां क्लिक करें ।

अनुपूरक चित्रा 6: स्क्रीनशॉट संवाद के theupper भाग में XPath क्वेरी के लेखन को दर्शाता है । इस आंकड़े को डाउनलोड करने के लिए कृपया यहां क्लिक करें ।

Discussion

इस प्रोटोकॉल से पता चलता है कि शुद्ध संबंधपरक ORM सिस्टम एकल रोगी प्रश्नों (Q1, Q3, और Q4) के लिए व्यावहारिक नहीं लगता है के बाद से प्रतिक्रिया समय धीमी हैं, शायद संबंधपरक कई महंगी जोड़ने के आपरेशनों प्रदर्शन तालिकाओं की एक उच्च संख्या के कारण, और के कारण भंडारण प्रणाली डेटाबेस के विशिष्ट प्रकार के द्वारा प्रयोग किया जाता है । NoSQL डेटाबेस किसी दस्तावेज़-आधारित फैशन में डेटा संग्रह करते हैं, जबकि संबंधपरक सिस्टम पूरे डेटाबेस में प्रत्येक दस्तावेज़ को फैलाने वाली तालिका-आधारित फैशन का उपयोग करते हैं । NoSQL सिस्टम एक रैखिक ढलान दिखाने के MongoDB के साथ काफी तेजी से मौजूद डीबीएमएस प्रदर्शन के साथ । मुद्रा में, MongoDB भी संबंधपरक MySQL ORM से बेहतर व्यवहार करता है7।

इस प्रोटोकॉल ORM MySQL डीबीएमएस के बारे में7 में प्रस्तुत परिणामों के लिए एक समस्या निवारण प्रोटोकॉल प्रस्तुत करता है । MySQL प्रणाली के नवीनतम संस्करण के लिए अद्यतन किया गया है और परिणाम थोड़ा संशोधित किया गया है । इसके अलावा, दस्तावेज़ में एक महत्वपूर्ण बिंदु आधारित NoSQL प्रणालियों ऐसे MongoDB के रूप में है कि वे स्थिरता का संरक्षण जब चिकित्सा जानकारी7 भंडारण क्योंकि जब एक EHR निकालने अद्यतन किया जाता है, यह अधिलेखित नहीं है, लेकिन नए डेटा के साथ एक नया निकालने है हो सकता है उत्पंन और सिस्टम में संग्रहीत है, और मूल निकालने बनाए रखा है । यह चिकित्सा जानकारी की एक सख्त आवश्यकता है, क्योंकि कुछ चिकित्सा चिकित्सकों मूल डेटा के आधार पर महत्वपूर्ण चिकित्सा निर्णय किया है हो सकता है ।

सुधार संबंधपरक एआरएम प्रणाली काफी संबंधपरक तालिकाओं की संख्या कम हो जाती है और संबंधपरक प्रदर्शन में सुधार । हालांकि, के बाद से यह संबंधपरक स्कीमा को संशोधित करता है, चिकित्सा निष्कर्षों द्वारा आयोजित की जानकारी क्वेरी की जा सकती है, लेकिन उनके सटीक मूल रूपों में अर्क बरामद नहीं किया जा सकता है ।

माध्यमिक उपयोग (अनुसंधान) में बहुत बड़ा डेटाबेस के लिए, यह स्पष्ट नहीं है जो डेटाबेस प्रणाली और अधिक उपयुक्त है, के बाद से सभी रोगी प्रश्नों (Q2 और Q5) NoSQL प्रणालियों की तुलना में ORM में बेहतर व्यवहार करते हैं, लेकिन इन प्रणालियों सरलीकृत संबंधपरक से बेहतर प्रदर्शन 12में सिस्टम । हम नैदानिक अभ्यास और द्वितीयक उपयोग के बीच में एक विशेष क्वेरी Q6 पर विचार करें जिसका व्यवहार इन प्रयोगों द्वारा प्राप्त परिणामों द्वारा निर्धारित नहीं किया जा सकता.

हालांकि, विधि की एक सीमा के सीधे प्रोटोकॉल में इस्तेमाल किया एक ही डेटा के साथ एकल रोगी, चिकित्सा अभ्यास प्रश्नों के बारे में NoSQL MongoDB के साथ सुधार संबंधपरक एआरएम प्रणाली की तुलना प्रत्यक्ष प्रयोगों की उपलब्धता है । हम परिणाम interpolating तालिका 3 और तालिका 5 एकल रोगी प्रश्नों के बारे में जब तक प्रोटोकॉल में अनुकूलित हाथ सहित प्रयोग किया गया था बनाए रखा । हम भविष्य अनुप्रयोगों के लिए इन प्रयोगों छोड़. प्रोटोकॉल के भीतर एक महत्वपूर्ण कदम मुक्त डेटाबेस, हाल के वर्षों से इसी तरह के सॉफ्टवेयर संस्करणों का चयन है, ताकि हम तीन प्रौद्योगिकियों के सटीक राज्य की कला की तुलना कर सकते हैं ।

