简介:近年卫生信息化建设情况,总结构建顶层设计、统一规划、统一标准,形成以个体为核心的电子健康档案信息系统成为卫生信息化发展的可行之道。分析电子健康档案数据模型,研究依据该数据模型设计信息系统在工程实践中的困难。重点阐述了“1+NX”模型的局限性,并针对性地提出对“1+NX”模型进行扩展,形成能更精确表达业务领域特征的“1+N(A+X)”模型。
简介:目的通过对甘肃省分级诊疗大数据的深度挖掘,发现甘肃分级诊疗工作取得的成绩和存在的问题,提出精准性的指导意见,助力甘肃省医药卫生体制改革的深化。方法采用文献研究、描述性统计和双变量分析(Bivariate)等大数据挖掘方法对甘肃省分级诊疗政策的实施情况进行分析,力求挖掘出隐藏在数据背后有价值的信息。结果甘肃省分级诊疗制度的考核指标比较单一,政策范围内的疾病病种有待完善。甘肃省各地区分级诊疗女性患者的人数明显多于男性患者,各年龄组患者的就诊率有明显的差异。分级诊疗疾病谱的变化受到年龄、地区、就诊机构等多种因素的影响,各地区需要结合自身实际情况调整政策内疾病病种。结论从疾病病种完善和精选考核指标两个角度完善甘肃省分级诊疗政策,结合患者就医特点,对患者就医行为进行预测,最终实现患者的精准管理,实现医疗机构的精准管理,实现分级诊疗病种的精准管理。
简介:目的建立一种预处理方法,在进行医疗费用数据挖掘时,将因变量(呈偏态分布的连续性变量)转换为分类变量,从而得到更加科学合理的研究结果。方法以广东省甲型病毒性肝炎医疗费用调查取得的115例患者为研究对象,分别采用中位数的分类方法和K-means聚类的方法作为预处理方法,对医疗费用这一呈偏态分布的因变量进行分类,然后建立支持向量机数学模型,采用支持向量机进行医疗费用影响因素分析;通过比较模型的预测精度、模型收益以及影响因素的筛选结果,确定最优的预处理方法。结果115例甲肝病人甲肝总住院费用中位数为2744.69元,呈偏态分布。应变量以中位数方法分类,采用支持向量机模型筛选影响因素结果显示,对医疗费用影响最大的有7个变量(前3位为医院等级、性别、疾病类型);采用聚类分析进行数据预处理时筛选影响因素结果显示,对医疗费用影响最大的有7个变量(前3位为医院等级、住院天数、支付方式)。与中位数方法的分类方法比较,采用聚类分析进行数据预处理时,支持向量机模型结果得到的预测精度由91.30%上升到97.39%;收益图表陡峭地升高到100.00%然后渐渐变得平缓,显示模型收益更好;影响因素筛选结果更加科学合理,符合实际情况。结论聚类分析是一种优秀的数据挖掘预处理方法,具有良好的应用性。