基于数据挖掘技术的个性化健康体检套餐设计

论文摘要

背景:定期健康体检是疾病预防控制的有效途径之一,被称为健康的第五大基石。目前我国健康体检产业的发展存在体检机构定位不明确,服务内容单调,服务质量参差不齐等问题,其中大众较为需求的健康体检套餐普遍存在低水平重复、定价混乱、项目设置不合理等现象。目的:本研究旨在应用数据挖掘技术和问卷调查,深入探索不同类客户对体检及体检套餐的需求,并构建适合于不同类人群的个性化健康体检套餐。方法:随机抽取深圳市罗湖区288人进行体检套餐满意度调查,采用Microsoft Office Excel对问卷调查结果进行统计分析。收集深圳市某三甲医院体检中心2009年的34,224人次的健康体检数据,应用数据挖掘软件Clementine11.1构建体检数据的K-Means聚类模型、C5.0决策树模型、Apriori关联规则模型。结果:问卷调查结果统计显示:42.7%的人对现有体检套餐不满意,52.8%的人愿意接受300-500价位的体检套餐,分别有38.3%和36.6%的人认为10-20项和20-30项的体检项目数最能满足需求。Clementine软件的K-Means聚类模型根据客户的体检项目数和费用将34,224人次划分为6个类别,C5.0决策树模型分别对6个类别中客户的性别、年龄特征进行归纳,Apriori关联规则模型研究所有客户选择的不同体检项目间的关联规则。根据数据挖掘技术和问卷调查统计的结果,设计得到9种针对不同年龄和性别人群的健康体检套餐。结论:本研究首次提出应用数据挖掘技术设计健康体检套餐,在体检套餐设计方法创新方面进行了合理尝试,为开拓创新体检套餐设计方法提供可行思路,促进了健康体检信息系统和数据挖掘技术在健康体检行业的广泛应用。本研究应用Clementine11.1软件成功构建健康体检数据分析模型和健康体检套餐设计的数据流,可供相关研究参考借鉴。本研究的创新之处在于首次提出基于数据挖掘技术的健康体检套餐设计,并应用Clementine11.1数据挖掘软件成功构建健康体检套餐设计数据流以及9种针对不同类客户的体检套餐,国内外未见相关研究报道,研究具有新颖性。本研究的不足之处在于数据源单一、数据量不足,导致数据挖掘的结果可信度降低,研究结论适用范围较单一。

论文目录

• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景
• 1.1.1 健康体检产业发展现状
• 1.1.2 体检信息系统发展
• 1.1.3 数据挖掘在医学领域的应用
• 1.2 研究目的和意义
• 1.3 论文主要内容及结构安排
• 1.4 研究创新点
• 2 理论与技术基础
• 2.1 体检套餐设计的原则
• 2.1.1 双赢原则
• 2.1.2 适度原则
• 2.1.3 创新原则
• 2.2 数据挖掘的步骤
• 2.2.1 数据准备
• 2.2.2 数据挖掘
• 2.2.3 结果表达和解释
• 2.3 数据挖掘的工具
• 2.4 常用的建模算法
• 2.4.1 关联规则模型
• 2.4.2 聚类模型
• 2.4.3 决策树模型
• 3 研究内容与方法
• 3.1 研究内容
• 3.1.1 调查人群体检套餐需求
• 3.1.2 收集体检信息数据
• 3.1.3 构建客户聚类和决策树模型
• 3.1.4 设计健康体检套餐
• 3.2 研究方法和技术路线
• 3.2.1 文献荟萃
• 3.2.2 问卷调查
• 3.2.3 深入访谈
• 3.2.4 数据挖掘
• 4 资料分析与结果
• 4.1 体检套餐满意度调查
• 4.1.1 调查对象
• 4.1.2 调查方法
• 4.1.3 调查问卷设计
• 4.1.4 查结果及分析
• 4.2 数据准备阶段
• 4.2.1 数据收集
• 4.2.2 数据预处理
• 4.2.3 数据理解
• 4.3 数据挖掘阶段
• 4.3.1 设置数据类型
• 4.3.2 建立聚类模型
• 4.3.3 建立分类决策树模型
• 4.3.4 建立关联规则模型
• 4.4 结果表达与理解阶段
• 5 总结与展望
• 5.1 研究总结
• 5.1.1 通过文献荟萃和深入访谈明晰了课题研究方向
• 5.1.2 通过问卷调查和分析推进了课题研究的针对性
• 5.1.3 通过数据挖掘验证了课题研究的可行性
• 5.2 研究的局限性
• 5.2.1 数据源单一
• 5.2.2 数据量不足
• 5.3 研究展望
• 致谢
• 参考文献
• 综述
• 参考文献
• 附件1（攻读学位期间发表论文目录）
• 附件2（体检套餐满意度调查表）