李趙興，崔巧云

（1.榆林學(xué)院信息工程學(xué)院，陜西榆林 719000；2.榆陽區(qū)電視臺，陜西榆林 719000）

隨著交通的便利和人民生活的提高，患者傾向于去三甲醫(yī)院看病，導(dǎo)致三甲醫(yī)院看病擁堵、看病難等問題一直沒有得到很好的解決，然而基層醫(yī)療公共衛(wèi)生所和基層醫(yī)療機(jī)構(gòu)的患者相對較少，伴隨著老齡化、城鎮(zhèn)化等社會轉(zhuǎn)型，城鎮(zhèn)居民大量的增長，給大醫(yī)院帶來了很大的挑戰(zhàn)。隨著城市的發(fā)展，老齡化的人越來越多，慢病患者越來越多，慢病患者基本上每周或者兩周就要去醫(yī)院開藥，導(dǎo)致大醫(yī)院、好大夫被慢病患者消耗了很多的資源和精力。另外，隨著人民生活水平的提高，人民基本健康需求增長迅速，出現(xiàn)了多樣化的特征，給基本醫(yī)療體系帶來了挑戰(zhàn)[1]，主要原因是現(xiàn)有的醫(yī)療衛(wèi)生服務(wù)體系配置不完善、優(yōu)質(zhì)醫(yī)療資源不足和配置不合理，不能有效配置優(yōu)質(zhì)醫(yī)療資源，不能有效地滿足治理、護(hù)理等需求服務(wù)。另外，基本醫(yī)療衛(wèi)生服務(wù)體系面臨分配不均衡的問題，以大醫(yī)院和三甲醫(yī)院為例，常見病、多發(fā)病不僅占用了大量的優(yōu)質(zhì)醫(yī)療資源，還造成了優(yōu)質(zhì)醫(yī)療資源的負(fù)擔(dān)，同時還引起了患者就醫(yī)不方便，不利于從根本上解決“看病難，看病貴”的問題[2-3]。

目前國內(nèi)對分級診療制度的研究主要聚焦在制度層面的評價，對醫(yī)療資源配置的分類較少，包括對病種分類的具體方法研究較少，在具體實(shí)施時，缺少有效的分類方法（哪些病應(yīng)該分配到哪一級醫(yī)院），造成了我國目前的分級診療只是停留在制度層面。該文以醫(yī)療資源有效資源配置為研究目標(biāo)，采用決策樹算法對患者進(jìn)行有效分類[4]，從而降低醫(yī)院、患者的成本。

1 C4.5 算法基本原理

C4.5 算法是在ID3 算法[5]基礎(chǔ)上的改進(jìn)，由于ID3 算法無法對連續(xù)屬性進(jìn)行分類，針對此問題，Ross Quinlan 提出了C4.5 算法。C4.5 算法[6-8]用 信 息增益率來選擇屬性，提高了衡量屬性劃分?jǐn)?shù)據(jù)的廣度和均勻性，對連續(xù)型屬性進(jìn)行了增強(qiáng)，同時對屬性值空缺方面進(jìn)行了很好的處理，和ID3 算法相比，不僅分類準(zhǔn)確率高而且速度快，生成的決策樹分支也較少。C4.5 算法在選擇連續(xù)性測試屬性方面做了如下處理，將訓(xùn)練數(shù)據(jù)集S中的樣本按連續(xù)描述屬性A的值進(jìn)行遞增排序，一般采用快速排序法。假設(shè)S中屬性A有m個不同的取值，則排好序的取值序列為a1,a2,…,am。按該順序逐一將兩個相鄰的平均值a′作為分割點(diǎn)，分割點(diǎn)將S劃分為兩個子集，分別對應(yīng)屬性A小于a′和大于a′的兩個子集。這樣共有m-1 個分割點(diǎn)，分別計(jì)算每個分割點(diǎn)的信息增益比率，選擇具有最大信息增益比率的分割點(diǎn)。按照上述方法求出當(dāng)前候選屬性集中所有屬性的信息增益比率，找出其中信息增益比率最高的屬性作為測試屬性[9]。

