Extraction des connaissance à partir d'un datamart à l'aide de l'arbre de décision application aux données médicales

IV.2.3 MODELISATION MULTIDIMENSIONNEL LE DE

DATAMART

Pour construire un entrepôt global de l'hôpital ou d'une entreprise il ya des méthodes :

Top down : c'est la méthode la plus lourde ,la plus contraignante et la plus complète en même temps elle consiste en la conception de tout l'entrepôt ,puis la réalisation de ce dernier.

Bottom-up : c'est l'approche inverse, elle consiste à créer les étoiles ,puis les regrouper par des niveaux intermédiaires jusqu'à l'obtention d'un véritable entrepôt pyramidal avec une vision d'entreprise .

Middle-Out :c'est l'approche hybride, et conseillée par le professionnels du business intelligence. Cette méthodes consiste en la conception totale de l'entrepôt des données c-à-dire concevoir toutes dimensions, tous les faits, toutes les relations, puis créer des divisions plus petites et plus gérables et les mettre en oeuvre.

Pour notre étude nous avons construit un DataMart représentant

une étoile pour l'hôpital qui est un DataMart sur les accouchements au service de la maternité.

[67]

1. MODELISATION DE L'APPLICATION OPERATIONNELLE

Nous avons modélisé la base de données opération avec la méthode merise qui est la source de données alimentant notre entrepôt des données.

A. MODELE logique de données

A prés analyse préalable, nous avons dégagé les tables suivantes pour le modèle logique de notre base de données opérationnelles.

TABLE	ATTRIBUTS
ACCOUCHEMENT	NUM ORDRE ,NA ,NF,NT,ETAT SER,SEXE ,POIDS ,AP GAR,DIAGNOSTIQUE
FICHE	NF,NOMPOSTNOM,AGE,ETA CIVIL,NATIONALITE,ADRESSE,NIVEAU D'ETUDES,CPN
ANT OBSTRI	NA, GRAVIDA ,PARITE,AVORTEMENT,DECES

SCHEMA DU MODELE CONCEPTUEL DES DONNEES

^PK		^FICHE ^NF
^PK	^Accouchement ^NUM ORDRE

1,0

^PK	^ANT OBSTRI

^{Attacher à}

^NA

^{GRAVIDA PARITE AVORTEMENT DECES}

^1,n

^1,n

^{NOM POSTNOM}

^{ETATCIVIL NATIONALITE ADRESSE NIVEAU D'ETUDES}

^conserne

^1,0

^AGE

^{ETAT SEROLOGIQUE SEXE POIDS AP GAR DIAGNOSTIQUE DATE PROVENANCE (CPN)}

FIG IV 2:Modèle conceptuel des données

[68]

SCHEMA DU MODELE LOGIQUE DES DONNEES

^FICHE

^PK

^NF

^{NOM POSTNOM}

^AGE

^ETATCIVIL

^NATIONALITE

^ADRESSE

^{NIVEAU D'ETUDES}

^Accouchement

^PK

^{NUM ORDRE}

^NA

^NF

^PROVENANCE

^{ETAT SEROLOGIQUE}

^SEXE

^POIDS

^{AP GAR}

^DIAGNOSTIQUE

^DATE

^{ANT OBSTRI}

^PK

^NA

^GRAVIDA

^PARITE

^AVORTEMENT

^DECES

FIG IV 3:Modèle logique de données

SCHEMA DU MODELE PHYSIQUE DE DONNEES