医院信息管理数据挖掘论文.docVIP

医院信息管理数据挖掘论文 1数据挖掘及其关键技术 数据挖掘技术是当前数据分析和处理领域一项十分重要的技术，具体而言数据挖掘技术可以看成是信息技术不断发展和演进的结果，是在人们对于数据库技术不断发展和创新的基础上发展而来的。在初期阶段，商业数据往往只是简单的进行存储，然后有了对相关数据的查询功能，再继续发展为对相关数据的即时遍历。数据挖掘技术使得数据查询已经不仅仅局限于数据本身，同时还可以通过相关的算法和技术发现数据之间潜在的关联性，从而在很大程度上增加了数据利用的深度和层次。随着当前大数据时代的到来以及高性能计算机和数据挖掘算法的成熟，数据挖掘技术开始在商业领域进行应用，并且取得了快速的发展。在目前的医院信息管理系统中已经积累了大量的数据信息，因此如何实现对这一部分信息的深层次数据挖掘是至关重要的，这也将直接决定着医院将来的发展和命运。在医院信息管理系统中应用数据挖掘技术可以在更深层次上对医院的管理数据进行分析，从而可以为医院从业人员的相关决策、管理以及研究提供更加有力的技术支持。因此数据挖掘技术在医院信息管理系统中的应用具有十分重要的意义。在目前的数据挖掘技术中，其关键技术是数据的预处理。当需要进行分析的数据库包含大量的噪声或者存在数据不一致性时，数据预处理就显得更加有必要。根据对相关数据挖掘过程的统计显示，超过一半的时间用于进行数据预处理，而真正用于数据信息挖掘的时间则仅占到10%左右。目前的数据预处理技术主要分析对数据的清洗、集成、转换以及消减等。另一关键技术是匿名化以及转换技术，这主要是由于在目前的医院信息管理中涉及到病人的隐私问题，因此在进行数据处理的同时需要对患者的相关记录进行匿名化处理，以更好的保护患者的个人隐私。 2基于数据挖掘技术的医院信息管理系统 2.1基于数据挖掘技术的医院信息管理系统 关联规则是目前进行数据挖掘的重要手段，在医院信息管理系统中引入关联规则可以进一步发现数据之间的相互关联，并且在对病人的相关数据的分析和进一步挖掘过程中，尝试分析患者年龄与医疗费用之间潜在的关联，并且进一步通过这种关联关系加强对医院资源的合理优化配置，实现对不同年龄段患者的医疗费用的有效控制，进而实现医院效益的最大化。具体而言，将关联数据集合记为D｛=t1,t2,...tn｝，tk={i1,i2,im..ip}，tk为数据库中的事务，im为数据库中的项。在数据集合D中，其包含的集X的项数为集的支持数，将其记为σx，支持度为suppor（tX），则有suppor（tX）=σx/|D|×100%。假设X和Y为数据库集合D中的项集，则有：假如XY，则有X项的支持度大于Y项的支持度，同时假如X是非频繁项，则此时Y项也是非频繁；则假如Y项是频繁的，则X项也是频繁的。在数据挖掘的关联规则中有两个至关重要的概念，即支持度与置信度。通常而言，支持度只要用于衡量采用的关联规则的可信度，而置信度则用于表示在生成数据集中关联规则的统计角色。在实际的应用过程中，假如support（XY）大于支持集，并且置信度大于最小置信度，此时XY可以称之为强规则，否则将其称之为弱规则。在数据挖掘的过程中，寻找强规则是整个数据挖掘过程的关键。在强规则XY所对应的项集中，必定存在着频集。基于关联规则的数据挖掘模型如图1所示，其中主要包括数据集D、关联规则搜索算法、数据挖掘结果R以及用户与数据挖掘之间的交互，对相关的数据挖掘结果信息结果进行合理的评价。在实际的关联规则数据挖掘过程中还需要考虑到以下两个方面的问题：其一，尽量减少I/O操作的次数，这主要是由于数据挖掘过程中的数据量是非常大的，因此频繁的进行I/O操作将会对数据挖掘的效率产生很大的影响，其根本的方法就是减少对于数据库集的扫描频率和次数；其二，避免候选集中项的数量过大，这主要是由于过多的项数将会使得存储空间被大量占用，从而对数据挖掘的效率产生影响。 2.2基于数据挖掘技术的医院信息管理系统的实现 数据准备阶段。在研究过程中采用某医院信息管理系统中的口腔溃疡数据进行挖掘分析，其中数据准备阶段主要包括集成、清洗以及转换三个阶段。具体而言，数据集成主要是将不同的患者数据表格及其费用数据整合到一起，并且对这些原始数据进行集成，将其集成到统一的数据表格中，其中主要包含患者的性别、年龄以及编号等信息。数据清洗指的是对原始数据进行进一步的处理，其目的是去除原始数据中的噪声以及不相关信息、补充遗漏数据、去除白噪声等，并且根据实际情况完成对原始数据的转换。同时，由于医院信息数据存在着其特殊性，医院的数据往往产生于不同的场所，因此其产生的过程较为复杂，这就极易导致数据产生的过程中出现遗失或者出现数据错误的情况，因此数据清洗阶段对于医院数据挖掘工作是至关重要的