使用可选列纠正数据库的规范化

Question

我需要创建一个数据库表，该数据库表存储假设的一组患者的生理特征（例如，收缩压，甘油三酸酯浓度等）的参数描述。

例如，假设用户为SBP指定了三角形分布，则必须存储最小值，最大值和模式（以及分布类型）。 或者，用户可以指定正态分布，需要存储平均值和标准偏差。

我正在努力使用正确的方法来规范这些数据。 目前，我有一个Cohort表和一个Distribution表，这些表具有如下所示的一对一关系（省略了一些字段）：

Cohort
        id (INT, NOT NULL, PRIMARY)
        name (TEXT, NOT NULL)
        comments (TEXT)
        systolic_blood_pressure_dist (FOREIGN KEY referencing Distributions.id)
        triglyceride_dist (FOREIGN KEY referencing Distributions.id)
        ...other physiological parameters

    Distributions
        id (INT, NOT NULL, PRIMARY)
        distribution_type (TEXT)
        minimum (FLOAT)
        maximum (FLOAT)
        mean (FLOAT)
        mode (FLOAT)
        sd (FLOAT)
        ...other distribution parameters (alpha, beta, shape, scale, etc.)

（distribution_type包含描述分布的字符串：“ Triangular”，“ Weibull”等。）

我很确定这不是执行此操作的最佳方法，因为我在“分布”的每一行中都有大量的NULL字段。

我的另一种想法是为每种分布类型有一个单独的表（一个代表三角形，一个代表高斯，一个代表均匀，等等），中间有一个带有id列的表（用作同类群组的外键）表* _dist列），分布类型列和ID列，以在相应的分布表中存储该行的外键。

该查询将使用存储在“同类群组”列中的ID从中间表中查找分布类型和行ID，然后使用该ID在相应的表中查找参数。 但是，使用字符串选择适当的表，然后使用另一个ID选择适当的行与传统的JOIN相去甚远，而且感觉也不是很干净。

那么，有没有人对如何最好地实现这一点有任何建议（在规范化和/或性能方面）？

非常感谢，Rich

Answer 1

Cohort
    id (INT, NOT NULL, PRIMARY)
    name (TEXT, NOT NULL)
    comments (TEXT)

Parameters
    id (INT, NOT NULL, PRIMARY)
    name (TEXT, NOT NULL) ("systolic blood pressure", "trygliceride", ...)

CohortParameters
    id (INT, NOT NULL, PRIMARY)
    cohort_id (FOREIGN KEY referencing Cohort.id)
    parameter_id (FOREIGN KEY referencing Parameters.id)
    value (TEXT)

DistributionTypes
    id (INT, NOT NULL, PRIMARY)
    name (TEXT, NOT NULL) ("Triangular", "Weibull", ...)

Distributions
    id (INT, NOT NULL, PRIMARY)
    distribution_type_id (FOREIGN KEY referencing DistributionTypes.id)
    cohort_id (FOREIGN KEY referencing Cohort.id)
    parameter_id (FOREIGN KEY referencing Parameter.id)
    minimum (FLOAT)
    maximum (FLOAT)
    mean (FLOAT)
    mode (FLOAT)
    sd (FLOAT)
    ...other distribution parameters (alpha, beta, shape, scale, etc.)

Answer 2

对我来说，为不同的发行类型提供单独的表格听起来不错。 在您的应用程序逻辑中，无论如何（我想），您都必须对每种分布类型进行特殊设置，因为它可能需要在UI中进行不同的渲染或进行不同的计算。

Answer 3

您想为每种分布类型都有一张表可能就是您想要的。 这样，您将拥有一个定义明确的表，其中包含您需要特定于您的分布类型的每个值。 这将节省您的空间，使您可以锁定哪些字段可以为空，哪些字段不能为空，并可以提高性能。 如果每个发行版都有一组通用的参数，则可以按超类型/子类型关系排列表，以进一步规范化架构。

Answer 4

查询数据时将如何使用它？

如果您要查询多个队列，并且队列具有不同的分布是合理的，那么您的结果将是“联合”，实际上，许多列为空。 在这种情况下，您的结果在某种意义上是“不正常的”，但这并不意味着该模式应该正确。

对于不同的分布类型使用不同的表的优点是，每个表都将显式定义必须填充以描述该分布的列，您甚至可以将某些列设置为“非空”。

我喜欢你的建议的总体思路。

Answer 5

您的设计似乎表明每一项测量信息只能有一种单一类型的分布数据。 在您的设计中，似乎不可能同时具有“收缩压”的“均匀分布”和“三角分布”数据。

这似乎表明，对于每个单独的“测量信息”，您已经在系统设计时就已经预先了解了哪种分发数据可用。

这反过来表明似乎没有必要再这样做了（从关系的角度来看这样做绝对是不好的）将这些不同种类的分布收集到一个集合中，而只是通过添加添加来恢复任何必要的区别。多余的“分布类型”列。

编辑

“一旦数据库中有两个或多个具有不同生理参数分布的队列，分布类型列也将变得必要。”

好像胡扯 不同的群组拥有不同的分布度量ID，并且不同的分布度量ID根据您自己的设计可以具有不同的分布类型。