基于處方數(shù)據(jù)的醫(yī)院藥品需求量的關(guān)聯(lián)性預測方法研究.pdf

1、隨著疾病種類的增多，藥品的供求關(guān)系及流通環(huán)節(jié)越來越復雜，藥品用量驟增或驟減的情況也越來越頻繁，致使醫(yī)院藥品庫存頻繁出現(xiàn)供不應求，或庫存積壓和浪費等現(xiàn)象，因此如何準確地掌握醫(yī)院藥品的需求規(guī)律，從而準確預測藥品的使用量是醫(yī)院管理者迫切需要解決的現(xiàn)實問題。另一方面，隨著醫(yī)院管理信息化的深入發(fā)展，積累了大量的醫(yī)院藥品出庫和使用數(shù)據(jù)，這些數(shù)據(jù)以病理為依據(jù)，以處方的形式反映了病人的病況、醫(yī)生的用藥習慣、開具的藥品品種、數(shù)量及藥品之間的相互關(guān)系。如何

2、充分利用這些歷史數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)，發(fā)現(xiàn)藥品配伍及用量之間的知識、規(guī)律和模式，基于這些模式和知識進行藥品需求量的預測，特別是基于用藥關(guān)聯(lián)性的醫(yī)院藥品需求量預測，已經(jīng)成為醫(yī)院管理者面臨的難題，也是管理者普遍關(guān)注的研究熱點。本課題正是在這一背景下提出的，它是是將需求量分析從單純的時序分析邁向結(jié)合了藥品內(nèi)在關(guān)聯(lián)分析的因果預測的大膽嘗試。
　　本文應用數(shù)據(jù)挖掘技術(shù)，從藥品出庫數(shù)據(jù)的時序性和藥品藥理的關(guān)聯(lián)性兩個角度出發(fā)，通過對大連某三級

3、甲等醫(yī)院的實地調(diào)研所獲得的數(shù)據(jù)進行分析和建模來預測藥品的需求量，具體研究內(nèi)容包括以下幾個方面:
　　首先，在熟悉藥品需求量預測問題研究方法的文獻綜述基礎(chǔ)上，從提取樣本潛在時序性信息的角度，以求和自回歸移動平均(ARIMA)模型為基礎(chǔ)，同時考慮到ARIMA模型在非線性特征上的不足以及BP神經(jīng)網(wǎng)絡模型優(yōu)秀的非線性關(guān)系學習能力，構(gòu)建了引入組合思想的ARIMA-BP神經(jīng)網(wǎng)絡預測模型，并通過實例測試驗證模型的實用性;
　　然后，從提取

4、樣本潛在關(guān)聯(lián)性信息的角度，考慮影響目標藥品出庫規(guī)律的因素，如醫(yī)生用藥習慣、藥品的藥理性質(zhì)的影響，構(gòu)建因果關(guān)系預測模型。為完成這一工作，首先從藥品的處方數(shù)據(jù)著手，應用數(shù)據(jù)挖掘技術(shù)Apriori算法分析藥品出庫規(guī)律之間的關(guān)聯(lián)性，旨在為后續(xù)的因果關(guān)系預測模型提供基礎(chǔ)數(shù)據(jù);然后以BP神經(jīng)網(wǎng)絡模型為基礎(chǔ)，引入遺傳算法對BP神經(jīng)網(wǎng)絡模型的初始權(quán)值和閥值進行優(yōu)化，構(gòu)建GA-BP神經(jīng)網(wǎng)絡預測模型，并通過實例測試驗證模型的實用性;
　　最后，從同時