基于数据仓库技术在医疗费用决策分析中的应用研究

论文摘要

如何从现行医院管理信息系统大量的业务数据中抽取有用的知识,以辅助企业决策层进行管理决策,是企业的愿望,也是我们面临的关键问题。采用数据仓库技术、数据挖掘技术以及联机分析技术进行医院信息系统的开发已成为新的趋势。本文从数据仓库和数据挖掘技术的角度来对长沙市某医院信息系统中2004～2006年三年的病人费用相关数据进行数据挖掘和联机分析处理。文中确立了医疗费用的分析主题和相关维度,进行了数据仓库的逻辑模型和数据挖掘模型的设计并建立了医疗费用分析的多维数据集。用多维数据集、MDX及Pivot Table三种方式多角度地实现数据展现。对病人住院费用影响因素的挖掘分析采用了ID3算法,并针对ID3算法偏向于选择属性值较多的属性这个缺陷对其进行了改进。对住院病人药品费用利用K-means算法进行挖掘尝试,并对K-means算法中初值的选取方法进行了分析和研究改进,取得了一定的效果。本文的研究表明,利用联机分析技术和数据挖掘技术对医院医疗费用进行挖掘,可以达到高效管理和决策的效果,其解决方法可以应用到建有HIS系统的各级医疗机构,并可成为各医疗机构领导层有力的辅助决策工具。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 国内外研究概况
• 1.3 研究的意义
• 1.4 论文的主要研究内容
• 1.5 论文组织结构
• 第二章 医院信息分析的技术理论
• 2.1 数据仓库
• 2.1.1 数据仓库的概念与特征
• 2.1.2 数据仓库设计中的相关概念
• 2.1.3 数据仓库系统结构与功能
• 2.2 OLAP
• 2.2.1 OLAP的多维数据概念
• 2.2.2 OLAP体系结构和多维特性
• 2.2.3 OLAP的多维数据分析
• 2.3 数据挖掘
• 2.3.1 数据挖掘的方法
• 2.3.2 数据挖掘的过程
• 2.4 决策支持系统
• 2.4.1 DSS的定义
• 2.4.2 DSS的发展
• 2.4.3 基于 DW的DSS的优势和特点
• 2.5 本章小结
• 第三章 医疗费用数据仓库的构建
• 3.1 医疗费用数据仓库解决方案
• 3.2 医疗费用数据仓库的设计
• 3.3 数据仓库逻辑模型与存储
• 3.4 医疗费用数据的预处理
• 3.5 医疗费用数据仓库的数据加载
• 3.6 本章小结
• 第四章 医疗费用的联机分析处理
• 4.1 基于多维数据集的医疗费用数据分析
• 4.2 基于MDX的医疗费用数据分析
• 4.3 基于Pivot Table的医疗费用数据分析
• 4.4 本章小结
• 第五章 医疗费用分析决策支持的实现
• 5.1 ID3算法-住院费用特点分析
• 5.1.1 ID3算法描述
• 5.1.2 ID3算法在医疗费用分析中的应用
• 5.1.3 ID3算法的改进和模拟实验
• 5.2 K-means算法-药品费用特点分析
• 5.2.1 K-means算法描述
• 5.2.2 K-means算法的改进
• 5.2.3 实验结果
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文