一种基于医院海量业务数据的医疗质量分析方法技术

本发明专利技术涉及一种基于医院海量业务数据的医疗质量分析方法。本发明专利技术关注于医院医疗质量分析中最为频繁的处理热点——医疗质量指标，设计了一种基于医疗数据挖掘的医院医疗质量分析方法，该方法的优化工作包括：支持海量业务数据处理，使用联机分析处理技术开展多维度分析，支持医疗质量指标的预测分析。本发明专利技术充分利用医疗数据挖掘及多维联机分析处理技术，提高分析效率及质量，使医院医疗质量分析系统始终提供高效的多维数据分析性能。

【技术实现步骤摘要】

本专利技术涉及一种医院医疗质量分析方法，尤其涉及一种基于医院海量业务数据开展医疗数据挖掘的医疗质量分析方法。
技术介绍
医疗质量是一个关乎个人及社会的重大问题，提高医疗质量是每个以患者为中心的医院努力的目标。随着国家新医保政策的出台、医院之间优劣评比方式的改变，以及当代社会公众对医疗质量问题的高度关注，如何在降低医疗成本的同时保证以及提高医疗质量，成为目前每家医院都亟待解决的问题。传统的医院医疗质量分析方法主要有两类:利用常规统计学方法对某一类医疗质量指标进行统计分析；运用秩和比法、综合指数法等综合评价法对于医院医疗质量进行评估。常规统计学方法只能简单的计算医疗质量评价指标的结果值，不仅计算效率低下，而且准确性得不到保证；综合评价法虽然可以对医院医疗质量指标体系进行总体分析，但是同样无法做到多维度分析。当医院业务数据规模较大时，上述两种方法都难以满足医疗质量分析的要求。近年来，随着医疗信息化的不断发展，医疗数据挖掘应运而生。使用数据挖掘技术对医疗质量问题进行研究，能够更全面地发现医院管理中存在的问题，找出各种可能的原因并给予相应的解决策略。目前国内的大中型医院几乎都在使用医院信息系统(HospitalInformat1n System, HIS)。它所收集的病案首页数据不仅数据量大，内容丰富且较为完整，同时还具有相对统一的数据格式，非常适合使用医疗数据挖掘技术开展医疗质量分析的相关研究。运用数据挖掘技术进行基于医院海量业务数据的医疗质量分析，能够同时支持高效、实时、精确的多维度分析与海量业务数据处理。相比而言，传统的常规统计学方法与综合评价法则表现出极大的局限性。
技术实现思路
针对上述传统的医院医疗质量分析方法存在的问题，需要提出一种同时支持海量业务数据处理与多维度分析的医疗质量分析方法。该方法应充分利用医疗数据挖掘及多维联机分析处理技术，提高分析效率及质量，使医院医疗质量分析系统始终提供高效的多维数据分析性能。本专利技术关注于医院医疗质量分析中最为频繁的处理热点一一医疗质量指标，设计了一种基于医疗数据挖掘的医院医疗质量分析方法，该方法的优化工作包括:支持海量业务数据处理，使用联机分析处理技术开展多维度分析，支持医疗质量指标的预测分析。该分析方法进行实施的步骤是: (I)多维数据仓库的建立过程 传统的医院业务数据存储仅采用关系型数据库，这种存储方式不支持多维联机分析处理，无法对于医疗质量指标展开多维度分析。由于上述不足，可以利用ETL等数据处理技术构建多维数据仓库，结合实际业务需求设计分析维度与粒度，将经过预处理的医院海量业务数据通过ETL技术存入多维数据仓库。(2)数据集市的构造过程 综合性医院业务数据规模比较庞大，业务覆盖面较为广泛，若直接基于已建立的多维数据仓库进行多维度分析处理，会产生处理速度较慢、数据冗余、业务数据容易混淆与重复等不利于开展医疗质量分析的一系列问题。通过构造相关主题数据集市，并基于数据集市开展医疗质量分析可以解决上述问题。具体构造过程如下: 基于已建立的多维数据仓库，结合医院医疗质量实际分析业务，构造若干相应主题的数据集市，完成医院不同主题业务数据的分割存储与处理。(3)医疗质量指标数据挖掘模型的建立过程 基于已构造的数据集市，根据不同的医疗质量指标，选取合适的数据挖掘算法并建立相应挖掘模型，运用挖掘模型开展医疗数据挖掘可以完成准确度较高的预测分析，能够辅助医院管理者做出科学的决策，有助于医院医疗质量管理能力的提升。本专利技术的具体数据挖掘模型如下: 平均住院天数、出院治愈率、诊断符合率指标选用C4.5决策树算法，分别建立平均住院天数决策树模型、出院治愈率决策树模型、诊断符合率决策树模型；N日出院率、N日诊断率、院感率指标选用关联规则挖掘算法，分别建立N日出院率关联规则挖掘模型、N日诊断率关联规则挖掘模型、院感率关联规则挖掘模型。(4)多维联机分析处理的分析过程 基于已构造的数据集市，根据实际待分析业务挑选相应主题数据集市，利用Mondrian等多维数据分析工具，并结合实际待分析维度进行多维联机分析处理，即对于不同医院医疗质量评价指标分别展开多维度分析。本专利技术具有的有益效果是: 1、本专利技术利用多维数据仓库存储数据，可以支持海量业务数据存储，并满足医疗质量多维度分析的数据要求。2、本专利技术利用若干数据集市存储医院不同主题业务数据，支持不同医疗质量评价指标分别展开多维度分析。3、本专利技术利用多种数据挖掘算法构造挖掘模型，支持医疗质量指标准确性较高的预测分析。4、本专利技术利用Mondrian等多维数据分析工具展开联机分析处理，支持高效、实时、精确的多维度分析处理。【附图说明】图1为本专利技术方法流程图。【具体实施方式】下面结合附图和具体实施应用过程对本专利技术进一步说明: 参照图1执行步骤来说明本专利技术实施过程: (I)多维数据仓库的建立过程 如步骤I所描述，基于医院关系型源数据库，经过数据预处理及ETL处理过程，结合实际业务分析所需维度建立多维数据仓库。(2)数据集市的构造过程 根据步骤I建立的多维数据仓库，结合医院医疗质量分析不同业务主题，构造相应主题的数据集市，完成医院不同主题业务数据的分割存储与处理，在流程图中如步骤2所示。(3)医疗质量指标数据挖掘模型的建立过程 基于步骤2构造的数据集市，根据不同的医疗质量指标，选取合适的数据挖掘算法并建立相应挖掘模型，运用挖掘模型开展医疗数据挖掘。本专利技术的具体数据挖掘模型如下:平均住院天数、出院治愈率、诊断符合率指标选用C4.5决策树算法，分别建立平均住院天数决策树模型、出院治愈率决策树模型、诊断符合率决策树模型；N日出院率、N日诊断率、院感率指标选用关联规则挖掘算法，分别建立N日出院率关联规则挖掘模型、N日诊断率关联规则挖掘模型、院感率关联规则挖掘模型。在流程图中如步骤3所示。(4)多维联机分析处理的分析过程 基于步骤2构造的数据集市，根据实际待分析业务挑选相应主题数据集市，利用Mondrian等多维数据分析工具，并结合实际待分析维度进行多维联机分析处理，完成医院医疗质量指标多维度分析工作，在流程图中如步骤4所示。【主权项】1.，其特征在于该方法包括以下步骤: 步骤1.多维数据仓库的建立过程，具体是: 从医院关系型源数据库选取数据并进行预处理，完成ETL数据处理工作，构建多维数据仓库； 步骤2.相关主题数据集市的构造过程，具体是: 基于已建立的多维数据仓库，结合实际业务需求，完成相关主题数据集市的构造； 步骤3.医疗质量指标数据挖掘模型的建立过程，具体是: 基于已构造的数据集市，根据不同的医疗质量指标，选取合适的数据挖掘算法并建立相应挖掘模型，运用挖掘模型开展医疗数据挖掘；具体数据挖掘模型如下: 平均住院天数、出院治愈率、诊断符合率指标选用C4.5决策树算法，分别建立平均住院天数决策树模型、出院治愈率决策树模型、诊断符合率决策树模型；N日出院率、N日诊断率、院感率指标选用关联规则挖掘算法，分别建立N日出院率关联规则挖掘模型、N日诊断率关联规则挖掘模型、院感率关联规则挖掘模型； 步骤4.多维数据的联机分析处理过程，具体是: 基于已构造的数据集市，利用开源Mondrian多维数据分析工具进行多维本文档来自技高网...

