Cross-Domain Hospital Intelligence from EHR, Staffing, Census, and Billing Data — Dataset

该数据集围绕跨域医院智能，集成了EHR、人员配置、床位普查和计费数据，包含由可复现笔记本生成的模拟电子健康记录、人员配置、床位普查和计费数据，覆盖多医院网络。数据集按分层Medallion模型组织，跨越三个治理隔离工作区，源层包含 raw_admissions、raw_discharges、raw_readmissions、raw_ward_census、raw_staffing 和 raw_billing 六张表，每张表按定义粒度设键，并与医院、病房、区域、DRG和付款方等维度表保持引用关系。

原始信息汇总

Cross-Domain Hospital Intelligence from EHR, Staffing, Census, and Billing Data — 数据集总结

数据集概况

• 数据集名称：Cross-Domain Hospital Intelligence from EHR, Staffing, Census, and Billing Data — Dataset。
• 详情页地址：https://github.com/HarshNarayan312/fabric-hospital-intelligence-demo
• 预览图地址：https://raw.githubusercontent.com/HarshNarayan312/fabric-hospital-intelligence-demo/main/poster_1a49aa.svg
• 数据集用途：用于 Microsoft Fabric 跨域医院智能的端到端演示，整合 Materialized Lake Views、Fabric IQ Ontology、Data Agents 和 Activator。
• 数据领域：模拟电子健康记录、人员配置、床位普查和账单数据。
• 架构方式：围绕三个工作区组织，将源数据、运营情报、决策与行动层分离，并通过跨工作区 Materialized Lake Views 保持连接。
• 数据性质：多医院网络合成数据，由可复现 notebooks 生成，所有转换以 Spark SQL 声明式表达。
• 隐私说明：不包含真实患者数据、受保护健康信息或专有运营数据。

数据集结构

数据集采用分层 medallion 模型，跨越三个按治理边界分离的工作区，每一层由 Materialized Lake Views 物化为 Delta 表。

源层

• 位于源真相工作区。
• 包含六个模拟医院记录系统的表。
• 每个表按定义粒度建键，并维护到医院、病房、区域、DRG、付款方等维度表的引用关系。
• 维度表包括 hospitals、wards、regions、DRG definitions、payer programs，作为所有下游 MLVs 的连接主干。

表	粒度	模拟系统
raw_admissions	患者 encounter	EHR 入院 feed，含诊断、DRG、acuity、comorbidity index
raw_discharges	患者 encounter	EHR 出院 feed，含 disposition、LOS、follow-up status、medication reconciliation
raw_readmissions	再入院事件	30 天再入院跟踪，含 days-since-discharge
raw_ward_census	Ward × hour	实时床位普查 feed
raw_staffing	Ward × shift	人员配置系统，含护士数量、每班护士患者比
raw_billing	Claim / encounter	收入周期，含 DRG payment、total cost、payer program

运营情报层

• 运营 MLVs 跨工作区读取源层，计算病房级和 encounter 级运营状态。
• 包含五个 MLVs：
  • ward_utilization：每日占用率、峰值小时、每病房可用床位。
  • staffing_adequacy：按 ward × shift 对照病房类型安全阈值计算护士患者比，Med-Surg 为 1:4，ICU 为 1:2。
  • los_patterns：按 DRG 比较平均住院时长与预期值，并标记异常值。
  • readmission_flags：识别 30 天再入院，并关联原始 encounter、病房和 DRG。
  • discharge_risk_factors：每次出院的风险画像，结合出院时人员配置、普查压力、随访状态和合并症。
• 该层以 SQL 声明式统一 encounter、ward-shift、claim 三种不同粒度，为下游消费生成一致键空间。

决策与行动层

决策 MLVs 跨工作区读取运营层，并分为两组功能。

模式检测 MLVs，回答发生了什么及原因：

• hospital_quality_scorecard：按医院给出再入院率、LOS 方差和患者安全综合指标。
• staffing_outcome_correlation：识别人员不足与高于平均再入院率相关的病房。
• readmission_financial_impact：估算超额再入院成本和 DRG 利润侵蚀。
• cost_per_patient：按 DRG、医院和付款方拆分成本，并含利润分析。

风险信号 MLVs，回答当前需要关注什么：

• unsafe_discharge_risk：今日从人员不足病房出院、高合并症且无计划随访的患者。
• capacity_pressure：当前班次占用率超过 85% 或人员配置低于阈值的病房。

