本研究的宗旨在探討醫學中心實驗室資訊系統(Laboratory
Information System, LIS) 與醫院資訊系統(Hospital Information System, HIS)子系統之一的科室報到系統(Departmental Registration System, DRS)之間所存在的資料品質問題。本研究從有關LIS、HIS 與DRS 等系統間的介面、資料品質問題以及解決資料品質問題的方法的文獻探討開始著手。在本研究中我們使用EXCEL 軟體之Microsoft Visual Basic 的環境下所撰寫的分析程式來整合LIS 與DRS 間資料異質化問題並且進行自動化的資料比對。該分析程式每次可以在30 秒的時間內自動比對LIS 與DRS 各300 筆資料，其中每一筆資料包括了姓名、病歷號、檢查流水號、以及平均約3 個醫另品項的資料。除了自動比對之外，並且可以自動將問題資料整理成EXCEL 表格資料以供後續分析與校正。
  根據本研究範例所顯示，醫院LIS 與DRS 兩個不同系統之間存在著資料異質性的問題，該問題使得人工比對既困難又容易出錯，也使得自動化的資料比對無法進行。透過兩系統的資料格式（包括檢查流水號與醫令名稱）的統一， 本研究所提出的方法析解決了資料異質性的問題。
  透過自動化的資料比對，我們可以找出LIS 與DRS 各自資料的重複（包括病歷號、檢查流水號與檢查品項等）、LIS 與DRS 資料的不一致（包括姓名、檢查流水號、檢查品項）。自動化的資料比對可以及時的偵測資料品質的問題，進而避免後續健保申報不實、成本浪費與醫療品質等問題。就管理的角度而言，自動化的資料比對法提供管理階層一個快速、即時、準確的資料品質問題偵測工具，彌補兩個不同系統因為資料異質性所潛藏的資料品質問題。

The aim of this study is to investigate the data quality problems existing in the Laboratory Information System (LIS) and the Departmental Registration System (DRS), which is one of the subsystem of the Hospital Information System (HIS).We start from literature review regarding the interfaces among LIS, HIS and DRS, data quality problems, and solutions to solve data quality problems. We use a customized analysis tool, which is developed in-house using Microsoft Visual Basic on the platform of EXCEL software, to solve the data heterogeneity between LIS and DRS and to perform data matching automatically. By using this tool, we are able to perform data matching between LIS and DRS at a rate of 300 groups of data within 30 seconds, with each group of data comprising patient name, history number, accessing number, and an average of 3 medical items. Besides, the tool also provides automatic summarization of the detected data errors on an independent
EXCEL data sheet.
  According to our study case, we found data heterogeneity between LIS and DRS, making manual data matching difficult and erroneous and automatic data matching impossible. Our data analysis tool integrated the heterogeneous data into uniform data to allow automatic data matching, which was proven capable to detect intra-system data repeatability and inter-system data inconsistency.
  Automatic data matching provides in-time detection of data quality problems, avoids health insurance declaration problems, cost waste problems, and medical care quality problems, etc. From the viewpoint of management, automatic data matching provides the administrator a rapid, in-time, accurate tool for detecting data quality problem, making up the data quality problem hiding behind the data heterogeneity between different systems.

第一章 緒論………………………………………………………………1
第一節 研究背景與動機…………………………………………………1
第二節 研究目的…………………………………………………………5
第三節 研究流程…………………………………………………………7
第四節 論文結構…………………………………………………………8
第二章 文獻探討…………………………………………………………9
第一節 實驗室資訊系統 (LIS)…………………………………………9
第二節 醫院資訊系統(HIS)……………………………………………13
第三節 LIS、HIS 與DRS 介面之相關性………………………………18
第四節 LIS與DRS資料品質問題……………………………………… 19
第五節 資料品質問題偵測的方法…………………………………… 21
第三章 研究設計……………………………………………………… 24
第一節 資料收集……………………………………………………… 24
第二節 資料分析流程………………………………………………… 26
第四章 資料分析與結果……………………………………………… 29
第一節 資料分析……………………………………………………… 29
第二節 比對結果與分析……………………………………………… 47
第三節 討論…………………………………………………………… 49
第五章 結論與建議…………………………………………………… 52
第一節 結論…………………………………………………………… 52
第二節 管理意涵……………………………………………………… 54
第三節 研究限制……………………………………………………… 55
第四節 建議…………………………………………………………… 56
參考文獻 ……………………………………………………………… 58
一、中文部分……………………………………………………………58
二、英文部分……………………………………………………………60
三、網站…………………………………………………………………62

