發(fā)布時間：2021-01-11 13:51

　　數(shù)據(jù)挖掘通過邏輯回歸、貝葉斯、決策樹模型、人工神經(jīng)網(wǎng)絡(luò)等算法在海量醫(yī)療健康數(shù)據(jù)中挖掘出相關(guān)預(yù)測值或某病/某種情況的概率,以助醫(yī)護人員識別潛在危重患者、評估疾病嚴重程度、預(yù)測病死率等,是有效的疾病管控方法。目前國內(nèi)數(shù)據(jù)挖掘還處于起步階段,需在預(yù)警模型、護理記錄標準化、引進數(shù)據(jù)集管理人員等方面加強建設(shè),使數(shù)據(jù)挖掘用于醫(yī)療護理工作中,預(yù)測病情發(fā)展趨勢,輔助臨床決策,從而維護患者安全。 

【文章來源】：護理學(xué)雜志. 2020,35(11)北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
1 數(shù)據(jù)挖掘及常見算法
    1.1 邏輯回歸
    1.2 貝葉斯
    1.3 決策樹模型
    1.4 隨機森林
    1.5 人工神經(jīng)網(wǎng)絡(luò)
    1.6 支持向量機
2 基于數(shù)據(jù)挖掘算法的病情惡化預(yù)警模型的構(gòu)建及應(yīng)用
    2.1 幫助醫(yī)護人員識別潛在危重患者,減少嚴重不良事件發(fā)生
    2.2 幫助醫(yī)護人員尋找病情惡化的早期預(yù)警指標
    2.3 評估疾病嚴重程度,預(yù)測ICU住院病死率
    2.4 幫助急診醫(yī)護人員進行分流,保證急診運營效率
3 數(shù)據(jù)挖掘技術(shù)應(yīng)用于病情惡化早期識別領(lǐng)域的問題及啟示
    3.1 自身條件限制
        3.1.1 許多預(yù)警模型基于國外人群,外推性較差,未進行臨床應(yīng)用
        3.1.2 某些模型中預(yù)警指標的權(quán)重未知,不能指導(dǎo)提供針對性的護理措施
    3.2 客觀條件限制
        3.2.1 護理記錄未標準化導(dǎo)致數(shù)據(jù)處理困難
        3.2.2 缺乏管理和開發(fā)大型臨床數(shù)據(jù)集的專業(yè)人員
        3.2.3 實時處理和分析數(shù)據(jù)存在缺陷
4 小結(jié)


【參考文獻】：
期刊論文
[1]患者病情分級系統(tǒng)在重癥監(jiān)護室護理工作中應(yīng)用的現(xiàn)況與進展[J]. 阮一鳴,吳騁,賀佳.  解放軍護理雜志. 2019(09)
[2]支持向量機和人工神經(jīng)網(wǎng)絡(luò)在冠狀動脈旁路移植術(shù)后晚期靜脈移植血管病患病風險預(yù)測中的應(yīng)用[J]. 鳳思苑,鞏曉文,崔壯,高靜,李長平,劉媛媛,劉寅,馬駿.  中國衛(wèi)生統(tǒng)計. 2019(04)
[3]基于決策樹的腫瘤患者難免性壓瘡風險預(yù)測模型研究[J]. 楊青,王國蓉,江賓,張含鳳,盧秀英.  護理學(xué)雜志. 2019(13)
[4]隨機森林模型在ICU患者住院死亡風險預(yù)測中的應(yīng)用[J]. 謝俊卿,藺軻,李春曉,孔桂蘭.  中國數(shù)字醫(yī)學(xué). 2017(11)
[5]數(shù)據(jù)挖掘在護理領(lǐng)域中的應(yīng)用進展[J]. 王振容,蔣曉蓮.  中華護理雜志. 2017(10)
[6]建立病情早期預(yù)警工作流程 保障患者安全[J]. 彭伶麗,李映蘭,賀愛蘭,唐紅英,陽建怡,吳英,陳廷寅,李波,陶子榮.  中國護理管理. 2014(12)
[7]關(guān)于貝葉斯[J]. 韓明.  中國統(tǒng)計. 2014(09)
[8]基于貝葉斯方法的ICU患者死亡概率預(yù)測研究[J]. 潘昌霖,何史林,應(yīng)俊,陳廣飛,周丹.  中國數(shù)字醫(yī)學(xué). 2012 (10)
[9]綜合多種數(shù)據(jù)挖掘技術(shù)的糖尿病診斷系統(tǒng)[J]. 王國強,闞紅星,王宗殿.  電腦知識與技術(shù). 2012(23)
[10]國內(nèi)外護理信息化實踐現(xiàn)狀[J]. 許燕.  中國護理管理. 2010(05)

博士論文
[1]隨機森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟貿(mào)易大學(xué) 2014



本文編號：2970884