劉東麗，袁玉妹，王羨欠

(江西省人民醫(yī)院，330006，南昌)

0 引言

隨著社會(huì)的發(fā)展，人們對(duì)自身的健康越發(fā)關(guān)注，我國(guó)優(yōu)質(zhì)醫(yī)療資源相對(duì)集中，醫(yī)院面臨的就診壓力越發(fā)增加，尤其體現(xiàn)在門診就診中。此對(duì)門診資源的配置會(huì)在很大程度上影響廣大患者的就醫(yī)體驗(yàn)和醫(yī)院的核心競(jìng)爭(zhēng)力[1-3]。如何科學(xué)、合理并充分地利用門診資源，成為醫(yī)院面臨的一大挑戰(zhàn)[4]。依靠傳統(tǒng)的人工門診資源調(diào)配已經(jīng)無(wú)法適應(yīng)新形勢(shì)的發(fā)展，隨著信息技術(shù)的發(fā)展，借力于信息化技術(shù)優(yōu)化門診資源配置成為一種新的趨勢(shì)[5-8]。

數(shù)據(jù)挖掘(Data mining)又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)(英語(yǔ)：Knowledge-Discovery in Databases，簡(jiǎn)稱：KDD)中的一個(gè)步驟[9]。一般是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)(依靠過(guò)去的經(jīng)驗(yàn)法則)和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。隨著醫(yī)院信息化的建設(shè)不斷完善，在功能模塊上越來(lái)越豐富，數(shù)據(jù)量也越來(lái)越大，如何有效利用現(xiàn)有數(shù)據(jù)為醫(yī)療服務(wù)已經(jīng)成為各個(gè)醫(yī)院不得不面臨的問(wèn)題。為了解決在醫(yī)學(xué)領(lǐng)域具有普遍性的“知識(shí)發(fā)現(xiàn)”問(wèn)題，近幾年來(lái)產(chǎn)生了一項(xiàng)從海量數(shù)據(jù)中提取知識(shí)的技術(shù)數(shù)據(jù)挖掘[10]。國(guó)內(nèi)很多研究嘗試將數(shù)據(jù)挖掘應(yīng)用于醫(yī)院信息系統(tǒng)和統(tǒng)計(jì)分析與決策中[11-14]，如何在計(jì)算機(jī)的幫助下，發(fā)現(xiàn)隱藏在這些海量數(shù)據(jù)背后的那些新的有學(xué)術(shù)價(jià)值的醫(yī)學(xué)信息，是系統(tǒng)面臨的重大挑戰(zhàn)[15-20]。

門診輔助知識(shí)決策系統(tǒng)是一種利用信息化技術(shù)和數(shù)據(jù)挖掘技術(shù)，展示一家醫(yī)院門診量分布、門診病種分布、季節(jié)性疾病規(guī)律、門診醫(yī)療資源配置等綜合指標(biāo)的系統(tǒng)。

本文利用醫(yī)院現(xiàn)有數(shù)據(jù)，通過(guò)基于數(shù)據(jù)挖掘的門診輔助知識(shí)決策系統(tǒng)的建立與應(yīng)用，挖掘門診患者在就診時(shí)間上的分布情況，掌握門診患者量高峰時(shí)間段，為醫(yī)院合理安排醫(yī)護(hù)力量和醫(yī)療設(shè)備提供輔助決策支持，減少患者的等待時(shí)間，避免因?yàn)獒t(yī)療資源緊張導(dǎo)致不必要的醫(yī)療糾紛；挖掘季度性的門診患者量增長(zhǎng)及季節(jié)性疾病情況，找出其特定的規(guī)律，為醫(yī)院在次年相應(yīng)季度提前建立應(yīng)對(duì)預(yù)案提供輔助決策支持，以優(yōu)化醫(yī)療設(shè)備，增加相應(yīng)疾病藥品的庫(kù)存量；挖掘門診醫(yī)療數(shù)據(jù)，為醫(yī)院制定最佳的醫(yī)療服務(wù)舉措和最優(yōu)化的醫(yī)療資源配置提供決策支持，增強(qiáng)醫(yī)院對(duì)環(huán)境變化的適應(yīng)性，改善患者就醫(yī)體驗(yàn)。

1 方法

1.1 數(shù)據(jù)納入

某省級(jí)三甲綜合醫(yī)院2016—2021年10月門診醫(yī)療數(shù)據(jù)包含就診、門診診療數(shù)據(jù)、門診人員配備數(shù)據(jù)。就診數(shù)據(jù)包括：就診序號(hào)、日期、付費(fèi)方式、患者ID號(hào)、就診科室、就診類別；門診診療數(shù)據(jù)包括：患者卡號(hào)、性別、出生日期、診斷編碼、診斷名稱、就診日期。核查數(shù)據(jù)，剔除性別異常數(shù)據(jù)59條，剔除出生日期異常數(shù)據(jù)257條，共納入數(shù)據(jù)2 830 770例門診就診記錄。分析數(shù)據(jù)，對(duì)采集的數(shù)據(jù)進(jìn)行分析處理如下(表1)。

