本项目是专为医院信息科、病案科和医疗质量管理部门设计的单病种质量指标计算与报表生成工具。它从病案首页、检验报告LIS、长期医嘱HIS三类临床业务系统导出的结构化数据出发按国家单病种质控要求如急性心肌梗死、脑梗死、心力衰竭自动完成入组判断、过程指标与结果指标的全链路计算最终输出符合上报规范的CSV/Excel表格及带交互式图表的HTML可视化报表。核心能力由Python实现的数据读取层、YAML驱动的字段映射引擎、病种定制化指标计算逻辑、Jinja2模板渲染的报表生成层共同构成对外提供TypeScript/Node.js封装的CLI命令行工具支持一键运行、病种列表查询、全病种批量处理等实用操作。定位与能力范围我们不做通用ETL平台也不替代HIS或BI系统而是聚焦在「单病种质控指标落地执行」这个具体断点上当医院已能导出病案首页、检验结果、长期医嘱三类CSV文件但每次上报仍需人工核对字段、手写公式、反复粘贴校验时本工具就成为信息科与质控科之间可复用、可审计、可交接的中间件。它不连接数据库、不采集实时日志、不改造院内系统只接受标准格式的离线文件输入不覆盖临床决策所有指标逻辑严格对应《国家医疗服务与质量安全报告》中对应病种的质量控制指标定义不承诺100%覆盖全部病种当前稳定支持急性心肌梗死AMI、脑梗死、心力衰竭三种国家首批重点监测病种后续扩展只需新增YAML配置文件。这种边界设定让我们能把字段映射、时间窗判定、分母分子逻辑、缺失值归因等细节做实比如“发病24小时内首剂阿司匹林使用率”这类过程指标会自动识别病案首页中的入院日期、诊断时间关联医嘱表中的药品名称与开具时间再按分钟级精度比对是否满足“24小时”窗口而不是依赖用户手动标注“是否使用”。核心功能工具以“数据进—规则跑—报表出”为闭环所有能力围绕三类交付物组织上报级结构化数据每个病种生成独立子目录含report.csv纯字段值无格式、report.xlsx含合并单元格、条件格式、表头说明可直接提交至国家单病种管理平台可视化质控看板report.html包含指标完成率雷达图、分母/分子明细折叠面板、异常数据高亮提示如某患者“未记录LDL-C值”触发“血脂检测率”扣分项支持浏览器打开即用无需部署可追溯计算过程detail/子目录下存放每项指标的原始匹配记录如“哪些患者被计入‘急诊PCI术前双抗治疗’分母”“哪几条医嘱命中‘阿司匹林’关键词”供质控员回溯核查所有功能均通过统一CLI入口调用无图形界面依赖适合纳入信息科日常运维脚本或定时任务。使用与配置CLI是面向实际工作流设计的你不需要先学Python或TypeScript只要会复制粘贴命令、知道自己的CSV文件在哪、了解本院用的是哪几种病种就能当天跑通。常用操作有三类操作类型命令示例说明单病种指定运行npx ts-node src/ts/cli.ts --discharge-summary data/sample/discharge_summary_sample.csv --lab-results data/sample/lab_results_sample.csv --medical-orders data/sample/medical_orders_sample.csv --disease-configs config/ --output-dir output/默认按配置目录下首个病种AMI执行适合试点验证查看支持病种npx ts-node src/ts/cli.ts --list-diseases终端输出急性心肌梗死AMI、脑梗死、心力衰竭避免配置文件名与业务名称错位批量全病种运行npx ts-node src/ts/cli.ts --all-diseases --discharge-summary ...一次输入三类数据自动遍历config/下全部YAML文件分别生成三个病种的完整报表包病种逻辑完全由YAML文件定义例如config/disease_ami.yaml中明确声明 - 哪些字段来自病案首页如admission_date: discharge_summary.入院日期 - 检验项目如何匹配如ldl_c: [低密度脂蛋白胆固醇, LDL-C] - 指标计算规则如aspirin_within_24h: lab_results.检验项目.contains(肌钙蛋白) and medical_orders.