For the complete DHIS2 documentation index, see llms.txt.

关于数据维度¶

数据维度：DHIS2中的核心构建块¶

DHIS2中的数据值至少由以下三个维度描述：1）数据元素，2）组织单位和3）期间。这些尺寸构成了数据模型的核心构建块。

作为一个例子，如果你想知道2014年12月在Gerehun CHC接种麻疹的儿童数量，描述该值的三个维度是数据元素"给予的麻疹剂量"，组织单位"Gerehun CHC"和时期"2014年12月"。所有数据值至少具有描述*什么*、*在哪里*和*何时*的这三个维度。

除了数据元素，组织单位和期间维度，数据值也可能与其他数据相关联尺寸。此功能的常见用法是描述数据值由同一位置的多个合作伙伴报告相同的数据元素和时间段。原则上，它可以用作 “自由形式”的维，用于描述相同的多个观测值现象在同一时间和地点。有关此的更多信息，请参见第34章：其他数据维度。

组织单位	数据元素	期	值
盖雷洪 CHC	给予麻疹剂量	2009 年 12 月	22
图格贝布热电联产	给予麻疹剂量	2009 年 12 月	18

数据元素：什么维度{ #data-elements-the-what-dimension }¶

数据元素类别¶

上面提到的数据元素“给定的麻疹剂量”可以进一步提高按数据元素类别的组合分类。每 DHIS2的系统管理员可以自由定义任何数据元素数据元素的类别维度。但是，有一些最好的通常应遵循的实践。

以麻疹疫苗接种为例，如果您想知道是否这些疫苗是在设施（固定）或在室外接种的社区作为外展服务的一部分，那么您可以添加称为“服务地点”的维度，有两个可能的选项 “固定”和“外展”。然后收集有关麻疹免疫接种的所有数据必须按照这些选项进行分类。此外您可能有兴趣知道这些孩子中有多少人 1岁以下或1岁以上。如果是这样，您可以添加年龄数据元素的维度，有两个可能的选项“\<1 y”和 “>1 年”。这意味着数据收集过程的更多细节。你还可以应用“服务地点”和“年龄”两个类别并组合将它们组合成数据元素类别组合，例如称为“EPI 分解”。然后您将能够查看四种不同的详细的值，而不是像上例中那样只有一个值数据元素“给予的麻疹剂量”：1)“固定且\<1年，2)固定且 >1 年，3) 外展和 \<1 y, and 4) Outreach and >1 年。这增加了卫生机构如何收集数据的复杂性，但在同时为详细数据分析开辟了新的可能性麻疹免疫接种。

表：使用数据元素类别“服务地点”和“年龄”时数据值的详细存储示例（与实际数据库表相比，为了可读性进行了简化）

组织单位	数据元素	服务地点	年龄	期	值
盖雷洪 CHC	给予麻疹剂量	固定的	\<1 年	2009 年 12 月	12
盖雷洪 CHC	给予麻疹剂量	外展	\<1 年	2009 年 12 月	4
盖雷洪 CHC	给予麻疹剂量	固定的	>1 年	2009 年 12 月	4
盖雷洪 CHC	给予麻疹剂量	外展	>1 年	2009 年 12 月	2
图格贝布热电联产	给予麻疹剂量	固定的	\<1 年	2009 年 12 月	10
图格贝布热电联产	给予麻疹剂量	外展	\<1 年	2009 年 12 月	4
图格贝布热电联产	给予麻疹剂量	固定的	>1 年	2009 年 12 月	3
图格贝布热电联产	给予麻疹剂量	外展	>1 年	2009 年 12 月	1

数据元素组集¶

尽管上述数据元素类别及其选项提供数据点的详细程度（分解）收集以及如何将数据值存储在数据库中元素组集和组可用于向其中添加更多信息数据收集后的数据元素。例如，如果您正在分析报告中要同时包含许多数据元素这些基于一些标准。而不是查看所有数据以免疫和营养形式捕获，您可能想要沿程序维度分离或分组数据元素（称为 DHIS2中设置的数据元素组），其中“免疫”（或EPI）和 “营养”将是两个群体。

