数据挖掘技术在患者病情识别及管理中的研究进展

发布时间：2021-01-11 13:51

　　数据挖掘通过逻辑回归、贝叶斯、决策树模型、人工神经网络等算法在海量医疗健康数据中挖掘出相关预测值或某病/某种情况的概率,以助医护人员识别潜在危重患者、评估疾病严重程度、预测病死率等,是有效的疾病管控方法。目前国内数据挖掘还处于起步阶段,需在预警模型、护理记录标准化、引进数据集管理人员等方面加强建设,使数据挖掘用于医疗护理工作中,预测病情发展趋势,辅助临床决策,从而维护患者安全。 

【文章来源】：护理学杂志. 2020,35(11)北大核心

【文章页数】：4 页

【文章目录】：
1 数据挖掘及常见算法
    1.1 逻辑回归
    1.2 贝叶斯
    1.3 决策树模型
    1.4 随机森林
    1.5 人工神经网络
    1.6 支持向量机
2 基于数据挖掘算法的病情恶化预警模型的构建及应用
    2.1 帮助医护人员识别潜在危重患者,减少严重不良事件发生
    2.2 帮助医护人员寻找病情恶化的早期预警指标
    2.3 评估疾病严重程度,预测ICU住院病死率
    2.4 帮助急诊医护人员进行分流,保证急诊运营效率
3 数据挖掘技术应用于病情恶化早期识别领域的问题及启示
    3.1 自身条件限制
        3.1.1 许多预警模型基于国外人群,外推性较差,未进行临床应用
        3.1.2 某些模型中预警指标的权重未知,不能指导提供针对性的护理措施
    3.2 客观条件限制
        3.2.1 护理记录未标准化导致数据处理困难
        3.2.2 缺乏管理和开发大型临床数据集的专业人员
        3.2.3 实时处理和分析数据存在缺陷
4 小结


【参考文献】：
期刊论文
[1]患者病情分级系统在重症监护室护理工作中应用的现况与进展[J]. 阮一鸣,吴骋,贺佳.  解放军护理杂志. 2019(09)
[2]支持向量机和人工神经网络在冠状动脉旁路移植术后晚期静脉移植血管病患病风险预测中的应用[J]. 凤思苑,巩晓文,崔壮,高静,李长平,刘媛媛,刘寅,马骏.  中国卫生统计. 2019(04)
[3]基于决策树的肿瘤患者难免性压疮风险预测模型研究[J]. 杨青,王国蓉,江宾,张含凤,卢秀英.  护理学杂志. 2019(13)
[4]随机森林模型在ICU患者住院死亡风险预测中的应用[J]. 谢俊卿,蔺轲,李春晓,孔桂兰.  中国数字医学. 2017(11)
[5]数据挖掘在护理领域中的应用进展[J]. 王振容,蒋晓莲.  中华护理杂志. 2017(10)
[6]建立病情早期预警工作流程 保障患者安全[J]. 彭伶丽,李映兰,贺爱兰,唐红英,阳建怡,吴英,陈廷寅,李波,陶子荣.  中国护理管理. 2014(12)
[7]关于贝叶斯[J]. 韩明.  中国统计. 2014(09)
[8]基于贝叶斯方法的ICU患者死亡概率预测研究[J]. 潘昌霖,何史林,应俊,陈广飞,周丹.  中国数字医学. 2012 (10)
[9]综合多种数据挖掘技术的糖尿病诊断系统[J]. 王国强,阚红星,王宗殿.  电脑知识与技术. 2012(23)
[10]国内外护理信息化实践现状[J]. 许燕.  中国护理管理. 2010(05)

博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014



本文编号：2970884