基于大規(guī)模貝葉斯網(wǎng)絡(luò)的醫(yī)療質(zhì)量數(shù)據(jù)挖掘研究.pdf

1、醫(yī)療質(zhì)量的好壞與醫(yī)患關(guān)系間有著緊密聯(lián)系,通過面向醫(yī)療質(zhì)量的數(shù)據(jù)挖掘研究,尋找影響醫(yī)療質(zhì)量指標值的所有可能因素,能夠幫助醫(yī)院改善醫(yī)療質(zhì)量、降低醫(yī)療成本,促進醫(yī)療市場規(guī)范化。貝葉斯網(wǎng)絡(luò)作為一種被廣泛應用的數(shù)據(jù)挖掘技術(shù),在醫(yī)療行業(yè)有很多的應用,它能夠系統(tǒng)的描述數(shù)據(jù)中屬性之間的分布關(guān)系。目前多數(shù)醫(yī)院采用統(tǒng)計的方法對其進行分析,但僅能從中獲得醫(yī)療質(zhì)量指標的具體數(shù)值,無法對數(shù)據(jù)中隱含的醫(yī)療質(zhì)量問題進行更多的表達。已有的貝葉斯網(wǎng)絡(luò)算法,不能很好的結(jié)合

2、醫(yī)療領(lǐng)域中的先驗知識,造成貝葉斯網(wǎng)絡(luò)搜索空間過大。本文以病案首頁數(shù)據(jù)為研究對象,以醫(yī)療質(zhì)量指標為切入點,通過使用貝葉斯網(wǎng)絡(luò)對病案首頁數(shù)據(jù)中潛在的因果關(guān)系進行挖掘和分析,以期達到提高醫(yī)院醫(yī)療質(zhì)量的目的。本文的主要工作如下:
　　(1)設(shè)計一種面向醫(yī)療質(zhì)量數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法——MedicalK2算法:貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習階段,其搜索的結(jié)構(gòu)空間復雜度為。MedicalK2通過增加約束條件,從而縮小網(wǎng)絡(luò)結(jié)構(gòu)的搜索空間。Medica

3、lK2算法以貪心搜索和貝葉斯評分為核心框架,對屬性集合劃分成多個子集構(gòu)成屬性集合的一個覆蓋:a)在每個子集內(nèi)部使用隨機生成節(jié)點序;b)在每個子集之間使用拓撲序。最終構(gòu)成整個屬性集合的一個節(jié)點序。
　　(2)利用貝葉斯網(wǎng)絡(luò)構(gòu)造了面向醫(yī)療質(zhì)量指標網(wǎng)絡(luò)模型:病案首頁數(shù)據(jù)中蘊含的與醫(yī)療質(zhì)量指標有關(guān)的信息,目前針對病案首頁數(shù)據(jù)的研究多是以計算為主,不能發(fā)現(xiàn)數(shù)據(jù)內(nèi)的屬性之間的潛在的相互關(guān)系。本文針對與醫(yī)療質(zhì)量密切相關(guān)的醫(yī)療指標,使用Medic

4、alK2算法作為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法,在病案數(shù)據(jù)上構(gòu)建貝葉斯網(wǎng)絡(luò)模型群。目前的醫(yī)療質(zhì)量分析多是以計算為主,該策略能夠同構(gòu)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)反映病案數(shù)據(jù)屬性之間的潛在依賴關(guān)系。
　　(3)邏輯地分析并討論了根據(jù)不同醫(yī)院、不同時間段內(nèi)的病案首頁數(shù)據(jù)集構(gòu)造的貝葉斯網(wǎng)絡(luò)模型的異同:為了評估本研究中構(gòu)建的相關(guān)貝葉斯網(wǎng)絡(luò)模型反映出的病案首頁數(shù)據(jù)中潛在的因果關(guān)系,本文提出了基于馬克爾夫毯對比的貝葉斯網(wǎng)絡(luò)模型進行比較分析評價的方法。該方法分別對不同