扩展报告以包括来自其他程序或更大程序的数据健康数据的主题将意味着有更多的小组加入这样的小组维度，例如“疟疾”，“生殖健康”，“种群”。为了这例如，您将创建一个名为“ Programme”的数据元素组集（或您认为合适的任何名称），并代表不同的名称在这个维度上的程序，您将定义数据元素组被称为“ EPI”，“营养”，“疟疾”，“生殖健康”等，并将所有这些组添加到“程序”组集中。链接或标记数据元素“给定的麻疹剂量”必须达到这样的尺寸（以我们的示例）将其添加到“ EPI”组中。您向哪些组添加“麻疹剂量”不会影响医疗机构收集数据的方式，但为您的数据分析增加了更多可能性。所以对于组集尺寸分为三个层次；组集（例如“计划”），组（例如“ EPI”）和数据元素（例如“给定的麻疹剂量”）。

指标可以分为指标组，然后进一步分为指标组集（维度）与数据完全相同元素。

组织单位	数据元素	程序	期	值
盖雷洪 CHC	给予麻疹剂量	EPI	2009 年 12 月	22
盖雷洪 CHC	给予维生素A	营养	2009 年 12 月	16
图格贝布热电联产	给予麻疹剂量	EPI	2009 年 12 月	18
图格贝布热电联产	给予维生素A	营养	2009 年 12 月	12
盖雷洪 CHC	疟疾新病例	疟疾	2009 年 12 月	32
图格贝布热电联产	疟疾新病例	疟疾	2009 年 12 月	23

组织单位：* where *维度¶

DHIS2 中的组织单位通常应代表一个位置，例如作为社区卫生中心或转诊医院，或行政机构诸如“MoHS Sierra Leone”、“Bo District”或“Baoma Chiefdom”等单位。在非卫生部门的应用程序，它们可以是“学校”或“水” 点”。 Orgunits 以默认层次结构表示，通常是一个国家或地区的默认行政等级，因此分配了一个组织级别。以塞拉利昂为例有四个组织单位级别；国家、地区、酋长领地和设施和所有器官都链接到这些级别之一。一个组织 DHIS2 中的层次结构可以有任意数量的级别。通常数据是在卫生机构的最低级别收集，但可以在层次结构内的任何级别收集，例如两个地区以及设施水平。

当设计更高级别的报告时，在地区或省一级，DHIS2将使用层次结构来汇总任何给定单位在任何时间的所有医疗机构的数据水平。捕获数据的组织单位级别始终代表可能用于数据分析的最低详细程度，以及组织级别定义了可用的聚合级别沿地理维度。

组织单位组集和组¶

虽然设施级别通常是 DHIS2中的分解，有多种方法可以灵活地组织组织通过使用组织单位将单位分解为任意数量的维度组和组集功能。例如，如果所有设施都指定为“社区卫生中心”或“地区医院，可以创建一个名为 “类型”并添加具有上述类型名称的组。在为了使组集在分析中正常运行，每个组织单位应是一个小组的成员（强制性和排除）。换句话说，设施不应同时是“社区卫生中心”和“地区” 医院”。

继承组织单位组集的值¶

您可以通过继承来提高汇总数据的完整性组织单位中“父”组织单位的设置层次结构。如果您要汇总数据，这将特别有用 100多个组织单位。见 [维护]（https://docs.dhis2.org/master/zh/user/html/manage_organisation_unit.html#create_organisation_unit_group_set）应用程序文档了解更多细节。

备用组织单位层次结构-组集和组的高级使用¶

组织单位组集的更高级用途是创建替代层次结构，例如使用其他国家的行政边界部委。在塞拉利昂，这可能意味着另一种等级制度 1：MoHS，2：地区，3：地方议会，而不是四级具有酋长管辖地和设施的等级制度。例如，如果所有设施都链接对于特定的地方议会，可以查看数据由地方议会而非酋长管辖地汇总。那么你首先要需要创建一个名为“地方议会”的小组集，然后再创建一个每个地方议会的组织单位组，最后链接所有向其相应的地方议会团体提供设施。

区	组织单位类型	数据元素	期	值
博	CHC	给予麻疹剂量	2009 年 12 月	121
博	热电联产	给予麻疹剂量	2009 年 12 月	98
博	MCHP	给予麻疹剂量	2009 年 12 月	87
邦巴里	CHC	给予麻疹剂量	2009 年 12 月	110
邦巴里	热电联产	给予麻疹剂量	2009 年 12 月	67
邦巴里	MCHP	给予麻疹剂量	2009 年 12 月	59