消费层

• 三个 Direct Lake 语义模型，每个对应一个 agent persona，直接读取决策层 Delta 表，无需导入管线。
• Fabric IQ Ontology 注册 agent 遍历的业务实体和关系：Discharge Event → Ward → Staffing Adequacy → Patient Encounter → DRG → Discharge Risk Factors → Hospital → Readmission Financial Impact。
• 列级和行级安全规则应用于语义模型层，并传播至 agent 响应。

生成参数

• 所有数据为合成数据，由确定性 notebooks 生成。
• 模拟网络包括 12 家医院，分布于 4 个美国区域。
• 每家医院 5 个病房：ICU、Med-Surg、Surgical、Pediatrics、Emergency。
• 约 710 张床位。
• 约 50,000 次入院，覆盖 18 个月窗口。
• 约 788,000 行 ward-hour census 数据。
• 约 98,000 行 staffing shift 数据。
• 不包含真实患者数据、受保护健康信息或专有运营数据。

列

数据集包含六个源表，物化在 ws-zava-hospital-systems，以及一组派生 Materialized Lake Views，分布于 ws-zava-clinical-ops 和 ws-zava-command-center。

源表

raw_admissions — 粒度：每次患者入院一行。

列	类型	描述
encounter_id	string	主键；在下游 MLVs 中保持稳定
patient_id	string	合成患者标识符，已假名化
hospital_id	string	医院维度外键
ward_id	string	病房维度外键
admit_ts	timestamp	入院时间戳，UTC
drg_code	string	Diagnosis-Related Group 代码
primary_diagnosis	string	主要诊断标签，例如 heart failure
acuity_score	int	严重程度指数，1–5，越高越严重
comorbidity_index	float	Charlson 风格合并症权重

raw_discharges — 粒度：每次患者出院一行。

列	类型	描述
encounter_id	string	raw_admissions 外键
discharge_ts	timestamp	出院时间戳，UTC
disposition	string	出院去向，如 home、SNF、rehab、expired
los_days	float	住院时长，单位天
follow_up_scheduled	boolean	是否已预约 7 天随访
med_reconciliation_done	boolean	是否完成药物核对

raw_readmissions — 粒度：每次 30 天再入院事件一行。

列	类型	描述
readmission_id	string	主键
original_encounter_id	string	索引 encounter 外键
readmit_ts	timestamp	再入院时间戳，UTC
days_since_discharge	int	出院到再入院的间隔天数
readmit_drg_code	string	再入院的 DRG 代码

raw_ward_census — 粒度：ward × hour。

列	类型	描述
ward_id	string	病房维度外键
census_ts	timestamp	每小时普查快照时间戳
occupied_beds	int	快照时占用床位数
available_beds	int	快照时可用床位数
occupancy_pct	float	占用床位 ÷ 总床位，以分数表示

raw_staffing — 粒度：ward × shift。

列	类型	描述
ward_id	string	病房维度外键
shift_start_ts	timestamp	班次开始时间戳，UTC
shift_end_ts	timestamp	班次结束时间戳，UTC
nurse_count	int	该班次安排的护士数量
nurse_patient_ratio	float	护士数 ÷ 占用床位，以比率表示

raw_billing — 粒度：claim / encounter。

列	类型	描述
claim_id	string	主键
encounter_id	string	raw_admissions 外键
drg_payment	decimal	与 DRG 关联的报销金额
total_cost	decimal	完全负载的 encounter 成本
payer_program	string	付款方分类，如 Medicare、Medicaid、commercial

派生 Materialized Lake Views

ws-zava-clinical-ops 中的 MLVs 继承并对齐源表粒度。关键派生字段包括：

• ward_utilization：ward_id、census_date、occupancy_pct、peak_hour、available_beds。
• staffing_adequacy：ward_id、shift_start_ts、nurse_patient_ratio、safe_threshold、is_understaffed，按病房类型阈值计算，Med-Surg 为 1:4，ICU 为 1:2。
• los_patterns：encounter_id、drg_code、expected_los、actual_los、los_variance、is_outlier。
• readmission_flags：original_encounter_id、readmission_id、days_since_discharge、ward_id、drg_code。
• discharge_risk_factors：encounter_id、discharge_ts、ward_id、is_understaffed_at_discharge、census_pressure、follow_up_scheduled、comorbidity_index、composite_risk_score。

ws-zava-command-center 中的 MLVs 将这些聚合为面向 persona 的 schema。hospital_quality_scorecard、staffing_outcome_correlation、readmission_financial_impact 和 cost_per_patient 暴露医院级、病房级和 DRG 级汇总。unsafe_discharge_risk 保留 encounter 粒度以支持患者级风险审查，capacity_pressure 保留 ward × shift 粒度以支持实时运营告警。

