基于Python的Apriori算法在超长住院患者信息挖掘中的应用

目的 通过Apriori算法查找某院超长住院日住院病案首页中各指标的关联规则，分析影响超长住院的因素，为降低平均住院日提供思路。方法 采集某院2019年1月1日至2019年12月31日住院天数超过30天的住院病案首页共计3556份，结合2020年版三级医院评审标准中32项医疗安全指标，对住院病案首页中性别、年龄、出院科室、有无手术、医疗安全等21个指标，利用Python语言实现Apriori算法做关联规则分析，分析是否存在关联规则，并分析其原因。结果 共获得强关联规则7203条。普外科出院患者一般进行了手术治疗，其支持度为0.066，置信度为0.741，共235例。总费用15万及以上的住院患者，通常也进行了手术治疗，其支持度为0.234，置信度为0.925，共833例。主要诊断编码在消化系统疾病、恶性肿瘤、循环系统疾病的患者一般有手术治疗，支持度分别为0.055、0.191、0.055，置信度分别为0.875、0.864、0.785，例数分别为196例、680例、556例。结论 通过关联规则分析和发现产生超长住院的原因，关注重点病种及治疗方式、完善绩效考核制度、实行预住院管理模式和运用...