使用组集和组的最佳实践¶

如上所述，所有组织单位都应是组集中的单个组。如果组织单位不存在在任何组中或存在于组集中的多个组成员中，这可能会导致分析模块中出现意外结果。 DHIS2有完整性检查以识别不存在的组织单位任何组织单位组集合成员，或存在多个组。

期间：何时维度¶

周期维度成为分析数据时的重要因素随着时间的流逝当查看累积数据时，当创建季度数据时或年度汇总报告，或在进行合并数据的分析时具有不同的特征，例如每月例行数据，年度人口普查/人口数据或六个月的工作人员数据。

期间类型¶

在DHIS2中，根据一组固定的时期类型来组织时期如下面所描述的。以下列表适用于默认的ISO 8601日历类型。

日常
每周：系统支持各种每周期间类型，包括周一，周三，周四，周六和周日为开学日的第一天星期。您通过配置为使用所需的每周期间类型。分析引擎将归因于到一个月的每周数据，其中包含四天或以上的时间周。
每两周一次：两周，从第一周开始年。
每月：指标准日历月。
每两个月：从一月开始的两个月。
季度：从1月开始的标准ISO季度。
六个月：从一月开始的六个月
每年：这是一个日历年。
4月财政年度：从4月1日开始的财政年度期间，于明年3月31日结束
财政年度：从7月1日开始的财政年度，于明年6月31日结束
财政年度：从10月1日开始的财政年度，于明年9月31日结束
4月的每个月六个月：从4月1日开始的六个月期间，六个日历月的持续时间。

作为一般规则，所有组织单位应收集相同的数据使用相同的频率或周期性。因此，数据输入表单为与单个期间类型相关联以确保数据始终根据正确且相同的周期性收集国家。

但是有可能使用不同的方式收集相同的数据元素通过将相同的数据元素分配给多个数据集来创建周期类型具有不同的时期类型，但随后变得至关重要确保没有组织单位同时使用两个数据集/期间收集数据类型，将导致数据值重叠和重复。如果正确配置的DHIS2中的聚合服务将聚合数据一起，例如来自该国一部分的月度数据从该国其他地区到本国的季度数据季度报告。为了简单起见并避免数据重复，它是建议对所有组织单位使用相同的期间类型尽可能使用相同的数据元素。

相对时期¶

除了上一节中介绍的固定期间类型外， DHIS2还支持在分析模块中使用相对时间段。

在DHIS2中创建分析资源时，可以使用相对期间功能。最简单的情况是您想设计一个每月可以重复使用的月度报告无需更改报告模板以适应期间的变化。相对期间称为“上个月”，允许为此，用户可以在生成报告时通过 report参数选择要在报告中使用的月份。

稍微高级一点的用例是当您想每月免疫摘要报告，并希望查看来自当前（报告）月份以及该年度的累计值至今。相对期间称为“今年”提供了这样一个相对于运行时选择的报告月份的累计值那个报告。其他相对期间是最近的3,6或12个月周期是从选定的值计算回来的累积值报告月份。如果您要使用数据汇总创建报表您可以选择季度（一年中到目前为止已经过去的季度） “过去四个季度”。其他相对期间在手册的报告表部分。

组织单位	数据元素	报告月份	今年到目前为止	报告月份名称
盖雷洪 CHC	给予麻疹剂量	15	167	09 年 10 月
图格贝布热电联产	给予麻疹剂量	17	155	09 年 10 月

期间汇总¶

虽然需要以给定的频率收集数据以实现标准化数据收集和管理，这并不限制可用于数据分析和报告的期间类型。就像数据汇总到组织层次结构中根据期间层次结构汇总，因此您可以按季度创建和年度报告基于每月收集的数据基础。数据输入表单（数据集）的已定义期间类型定义报告中最低的期间详细信息级别。

期间维度上的总和和平均汇总¶

在汇总期间维度上的数据时，有两种选择如何进行计算，即求和或平均值。这个选项是通过使用DHIS2中的每个数据元素指定 “添加/编辑数据元素”对话框中的“聚合运算符”属性。

