gms | German Medical Science

Einleitung: Das HL7 v3 Reference Information Model (RIM) [1] stellt im Zusammenhang mit dem Austausch von medizinischen Informationen eine wichtige Grundlage dar. Es definiert sechs abstrakte Klassen und deren mögliche Beziehungen zueinander, auf Basis derer sich spezifische Nachrichtenflüsse modellieren lassen. Das RIM umfasst dabei keine Werkzeuge zur Implementierung seiner Elemente. Das JavaSIG-Projekt [2] widmet sich daher der Umsetzung des RIMs in Form von einer java-basierten API, die die Erstellung und Verarbeitung von RIM-konformen Nachrichten mittels standardisierter Funktionen erlaubt. Ziel unseres Projektes war die Modellierung und Implementierung der Observation Klasse und ihrer Subklassen „DiagnosticImage“ und „PublicHealthCase“ mittels Java bzw. JavaSIG auf Basis eines EAV-Ansatzes.

Methoden: Als Basis für die Modellierung der RIM-Klassen wurde ein hybrider Entity-Attribute-Value Ansatz [3] ausgewählt, der eine generische Datenmodellierung ermöglicht (siehe dazu z.B. [4], [5]). Für die Implementierung wurde die Programmiersprache JAVA und Hibernate 3.2 [6] (objekt-relationales Mapping) eingesetzt. Als Datenbank wurde MySQL v5 [7] verwendet.

Ergebnisse: Die Umsetzung der beiden Subklassen erfolgte in Form von einzelnen Tabellen, die der möglichen Ausprägung eines Datentyps (z.B. PhysicalQuantity, CodedValue etc.) der jeweiligen Subklasse entsprechen. Ein einzelnes Datum kann mit Hilfe des Tabellennamens und eines eindeutigen Identifikationsmerkmals in einer Act-Klasse referenziert werden. Der Zugriff auf die Tabellen wurde in Form von zwei Klassen Schreiben/Lesen realisiert. Dadurch und durch die Verwendung von Java-Generics [8] wird sichergestellt, dass ein Datentyp angegeben werden muss. Über die Verwendung von JavaSIG-Klassen wird zudem sichergestellt, dass die zur Speicherung übergebenen oder zum Lesen ausgewählten Objekte in ihrer Struktur und in ihrem Inhalt dem RIM entsprechen.

Diskussion: Durch die Verwendung eines EAV-Ansatzes wird die Sensibilität des Datenmodells gegenüber Änderungen stark reduziert und die Generizität des Modells erhöht. Die Verwendung eines hybriden Ansatzes schränkt diese Generizität zwar wieder ein, steigert aber die Performance und Transparenz. Durch den gewählten Ansatz lässt sich auch die Konformität der Daten auf unterer Ebene prüfen (Tabellenebene).