表1 研究變量及其量化情況

1.2 統(tǒng)計(jì)方法

利用ORACLE數(shù)據(jù)庫(kù)存儲(chǔ)原始數(shù)據(jù)，Python3.8進(jìn)行數(shù)據(jù)清洗和處理，根據(jù)診斷對(duì)性別字段空置進(jìn)行處理。在Python3.8中編寫代碼對(duì)診斷數(shù)據(jù)進(jìn)行處理，生成診斷詞云圖。運(yùn)用SPSS25工具對(duì)數(shù)據(jù)進(jìn)行分類、估計(jì)、預(yù)測(cè)、相關(guān)性分組或關(guān)聯(lián)規(guī)則分析。 運(yùn)用EViews 進(jìn)行預(yù)測(cè)模型建立。

1.3 結(jié)果與分析

對(duì)2009—2020年10月門診就診數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，數(shù)據(jù)近似正態(tài)分布(偏度0.386<1，峰度-0.845<1)，可以用t檢驗(yàn)和方差分析，以P<0.05為差異性具有統(tǒng)計(jì)學(xué)意義。

1.3.1 不同年齡就診情況 表2可以看出年齡6歲及以下27 227，中位數(shù)為344；7—17歲81 244，中位數(shù)為993；18—40歲660 726，中位數(shù)為8 056；41—65歲1 161 725，中位數(shù)為15 329。66歲及以上899 848份，中位數(shù)為12 490。采用ANOVA檢驗(yàn)，得統(tǒng)計(jì)量：F=393.88，P<0.05，即不同年齡組的就診數(shù)量存在統(tǒng)計(jì)學(xué)差異。

1.3.2 不同性別就診情況 表3可以看出男性就診量1 505 449，女性就診量1 325 321，男:女=1:0.88。男性就診量的就診數(shù)量中位數(shù)為20 341，女性病例為17 483(表3)。通過(guò)T檢驗(yàn)得到統(tǒng)計(jì)量T= 2.585，P=0.663，P>0.05，即不同性別的就診數(shù)據(jù)差別沒(méi)有統(tǒng)計(jì)學(xué)意義。

表2 不同年齡就診數(shù)量

表3 不同性別就診統(tǒng)計(jì)

1.3.3 診斷分布 診斷數(shù)據(jù)存在較多自用的編碼和名稱，為了統(tǒng)計(jì)診斷數(shù)據(jù)的差異性，根據(jù)國(guó)際疾病分類ICD-10標(biāo)準(zhǔn)編碼對(duì)診斷數(shù)據(jù)進(jìn)行清洗，通過(guò)T檢驗(yàn)得到統(tǒng)計(jì)量T= 5.935，P=0.000，P<0.05，即不同診斷的就診數(shù)量存在統(tǒng)計(jì)學(xué)差異，通過(guò)Python生成診斷詞云圖(圖1)，排名前10的診斷為高血壓病、糖尿病、腦梗死、心臟病、腹痛、屈光不正、尿毒癥、胃炎、腎移植狀態(tài)、睡眠障礙。

1.3.4 付費(fèi)方式 窗口途徑1 838 029例，自助途徑992 741例，窗口:自助= 1.85:1。窗口途徑的就診數(shù)量中位數(shù)為25 819，自助途徑中位數(shù)為13 743(表4)。通過(guò)T檢驗(yàn)得到統(tǒng)計(jì)量T= 7.068，

圖1 診斷詞云圖

P=0.000，P<0.05，即不同途徑的就診數(shù)量存在統(tǒng)計(jì)學(xué)差異。通過(guò)分析每年就診途徑數(shù)據(jù)發(fā)現(xiàn)隨著信息技術(shù)發(fā)展自助就診的數(shù)量也在逐年增加。

1.3.5 就診科室 按科室就診數(shù)量排名前10的為心血管內(nèi)科、神經(jīng)內(nèi)科、內(nèi)分泌骨質(zhì)疏松與骨病科、急診科、消化內(nèi)科、眼科、骨科、呼吸與危重癥醫(yī)學(xué)科、腎臟內(nèi)科、婦科，通過(guò)T檢驗(yàn)得到統(tǒng)計(jì)量T= 267.315，P=0.000，P<0.05，即不同科室的就診數(shù)量存在統(tǒng)計(jì)學(xué)差異。