常规收集的大多数数据应通过以下方式汇总总结几个月或几周，例如创建一个季度关于麻疹免疫的报告之一将总结三个月的值用于“给定的麻疹剂量”。

随着时间的推移，其他类型的数据会更加永久有效，例如 “设施中的员工人数”或年度人口估计数 “1岁以下人口”需要以不同方式汇总。这些只要有有效数据，所有月份的值都是静态的。为了例如，根据人口普查计算得出的“1岁以下估计人口” 数据，对于给定年份的所有月份都相同，或者数据的数量 6 年内每个月在给定机构工作的护士人数都是相同的报告数量的月份期间。

在计算年价值时，这种差异变得很重要设施的发病率服务负担指标。每月的将 12 个月的人数相加即可得出年度人数，而该设施的工作人员数量则按以下人员的平均值计算：通过 6 个月工作人员报告报告的两个 6 个月值。所以在此示例中，数据元素“OPD headcount”将具有聚合运算符“SUM”和数据元素“Number of Staff”将将其设置为“平均”。

平均数据元素的另一个重要特征是有效性时期的概念。平均值是任何时期的固定值在注册期间内输入。对于例如，日历年之后的年度人口估计将无论该年之内的任何时期都具有相同的值什么时期类型。如果给定设施的1岁以下人口是 2015年为250，表示 2015年1月15日，2015年第3季度，2015年第12周以及2015年内的任何时期。这对覆盖率指标的计算方式有影响，因为即使在做这些事情时，仍将使用全部年度人口作为分母值月度报告。如果您想查看估计的年度覆盖率给定月份的值，那么您可以选择设置指标为“年化”，表示每月的覆盖值乘以12的系数，将季度值乘以4，以便产生有效的年度总数。年度指标功能可以因此可以用来模拟每月人口估算的使用。

数据收集与数据分析¶

数据收集与存储¶

数据集确定系统中可用的原始数据，例如它们描述了如何根据周期性以及如何收集数据空间范围。数据集定义了要构建的数据的构造块捕获并存储在DHIS2中。对于每个数据维度，我们决定数据的详细程度应按以下方式收集：1）数据要素（例如诊断，疫苗或发生的任何事件）及其类别（例如年龄和性别），2）时期/频率维度，以及 3）组织单位规模。对于任何报告或数据分析永远无法检索比数据中定义的数据更详细的数据集，因此数据集的设计及其相应的数据条目表格（数据收集工具）决定哪种数据分析将有可能。

输入不等于输出¶

重要的是要了解数据输入表单或数据集本身并不与基础数据值内在关联，并且数据的含义仅由数据元素（及其元素类别）。这使得修改数据集和表单非常安全而不更改数据（只要数据元素保持不变）。表格和数据之间的这种松散耦合使DHIS2在使用时更加灵活涉及设计和更改新表格，以及准确提供形成用户想要的形式。

仅将数据链接到数据元素而不链接到表单的另一个好处是，是基于以下指标创建指标和验证规则的灵活性数据元素，以及提供任何类型的输出报告（以枢纽表格，图表，地图等），可以单独或跨多个数据组合表格，例如关联来自不同健康计划的数据。由于这种灵活的功能可以集成来自各种程序的数据（表格）和来源（例行和半永久性（人口，员工，设备））DHIS2数据库用作集成数据存储库对于较大的HIS中聚合数据的许多或全部部分。该图下面说明了这种灵活性。

！[]（资源/图像/data_dimensions/dhis_input_output.jpg）

在此示例中，我们看到来自多种形式的数据元素可以是结合以创建给定的指标。举一个更具体的例子可能会在年度数据集中收集“一岁以下的人口” 然后按地区收集数据，例如“完全免疫在设施级别按月计算）。我们可以得出有效每月人口的近似值，并将其与完全按月接种疫苗的儿童，有可能产生一个指标“完全免疫覆盖率”，由总计完全免疫的儿童总数除以有效儿童每月人口。

数据元素和表格的扩展示例¶

下表将数据元素合并为两组诊断（全部疾病）和发病率/死亡率（新病例，随访，转诊，死亡），其数据元素类别为PHU /社区。死亡是以其他尺寸（例如 PHU /社区）比发病率高。