【技术保护点】
一种基于医院海量业务数据的医疗质量分析方法，其特征在于该方法包括以下步骤：步骤1. 多维数据仓库的建立过程，具体是：从医院关系型源数据库选取数据并进行预处理，完成ETL数据处理工作，构建多维数据仓库；步骤2. 相关主题数据集市的构造过程，具体是：基于已建立的多维数据仓库，结合实际业务需求，完成相关主题数据集市的构造；步骤3. 医疗质量指标数据挖掘模型的建立过程，具体是：基于已构造的数据集市，根据不同的医疗质量指标，选取合适的数据挖掘算法并建立相应挖掘模型，运用挖掘模型开展医疗数据挖掘；具体数据挖掘模型如下：平均住院天数、出院治愈率、诊断符合率指标选用C4.5决策树算法，分别建立平均住院天数决策树模型、出院治愈率决策树模型、诊断符合率决策树模型；N日出院率、N日诊断率、院感率指标选用关联规则挖掘算法，分别建立N日出院率关联规则挖掘模型、N日诊断率关联规则挖掘模型、院感率关联规则挖掘模型；步骤4. 多维数据的联机分析处理过程，具体是：基于已构造的数据集市，利用开源Mondrian多维数据分析工具进行多维联机分析处理，得到分析结果；步骤5. 多维分析结果的可视化过程，具体是：基于多维联机分析处理结果，选取展示工具，完成可视化展示。...

【技术特征摘要】

【专利技术属性】
技术研发人员：司华友，陈柳剑，莫东洺，徐志远，张纪林，任祖杰，殷昱煜，
申请(专利权)人：杭州健港信息科技有限公司，
类型：发明
国别省市：浙江;33