把區(qū)間[ai,ai+1)的中位點(diǎn)作為分割點(diǎn)t，然后同離散值一樣計(jì)算切分點(diǎn)的信息增益，即可以得到處理連續(xù)值的信息增益率的計(jì)算公式為：

其中，Gain(D,a,t)是樣本集D基本劃分點(diǎn)t二分后的信息增益。劃分時，選擇最大的劃分點(diǎn)Gain(D,a,t)

分裂信息熵在訓(xùn)練樣本集D中，特征a的分裂信息熵計(jì)算公式如下：

其中，S為特征值a的取值個數(shù)，Dj為數(shù)據(jù)集D中a特征值第j個值的子集。

通過式（1）和式（2）或者式（3）可得到特征a信息增益率的數(shù)學(xué)公式為：

2 改進(jìn)的C4.5算法

2.1 信息增益

基于改進(jìn)的C4.5 算法[10-14]的最后階段成績預(yù)測，根據(jù)各特征在分級診療中所占的權(quán)重大小，引入權(quán)重后特征av的信息增益公式如下：

2.2 算法過程

改進(jìn)的C4.5 算法[15-16]偽代碼如下：

輸入：訓(xùn)練數(shù)據(jù)集

其中，xi的特征集合為A={a1,a2,…,ad}，xi各個特征對應(yīng)的權(quán)重數(shù)組為v=[v1,v2,…vd]。

輸出：根節(jié)點(diǎn)為N的決策樹

執(zhí)行流程：創(chuàng)建對應(yīng)的S的節(jié)點(diǎn)Node（初始化決策樹的根節(jié)點(diǎn)）

If（S中的樣本屬于同一類別c）

將Ai作為Node 的測試屬性；

根據(jù)最佳劃分點(diǎn)t將數(shù)據(jù)集劃分為兩部分；

if（Ai為連續(xù)屬性）找該屬性的分割閾值

For（Ai的每個可能取值aij）

遞歸執(zhí)行

遞歸執(zhí)行

其中，A/{ai}代表從A中除去的特征ai,選擇改進(jìn)的最佳分裂函數(shù)，執(zhí)行過程如下：

Input：訓(xùn)練數(shù)據(jù)集

其中xi的特征集合為A={a1,a2,…,ad}

xi的各個特征對應(yīng)的權(quán)重數(shù)組v=[v1,v2,…vd]

輸出：最好分裂特征bestFeature 和最好的分裂點(diǎn)bestSplitPoint

初始化：

根據(jù)式（1）計(jì)算特征ai的候選劃分點(diǎn)集合T，T={t1,t2,…tn}

設(shè)最大信息增益為0

FortiinT

分裂信息熵為零

根據(jù)劃分點(diǎn)ti將數(shù)據(jù)集劃分為兩部分

根據(jù)式（2）計(jì)算劃分點(diǎn)ti的信息增益

If GainRatio＞max GainRatio

根據(jù)式（3）計(jì)算分裂屬性

If GainRatio=max GainRatio

根據(jù)式（4）劃分點(diǎn)ti的信息

3 實(shí)驗(yàn)過程

3.1 實(shí)驗(yàn)數(shù)據(jù)

該文以孕婦歷史就醫(yī)數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù),根據(jù)孕婦到醫(yī)院的距離、孕婦的家庭人均年收入、產(chǎn)檢次數(shù)、有無流產(chǎn)史作為屬性，采用改進(jìn)的C4.5 算法對屬性進(jìn)行決策樹劃分和預(yù)測。研究對象為20 歲到45 歲的孕婦，數(shù)據(jù)分別來源于榆林市一級醫(yī)院、二級醫(yī)院、三級醫(yī)院，研究對象的屬性設(shè)置是和相關(guān)醫(yī)院和醫(yī)療管理中心一起研究確定的主要影響孕婦去不同等級醫(yī)院的因素。

