数据挖掘技术在医院器材管理系统中的应用

应用决策树方法对医院器材管理信息数据库进行数据挖掘,寻找库存、消耗、保障等之间的关联关系,为管理者提供辅助决策手段.     

药物经济学评价在医院药事管理中的现状与实际应用

探讨药物经济学在现代医院药事管理中现状与实际应用,实现药物经济学与医院药事管理的有机结合,应用决策树方法制定标准化诊疗规范,编制医院基本用药目录及标准处方集,对临床医生实行教育性行为监督,目的在于有效控制药物成本?降低医疗费用,使医院用药规范?合理?经济,减轻患者及社会负担?     

决策树算法在医院数据挖掘中的应用探索

介绍决策树的基本原理,对决策树算法在医院信息系统中的应用进行研究,以肝癌为例对医院临床数据进行挖掘,经过数据预处理,应用ID3算法建立完整的决策树.用测试数据测试,该决策树具有很高的准确率,指出决策树算法在医院信息系统中具有广泛的应用前景.     

决策树分析在急性心肌梗死事件预测中的应用

目的: 评价和比较Logistic回归和决策树分析用于预测急性心肌梗死（AMI）事件的可行性和有效性。方法: 回顾性分析2018年10月至2019年4月在浙江省人民医院因心绞痛或不明原因胸痛行选择性冠状动脉造影的295例患者的临床资料,其中55例诊断为AMI。分别利用Logistic回归分析和决策树分析建立AMI事件预测模型,并在是否根据Logistic回归结果条件下建立决策树分析模型（决策树1和决策树2）,继而利用ROC曲线评估上述三组模型预测AMI的价值。结果: 二元Logistic回归分析结果显示,冠心病史、冠状动脉多支病变、他汀类药物史和载脂蛋白A1是AMI发生的独立影响因素（均P < 0.05）。不根据Logistic回归分析结果建立的决策树模型（决策树1）显示,冠状动脉多支病变为根节点,其后分别是冠心病史、载脂蛋白A1水平（以1.314 g/L作为分界点）和抗血小板聚集药物史作为子节点;而根据Logistic回归分析结果建立的决策树模型（决策树2）显示,冠状动脉多支病变为根节点,其后是冠心病史和载脂蛋白A1作为子节点。在对AMI事件的预测中,Logistic回归模型的AUC为0.826,而决策树模型的AUC分别为0.765（决策树1）和0.726（决策树2）。三组模型间比较结果显示,Logistic回归模型的AUC优于决策树2（95% CI：0.041~0.145,Z=3.534,P < 0.01）,但与决策树1差异无统计学意义（95% CI：-0.014~0.121,Z=-1.173,P>0.05）。结论: 在对AMI事件的预测分析中,不根据Logistic回归模型结果建立的决策树模型效力与Logistic回归模型相当,未来有望应用于AMI患者的防治工作。     

决策树数据挖掘算法在学生评价分析中的应用

高校学生成绩管理系统存储了大量的学生成绩信息,有效地对这些数据进行分析对学校教学管理具有重要意义。该文选择数据挖掘技术构建针对学生成绩的决策树分析模型。使用Microsoft商务智能平台搭建分析数据的维度结构,设置决策树算法参数,构建决策树分析模型,实现学生成绩的自动挖掘分析。     

基于决策树的外科手术信息挖掘与研究

首先介绍了数据挖掘和决策树的概念及其在医学领域的应用,之后结合实际医学资料,详细阐述决策树算法在外科手术信息资源挖掘中的具体应用。     

决策树分析在中医智能诊断中的应用现状及思考

根据中医样本数据的特点,从中医智能诊断系统的构成、决策树分析算法特点等角度对决策树分析算法在中医智能诊断中的应用现状及存在问题进行了总结与思考。     

考虑护理工作量的呼吸内科DRG分组探索研究

目的：探究疾病诊断相关分组（DRG）运用于呼吸内科护理管理的可行性，构建考虑护理工作量的DRG分组方案。方法：采用病例回顾方法收集2021年1～12月某医院呼吸内科1 094例住院患者电子病历数据，以护理工时作为DRG分组依据，采用单因素分析、多元线性回归探讨护理工时的影响因素，筛选分组变量，采用决策树E-CHAID算法构建考虑护理工时的DRG分组方案。结果：单因素分析和多元线性回归结果显示影响护理工时的因素主要有并发症与合并症程度（CCI）、年龄、入院途径、入院次数、呼吸机使用、抗菌药物使用，其中CCI、年龄、呼吸机使用、入院次数作为分组变量进入决策树模型，形成10个DRG分组。各组间CV值均<1,RIV值为37.7%，差异具有统计学意义（P<0.05），分组方案良好。结论：基于决策树构建的考虑护理工作量的呼吸内科DRG分组方案合理，可为护理人力资源配置和护理绩效考核等临床护理管理提供参考。     

基于数据挖掘技术的妊娠期糖尿病危险因素相关性研究

目的进行妊娠期糖尿病与微量元素、体质量指数等因素相关性的研究,探讨使用决策树模型预测孕妇患妊娠期糖尿病的风险,为临床预防提供参考依据。方法收集某社区医院2010年的孕妇体检资料279例,采用C5.0算法构建决策树模型,并使用分析节点对其预测结果进行评估。结果使用建立的决策树模型测试样本,有90.15%的测试样本的预测值与实际值相符,准确率较高。根据建立的决策树模型生成规则集,规则表明妊娠期糖尿病与体质量指数、钙、铁、年龄等相关因素关系密切。结论采用C5.0算法构建决策树模型预测妊娠期糖尿病是可行的,本方法可对大样本数据进行数据挖掘,其预测结果具有一定的应用价值。     

基于信息熵的决策树在慢性胃炎中医辨证中的应用

目的:探讨基于信息熵的决策树在慢性胃炎中医辨证分型中的应用.方法:采用bootstrap方法对406例样本进行扩增以满足数据挖掘对样本量的要求,采用基于信息熵的决策树C4.5算法建立中医辨证模型.结果:决策树C4.5算法筛选出对中医辨证分型有意义的26个因素并对其重要性进行排序;产生清楚易懂可用于分类的决策规则;建立辨证模型,模型分类符合率为:训练集83.60%,验证集80.67%,测试集81.25%;模型区分各类证型的灵敏度和特异度也较高.结论:决策树C4.5算法建立的模型效果较好,可应用于慢性胃炎中医证型的鉴别诊断.