论文部分内容阅读
病案首页是对病案内容的集中概括,它包括住院病人的基本情况、出院诊断、抢救、住院费用等信息,是开展医疗质量评估工作的重要资料。目前多数医院采用统计的方法对其进行分析,但仅能从中获得医疗质量指标的具体数值,无法对数据中隐含的医疗质量问题进行更多的表达。随着病案首页数据的急剧增加,传统方法的表现越来越难以满足医院管理的需要。为了寻找影响医疗质量指标值高于或低于期望值的所有可能因素,本文以病案首页数据为研究对象,以医疗质量指标为切入点,通过使用贝叶斯网络对病案首页数据中潜在的因果关系进行挖掘和分析,以期达到提高医院医疗质量的目的。本文的主要工作如下:(1)提出了一种贝叶斯网络结构学习算法——MedicalK2。该算法以贪心搜索和贝叶斯评分为核心框架,结合随机生成的节点序辅以其他约束条件共同完成贝叶斯网络的结构学习工作。通过大量实验结果,本文验证了该算法在病案首页数据上的有效性。(2)采用了基于医疗质量指标构建贝叶斯网络的建模策略。针对病案首页数据中蕴含的与医疗质量指标有关的信息,本文提出了基于医疗质量指标构建贝叶斯网络模型的研究方法。作为一种图形结构,贝叶斯网络能够很好的反映出不同特征之间的因果联系,并以概率的形式描述出这种联系的强弱,便于评价医疗质量的好坏。(3)讨论了贝叶斯网络模型的可靠性。为了评估本研究中构建的相关贝叶斯网络模型是否充分地反映出了病案首页数据中潜在的因果关系,本文提出了一种对贝叶斯网络进行可靠性评价的方法:采用随机有放回抽样的策略获得一定数量的样本空间容量相近的新数据集,使用MedicalK2进行建模,并对各边出现次数进行统计,以判定该网络是否可靠。基于以上研究,本文提出了一套基于病案首页数据、挖掘医疗质量潜在因果关系的综合解决方案,包括病案首页数据的初期处理、研究方法的选择与实现、实验结果的分析与总结等,并通过天津市某医院连续四年病案首页数据的挖掘结果证明了该解决方案的可行性和有效性。