未在此枚举的列是上游表的传递标识符或计算便利字段，记录在相应 SQL notebook 中。所有时间戳均为 UTC。所有货币金额以美元 decimal 存储，不进行货币转换。任何列均不包含真实患者数据；所有标识符和临床值均为合成生成。

来源

• 数据集完全为合成数据，以程序化方式生成，用于演示和可复现目的。
• 构建任何阶段均未使用真实患者记录、医院运营数据、人员配置日志或财务记录。
• 每个标识符、诊断、出院事件、人员配置比率、普查读数和 claim 金额均来自确定性生成器，其参数固定且可审计。
• 生成按四个有序阶段进行：
  1. 建立医院、病房、区域和 DRG 维度表作为稳定参考框架。
  2. 在患者 encounter 粒度合成入院、出院和再入院事件，诊断分配、acuity 和合并症指数来自有界分布。
  3. 分别在 ward-hour 和 ward-shift 粒度生成每小时病房普查和每班次人员配置记录，占用率和护士患者比约束在合理运营范围内。
  4. 在 encounter 粒度生成账单和 claim 记录，并关联相应入院，支付和成本数字由分配的 DRG 推导。
• 四个阶段均使用单一固定随机种子以保证可复现性：按顺序执行生成 notebooks 会得到字节一致的表格。
• 由于源表为合成数据，演示有意不建模真实世界数据质量缺陷，除非为说明目的明确引入。
• 下游 Materialized Lake Views、语义模型和 agent 配置仅在这些生成表上操作；不需要也不暗示任何外部数据连接或摄取路径。

许可证

• README 的 License 部分声明：本项目在 MIT License 下发布。
• README 顶部徽章显示：Lgpl--2.1。
• 上述许可证信息存在不一致。
• License 部分说明项目许可证适用于所有组件，包括合成数据生成 notebooks、Materialized Lake View 定义、语义模型和 agent 配置工件、ontology 定义以及 Activator 设置文档。
• 所有数据集均为合成数据。不包含真实患者记录、医院标识符、人员配置日志或账单记录。
• 数据仅为演示目的生成，不具备临床、运营或财务有效性。
• 用户负责确定许可证条款是否适合其预期用途，并遵守其环境中的适用要求。

引用

• 该数据集伴随 fabric-mlv-agent-healthcare-demo 项目，应作为演示工件引用。
• 归属应区分数据集本身，即为该项目生成的合成医院记录，与其所演练的基础平台能力，即 Materialized Lake Views、Fabric IQ Ontology、Data Agents 和 Activator。
• 由于数据完全合成，不涉及人类受试者，也不代表受保护健康信息。引用应明确说明记录为模拟数据，不应解释为真实患者、人员配置或财务数据。
• 推荐引用格式：

  fabric-mlv-agent-healthcare-demo — Synthetic hospital operations dataset (admissions, discharges, readmissions, ward census, staffing, and billing), version [commit/ref], accessed [date].

• 版本化：数据集由包含的生成 notebooks 确定性重新生成。引用特定分析时，应记录生成数据时的项目 commit 或 tag，以使结果保持可复现。使用变更后的 seed 或 notebook 修订重新生成可能产生不同值。
• 归属范围：合成记录为本项目原创，可根据项目许可证条款重新分发。演示引用的平台概念和产品名称为其各自所有者财产，仅用于描述数据集运行的技术背景；此类引用不暗示背书。
• 引用衍生分析：由该数据集生成的分析、查询或 agent 响应应同时引用该数据集和使用的特定转换或 notebook 路径，并说明下游聚合继承源记录的合成性质。

搜集汇总

数据集介绍

构建方式

面对跨域医院智能对电子病历、人力配置、床位普查与计费数据协同建模的需求，该数据集以合成化、可复现和治理分层为构建原则。其生成由确定性笔记本按四个有序阶段完成：建立医院、病区、区域与DRG维表参考框架；在患者就诊粒度合成入院、出院与再入院事件并赋予诊断、急症与共病指数；生成病区×小时床位普查与病区×班次人力记录；在就诊粒度生成账单与理赔数据并关联入院记录。全过程采用固定随机种子，重复执行可得字节级一致表。数据依三层工作区与medallion模型组织，源层、临床运营层与指挥中心层通过跨工作区Materialized Lake Views连接，转换以Spark SQL声明式表达，避免手工ETL中间副本。

