二、药学数据特征

药学数据不仅包括有关药物本身的描述如化学结构、活泼基团、酸碱性、溶解性能、结晶性能、合成流程、生产工艺等数据，也包括药物制剂即药品描述如剂型、辅料、稳定剂等数据，更包括药物作用机制、体内药动学参数、药效学参数、适应证、用法用量、不良反应、相互作用、注意事项等影响临床安全使用的数据，以及特殊患者、病情对药品作用的影响数据。

1）数据范围的不确定性

药物是具有调节机体作用的物质，脱离临床，药物则难以存在。因此，药学数据难以脱离临床数据而独立存在。而且，数据本身没有学科之分，譬如肾脏功能检查值属于临床数据，若用于分析其值波动与用药关系，则属于药学数据了。所以需要围绕分析目标，确定分析指标，从而确定数据范围。

2）对数据完整的依赖性

数据是为信息传递而存在的，脱离主体的数据也是没有意义的。例如，“100”或者“100 mg”这组数据没有意义，歧义太多，而“100 mg阿司匹林”方具有初步意义，这是可供预防心血管疾病口服的一次治疗剂量。又如，“58456－86－3”作为一串数字，难以体现任何信息，而加以前缀说明后，“CAS Number：58456－86－3”作为一个整体，就特指化学文摘注册号关联的那个化合物——头孢拉定（cefradine），其制剂是一种临床常用的抗生素药品。当然，该整体数据还得需要药学专业人员解读。因此，数据完整性对数据挖掘非常关键。(https://www.daowen.com)

3）数据的多义性

异于计算机系统等就可以直接获取或对其原始记录进行处理的单义数据，譬如药品名称、规格和剂量以及患者年龄、心率、体温、血压值、白细胞计数等。多义数据表达的内涵具有一定的模糊性、容易变异，需要进行一定的分析，受使用者影响大，其蕴涵的信息不一定准确反映初始记录者的意图。例如“锥体外系反应”是一个症状群的描述，是许多药品容易引起的不良反应。但是，药品说明书中可能出现这个词汇，也可能仅列出锥体外系反应的临床主要症状与表现，而不一定出现“锥体外系反应”这一词汇。而且，这些表述词汇会并列出现，但是描述的是同一内容，而非并列两个或多个。即使同一内容的词汇表述方式也是多样的，例如“乳酸脱氢酶增加”，还有“LDH升高”、“乳酸脱氢酶升高”等表述方法；“白细胞减少”，有“白细胞降低”、“白细胞下降”等表述。世界卫生组织药品不良反应监测中心建议的术语表中许多术语及其编码也存在交叉现象，如术语表中有“肝酶升高”的术语，也同时有“谷丙转氨酶升高”（丙氨酸氨基转移酶升高）的表述。这两个表述是包含关系。这些都是现实存在的问题，增加了该类数据处理的难度。

由于历史原因及信息系统稳定性、完整性考虑，各类软件及信息系统往往画地为牢，互不兼容。这些格式与标准各异的数据，虽然形成了数据海洋，但是不能做到所需共享，出现“数据过载”与“信息匮乏”并存的局面，难以为临床医生、药师充分利用，无法发挥医疗数据在提高药物治疗水平方面的有效作用。近年发展起来的元数据（metadata）思想提供了对资源数据的结构化的描述，规定了数字化信息的组织，是数据与信息规范化、标准化的基础，为解决上述矛盾提供了一个解决方案。2009年卫生部（现卫生计生委）发布《卫生信息数据元标准化规则》，标志着全国范围内卫生信息数据标准统一的开始，推进了医药卫生信息化管理的标准化进程。