表1 不同基本資料的孕產(chǎn)婦選擇醫(yī)療機(jī)構(gòu)級別比

3.2 基于改進(jìn)的決策樹建模和分裂過程

對已經(jīng)獲得的孕婦就診數(shù)據(jù)進(jìn)行分類，從圖1～3 可以得出孕婦就診的決策樹分類模型，然后對榆林市一級、二級、三級醫(yī)院就診的孕婦進(jìn)行分類調(diào)查，結(jié)果顯示，不同等級醫(yī)院就孕婦在年齡、距離、等候時間、家庭年人均收入、產(chǎn)檢次數(shù)等方面做統(tǒng)計(jì)，通過圖1～圖3 可以得出，孕婦去一級和二級醫(yī)院的特征不是很明顯，主要區(qū)別還是與醫(yī)院距離的遠(yuǎn)近和醫(yī)院花銷，孕婦選擇二級醫(yī)院和三級醫(yī)院相對較為明顯，如果產(chǎn)檢次數(shù)正常，大部分選擇三級醫(yī)院，如果產(chǎn)檢次數(shù)不正常，去二級醫(yī)院的孕婦比較多，但是由于去一級醫(yī)院的孕婦普遍收入比較低、學(xué)歷比較低、產(chǎn)檢次數(shù)也比較少，所以在分類時，在二級醫(yī)院和三級醫(yī)院之間有一定的誤差。整體分析顯示，收入高的人群去三甲醫(yī)院的比較多，收入低的人群去一二級醫(yī)院的比較多，這也符合人們正常的推理，通過改進(jìn)的決策樹分析顯示，一級醫(yī)院和二級醫(yī)院、二級醫(yī)院和三級醫(yī)院、一級和三級醫(yī)院的預(yù)測正確率分別為56.9%、71.2%、66.8%。

圖1 一級和二級醫(yī)院分類模型

圖2 二級和三級醫(yī)院分類模型

圖3 一級和三級醫(yī)院分類模型

表2 孕產(chǎn)婦選擇醫(yī)療機(jī)構(gòu)級別的決策樹分析賦值表

4 結(jié)束語

該文以孕婦就醫(yī)為例，采用改進(jìn)C4.5 算法對孕婦合理選擇醫(yī)療機(jī)構(gòu)進(jìn)行分類診療，通過對影響孕婦去不同級別醫(yī)院的因素分析，可以提高孕婦去不同級別醫(yī)院的分類效率、降低錯誤的預(yù)測分析指數(shù)、提高分類的準(zhǔn)確性，從而提高醫(yī)療資源的配置效率，建立合理的衛(wèi)生服務(wù)體制架構(gòu)，推進(jìn)建立分級診療制度，改變目前存在的不合理的醫(yī)療資源配置問題，可以解決醫(yī)療衛(wèi)生資源配置不均衡的問題，有效盤活現(xiàn)有的醫(yī)療資源、提高醫(yī)療資源配置使用效率，還可以到達(dá)降低看病貴看病難的問題。以前普遍分級診療都是當(dāng)?shù)氐尼t(yī)保辦根據(jù)病情來分類，但是這樣有一定的不足之處，因?yàn)椴煌脑袐D有不同的情況，經(jīng)常有一些孕婦因?yàn)樯a(chǎn)而失去小孩甚至自身的生命，該文在和醫(yī)院合作的基礎(chǔ)上統(tǒng)計(jì)了孕婦來醫(yī)院就診的數(shù)據(jù)，在數(shù)據(jù)里面分析出影響孕婦就診的一些主要的因素，采用改進(jìn)的決策樹算法進(jìn)行孕婦就診分類，可以提高分類的效率和精確度。該文研究的不足之處就是統(tǒng)計(jì)的影響孕婦就診的因素還不夠全面，包括孕婦的年齡、孕婦的整體身體素質(zhì)等，需要做進(jìn)一步研究。