特点

从医疗运营智能的数据资产特征看，该数据集覆盖EHR、人力、普查与计费四域，含入院、出院、再入院、病区小时普查、班次人力和理赔六类源表，并衍生病区利用率、人力充分性、住院日模式、再入院标志与出院风险因素等运营视图，以及质量记分卡、人力结果相关性、再入院财务影响、单患者成本、不安全出院风险和容量压力等决策视图。模拟网络涵盖12家医院、4个美国区域、每院5类病区、约710张床位、约5万次入院与18个月窗口，另有约78.8万条病区小时普查和约9.8万条人力班次记录。全部记录均为合成数据，不含真实患者信息或受保护健康信息，固定随机种子保证可复现。

使用方法

围绕智能体驱动的医院运营分析和跨域决策演示场景，该数据集可按仓库部署与执行说明使用。用户可在Microsoft Fabric环境恢复三个治理分离工作区，依次运行00至03号合成数据生成笔记本，再执行10、20、21号SQL笔记本以物化临床运营与指挥中心层Materialized Lake Views。消费端通过Direct Lake语义模型直接读取决策层Delta表，借助Fabric IQ Ontology注册实体关系完成跨临床、运营与财务域查询，并由Data Agents和Activator支撑风险信号监测与行动触发。引用或二次分析时应注明项目名称、版本或提交状态、访问日期，明确数据为合成记录；衍生分析还应引用所用转换路径或笔记本，以保持结果可追溯。

背景与挑战

背景概述

在医疗系统多源异构数据融合与运营决策智能化的研究脉络中，该数据集以合成电子健康记录、排班、床位普查与计费数据为基底，构建跨域医院智能演示资产。公开仓库信息显示其由HarshNarayan312发布，依托Microsoft Fabric的可物化湖视图、本体、数据代理与激活器等能力，README未标注具体创建时间。其核心研究问题在于以治理域分离的三工作区架构，检验跨临床、运营与财务粒度的声明式数据转换、语义建模与代理查询的可行性。该资产为可复现的合成医院运营分析提供方法参考，影响力主要限于演示、教学与评估场景，而非真实临床或财务推断。

当前挑战

跨域医院智能分析的领域难题在于将就诊、病区班次与理赔等异质粒度统一为可追踪的运营与风险信号，同时保持临床、运营、财务语义一致；该数据集以再入院率、住院时长方差、安全排班与容量压力等指标回应此类问题。构建过程中，挑战体现为合成数据需在无真实患者信息前提下保持多院区、多病区、多支付方场景的内部一致性与统计合理性；跨工作区物化湖视图需维持依赖顺序、刷新行为与治理边界可审计；语义模型、本体、代理指令与激活器配置还需协同可复现，并避免合成数据质量缺陷被误读为真实世界规律。

常用场景

经典使用场景

在医疗健康数据治理与跨域智能分析领域，该数据集以合成方式复现电子病历、排班、床位普查与账单等多源医院系统记录，经典用途在于端到端演示与评估 Microsoft Fabric 中 Materialized Lake Views、Fabric IQ Ontology、Data Agents 与 Activator 的协同。其常见使用路径是依托来源层、运营智能层、决策行动层与消费层，围绕12家医院、5类病房、约5万次入院、约78.8万条病房小时普查和约9.8万条排班记录，构建声明式 Spark SQL 转换，支撑床位利用、人员充足性、住院时长、再入院与财务影响等跨域查询和代理式分析。

解决学术问题

在医疗运营研究与健康信息学视角下，跨EHR、排班、普查和账单数据长期受治理边界、粒度异构与隐私合规约束，难以形成可重复的跨域分析基准。该数据集以确定性生成、分层湖视图和合成标识符，缓解真实数据不可获取、不可复现及受保护健康信息风险，使研究者能够检验再入院率、住院时长偏差、护士患者比与出院风险、DRG成本收益等复合指标的计算逻辑，并为本体映射、代理式查询、实时风险信号和跨域因果探索提供标准化实验床。

衍生相关工作

就公开材料而言，围绕该数据集衍生的相关工作主要集中于 fabric-mlv-agent-healthcare-demo 项目中的可复现资产：以声明式 Spark SQL 编写的运营与决策物化湖视图、面向代理角色的 Direct Lake 语义模型、Fabric IQ 本体定义以及 Activator 告警配置。这些工作将跨域医院智能从概念验证推进为端到端演示，并形成医院质量记分卡、人员配置与再入院关联、再入院财务影响、容量压力等分析模板，为后续合成医疗数据基准、代理评估与治理架构研究提供参照。