1.3.6 就診類別 專家就診579 230例、普通就診1 989 920 例、急診就診169 952例、義診就診79 608例、特需就診12 060例；專家就診數(shù)量中位數(shù)為7 828，普通就診數(shù)量中位數(shù)為25 497，急診就診數(shù)量中位數(shù)為2 286，義診就診數(shù)量中位數(shù)為2 770，特需就診數(shù)量中位數(shù)為102(表5)。采用ANOVA檢驗(yàn)，得統(tǒng)計(jì)量：F=140.83，P<0.05，即不同類別的就診數(shù)量存在統(tǒng)計(jì)學(xué)差異。

表4 不同性別就診數(shù)量統(tǒng)計(jì)

表5 不同性別就診數(shù)量統(tǒng)計(jì)

1.3.7 回歸分析 單因素分析結(jié)果顯示，納入變量中有多個(gè)變量在就診數(shù)量組間存在統(tǒng)計(jì)學(xué)差異，因此需進(jìn)行回歸分析，找出主要影響因素。本研究選用能夠反映變量與就診數(shù)量之間直接影響作用的逐步回歸模型。

1)變量納入。因變量為就診數(shù)量，自變量選取影響因素(表1)。通過(guò)以上分析可知就診數(shù)量呈偏近似正態(tài)分布，對(duì)因變量和自變量進(jìn)行逐步回歸分析。變量入選標(biāo)準(zhǔn)為α=0.05，剔除標(biāo)準(zhǔn)為β=0.10。

2)標(biāo)準(zhǔn)化回歸方程的建立。從圖2中可以看出經(jīng)過(guò)回歸后6個(gè)變量中只進(jìn)入了5個(gè)變量即X2、X3、X4、X5、X6。根據(jù)模型的偏回歸系數(shù)、標(biāo)準(zhǔn)回歸系數(shù)、回歸系數(shù)假設(shè)檢驗(yàn)t值、P值。建立逐步回歸方程如下：

Y=-7.535+5.868X2-6.611X3+3.654X4+0.256X5-0.005X6

圖2 回歸分析結(jié)果

3)回歸方程檢驗(yàn)?；貧w方式檢驗(yàn)結(jié)果為F=25.254，P<0.05，認(rèn)為回歸方程有統(tǒng)計(jì)學(xué)意義。從標(biāo)準(zhǔn)化回歸方程回歸結(jié)果可以看出，影響就診數(shù)量的主要因素從大到小為：途徑、年齡、就診類別、科室、診斷。在控制其它因素的條件下，就診數(shù)量與年齡、就診類別、科室、診斷呈顯著正相關(guān)，就診數(shù)量與途徑呈顯著負(fù)相關(guān)。通過(guò)上面分析可以看出，納入的6個(gè)變量中途徑、年齡、就診類別、科室、診斷5個(gè)變量對(duì)就診數(shù)量存在一定影響，與單因素分析結(jié)果一致。

1.3.8 預(yù)測(cè)模型 選取2016年1月至2021年10月的月門診就診數(shù)量，進(jìn)行統(tǒng)計(jì)預(yù)測(cè)建模及分析。共納入70個(gè)月門診就診數(shù)量作為樣本。根據(jù)數(shù)據(jù)特點(diǎn)可進(jìn)行時(shí)間序列建模。

1)平穩(wěn)性時(shí)序圖檢驗(yàn)。將EXCEL中數(shù)據(jù)導(dǎo)入Eviews軟件中生成時(shí)序圖，從圖3中可以看出門診就診數(shù)量(ghcount)序列是平穩(wěn)的。

圖3 時(shí)序和自相關(guān)性檢驗(yàn)圖

樣本自相關(guān)性檢驗(yàn)。從樣本相關(guān)函數(shù)圖(圖3)可以看到月門診就診數(shù)量(ghcount)的樣本相關(guān)函數(shù)是緩慢的遞減趨于零的，且具有一定。所以，通過(guò)月門診就診數(shù)量(ghcount)的樣本相關(guān)圖，可初步判定該年門診就診數(shù)量(ghcount)時(shí)間序列是平穩(wěn)。

單位根檢驗(yàn)(ADF-Schwarz Info Criterion檢驗(yàn))。對(duì)月門診就診數(shù)量(ghcount)進(jìn)行ADF檢驗(yàn)，結(jié)果顯示在1%的顯著性水平下，單位根統(tǒng)計(jì)量ADF=-4.934 538大于Eviews給出的ADF臨界值-3.476 275(圖4)。所以拒絕原假設(shè)，即月人均就診數(shù)量(ghcount)序列是平穩(wěn)的。