药品名称.str.contains(阿司匹林) and (medical_orders.开具时间 - discharge_summary.入院日期) pd.Timedelta(1 day)这意味着当医院更换LIS系统导致检验报告字段名从ITEM_NAME变成TEST_CODE你只需修改YAML里的一行映射无需动Python代码。工程结构整个项目采用清晰的职责分离设计Python负责数据密集型任务Node.js负责人机交互体验src/下Python模块按数据流分层readers/专注适配不同导出格式兼容Excel/CSV/GBK编码/表头偏移mapping/将YAML配置编译为运行时字段路由表calculator/按病种加载指标表达式并安全求值使用numexpr隔离执行防注入reports/调用pandas ExcelWriter与Jinja2生成多格式输出src/ts/cli.ts作为外壳解析命令行参数、校验输入路径是否存在、调用Python子进程并捕获结构化日志如[INFO] 已加载372份病案首页跳过12条无诊断编码记录失败时给出明确修复指引如“请检查lab_results.csv是否包含‘检验项目’列”config/与templates/完全静态可单独抽离用于跨项目复用data/sample/提供带注释的示例数据字段名、时间格式、空值写法均模拟真实HIS导出场景这种结构让信息科工程师既能直接调用Python模块做深度定制如接入内部Docker环境也能让质控员仅用npm命令完成全部操作。环境与运行部署极简仅需Python 3.9与Node.js 18两个运行时无GPU、无服务进程、无后台守护。安装步骤明确分离pip install -r requirements.txtnpm install运行时无需全局安装npx ts-node确保本地依赖优先Python侧也支持python -m src.cli直启规避虚拟环境路径问题。我们测试过WindowsGBK默认编码、macOSUTF-8、CentOS 7系统Python 2.7需额外装pyenv三类环境关键路径处理均加了pathlib.Path标准化与编码自动探测。日志输出兼顾调试与归档终端显示精简进度如[✓] 脑梗死过程指标计算完成同时生成output/run.log记录完整上下文含各数据源行数、字段缺失统计、指标命中详情符合三级医院信息系统审计要求。数据与扩展数据输入遵循最小必要原则只读取指标计算必需字段不加载整张宽表。示例数据中discharge_summary_sample.csv仅含12列如住院号、入院日期、主要诊断ICD编码、出院日期lab_results_sample.csv仅含5列检验号、住院号、检验项目、结果值、检验日期这既降低内存占用也倒逼医院导出时做字段精简。扩展新病种只需三步 1. 在config/下新建disease_hypertension.yaml按现有格式填写字段映射与指标逻辑 2. 将该文件名加入CLI的--disease-configs指向目录默认已包含全部YAML 3. 运行--list-diseases确认识别成功再执行--all-diseases验证若需对接非CSV数据源如SQL Server导出的.xlsx可在src/readers/下新增一个reader类重载load()方法其余计算层与报表层完全无需改动。限制与说明本工具明确不解决以下问题避免预期错位不处理非结构化文本如病程记录、手术记录中的自由描述内容暂不支持NLP抽取不校验临床合理性如“心梗患者未做心电图”属于质控预警范畴本工具仅按规则计数不替代医生判断不替代数据治理若病案首页中“主要诊断”字段为空或填“待查”工具会如实标记为“未入组”但不会反向补全诊断不提供SaaS服务无账号体系、无云端存储、无远程调用接口所有数据停留本地所有行为逻辑均可在说明文档中逐条对照验证字段映射关系见config/下各YAML文件指标公式见对应文件的indicators:区块HTML模板结构见templates/report_template.html错误码含义与修复建议见src/logger.py中的ERROR_CODES字典。项目地址https://github.com/nexorin9/single-disease-indicator-extractor