# **PRD：Tool A \- 医疗数据超级合并器 (The Super Merger)**

| 文档版本 | V2.0 (基准锚定版) |
| :---- | :---- |
| **产品形态** | Web 端工具（分步向导式 Wizard） |
| **核心价值** | **解决临床科研中“一对多”数据对齐难题。** 基于“访视（Visit）”和“时间窗”逻辑，将散乱的化验、检查数据精准挂载到住院/门诊记录上。 |
| **目标用户** | 临床医生、科研助理 |

## **一、 产品流程图 (User Flow)**

1\. 数据装载 (Payload) \-\> 2\. 定基准 (Anchor & Window) \-\> 3\. 选列与预览 (Schema) \-\> 4\. 智能合并 \-\> 5\. 结果与流转

## **二、 核心功能需求 (Functional Requirements)**

### **1\. 步骤一：数据装载 (Payload)**

* **P0:** **多文件上传：** 支持拖拽上传 .xlsx, .csv。建议大小 \< 50MB/文件。  
* **P0:** **自动预检 (Pre-flight Check)：**  
  * 上传即解析表头。  
  * **红灯拦截：** 文件加密、表头为空、文件损坏 \-\> 禁止下一步。  
* **P1:** **加载配置/模板：** 若用户之前保存过“肺癌门诊合并规则”，允许一键加载，跳过后续配置。

### **2\. 步骤二：定基准 (The Anchor) —— 核心算法逻辑**

此步骤决定了最终大表的“骨架”（行数）和“归类逻辑”。

#### **2.1 主表选择 (The Backbone)**

* **P0:** 用户必须从上传的文件中指定一个作为 **“主表 (Visit Base)”**。  
* **定义：** 主表的每一行，代表最终大表的一个基准行（一次就诊/访视）。通常是《住院记录》或《门诊挂号》。

#### **2.2 关键列映射 (Key Mapping)**

* **P0:** **ID 列对齐：** 用户需指定主表的 Patient\_ID 列。系统自动在辅表中寻找同名列，允许人工修正。  
* **P0:** **时间基准列：** 用户需指定主表的 Date 列（如“入院日期”）。这将作为时间窗的圆心。

#### **2.3 辅表匹配策略 (Matching Strategy)**

* **P0:** **时间窗配置 (Time Window)：**  
  * 设定规则：辅表的检查时间必须在 \[主表时间 \- X天, 主表时间 \+ Y天\] 范围内。  
  * **默认值：** $\\pm 7$ 天。  
* **P0:** **冲突处理 (Collision Handling)：**  
  * *场景：* 单次时间窗内，辅表有多条记录（如做了两次血常规）。  
  * *选项 A (默认 \- 纵向展开)：* 保留所有记录。主表信息复制，行数增加。  
  * *选项 B (最近匹配)：* 仅保留离主表时间最近的一条，丢弃其他。

### **3\. 步骤三：选列与预览 (The Schema)**

此步骤决定了最终大表的“血肉”（列宽）。

#### **3.1 树状选择器 (Tree Picker)**

* **P0:** 展示所有文件的列结构。  
  * 📂 主表  
    * ✅ 住院号  
    * ✅ 诊断  
  * 📂 辅表 A (化验)  
    * ✅ 白细胞  
    * ⬜ 审核医生 (不勾选)  
* **交互：** 支持按文件全选/反选。

#### **3.2 实时结构预览 (Live Schema Preview)**

* **P0:** 在屏幕右侧实时展示\*\*“最终表头结构”\*\*（仅表头，不计算数据）。  
* **价值：** 让用户直观看到：“哦，原来我的表会变成这么长，包含这些列”。

### **4\. 步骤四：结果与流转 (The Result)**

* **P0:** **处理进度条：** 显示动态文案（“正在构建哈希索引...”、“正在进行时间窗碰撞...”）。  
* **P0:** **黄金预览 (Golden Preview)：**  
  * 必须展示合并结果的 **前 5-10 行** 真实数据。  
  * 用于用户肉眼核对 ID 是否对齐。  
* **P0:** **质量看板：**  
  * 成功生成行数。  
  * 丢弃行数（ID不匹配或时间窗外）。  
* **P0:** **行动流转：**  
  * \[下载 Excel\]  
  * \[发送到 AI 结构化工具\] (流转 Token)  
  * \[发送到 编辑器清洗\] (流转 Token)

## **三、 核心算法逻辑 (Technical Logic)**

### **1\. 算法名称：基于时间窗的哈希流式连接 (Time-Windowed Stream Hash Join)**

### **2\. 执行伪代码**

// 1\. 内存构建 (Build Phase)  
// 将辅表 (Small Tables) 读入内存 Map  
const lookupMap \= {  
  "patient\_001": \[  
    { type: "lab", date: "2023-01-02", data: {...} }, // 记录1  
    { type: "lab", date: "2023-05-01", data: {...} }  // 记录2  
  \]  
};

// 2\. 流式探测 (Probe Phase)  
// 逐行读取主表 (Main Table)  
streamMainTable.on('data', (mainRow) \=\> {  
  const pId \= mainRow.id;  
  const tStart \= mainRow.date \- 7 days;  
  const tEnd \= mainRow.date \+ 7 days;

  // 在辅表中寻找符合时间窗的记录  
  const matchLabs \= lookupMap\[pId\].filter(lab \=\>   
    lab.date \>= tStart && lab.date \<= tEnd  
  );

  if (matchLabs.length \=== 0\) {  
    // 没匹配到，只输出主表信息  
    output.write({ ...mainRow, lab\_data: null });  
  } else {  
    // 匹配到了 (处理一对多)  
    matchLabs.forEach(lab \=\> {  
      output.write({ ...mainRow, ...lab.data }); // 纵向展开  
    });  
  }  
});

## **四、 界面原型参考 (UI Reference)**

请参考 工具A\_超级合并器\_原型设计.tsx (V1.0) 中的 Step 2 和 Step 3 界面。

* **Step 2 重点：** 主表选择单选框、时间列下拉框、策略单选钮。  
* **Step 3 重点：** 左右分栏布局（左侧树状勾选，右侧表格骨架预览）。

## **五、 风险规避检查 (Risk Check)**

1. **用户选错主表怎么办？**  
   * *对策：* 在 Step 2 界面增加显眼的 **Tip**：“主表通常是包含‘入院日期’或‘诊断信息’的表格”。  
2. **时间格式乱七八糟怎么办？**  
   * *对策：* 后端在解析时间列时，必须使用强力的 Parser（支持 2023/1/1, 2023-01-01, 44927 等格式）。如果解析失败，归为“时间无效”，不进行匹配。