社会医疗保障制度作为一项关系到国计民生的制度，一方面在保障全体劳动者健康，免于伤病威胁方面发挥了重要的作用；另一方面，由于医疗过程缺乏有效的行为规范和标准化，违规现象时有发生，这不但损害了患者利益、引起医患关系紧张，而且造成医疗资源浪费，阻碍了医疗卫生事业的发展。因此，从临床诊疗过程中挖掘异常行为，对于规范医院诊疗行为，预防违规和欺诈行为，减少医疗资源的流失有着十分重要的意义。　　 结合课题背景及国内外研究现状，本文利用数据挖掘中基于统计分布的异常检测技术挖掘出各类临床数据的正常阈值范围，并以此为基础，构建临床数据的检测模型，用于甄别临床事件中的异常诊疗行为。　　 本文的主要工作如下：　　 1、讨论了主流的异常检测方法，着重研究并分析了基于统计分布的异常检测在医学临床数据挖掘中的应用。分析了医疗领域，研究了临床数据的特点，并给出了临床数据的预处理方法。　　 2、针对每类临床行为，应用基于统计学的离群点检测，为其假设一个分布，然后利用统计学上的相关的方法确定其参数，以得到其精确的分布函数。以得到的每类临床行为的分布函数为基础，利用区间选取算法进一步得到其正常阈值区间，进而构建规则库。　　 3、特别针对用药事件，由于其功效并非药物功效的简单叠加，而是功效和功效、药物和药物之间相互作用形成的复杂结果的特点，给出了效—效相似关系挖掘，以得到用药事件的更精确的检测模型。　　 4、设计了原型系统的框架结构，实现了相关算法，并对模型的检测效果进行了实验，验证了模型的正确性和可用性。