对电子病历应用数据挖掘的辅助医疗诊断研究——吴炜 杨梅瑰 唐飞岳

获得积分
资料库会员登录
搜索: [高级搜索]
下载首页 | 资源分类 | 下载排行
您的位置: 首页 > 电子病历 > 电子病历相关文档
 
分类导航
 电子病历模板 (32个)
 电子病历技术 (51个)
 电子病历系统录像 (26个)
 电子病历相关论文 (92个)
 电子签名 电子认证 时间戳  (49个)
 电子病历质控 (57个)
 电子病历标准 (67个)
 电子病历系统解决方案 (36个)
 电子病历用户手册 (48个)
 电子病历控件 (20个)
 电子病历系统实施 (14个)
 电子病历相关文档 (210个)
下载排行
·病历书写基本规范2010版
·2012新病案首页规范
·中国医院信息基本数据集标准
·海泰EMR电子病历方案
·医学主题词表
·北京安博维智能电子病历系统
·国家卫生直报系统2018DBF数据
·电子病历PPT讲解
·海泰信息技术有限公司电子病
·2019年五院_电子病历系统分级
最新资源
·FHIR电子病历实作技术
·海泰EMR电子病历方案
·2019年五院_电子病历系统分级
·国家卫生直报系统2018DBF数据
·电子病历无纸化面临挑战与探
·医学主题词表
·中医病历书写通则
·中国重大疾病临床诊疗知识库
·亿达电子病历系统使用说明
·陈金雄-我国电子病历发展方
对电子病历应用数据挖掘的辅助医疗诊断研究——吴炜 杨梅瑰 唐飞岳
资源大小:115.32 KB 资源类型:文档
下载积分: 0
更多
-->
下载统计:总下载:127,本月下载:7,本周下载:1,今日下载:1
发表评论 错误报告 加入收藏夹
资源介绍
对电子病历应用数据挖掘的辅助医疗诊断研究
吴炜① 杨梅瑰② 唐飞岳③
①中国电信湖南省分公司政企客户部,410011,长沙市五一大道359号
②中南大学湘雅三医院医务科,410013,长沙市桐梓坡路138号
③湖南交通职业技术学院信息管理系,410004,长沙市韶山南路635
1 引言
医疗质量管理是医院管理工作的核心和实质所在,推进与落实医疗质量管理是减少医疗安全隐患、遏制医患纠纷发生的重要举措。医学科学的特性决定医疗风险必然存在,医疗服务不可能象其他商品生产行业实现零缺陷[1],但其中的人为因素是可控和可避免的。以2008年山东省3个地级市的医疗事故鉴定档案的数据统计为例分析,其中72.66%的事故原因是可控或可避免[2]。医方对病情未做全面考虑,过分依赖经验或辅助检查结果,造成漏诊、误诊或诊断不及时延误治疗;或对某些潜在危险估计不足、医疗记录不完整、不全面甚至出现错误,是影响医疗质量的最直接的原因。如何避免诊断上的疏失及错误,是医疗管理必须考虑的重要问题。
在医务人员的诊断过程中,通常以患者的口述或症状表现,辅助以检查结果做为诊断的依据,但诊断的正确程度基本上依赖于医务人员的临床经验及专业素质。对已知症状未能做出正确的诊断,而导致病情延误治疗或恶化是常见的医疗质量缺陷。随着信息技术的发展,记录相关诊断信息的载体已逐渐从传统纸本病历转变成电子病历(Electronic Medical Record, EMR)。如何从电子病历数据库中找出诊断项目与诊断结果之间的关联性,以最简洁有效的几个因素辅助医务人员做出准确判断,减少误诊及疏忽的可能性,已成为利用电子病历来提高医疗质量的重要研究课题。
2 理论分析
2.1 概述 “数据挖掘”是泛指从海量的数据中分析萃取,以探索得到非显然的、未知的、潜在的、可能有用的信息未知为主要目的复杂活动,最初在1992 年由Frawley 等人首次提出[3]。1996年Fayyad等人对流程进一步细化为五个步骤[4]。同年,Brachman 与Anand在Fayyad的研究基础上将流程细分为九个步骤[5]。通常
来说,在确定研究方向或要解决的问题后,数据挖掘的工作流程为:原始数据资料的搜集;将数据资料分组,转换有意义的信息;在信息中甄选出有用的知识,从而实现“数据->信息->知识”的转变。
目前数据挖掘的各种技术已被广泛的应用在经营辅助决策、消费行为分析等多个领域。针对特定疾病的诊断与预测也在国内外得到一定的应用,例如以线性判别分析、主成分分析,结合类神经网络以鉴别青光眼;以及利用多群判别分析,结合血清检验与放射性治疗的产生的线性函数,透过ROC曲线分析预测C型肝炎病变为肝硬化的概率。在此,本文提出以数据挖掘技术为基础,结合统计分析与规则推导理论,对电子病历应用数据挖掘以实现医疗诊断辅助的研究。
2.2 数据预处理
2.2.1 数据修剪 由于数据挖掘通常面对的是数量庞大的数据,为提高知识挖掘效率,通常会对数据进行预处理,有效地简化或修剪数据但不失去原本数据中可能隐含的知识。数据修剪的理论依据主要是删除与预计挖掘结果较不相关,或可能误导挖掘结果的数据,以减少整体的数据量与计算量,并增加挖掘结果的精确度。数据修剪也是数据挖掘技术中一个重要的研究方向,本文中不做深入探讨。
针对布尔型(Boolean)的数据项,通常可以直接修剪。针对数值型(Numeric)的数据项,采用相关系数法[6]来做数据修剪,通过衡量两数值变量的线性关系强度及正负偏离的参数,来决定数据是否保留。
2.2.2 空白数据补齐 原始数据中通常会存在一部分被标示为“BLANK”、“NULL”的空白数据。为确保所分析数据的完整性,对此类数据必须予以补齐。处理空白数据的方法大致上有以下五种:直接忽略,该方法操作简单
下载地址
 下载地址1
按字母检索

下载须知:
大部份资源无需注册即可下载
需要积分的资源要在会员中心注册会员并用 积分体系中提示的方法赚取积分才能下载。

免责声明:
所有资源只能用于参考学习,不能用于任何商业用途,否则后果自负!