疾病预防控制中心所使用的实验室信息管理系统符合国际规范,它能够确保疾病控制中心内部实验室的各项检测数据符合国家的ISO/IEC17025标准规范,能较好地保证数据的真实性和数据结构的完整性。本文以实验室信息管理系统为平台,利用数据挖掘技术分析各检测样本之间的关联关系,具体工作如下:1.选取某疾控中心2016年20种样品的相关数据作为实验研究对象,对影响检测结果的检测方法、仪器、卫生标准等外在因素进行数据建模,并采用诸多评估指标(如准确率,相对平方根误差,ROC面积等)分别比较各种分类模型(主要采用决策树,OneR和朴素贝叶斯算法)的好坏;2.对影响检测结果的样品自身内部因素进行关联分析,确定样品内部各项检测之间是否存在强关联;3.采用聚类K-Means算法,将不合格样品及项目聚集在一起,分析不合格样品的共同特征。研究结果表明:通过使用决策树C4.5算法建立的数据模型其预测效果最佳,OneR分类器次之,朴素贝叶斯分类器预测效果较差。通过关联分析Apriori算法,发现检测样品内部的某些指标具有很强的相关性,诸如对生活饮用水的检测,臭和味、浑浊度、色度、肉眼可见物等。通过K-Means聚类分析,可以发现不合格样品集中的月份,采样科室,样品类型和检测项目的类别等。本研究将数据挖掘应用于疾病控制中心实验室信息管理系统中,对于提高疾控中心对样本检测和疾病预防的准确性起到了很好的作用,并为将样本检测大数据转化为对疾病的预防和诊断提供了一定的参考模型。