随着各类信息系统的普及,医疗机构积累了大量临床记录数据,如患者诊断历史、医嘱开具记录、检验检查记录等。这些数据反映了历史决策信息,且实时更新,是构建临床决策支持系统的基础。近年来,使用各种数据分析方法建立医学数据模型支持医疗决策的研究不断涌现,展现出巨大的理论和实践价值。本研究着眼于临床决策中的医嘱推荐过程,提出一种基于历史诊断和医嘱数据,动态产生医嘱推荐列表的临床决策支持方法。论文首先对临床医嘱推荐系统的相关文献进行调研,总结当前研究和应用存在的不足。在此基础上,对临床诊疗决策流程进行了梳理,构建医嘱推荐模型的工作流程。进而运用贝叶斯网络,构建了临床医嘱推荐模型,并使用置信度指标对贝叶斯网络的训练结果进行有向化处理,使用比率比指标对推荐结果列表进行校正,创新性地解决模型训练、推理环节存在的样本不足、结果有偏问题;同时,从准确性、有效性两方面对推荐结果进行评估,为临床推荐模型的评估提供了新的思路。最后,论文以某医院信息系统临床历史数据为基础,设计并实现了面向住院患者的、基于海量临床记录的医嘱推荐原型系统。并通过与三种现有方法的对比实验,验证了本文方法的正确性和有效性。