基于數(shù)據(jù)挖掘的患者流向異常檢測(cè)方法研究.pdf

1、優(yōu)質(zhì)醫(yī)療資源分布不均、患者流向不合理導(dǎo)致“看病難、看病貴”問(wèn)題日益突出，為此國(guó)家著力推進(jìn)分級(jí)診療制度?；颊吡飨虮O(jiān)測(cè)是分級(jí)診療監(jiān)管工作的重中之重，當(dāng)前單純依靠統(tǒng)計(jì)性指標(biāo)的監(jiān)管方法存在效率低、針對(duì)性差等弊端。本文提出了利用患者就診數(shù)據(jù)借助數(shù)據(jù)挖掘技術(shù)來(lái)輔助監(jiān)管，并重點(diǎn)對(duì)患者就診數(shù)據(jù)清洗和特征選擇、“跨級(jí)首診”和“上下轉(zhuǎn)診”流向的異常檢測(cè)方法進(jìn)行研究。
　　（1）數(shù)據(jù)清洗和特征選擇。對(duì)人口數(shù)據(jù)和患者病案進(jìn)行分析，抽取出患者流向相關(guān)字段，

2、通過(guò)數(shù)據(jù)預(yù)處理技術(shù)完成數(shù)據(jù)清洗、轉(zhuǎn)換和特征選擇，解決了原始數(shù)據(jù)集成程度低、可用性差等問(wèn)題。
　?。?）跨級(jí)流向異常檢測(cè)方法研究。針對(duì)當(dāng)前異常數(shù)據(jù)的特點(diǎn)提出了基于偏差法的異常檢測(cè)方法，首先基于概念聚類的思想完成基層流向患者畫(huà)像，然后將跨級(jí)患者與基層患者對(duì)比，識(shí)別出“應(yīng)該在基層就診卻流向大醫(yī)院”的異常流向。在算法設(shè)計(jì)上，提出了適用于含噪音數(shù)據(jù)集的兩階段k-means算法，并將無(wú)監(jiān)督與有監(jiān)督算法結(jié)合，克服了聚類算法解釋性差的缺點(diǎn)。

3、>　?。?）轉(zhuǎn)診流向異常檢測(cè)方法研究。首先針對(duì)異常轉(zhuǎn)診現(xiàn)狀，選擇常見(jiàn)慢性病為分析對(duì)象；然后使用BP神經(jīng)網(wǎng)絡(luò)，以住院天數(shù)為因變量、整個(gè)住院過(guò)程中可能對(duì)住院天數(shù)產(chǎn)生影響的諸多因素為自變量，構(gòu)建住院天數(shù)預(yù)測(cè)模型，將預(yù)測(cè)值與實(shí)際值對(duì)比，識(shí)別由于“沒(méi)有及時(shí)轉(zhuǎn)診”而導(dǎo)致實(shí)際住院天數(shù)遠(yuǎn)大于正常住院天數(shù)的異常患者流向。
　　基于數(shù)據(jù)挖掘的患者流向異常檢測(cè)方法能更及時(shí)、全面、有效地評(píng)估患者流向是否合理，不僅解決了當(dāng)前監(jiān)測(cè)方法存在的問(wèn)題，還能借助患者