此输出表结合了两个数据元素类别HIV _Age和性别与数据元素组设置为ART Group。该组启用登台和入口点小计，汇总了以下数据元素：该组。年龄组和性别的小计将是其他可能容易包含在此处的列。

这在数据透视表中如何工作¶

在Excel数据透视表或任何其他基于OLAP的数据中进行数据分析时工具的尺寸变得非常强大，可以提供许多对数据的不同看法。每个数据元素类别或组集成为支点字段，选项或组成为其中的值每个领域。实际上，类别和组集已得到处理数据透视表中的方式完全相同，orgunits，句点和数据元素。所有这些都成为了可以用于重新排列，旋转，过滤和向下钻取数据。这里我们将展示一些数据示例如何在数据透视表中使用表。

以发病率和死亡率数据为例，数据透视表可以展示如何使用维度来查看不同数据聚合级别。

当没有任何枢纽字段时，将查看完全聚合的数字在表区域中排列为列或行字段，但列出了表本身上方的页面字段（过滤器）。

在这里，我们选择查看发病率总数。各种数据发病率元素已被归入main _de _groups 发病率（稍后我们将回到死亡率）。上方的字段表本身全部设置为“全部”，这意味着表中的总数将包含来自所有国家，地区，酋长国，ou _type，年，月，红色字段中列出的各种类别，以及发病率组中的所有数据元素。

如我们所见，这不是一个非常有用的表示，因为发病率分为新的案例，跟进，转诊，然后在年龄组。另外，我们看不到各种诊断。第一步是包括诊断字段（是一个组集），该操作由将“诊断”字段向下拖动到一个行字段，如下图，并在其中添加称为“发病率死亡率”的组栏位栏位会显示新个案，跟进和转介。

将此图与下面的图进行对比。

它们都显示相同的数据（某些行已在屏幕截图（取决于图片大小），尽管以其他方式。

底部图中使用的“数据元素”字段显示每个诊断为三个要素；一项跟进，一项新的跟进推荐。这是在其中定义数据元素的方式 DHIS2，因为这对于聚合有意义。你不想汇总的跟进和新的，因此这些没有作为类别，重点是简化汇总和分解。
取而代之的是“诊断”组集，将这三个（跟踪，新推荐），然后可以使用另一组，即所谓的“发病率”。这个允许我们像两个图中的第一个一样组织数据，每行只有一次诊断，而新的是一组后续，推荐为行。

使用组集的想法是，您可以将任何组组合在一起，不同的数据元素。因此，如果我们添加死亡率数据（通过检查从main _de _groups字段的下拉菜单中移动表格中的此字段）我们还可以看到死亡人数，因为死亡率数据元素已被列为“死亡”组 “发病率”组。结果如下所示。

结果是一个更加用户友好的数据透视表。现在，另一个数字显示组集和元素之间的关系（这些是假数据值）。

数据透视表的这一小细节显示了实际数据元素链接到组集：

DHIS2中定义的四个数据元素是麻疹死亡，麻疹跟进，新麻疹和麻疹转诊
它们都属于“诊断”组一起麻疹
组集合“发病率死亡率”包含新病例组，追踪，转介和死亡。
只有麻疹死亡数据元素具有与组有关的数据死亡，因此这是显示数据值（20）的位置右上角。对于新的麻疹患者也是如此；值（224）为显示在数据元素Measles new和组新病例（在该组中确定发病率）
数据元素未与发病率分组保持空白。因此，在这种情况下，我们如果我们从桌子，刚诊断出来，小组确定了发病率，如前图所示

现在让我们看看如何使用数据元素类别。数据中发病率登记表新病例和后续病例使用一个年龄类别，转诊数据另一个，死亡率数据第三个年龄分手，因此这些可作为三个单独的年龄组字段称为发病率_年龄、转介_年龄和的数据透视表死亡率_年龄。在查看时使用这些没有意义这些数据放在一起（如上面的示例），但是例如如果我们只想为了查看唯一的新病例，我们可以将 MobidityMortalityGroups 字段备份为页面字段，然后选择新案例组作为筛选。然后我们可以将 Morbidity_age 字段拖到该列区域，我们得到以下视图：

