基于數(shù)據(jù)挖掘的患者流向異常檢測方法研究.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”問題日益突出，為此國家著力推進(jìn)分級診療制度?；颊吡飨虮O(jiān)測是分級診療監(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)來輔助監(jiān)管，并重點(diǎn)對患者就診數(shù)據(jù)清洗和特征選擇、“跨級首診”和“上下轉(zhuǎn)診”流向的異常檢測方法進(jìn)行研究。
　?。?）數(shù)據(jù)清洗和特征選擇。對人口數(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、可用性差等問題。
　　（2）跨級流向異常檢測方法研究。針對當(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方法，首先基于概念聚類的思想完成基層流向患者畫像，然后將跨級患者與基層患者對比，識別出“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)診流向異常檢測方法研究。首先針對異常轉(zhuǎn)診現(xiàn)狀，選擇常見慢性病為分析對象；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)住院過程中可能對住院天數(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)測模型，將預(yù)測值與實(shí)際值對比，識別由于“沒有及時(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?；颊吡飨?。
　　基于數(shù)據(jù)挖掘的患者流向異常檢測方法能更及時(shí)、全面、有效地評估患者流向是否合理，不僅解決了當(dāng)前監(jiān)測方法存在的問題，還能借助患者