圖4 月門診就診數(shù)量(ghcount)單位根檢驗(yàn)

2)估計(jì)月門診就診數(shù)量統(tǒng)計(jì)預(yù)測(cè)模型。從時(shí)序圖(圖3)可以看出，序列既有長(zhǎng)期趨勢(shì)又有周期性，季節(jié)性因素會(huì)導(dǎo)致統(tǒng)計(jì)數(shù)據(jù)不能客觀反映數(shù)據(jù)變化情況，因此使用Eviews軟件中時(shí)間序列指數(shù)平滑模型exponential smoothing方法對(duì)月門診就診數(shù)量進(jìn)行調(diào)整(圖5)，除掉季節(jié)波動(dòng)因素的影響，可初步建立模型ARIMA(1,0,1)×(1,0,1)12和模型ARIMA(1,0,0)×(0,0,1)12。模型檢驗(yàn)結(jié)果顯示：ARIMA(1,0,0)×(0,0,1)12模型的SAR(12)系數(shù)、C值系數(shù)、MA(1)系數(shù)的T檢驗(yàn)P值大于0.05，不滿足參數(shù)有統(tǒng)計(jì)學(xué)意義要求；模型ARIMA(1,0,1)×(1,0,1)12的SMA(12)系數(shù)、AR(1)系數(shù)的T檢驗(yàn)P值均小于0.05(圖6)，滿足參數(shù)有統(tǒng)計(jì)學(xué)意義要求。

圖5 月門診就診數(shù)量平滑指數(shù)處理

3)模型檢驗(yàn)。對(duì)滿足參數(shù)有統(tǒng)計(jì)學(xué)意義的模型ARIMA(1,0,1)12進(jìn)行殘差檢驗(yàn)，根據(jù)殘差相關(guān)圖可以看出，滯后階數(shù)為10時(shí)，Q統(tǒng)計(jì)量為10.5，P值為0.389，P>0.05(圖7)。因此，可以確定的預(yù)測(cè)模型為ARIMA(1,0,1)12，其表達(dá)式為：

(1-0.966B)▽12▽Xt=(1+0.45B)εt。

圖6 ARIMA(1,0,1)

圖7 ARIMA(1,0,1)殘差檢驗(yàn)

Theil′s inequality coefficients表示Theil不相等系數(shù)，介于0～1之間；數(shù)值越小表明擬合值和真實(shí)值之間的差異越小，預(yù)測(cè)精度越高。covariance proportion 表示協(xié)方差誤，反映殘存非系統(tǒng)預(yù)測(cè)誤差，該誤差占比越大，預(yù)測(cè)效果越好。擬合統(tǒng)計(jì)模型ARIMA(1,0,1)，結(jié)果顯示Theil不相等系數(shù)為0.05，其中協(xié)方差誤為0.969(圖8、圖9)，大于方差誤(0.002 665)，說(shuō)明模型的預(yù)測(cè)結(jié)果較理想，擬合效果良好，提取序列的信息充分，模型精簡(jiǎn)。

圖8 模型預(yù)測(cè)

4)模型預(yù)測(cè)。為檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)誤差，現(xiàn)以2016—2020年數(shù)據(jù)為樣本，對(duì)2021年1—10月進(jìn)行預(yù)測(cè)，并與其真實(shí)值進(jìn)行對(duì)比，計(jì)算預(yù)測(cè)誤差，誤差均值為5.35%(表6)。

圖9 模型擬合

表6 2021年1—10月門診就診數(shù)量預(yù)測(cè)

3 結(jié)論

通過(guò)基于數(shù)據(jù)挖掘的門診輔助知識(shí)決策系統(tǒng)的建立與應(yīng)用，挖掘門診患者在就診時(shí)間上的分布情況，掌握門診患者量高峰時(shí)間段，為醫(yī)院合理安排醫(yī)護(hù)力量和醫(yī)療設(shè)備提供輔助決策支持，減少患者的等待時(shí)間，避免因?yàn)獒t(yī)療資源緊張導(dǎo)致不必要的醫(yī)療糾紛；挖掘季度性的門診患者量增長(zhǎng)及季節(jié)性疾病情況，找出其特定的規(guī)律，為醫(yī)院在次年相應(yīng)季度提前建立應(yīng)對(duì)預(yù)案提供輔助決策支持，以優(yōu)化醫(yī)療設(shè)備，增加相應(yīng)疾病藥品的庫(kù)存量；挖掘門診醫(yī)療數(shù)據(jù)，為醫(yī)院制定最佳的醫(yī)療服務(wù)舉措和最優(yōu)化的醫(yī)療資源配置提供決策支持，改善患者就醫(yī)體驗(yàn)。