下表说明了重用数据元素的好处跨数据集和类别组合的类别。 VCCT，ART和 PMTCT数据收集在三个不同的数据集中，前两个性别和年龄细分，以及仅PMTCT年龄（给出了性别）。这三个人的年龄段相同，因此可以查看同一表中所有这三个数据集中的数据元素并使用年龄维度。在前面的例子中，发病率和死亡率数据是不可能的，因为所有新病例，转诊和死亡有不同的年龄段。

在下表中，PMTCT数据已从表中删除，并且性别类别添加到列区域，以便您可以分析 VCCT和ART按年龄和性别分类的数据。性别的可选小计也已添加，以及所有年龄段和性别。

案例研究：从纸质表格到多维数据集-经验教训¶

通常，DHIS2数据集的设计基于某些要求从已经使用的纸质表格中获取。纸质表格的逻辑是与DHIS2的数据元素和数据集模型不同，例如经常表格标题中的字段由列标题和每行文字，有时还带有一些介绍性表格提供更多上下文的标题。在数据库中捕获一个原子数据元素，与视觉中的位置无关表格格式，因此确保带有可选的数据元素类别可捕获每个类别的全部含义纸质表格中的单个字段。

设计数据集时要记住的另一重要事项是数据集和相应的数据输入表单（这是一个数据集（带有布局）是数据收集工具，而不是报告或分析工具。还有其他更为复杂的工具可用于数据输出和在DHIS2中进行报告，而不是在数据输入表中进行报告。纸质表格通常是设计时要同时考虑数据收集和报告您可能会看到诸如累积值之类的信息（除了每月值），重复年度数据（相同的人口数据）每月报告一次）甚至指标值，例如与每月原始数据的格式相同。当您将原始数据存储在 DHIS2每个月都有您所需的所有处理能力不需要电脑工具（实际上这是愚蠢的，大多数可能导致不一致）注册手动计算的值，例如如上所述。您只想捕获原始数据您的数据集/表格，并将计算结果留给计算机，以及将这些价值呈现给报表工具 DHIS2。

从表格到类别组合-设计多维数据集¶

正如我们在上面的示例中看到的，数据元素类别和类别选项在添加时有助于表示表格数据纸张形式的字段的尺寸。我们还看到了数据元素是描述DHIS2中数据的必需维度之一。正如我们将在下面的示例中看到的那样，通常有不止一种方法可以代表DHIS2中的纸质表格，可能很难知道哪个用数据元素名称表示和表示的维作为类别，甚至如上所述的分组。这里有一些从使用数据元素和类别中学到的一般经验教训组合：

在设计维度时，请牢记数据用途，而不是数据收集。这意味着在收集时分解数据值应该容易地沿各个维度进行汇总，例如加起来是有意义的总数。
尽可能重复使用尺寸，因为这样可以提高功能比较分类数据（例如年龄段，固定/外展，性别）。
分解维度之和应为总计。在某些在这种情况下，数据元素可以被收集为彼此的子集。在在这种情况下，应使用类别来分解数据元素不被使用。例如，我们可能会收集“已确认的数量疟疾病例”，并按“ 5岁以下”和“ 5岁以上”分类。第三个数据元素“ 1岁以下已确认的疟疾病例数”可能表单上也存在。然后创建似乎合理三个年龄段：1岁以下，5岁以下和5岁以上来描述分解。但是，未满1岁的孩子实际上是未满5岁的儿童，总计时，将导致重复。从而，类别通常应由互斥组成类别选项，例如各个类别选项的总和产生一个连贯的总数。
不同级别的尺寸； 1）分类和2）分组。分解维度决定了您如何收集以及如何详细您会存储数据，因此请仔细计划。组维度为更加灵活，即使在数据之后也可以更改和添加集合（将其视为标记）。
最好考虑一下如何将数据用于集成数据存储库，而不是如何在表单上实际收集它或在设计元数据模型时通过程序执行。理想情况下，相同跨表格和数据集应使用分解类型数据元素将被一起分析或用于构建指标。重用定义，以便数据库可以集成即使表单本身可能是重复的（实践，通常是这样）。

为了更好地解释我们介绍的方法和可能性纸质表格示例，并将逐步进行设计数据元素，类别，类别选项和类别组合。

此表单有很多表，每个表都可能代表一个数据元素类别组合（此后称为Catcombo）。如这样对数据集就没有限制，只有一个尺寸或Catcombo，它可以有很多，正如我们在上面看到的那样由于表格之间的尺寸差异很大，因此有必要。在在下面的段落中，我们将分析如何分解这种形式到其组成部分中，并提出实施途径 DHIS2。

