序列模式挖掘在临床路径发现问题中的研究与应用

摘要

提高医院管理的效率和增加患者就医的透明度，规范医护人员的临床行为和减少医疗资源的浪费关乎每个人的切身利益，这是当前全社会关注的热点问题。临床路径作为一种临床医疗行为管理的手段，已经被世界上很多国家用于医院管理，并取得了很好的效果。我国从2009年开始进行临床路径的试点和推广工作，力争2020年底实现全部二级以上医院纳入临床路径管理。目前临床路径的制定是由相关领域医学专家根据经验和专业知识制定，费时费力。医疗信息技术的发展使得医院积累了海量的临床数据，促进了大数据技术在临床医学上的研究和应用，这为临床路径的发现和制定提供了新思路。数据挖掘技术能充分利用已有数据的信息，为临床路径的制定提供参考和指导，使临床路径的制定更具科学性和合理性。
　　本文基于频繁序列模式挖掘对临床路径发现问题进行了研究。主要工作内容如下:
　　(1)提出了有前缀约束的频繁序列模式挖掘算法CPM-PC(Clinical PathwaysMining with Prefix Constraints)。临床路径是针对某个病种的一套标准化的治疗方案，实际上是一系列检查、治疗以及护理行为按照时间先后顺序组成的一个序列，因此临床路径的挖掘问题被转化为频繁序列模式挖掘问题。另外，患者一个完整的治疗疗程总是由一些特定的医疗行为开始，像手术过程一般是从麻醉开始，据此在论文中提出临床路径“前缀集”的概念，即可以作为某种疾病治疗开端的临床项目的集合。在此基础上，提出了一个适用于临床路径发现的序列模式挖掘算法CPM-PC，该算法充分考虑临床路径“前缀集”的作用，能够较高效的挖掘出有意义的序列模式。
　　(2)提出了临床路径基于属性的评估模型。由于临床路径的挖掘会产生大量的候选序列模式，对这些模式如何选择，目前还没有相关研究。对临床路径评估的研究大都集中于对已经试点的临床路径进行结果分析式的评估，这种方法不能适用于临床路径的选择过程。因此，在总结国内外临床路径评估方法的基础上，对各评价指标进行分析，选择住院时长LOS，医疗总费用C，药占比P三个基本属性提出了基于属性的临床路径评估模型，更加侧重于临床路径本身的属性，通过计算临床路径基于属性的加权评估值ABWE评价临床路径的优劣。
　　最后，在阜阳市某医院的真实临床数据集上进行了实验，对实验结果的分析显示CPM-PC算法在挖掘临床路径过程中相比于传统的序列模式挖掘算法有更好的性能。

目录

声明

摘要

第1章 引言

1．1 研究背景及意义

1．2 国内外研究现状

1．2．2 频繁序列模式挖掘算法

1．2．3 临床路径挖掘问题

1．3 论文研究内容

1．4 论文结构

第2章 相关理论知识

2．1．1 临床路径在国外的发展

2．1．2 国内的临床路径发展状况

2．2 数据挖掘

2．3 序列模式挖掘

2．3．1 序列模式挖掘

2．3．2 序列模式挖掘与关联规则挖掘

2．4 本章小结

第3章 频繁序列模式挖掘算法

3．1．1 候选集生成-测试框架序列挖掘算法

3．1．2 模式增长框架序列挖掘算法

3．2 PrefixSpan算法

3．2．1 相关定义

3．2．2 算法描述

3．3 有前缀约束的临床路径挖掘算法(CPM-PC算法)

3．3．1 临床路径前缀集

3．3．2 临床路径长度

3．3．3 CPM-PC算法描述

3．3．4 CPM-PC算法过程

3．4 本章小结

第4章 临床路径评估模型

4．1．1 临床路径评估简介

4．1．2 临床路径评估的目的

4．2 已实施临床路径评估方法介绍

4．2．2 国内临床路径评估

4．3 基于属性的临床路径评估模型

4．3．1 问题说明

4．3．2 属性选择

4．3．3 相关定义

4．3．4 计算实例

4．4 本章小结

第5章 真实数据集上临床路径制定问题

5．1 问题定义

5．2 数据预处理

5．2．1 原始数据描述

5．2．2 数据清洗

5．2．3 数据格式转换

5．3 实验结果与分析

5．3．1 实验环境

5．3．2 实验数据

5．3．3 实验结果分析

5．4 临床路径评估和选择

5．5 本章小结

第6章 总结和展望

6．1 本文工作总结

6．2 未来工作展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果