医疗数据分析及数据挖掘方法应用.docVIP

医疗数据分析及数据挖掘方法应用 　　摘 要 随着数字化技术的蓬勃发展，高校医疗体系多年“管理信息化”的广泛推行，在高校医疗系统中积累存储了大量信息，由于传统的日常业务系统只对历史数据简单储存管理，无法充分利用医疗信息内部蕴含的相互关联、深层次的数据规律。本文通过对医疗信息处理模型进行研究，构建多层体系结构和框架，提出针对医院信息管理系统的设计框架。利用数据统计和数据挖掘技术来处理数据，采用Apriori算法、时间序列分析等针对诊疗数据和药品数据进行分析。最后，对医疗信息具有的内在知识和数据挖掘方法进行了总结探讨。 　　【关键词】医疗数据 数据挖掘 时间序列分析 　　1 概述 　　医疗信息化建设大大地推动了我国医疗系统的发展，高校作为是国家人才培养基地，往往具有校园社区性质的校属医院。高校医院在医疗信息化建设过程中，也得到了明显发展，为保障师生身体健康，维护教学学习秩序、促进教育改革和高校发展提供了重要保障。医疗信息数据分析服务平台是根据目前高校的医疗信息现状，通过对高校医院的门诊、医药等基本信息之上，通过对数据的清洗、汇集、定向统计与智能分析，提供良好的高校诊疗支持。 　　全球范围内，医院信息化建设是一个逐渐发展完善的过程，发展历程经历了三个主要阶段：一是医院管理信息化阶段，这个阶段的核心特征为“管理信息化”；二是医院医疗数据的数字化管理，这个阶段的核心特征为“医疗信息化”；三是社会范畴内的医疗信息化和数字化，核心特征为“医院数字化”。国外的医疗信息化建设大多处于第二阶段。早在上世纪60年代，美国著名的麻省总医院开发COSTAR系统，70-80年代，美国的HIS产业已经形成相当的规模。欧洲大多数国家的HIS开始于20世纪70年代中期和80年代初期。 　　国内医院信息管理系统起步较晚，目前“管理信息化”阶段已经基本完成，为后续发展积累了许多数字化的历史记录，使进一步地数据分析成为可能。历史数据积累，是本论文研究的重要前提。高校医院由于功能定位局限，难以利用建设采用数据挖掘分析方法的数据服务平台，本论文平台研究将致力于如何充分利用这些数字资源，推进医疗信息化建设发展。 　　2 面向数据分析的平台设计 　　2.1 软件总体需求 　　根据医疗数据的特征，系统主要包含以下几方面功能需求：系统权限管理、数据处理与转换、数据分析与统计，数据展示与支持，系统的维护。本系统主要需要考虑： 　　（1）医疗信息汇集及预处理模块，对医疗数据进行预处理和数据清理、格式统一等操作，并作为后续处理的数据来源。 　　（2）医疗信息数据分析处理模块，主要功能是对医疗人员关心的医疗数据分类及分项统计，如按所属科室对某段时间就诊人数的统计，来了解该时段内就诊人员的情况规律，对隐含在大量信息后面的规律进行挖掘。 　　（3）医疗数据展示与服务，主要功能是利用可视化的报表来展示信息，并且提供数据打印、动态可视化展示等。以便医疗部门及时掌控信息分布。 　　2.2 业务流程及体系 　　从所处理的信息方面看， 本文涉及的医疗信息分析平台包括药品与就诊信息两各类内容，通过统计分析，对历史累计的医疗数据进行清理汇集，统计，预测，并对其结果进行可视化展示。高校医疗信息服务平台的数据处理主要流程如图1所示。 　　2.3 系统功能划分 　　（1）医疗数据采集汇交与预处理。内容有：a. 医疗数据集成及格式的转换，对不同来源、数据形式、多种格式、不同平台的异构信息进行归依化和转换。b. 医疗数据清理与规整化，对大量数据集中包含的噪声数据，通过数据平滑、补充和清除方法，对数据的不一致性，不完整性进行处理，保证后续分析在有效数据集上完成。 　　（2）医疗信息分析与数据挖掘。内容有：a. 医疗数据各项业务计算与统计，在数据库基础上，通过用户自定义的统计类型，根据用户关注信息，设定时间段的医疗信息进行分类统计，了解信息分布情况。b. 医疗数据挖掘服务功能，根据用户指定项目生成合适的数据视图，利用数据关联分析方法进行信息挖掘，寻找内涵的关联规则，辅助发现隐含知识。 　　（3）医疗数据展示服务。内容有：a. 报表打印、数据的可视化展示。b. 数据动态可视化，进行图表化显示。 　　3 数据关联分析 　　3.1 数据关联分析算法 　　数据关联的挖掘是本论文的研究关键，数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。例如通过挖掘如果存在疾病名称=“流感” = 年月 =“A”的布尔型的关联规则，就意味着A月份是流感的易发人群，学生的学业压力有可能大于其它时间而有必要进行必要的干涉。 　　关联规则挖掘的主要算法除了Apriori算法，还包括基于划分算法和FP-树频集算法等。其中Apriori算法是一种最有影响的