李越飞，李少云，冯虎翼，周凯欣，周乐明

（1.重庆市第五人民医院大数据实验室，重庆 400062；2.中国科学院大学生命科学学院，北京 100049；3.重庆市卫生健康统计信息中心大数据应用发展部，重庆 401120）

随着医院信息系统在医院信息化建设和现代化管理中的普及，海量增长的医疗数据已经成为了宝贵的科研资源。科学而有效的利用这些数据，对于医学研究和药物研发等都是极其重要的方法和手段。然而，绝大多数医院信息系统仅服务于医院的诊疗流程，存在系统数据存储和标准的不统一，质量控制不完善等问题。这使得医院所有的业务系统数据集几乎都无法达到“科研数据集”的标准[1]。基于医院临床数据构建医疗大数据集成平台，形成健康医疗大数据的生态体系，进一步发挥数据的资源优势，已成为越来越多大型研究型医院以及临床专家的共识。然而，健康高效的医疗大数据科研生态体系的形成，需要大量的资金投入与长时间持续的数据治理，这对于大部分中小型医院不太现实。与此同时，医疗科研需求越来越多。如果能快速有效的通过开源数据集成工具，从面向医疗流程设计的数据库中抽取数据并转换成科研数据集[1]，将会使大部分中小型医院获益。数据集成的三个基本环节：抽取（extract）、转换（transform）、加载（load）简称ETL[2]。抽取是将数据从已有的数据源中提取出来，转换是对原始数据进行处理，加载是将数据写入目标数据库。开源技术已经成为整个互联网时代的支撑技术，其透明性、可控性、安全性及稳定性深受业界青睐。……