基于Python的Apriori算法在超长住院患者信息挖掘中的应用 |
| |
引用本文: | 刘慧悦,杨洋,李国垒,金敏,张静,周柳英.基于Python的Apriori算法在超长住院患者信息挖掘中的应用[J].中国病案,2022(6):68-71. |
| |
作者姓名: | 刘慧悦 杨洋 李国垒 金敏 张静 周柳英 |
| |
作者单位: | 1. 中南大学湘雅医院病案管理与信息统计中心;3. 中国医学科学院医学信息研究所 |
| |
摘 要: | 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...
|
关 键 词: | 超长住院日 数据挖掘 Python语言 |
|
|