** ANC表**。左上角的这张桌子是比较简单的一张以这种形式。它具有两个维度，第一列带有ANC 活动或服务（第一次访问，IPT第二次剂量等），第二次和第三栏代表提供服务的地方两个选项：“固定”和“外联”。由于ANC服务是关键现象在这里进行分析，通常需要查看不论“ ANC第1次访问”的实际位置如何，使用此维度作为数据元素非常有意义尺寸。

因此，第一列上的所有项目从“1^st ANC”访问到“2^nd IPT” TBA 给出的剂量”表示为单独的数据元素。 *其中*维度表示为数据元素类别（从现在开始称为类别），名称为“fixed/outreach”，其中两个数据元素类别选项（从现在起 catoptions）“固定”和 “外展”。这里没有其他维度，所以我们添加一个新的 catcombo 名称为“固定/外展”，类别为“固定/外展”。严格来说，这个表还有一个维度，那就是的 PHU 或 TBA 尺寸，对于两个剂量重复 IPT，但由于列出的其他 ANC 服务均不具有此维度从其中分离出两个数据元素似乎不是一个好主意这张桌子并给他们另一个带有固定/外展和在 PHU/待定。对所有 ANC 服务重复使用相同的 catcombo 更有意义，因为在报告中一起查看这些内容会更容易等等，而且事实上，重复这些并没有什么损失在 PHU 或 TBA 信息作为数据元素名称的一部分时仅适用于包含十一个数据元素的表中的四个数据元素。

**交货表。**此表比较棘手，因为它有很多信息，您会看到并非所有行都具有相同的列（某些列将合并，并且一个字段将变灰/禁用。）。要是我们首先看一看“协助运送”一栏只能是一维，但只能向下到“未经训练的待定”行，其余三行与谁协助交付所有。另一个方面是交货地点，无论是在PHU中还是在顶列标题中所述的社区。这些交付是进一步分为交付结果，无论是现场直播还是现场直播仍然出生，这似乎是另一个层面。所以如果我们无视暂时排在最下面的三排，这里似乎有3个尺寸，1） 2）分娩地点，以及3）分娩结果。钥匙决定要使用什么作为数据元素，主要维度，您最常使用并希望在其中轻松获得的总数报告和数据分析。

在这种情况下，结果维度为“活产总数” 许多指标的常用值（孕产妇死亡率，出生率由熟练的卫生人员参加）。在这种情况下，按“维度也可以毫无问题地使用，但是轻松获得活产婴儿总数信息的附加价值是对我们而言至关重要的一点。这意味着从该表（或第1至6行）只有两个数据元素； “活产”和“仍然出生”。

接下来，还有两个维度，“ PHU /社区”及其两个维度选项和“参加的生日”以及选项（“ MCH助手”，“ SECHN”， “助产士”，“ CHO”，“训练有素的TBA”，“未训练的TBA”）。这两个类别组成分配给两个数据元素的组合“出生” “活产”和“静止产”。考虑到最后三行交货表，我们可以看到“复杂交货”没有有维度的帮助，但有地方和结果。 “低出生体重”也没有维度的帮助，而不是结果还是。交货后提供的LLITN没有任何信息完全没有额外的尺寸。由于三行中的任何一行都不能共享 catcombo与任何其他行一样，我们决定将这些字段表示为称为平面数据元素，表示在以下位置没有类别的数据元素全部，只需在列中添加其他信息数据元素名称的标题，因此以跟随具有默认（与否相同）catcombo的数据元素； “ PHU活产中的复杂分娩”，“ PHU仍在分娩”，“社区活产中复杂的分娩”， “社区死胎中的复杂分娩”，“ PHU”，“社区低出生体重”和“分娩后给予LLITN”。

** NAT-NATAL CARE表**此表很简单，我们使用了相同的表方法与ANC表相同。第一个列出了3个数据元素列，然后将其链接到称为“固定/外展”的类别组合。对这些数据元素重新使用相同的固定/扩展类别将启用使用ANC数据和其他数据进行固定/外展分析同一类别。

