對(duì)電子病歷應(yīng)用數(shù)據(jù)挖掘的輔助醫(yī)療診斷研究
吳煒① 楊梅瑰② 唐飛岳③
①中國(guó)電信湖南省分公司政企客戶部，410011，長(zhǎng)沙市五一大道359號(hào)
②中南大學(xué)湘雅三醫(yī)院醫(yī)務(wù)科，410013，長(zhǎng)沙市桐梓坡路138號(hào)
③湖南交通職業(yè)技術(shù)學(xué)院信息管理系，410004，長(zhǎng)沙市韶山南路635
1 引言
醫(yī)療質(zhì)量管理是醫(yī)院管理工作的核心和實(shí)質(zhì)所在，推進(jìn)與落實(shí)醫(yī)療質(zhì)量管理是減少醫(yī)療安全隱患、遏制醫(yī)患糾紛發(fā)生的重要舉措。醫(yī)學(xué)科學(xué)的特性決定醫(yī)療風(fēng)險(xiǎn)必然存在，醫(yī)療服務(wù)不可能象其他商品生產(chǎn)行業(yè)實(shí)現(xiàn)零缺陷[1]，但其中的人為因素是可控和可避免的。以2008年山東省3個(gè)地級(jí)市的醫(yī)療事故鑒定檔案的數(shù)據(jù)統(tǒng)計(jì)為例分析，其中72.66%的事故原因是可控或可避免[2]。醫(yī)方對(duì)病情未做全面考慮，過(guò)分依賴經(jīng)驗(yàn)或輔助檢查結(jié)果，造成漏診、誤診或診斷不及時(shí)延誤治療；或?qū)δ承撛谖ｋU(xiǎn)估計(jì)不足、醫(yī)療記錄不完整、不全面甚至出現(xiàn)錯(cuò)誤，是影響醫(yī)療質(zhì)量的最直接的原因。如何避免診斷上的疏失及錯(cuò)誤，是醫(yī)療管理必須考慮的重要問(wèn)題。
在醫(yī)務(wù)人員的診斷過(guò)程中，通常以患者的口述或癥狀表現(xiàn)，輔助以檢查結(jié)果做為診斷的依據(jù)，但診斷的正確程度基本上依賴于醫(yī)務(wù)人員的臨床經(jīng)驗(yàn)及專業(yè)素質(zhì)。對(duì)已知癥狀未能做出正確的診斷，而導(dǎo)致病情延誤治療或惡化是常見(jiàn)的醫(yī)療質(zhì)量缺陷。隨著信息技術(shù)的發(fā)展，記錄相關(guān)診斷信息的載體已逐漸從傳統(tǒng)紙本病歷轉(zhuǎn)變成電子病歷(Electronic Medical Record, EMR)。如何從電子病歷數(shù)據(jù)庫(kù)中找出診斷項(xiàng)目與診斷結(jié)果之間的關(guān)聯(lián)性，以最簡(jiǎn)潔有效的幾個(gè)因素輔助醫(yī)務(wù)人員做出準(zhǔn)確判斷，減少誤診及疏忽的可能性，已成為利用電子病歷來(lái)提高醫(yī)療質(zhì)量的重要研究課題。
2 理論分析
2.1 概述 “數(shù)據(jù)挖掘”是泛指從海量的數(shù)據(jù)中分析萃取，以探索得到非顯然的、未知的、潛在的、可能有用的信息未知為主要目的復(fù)雜活動(dòng)，最初在1992 年由Frawley 等人首次提出[3]。1996年Fayyad等人對(duì)流程進(jìn)一步細(xì)化為五個(gè)步驟[4]。同年，Brachman 與Anand在Fayyad的研究基礎(chǔ)上將流程細(xì)分為九個(gè)步驟[5]。通常
來(lái)說(shuō)，在確定研究方向或要解決的問(wèn)題后，數(shù)據(jù)挖掘的工作流程為：原始數(shù)據(jù)資料的搜集；將數(shù)據(jù)資料分組，轉(zhuǎn)換有意義的信息；在信息中甄選出有用的知識(shí)，從而實(shí)現(xiàn)“數(shù)據(jù)->信息->知識(shí)”的轉(zhuǎn)變。
目前數(shù)據(jù)挖掘的各種技術(shù)已被廣泛的應(yīng)用在經(jīng)營(yíng)輔助決策、消費(fèi)行為分析等多個(gè)領(lǐng)域。針對(duì)特定疾病的診斷與預(yù)測(cè)也在國(guó)內(nèi)外得到一定的應(yīng)用，例如以線性判別分析、主成分分析，結(jié)合類神經(jīng)網(wǎng)絡(luò)以鑒別青光眼；以及利用多群判別分析，結(jié)合血清檢驗(yàn)與放射性治療的產(chǎn)生的線性函數(shù)，透過(guò)ROC曲線分析預(yù)測(cè)C型肝炎病變?yōu)楦斡不母怕�。在此，本文提出以�?shù)據(jù)挖掘技術(shù)為基礎(chǔ)，結(jié)合統(tǒng)計(jì)分析與規(guī)則推導(dǎo)理論，對(duì)電子病歷應(yīng)用數(shù)據(jù)挖掘以實(shí)現(xiàn)醫(yī)療診斷輔助的研究。
2.2 數(shù)據(jù)預(yù)處理
2.2.1 數(shù)據(jù)修剪 由于數(shù)據(jù)挖掘通常面對(duì)的是數(shù)量龐大的數(shù)據(jù)，為提高知識(shí)挖掘效率，通常會(huì)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，有效地簡(jiǎn)化或修剪數(shù)據(jù)但不失去原本數(shù)據(jù)中可能隱含的知識(shí)。數(shù)據(jù)修剪的理論依據(jù)主要是刪除與預(yù)計(jì)挖掘結(jié)果較不相關(guān)，或可能誤導(dǎo)挖掘結(jié)果的數(shù)據(jù)，以減少整體的數(shù)據(jù)量與計(jì)算量，并增加挖掘結(jié)果的精確度。數(shù)據(jù)修剪也是數(shù)據(jù)挖掘技術(shù)中一個(gè)重要的研究方向，本文中不做深入探討。
針對(duì)布爾型（Boolean）的數(shù)據(jù)項(xiàng)，通�？梢灾苯有藜簟ａ槍�(duì)數(shù)值型(Numeric)的數(shù)據(jù)項(xiàng)，采用相關(guān)系數(shù)法[6]來(lái)做數(shù)據(jù)修剪，通過(guò)衡量?jī)蓴?shù)值變量的線性關(guān)系強(qiáng)度及正負(fù)偏離的參數(shù)，來(lái)決定數(shù)據(jù)是否保留。
2.2.2 空白數(shù)據(jù)補(bǔ)齊 原始數(shù)據(jù)中通常會(huì)存在一部分被標(biāo)示為“BLANK”、“NULL”的空白數(shù)據(jù)。為確保所分析數(shù)據(jù)的完整性，對(duì)此類數(shù)據(jù)必須予以補(bǔ)齊。處理空白數(shù)據(jù)的方法大致上有以下五種：直接忽略,該方法操作簡(jiǎn)單 |
|
資源大�。�115.32 KB 