表次
表2-1 HIS 各子系統與次子系統………………………………………15
表3-1 RIA 檢查人數與品項數目………………………………………24
表3-2 LIS 與DRS 兩系統醫令名稱之統一……………………………28
表4-1 分析結果…………………………………………………………47

圖次
圖2-1 HIS-LIS 示意圖…………………………………………………10
圖2-2 LIS 導入介面圖…………………………………………………10
圖2-3 國內某醫學中心HIS、LIS 與DRS 介面示意圖……………… 18
圖3-1 國內某醫學中心RIA 的檢查流程圖……………………………25
圖3-2 本研究的流程圖…………………………………………………27
圖4-1 LIS 與DRS 之RIA 檢查資料日報表……………………………29
圖4-2 資料備份…………………………………………………………30
圖4-3 多餘資料之刪除…………………………………………………31
圖4-4 資料存放格式之標準化…………………………………………32
圖4-5 DRS 資料排序(sheet2)…………………………………………33
圖4-6 LIS 資料排序(sheet1)…………………………………………34
圖4-7 LIS 檢查流水號字串長度的統一………………………………35
圖4-8 DRS 檢查流水號字串長度的統一………………………………35
圖4-9 LIS 與DRS 品項名稱與區隔符號的不一致……………………36
圖4-10  LIS 與DRS 的品項名稱與區隔符號之統一…………………37
圖4-11  LIS 資料比對結果儲存空間的插入…………………………38
圖4-12  DRS 資料比對結果儲存空間的插入…………………………39
圖4-13  資料剖析流程…………………………………………………40
圖4-14  LIS 品項分割前、後的資料型態……………………………41
圖4-15  DRS 品項分割前、後的資料型態……………………………41
圖4-16  資料整理之自動篩選功能……………………………………44
圖4-17  以自動篩選功能篩選出各項有問題的資料…………………45
圖4-18  自動化的資料問題整理總表…………………………………46
圖4-19  原因分析與除錯………………………………………………48
圖4-20  LIS 與DRS 資料錯誤可能衍生之後續問題…………………50
圖5-1  資料比對為LIS 與DRS 介面的橋樑………………………… 53