यह पहले सीधे संबंधपरक और NoSQL वास्तविक, यथार्थवादी, मानकीकृत चिकित्सा जानकारी का उपयोग कर प्रणालियों की तुलना करने के प्रयास में से एक है । हालांकि, विशिष्ट प्रणाली का इस्तेमाल किया जा करने के लिए वास्तविक परिदृश्य और समस्या पर ज्यादा निर्भर करता है8हल किया जा करने के लिए ।

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है । इन प्रयोगों में उपयोग किए गए डेटासेट को इन प्रयोगों के लिए लाइसेंस के तहत कई स्पेनिश अस्पतालों द्वारा प्रदान किया गया था और फलस्वरूप सार्वजनिक रूप से उपलब्ध नहीं हैं. यूनिवर्सिटी कॉलेज लंदन सेंटर फॉर हेल्थ सूचना एवं Multiprofessional एजुकेशन (झंकार) द्वारा आईएसओ/एन १३६०६ आरएम एक्सएमएल स्कीमा प्रदान की गई ।

Acknowledgments

लेखक डॉ Dipak कालरा, EHRCom टास्क फोर्स के नेता है कि आईएसओ/en १३६०६ मानक और उनकी तरह विश्वविद्यालय कॉलेज लंदन से अपनी टीम को आईएसओ/en १३६०६ W3C XML स्कीमा का उपयोग करने की अनुमति के लिए परिभाषित शुक्रिया अदा करना चाहूंगा ।

यह काम Instituto de Salud कार्लोस III [अनुदान संख्या PI15/00321, PI15/00003, PI1500831, PI15CIII/00010 और RD16CIII] द्वारा समर्थित किया गया था ।

Materials

Name Company Catalog Number Comments
MySQL 5.7.20 MySQL experiments
Red Hat Enterprise Linux Server release 7.4 (Maipo), 2.60GHz, RAM 16GB
MongoDB 2.6 MongoDB experiments
Windows 7, 2.66GHz, RAM 12GB 
eXist 3.0RC1 eXist experiments
Windows 7, 2.66GHz, RAM 12GB 
Studio 3T 5.5.1 3T Software Labs Gmbh MongoDB GUI

DOWNLOAD MATERIALS LIST

References

  1. Codd, E. F. A relational model for large shared data banks. Comm ACM. 13 (6), 377-387 (1970).
  2. Kalra, D., Lloyd, D. ISO 13606 electronic health record communication part 1: reference model. , ISO. Geneva. ISO 13606-1 (2008).
  3. Kalra, D., et al. Electronic health record communication part 2: archetype interchange specification. , ISO. Geneva. ISO 13606-2 (2008).
  4. Kalra, D., Beale, T., Heard, S. The openEHR foundation. Stud. Health Technol. Inform. 115, 153-173 (2005).
  5. Health Level seven. Health Level Seven International. , Available from: http://www.hl7.org (2017).
  6. Beale, T. Archetypes: constraint-based domain models for future proof information systems. OOPSLA, Workshop Behav Semant. , (2002).
  7. Sánchez-de-Madariaga, R., et al. Examining database persistence of ISO/EN 13606 standardized electronic health record extracts: relational vs. NoSQL approaches. BMC Medical Informatics and Decision Making. 32 (2), 493-503 (2017).
  8. Ireland, C., Bowers, D., Newton, M., Waugh, K. Understanding object-relational mapping: a framework based approach. Int. J. Adv. Softw. 2, 202-216 (2009).
  9. Node+Path Persistence. , Available from: https://openehr.atlassian.net/wiki/spaces/dev/pages/6553626/Node+Path+Persistence (2017).
  10. Wang, L., Min, L., Wang, R., et al. Archetype relational mapping - a practical openEHR persistence solution. BMC Medical Informatics and Decision Making. 15, 88 (2015).
  11. Kaur, K., Rani, R. Managing data in healthcare information systems: many models, one solution. Computer. March. , 52-59 (2015).
  12. Sabo, C., Pop, P. C., Valean, H., Danciulescu, D. An innovative approach to manage heterogeneous information using relational database systems. Advances in Intelligent Systems and Computing. 557, Springer. (2017).

Tags

चिकित्सा अंक 133 संबंधपरक डाटाबेस NoSQL डाटाबेस मानकीकृत चिकित्सा सूचना आईएसओ/EN १३६०६ मानक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड निकालें एल्गोरिथम जटिलता प्रतिक्रिया समय संदर्भ मॉडल दोहरी मॉडल आदर्श नैदानिक अभ्यास अनुसंधान का उपयोग
जटिलता बढ़ाने के संबंध में क्वेरीज़ (MySQL) और NoSQL (MongoDB और मौजूद) का आकार बढ़ रही आईएसओ/EN १३६०६ मानकीकृत EHR डेटाबेस
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sánchez-de-Madariaga, R.,… More

Sánchez-de-Madariaga, R., Muñoz, A., Castro, A. L., Moreno, O., Pascual, M. Executing Complexity-Increasing Queries in Relational (MySQL) and NoSQL (MongoDB and EXist) Size-Growing ISO/EN 13606 Standardized EHR Databases. J. Vis. Exp. (133), e57439, doi:10.3791/57439 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter