史亞香

（東南大學(xué)附屬中大醫(yī)院信息中心，江蘇南京，210009）

基于組合預(yù)測模型對電子病歷臨床數(shù)據(jù)的探究

史亞香

（東南大學(xué)附屬中大醫(yī)院信息中心，江蘇南京，210009）

電子病歷臨床數(shù)據(jù)的單項預(yù)測方法不能精確的預(yù)測醫(yī)院的就診人數(shù)。本文建立了基于一階預(yù)測有效度的幾何平均組合預(yù)測模型，對就診人數(shù)進(jìn)行預(yù)測，并且將非線性組合預(yù)測模型變換成為能夠運用現(xiàn)成的線性規(guī)劃軟件求解的線性規(guī)劃模型問題。最后以東南大學(xué)附屬中大醫(yī)院某一科室的電子病歷臨床數(shù)據(jù)為例，對未來就診人數(shù)進(jìn)行預(yù)測，結(jié)果表明該組合預(yù)測方法是可行有效的。

電子病歷；臨床數(shù)據(jù)；組合預(yù)測；幾何平均

0　引言

隨著醫(yī)院計算機(jī)管理網(wǎng)絡(luò)化、信息存儲介質(zhì)--光盤和IC卡等的應(yīng)用及互聯(lián)網(wǎng)的全球化，紙質(zhì)病例逐漸被電子病歷所取代。電子病歷是網(wǎng)絡(luò)技術(shù)和信息技術(shù)在醫(yī)療領(lǐng)域的必然產(chǎn)物，是醫(yī)院病歷現(xiàn)代化管理的必然趨勢。電子病歷臨床數(shù)據(jù)的初步應(yīng)用，極大地提高了醫(yī)院的工作效率和病人接受醫(yī)療的質(zhì)量。

隨著電子病歷臨床數(shù)據(jù)的信息量的日益增多，對臨床數(shù)據(jù)使用傳統(tǒng)的單個預(yù)測模型進(jìn)行預(yù)測未來的臨床數(shù)據(jù)，只能利用其提供的某種有效信息，而忽略了其他的一些有效信息，因此單項預(yù)測方法所提供的信息源偏少。組合預(yù)測就是綜合利用各種預(yù)測方法所提供的信息，以一定的加權(quán)平均形式預(yù)測出未來的臨床數(shù)據(jù)。對基于一階預(yù)測有效度的幾何平均形式一直沒有進(jìn)行深入的研究和應(yīng)用,基于此,本文建立了基于一階預(yù)測有效度的幾何平均組合預(yù)測模型,并且對東南大學(xué)附屬中大醫(yī)院某一科室的電子病歷臨床數(shù)據(jù)進(jìn)行了有效的預(yù)測。

1　建立基于預(yù)測有效度的幾何組合預(yù)測模型

1.1幾何平均組合預(yù)測模型的相關(guān)概念

1.2基于預(yù)測有效度的幾何平均組合預(yù)測模型

由定義2知，幾何平均組合預(yù)測模型在樣本區(qū)間上的幾何平均擬合有效度為的權(quán)系數(shù)，且滿足。若越大，則表明幾何平均組合預(yù)測方法越有效。因此，以幾何平均組合預(yù)測模型擬合有效度為準(zhǔn)則的組合預(yù)測模型可以表示成如下模型：

價于如下模型：

模型(5)是一個線性規(guī)劃模型，可以用現(xiàn)成的線性規(guī)劃軟件來求最優(yōu)解。

2　實例應(yīng)用

以東南大學(xué)附屬中大醫(yī)院某一科室的電子病歷臨床數(shù)據(jù)為例，基礎(chǔ)數(shù)據(jù)表1為在該科室就診某一疾病一年的人數(shù)。根據(jù)就診的實際人數(shù)，運用已建立的組合預(yù)測模型(5)，對以后就診的實際人數(shù)進(jìn)行預(yù)測。令預(yù)測效果如表2所示.為了便于比較分析,表2中同時給出了各單個預(yù)測方法的預(yù)測效果評價.

由表2可以看出，基于一階預(yù)測有效度的幾何平均組合預(yù)測模型的各就診人數(shù)誤差指標(biāo)均低于兩種單項預(yù)測模型預(yù)測就診人數(shù)誤差指標(biāo)值，表明提出的組合預(yù)測方法優(yōu)于各單項預(yù)測方法，因此是一種有效的組合預(yù)測方法，對該科室預(yù)測今后的就診人數(shù)具有一定的指導(dǎo)作用，并可將其運用于其他科室就診人數(shù)的預(yù)測。

4　小結(jié)

對醫(yī)院的就診人數(shù)進(jìn)行有效地預(yù)測可以使得醫(yī)院能合理的分配醫(yī)療資源，提高應(yīng)急處置能力，改善醫(yī)療環(huán)境。對于電子病歷臨床數(shù)據(jù)的單項預(yù)測方法不能精確的預(yù)測前來就診的人數(shù)問題，本文建立了一種組合預(yù)測模型對就診人數(shù)進(jìn)行預(yù)測，并一東南大學(xué)附屬中大醫(yī)院某一科室的電子病歷臨床數(shù)據(jù)為例，對未來就診人數(shù)進(jìn)行預(yù)測，分析結(jié)果表明提出的模型是有效的

表1　實際就診人數(shù)和兩種單項預(yù)測方法、的預(yù)測就診人數(shù)

表1　實際就診人數(shù)和兩種單項預(yù)測方法、的預(yù)測就診人數(shù)

表2　各單項預(yù)測方法及幾何平均組合預(yù)測方法的預(yù)測效果評價

[1] Bates.J.M.,Granger.C.W.J.Combination of forecasts [J]. Operations Research,1969,20(4): 451-468.

[2] 賴小惠,柯本學(xué),許金惜.建立以電子病歷為核心的臨床信息系統(tǒng)的必要性及可行性[J].廣州醫(yī)醫(yī),2010(1): 56-58.

[3] 陳華友.基于預(yù)測有效度的組合預(yù)測模型研究[J].預(yù)測, 2001,20(3):72-73.

表1　各邊之間的距離

采用改進(jìn)后的Dijkstra算法，實現(xiàn)步驟為：①選擇要進(jìn)行計算和，即配送中心20與其他節(jié)點零售戶或是中轉(zhuǎn)站；②對 和 進(jìn)行連通分析，快速判斷兩結(jié)點之間是否連通，如連通，則進(jìn)行③，否則退出計算；③調(diào)用改進(jìn)的Dijkstra算法，計算和的最短路徑；④輸出最短路徑結(jié)果如表2所示，表示節(jié)點零售戶或是中轉(zhuǎn)站，P表示配送中心到節(jié)點的距離，例如配送中心到節(jié)點1的最短路徑是14.6，到節(jié)點13的最短路徑是17.3。

由表2計算結(jié)果可知，采用完全二叉樹對Dijkstra算法進(jìn)行改進(jìn)是可行的且有效的，改進(jìn)后的Dijkstra算法能夠提高了運行效率，降低時間復(fù)雜度，該計算過程所花費的時間要遠(yuǎn)低于傳統(tǒng)的Dijkstra算法。該算法有利于煙草商業(yè)企業(yè)優(yōu)化卷煙配送時間，更加高效、快速的響應(yīng)零售戶需求。

4　總結(jié)

隨著全球競爭的加劇，降低物流成本是企業(yè)贏得市場競爭力的關(guān)鍵因素之一，因此，企業(yè)管理層不斷重視物流的發(fā)展，旨在“系統(tǒng)集成”的思維指導(dǎo)下，對物流網(wǎng)絡(luò)進(jìn)行合理規(guī)劃，實現(xiàn)物流的專業(yè)化運作。

由于路徑優(yōu)化是物流網(wǎng)絡(luò)管理的重要組成部分，本文重點研究了集成物流網(wǎng)絡(luò)的路徑優(yōu)化問題，闡述了Dijkstra算法的具體實現(xiàn)過程，同時也指出傳統(tǒng)的Dijkstra算法基礎(chǔ)需要遍歷集成物流網(wǎng)絡(luò)的所有節(jié)點，時效性不夠理想。因此，為了提高Dijkstra算法的有效性，本文采用完全二叉樹對Dijkstra算法進(jìn)行改進(jìn)，并以煙草商業(yè)企業(yè)為例說明集成物流網(wǎng)絡(luò)的特點與優(yōu)勢，驗證算法的有效性，研究結(jié)果表明改進(jìn)后的Dijkstra算法能夠降低時間復(fù)雜度，提高系統(tǒng)運行效率，快速求解出集成物流網(wǎng)絡(luò)最短路徑的最優(yōu)解，這為企業(yè)合理安排運輸路線，降低物流風(fēng)險提供了決策支持。

參考文獻(xiàn)

[1] 高陽,周向紅,劉軍.灰色環(huán)境下多周期再制造逆向物流網(wǎng)絡(luò)設(shè)計[J].浙江大學(xué)學(xué)報(工學(xué)版),2008,(4):23-27.

[2] 何其超,胡列格,錢紅波.基于多目標(biāo)規(guī)劃的低碳銷售物流網(wǎng)絡(luò)規(guī)劃方法[J].系統(tǒng)工程,2013,31(7):37-43.

[3] 張維澤,林劍波,吳洪森,等.基于改進(jìn)蟻群算法的物流配送路徑優(yōu)化[J].浙江大學(xué)學(xué)報(工學(xué)版),2008, 42(4): 574-578.

The research on EMC of clinical data based on combination forecasting model

Shi Yaxiang
(The Information Center of ZhangDa Hospital Southeast University,Jiangsu,210009)

Based on EMC of clinical data, single forecast model could not predict the number of hospital patients accurately.Geometric averaging combination forecasting method was proposed based on first-order prediction effectiveness criteria,and to predict the number of hospital patients.Then we turn the nonlinear combination forecasting model into the linear programming model,and eventually we can use existing linear programming software to solve the linear programming model.Finally,according to the EMC of clinical data of ZhangDa Hospital Southeast University,we utilize the combination forecasting model to predict the number of hospital patients,and to demonstrate its practicality and effectiveness.

EMC;clinical data;Combination of forecasts;geometric averaging

表2　起始點到各個節(jié)點的最短距離