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

| 文档版本 | V2.0 (基准锚定�? |
| :---- | :---- |
| **产品形�?* | Web 端工具（分步向导�?Wizard�?|
| **核心价�?* | **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�?|

## **一�?产品流程�?(User Flow)**

1\. 数据装载 (Payload) \-\> 2\. 定基�?(Anchor & Window) \-\> 3\. 选列与预�?(Schema) \-\> 4\. 智能合并 \-\> 5\. 结果与流�?
## **二�?核心功能需�?(Functional Requirements)**

### **1\. 步骤一：数据装�?(Payload)**

* **P0:** **多文件上传：** 支持拖拽上传 .xlsx, .csv。建议大�?\< 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�?\-\> 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�?(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�?**“主�?(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�?访视）。通常是《住院记录》或《门诊挂号》�?
#### **2.2 关键列映�?(Key Mapping)**

* **P0:** **ID 列对齐：** 用户需指定主表�?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�?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�?(Time Window)�?*  
  * 设定规则：辅表的检查时间必须在 \[主表时间 \- X�? 主表时间 \+ Y天\] 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�?�? 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�?(The Schema)**

此步骤决定了最终大表的“血肉”（列宽）�?
#### **3.1 树状选择�?(Tree Picker)**

* **P0:** 展示所有文件的列结构�? 
  * 📂 主表  
    * �?住院�? 
    * �?诊断  
  * 📂 辅表 A (化验)  
    * �?白细�? 
    * �?审核医生 (不勾�?  
* **交互�?* 支持按文件全�?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�?(The Result)**

* **P0:** **处理进度条：** 显示动态文案（“正在构建哈希索�?..”、“正在进行时间窗碰撞...”）�? 
* **P0:** **黄金预览 (Golden Preview)�?*  
  * 必须展示合并结果�?**�?5-10 �?* 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�?(Time-Windowed Stream Hash Join)**

### **2\. 执行伪代�?*

// 1\. 内存构建 (Build Phase)  
// 将辅�?(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�?(UI Reference)**

请参�?工具A\_超级合并器\_原型设计.tsx (V1.0) 中的 Step 2 �?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�?(Risk Check)**

1. **用户选错主表怎么办？**  
   * *对策�? �?Step 2 界面增加显眼�?**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�?Parser（支�?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