一、中文部分
田聖才 (2000)。 電腦閱卷系統的研究。 測驗統計年刊 ，8：141-164。
吳永超 (2006)。 檢驗資訊系統(LIS) 結合緊急行動簡訊系統(PHS) 應用於病患安全- 高雄市立小港醫院經驗。 碩士論文， 義守大學資訊管理學系研究所。
吳志成 (2004)。 醫療資訊系統導入電子簽章之參考架構與整體解決方案。 碩士論文， 國立東華大學資訊工程學系。
李友專，許明暉，龍安靖等 (2005)。 醫院資訊系統規範2.0。行政院衛生署。
李殿魁 (2010)。 比對。重編國語辭典修訂本，教育部國語推行委員會。
林克韋 (2002)。 DW 資料不一致之研究。 碩士論文， 國立中大央學資訊管理研究所。
高智雄 (2005)。 檢驗資訊系統技術層面之探討。 中華民國醫檢會報， 20(1)：74-92。
陳玉慧 (2011)。 德國防部長棄博士又丟官。 聯合報， 2011/03/02。
陳祥 (2007)。數位抄襲行為、抄襲情境與抄襲文本之偵測。行政院國家科學委員會 (NSC 96-2413-H-110-001)。
傅嘉欣 (2009)。 所得稅申報附表與同期資料的一致性。 中國快報。
曾元顯 (2007)。 分類不一致之自動偵測：以農資中心資料為例。 圖書館學與資訊科學 33(2)： 20-32。
湯耀中 (1999)。 印鑑核對的電腦化。 科學月刊。
維基百科 (2011)。 醫院信息系統。維基百科。
趙淑貞、陳如珍、吳振龍、李龍雄、陳潤秋 (2005)。 檢驗室整合經驗談。 中華民國醫檢會報 20(3)： 19-27。
劉建材 (2003)。 跨醫療體系之醫療資訊交換HL7 標準試辦計畫。 台灣健康資訊交換第七層協定協會： 行政院衛生署。
謝玉玲 (2008)。 架構式電子病歷住院系統之研究。 碩士論文， 國立中山大學資訊管理學系研究所。
維基詞典 (2010)。資料。維基辭典
簡文山 (2007)。檢驗資訊系統。醫學資訊管理學 ，台北市：華杏出版社。
蘇振隆（2003）。醫療資訊DICOM 標準推動計畫。台灣醫療影像資訊標準協會。行政院衛生署。

二、英文部分
Dorneles, C. F., Heuser, C. A., Lima, A. E. N., da Silva, A. S. and de Moura, E. S. (2004). Measuring similarity between collection of values. In WIDM ’04:Proceedings of the sixth annual ACM international workshop on Web information and data management. New York, NY, USA, 56-63.
Hall, P. A. V. and Dowling, G. F. (1980). Approximate string matching. ACM Computing Surveys, 12(4), 381–402.
Löhr, Andreas. (1999). Virus Detection (Pattern Matching). in Experimental Methods in Software Engineering - Intrusion Detection: überfachlichen Grundlagen.
Laudon, K.C. (1986). Data Quality and Due Process in Large Interorganizational Record Systems. Communications of the ACM, 29(1), 4-11.
Lee, N.C. (1992). Improving Data Quality: Developtment and Evaluation of Error Detection Methods. Master Thesis, National Sun Yat-sen University, Information Management.
Levenshtein, V. I. (1966). Binary codes capable of correcting deletions, insertions, and reversals. Soviet Physics Doklady, 10(8), 707-710.
McDowall, R. D. (1995). A matrix for a LIMS with a strategic focus. Laboratory Automation and Information Management, 31, 57-64.
Silva, da R.; Stasiu, R.; Orengo, V.M.; Heuser, C.A. (2007). Measuring quality of similarity functions in approximate data matching. Journal of Informetrics, 1, 35-46.
Tan, J., Zaslavaky, A. and Bond, A. (2000). Meta Object Approach to Database Schema Integration. In 2nd International Symposium on Distributed Objects and Applications. 10.
Tilzer, L. L. and Jones, R. W. (1988). Use of Bar Code Labels on Collections Tubes for Specimen Management in the Clinical Laboratory. Arch Pathol Lab Med, 112, 1200-1202.
Wikipedia. (2011). Hospital Information System. in Wikipedia.
Yalow, R. S. and Berson, S. A. (1960). Immunoassay of endogenous plasma insulin in man. J Clin Invest, 39(7), 1157-1175.
Zhou, X., Xu, B., Qi, Y. and Li, J. (2008). MRSI: A Fast Pattern Matching Algorithm for Anti-virus Applications. in Seventh International Conference on Networking.

三、網站部分
陳祥（2010）。 中文數位反抄襲偵測比對系統。國立中山大學傳播管理研究所; http ：//checker.cm.nsysu.edu.tw/turnitin/。
郭世清（2011）。 德防長違反誠實，黯下台得不償失。 http：//militaryethics.666forum.tw/t148-topic#1096。
Brauer, B. Data Quality - Spinning Straw into Gold. 2000; Available from: http://www2.sas.com/proceedings/sugi26/p117-26.pdf.