** TT表**此表比以前的表复杂一些我们决定使用“ TT1”，“ TT2” ...“ TT5”作为数据元素可以很容易地获得每一个的总数。有固定/扩展维度，但也有“在学校内” 仅适用于非孕妇，或更正确地适用于这两个作为学校免疫接种是否女孩怀孕与否。我们咨询了表格后面的计划人员，并发现可以将所有学校TT免疫接种注册为非怀孕的，这可以简化模型，因为我们可以重复使用 “ TT1”至“ TT5”数据元素。所以我们最终得到了一个新类别具有三个选项（固定，外展，在校）的“ TT地点”，以及另一个类别称为“怀孕/非怀孕”，其中有两个选项。的然后，新的Catcombo“ TT”是这两者的组合，并应用于 5个TT数据元素。由于我们同意将所有在校免疫接种 “非怀孕于”下的是指选项的组合（“怀孕+入学校）将永远不会以任何数据输入形式使用，因此成为可能的optioncombo，可以。只要表格是自定义的设计之后，您可以选择要使用的选项组合或不会，因此拥有这样的被动或未使用也不是问题 catoptions。在TT地点类别中将学校作为一种选择简化了模型，因此我们认为这是值得的。的替代方法是为“学校中的TT1”再创建5个数据元素 ...“ TT5 in school”，但添加这些内容会有些混乱连同“ TT1” ...“ TT5”以及TT Catcombo。作为一个学校 TT位置类别中的位置可以更轻松地获得总分给出了TT1..TT5疫苗，这是最重要的数字和最经常用于数据分析的值。

早孕和晚期妊娠并发症及分娩 将这两张表合二为一，并说明原因。这两个表是一个有点令人困惑，而不是最好的设计。最重要的数据来了这些表中是怀孕并发症和孕产妇死亡人数。这些数据元素包含有关导致问题的更多详细信息并发症或死亡（两个表格的第一列），以及死亡地点（在PHU或社区），以及并发症的结果（如果不是死亡的话）可以是“在PHU管理”或“ 我们决定为这两个表创建两个数据元素。 “妊娠并发症”和“孕产妇死亡”两类组合，每个数据元素一个。对于怀孕并发症数据元素还有两个附加维度，并发症的原因（合并后第一列的列表两个表格）和结果（由PHU或“已转介”管理），因此这些是组成该类别组合的类别和选项。对于 “孕产妇死亡”数据元素同类别与不同使用原因，然后使用另一类死亡地点（在PHU中或在社区中）。这样，两个数据元素可以共享一个类别这样很容易得出怀孕总数并发症和产妇死亡。虽然清单上的并发症您可以看到纸质表格分为两个（早工和晚工）那例如第2和第3个月的疟疾列在早期，但实际上是在怀孕后期。没有明确的区分早期和晚期并发症的形式，因此我们放弃了尝试在数据库中做出这种区分。

**计划生育服务表**此表有2个维度，计划生育方法（避孕方法）以及客户是新客户还是新客户继续。我们只得到了一个数据元素“计划生育客户”，然后添加两个类别的“ FP方法” 避孕药作为选项，另外一个类别“ FP客户类型” 新的或继续的选项。这样很容易获得总数计划生育客户的数量是要看的主要价值数据分析，从那里您可以轻松获得方法的详细信息或有多少新客户。

设计数据集的分步方法¶

识别纸质表格中的不同表（或子数据集）具有相同的尺寸
为每个表标识描述数据字段的维
确定关键维度，最有意义的维度是孤立地（当其他人崩溃时，总结）。这是您的数据元素维度，起点和核心多维模型（子数据集）。数据元素维可以如果两个或更多个维度的合并更有意义，数据分析。关键是要确定哪个构成最多当其他维度崩溃时，要独自看待。
对于所有其他/其他维度，请确定其选项，然后以及尺寸及其选项的解释性名称。
这些其他维度中的每一个都是数据元素类别并且它们的选项将是类别选项。
将每个子数据集的所有类别合并为一个类别组合并将其分配给表中的所有数据元素（或子数据集，如果您愿意）。
完成所有表（子数据集）后，创建一个新数据集并添加您已识别的所有数据元素（在整个纸质表格）。
然后，您的数据集将包含一组数据元素，这些元素链接到一个或多个类别组合。