臨床序列異常檢測模型.pdf

1、醫(yī)療保險作為社會保障制度的一部分，在保障全體勞動者健康方面發(fā)揮了主要的作用。與此同時，醫(yī)療保險的欺詐和違規(guī)現象日益增長，導致醫(yī)療資源的浪費。因此，從臨床診療過程中發(fā)現臨床不合理現象，對預防違規(guī)和欺詐行為，完善醫(yī)療保險監(jiān)督體制、為監(jiān)督工作提供執(zhí)法依據，以及最大程度地減少醫(yī)療保險基金的流失有著十分重要的現實意義。 結合課題研究背景及國內外研究現狀，本文利用數據挖掘技術挖掘出醫(yī)療保險數據中的臨床序列相似性關系，并以此為基礎，構建臨床序

2、列異常檢測模型，發(fā)現隱含的不合法臨床行為。本文的主要工作如下： 1、分析了臨床序列存在順序和并列時序關系以及具有持續(xù)性、間隔性的特點，提出了基于編輯距離的臨床序列相似關系挖掘算法。其中使用打分模型和罰分模型計算序列間的距離，采用Needleman—Wunsch算法得到臨床序列間的最小相似度；引入順序掃描和滑動窗口技術進行子序列匹配。 2、在匹配臨床事件時，針對臨床用藥事件是根據其藥理效應在臨床上的表現影響著臨床治療過程的

3、特點，借鑒SimRank算法思想，通過對藥效的關系分析，挖掘用藥事件的相似度，并對SimRank算法進行了擴展，設計并實現了藥品效—效相似度挖掘算法。 3、以臨床序列相似關系挖掘算法為基礎，抽取出臨床序列中的頻繁行為和非頻繁行為；對頻繁行為進行數據轉換，構造出臨床序列的特征空間，根據特征空間中頻繁模式在臨床序列中的時序構建Markov模型(頻繁行為規(guī)則庫)；對非頻繁行為進行歸一化，利用聚類算法建立非頻繁行為分類器(非頻繁模式規(guī)則