異常處方指的是醫(yī)生為患者所開具的存在異常的處方。醫(yī)療處方中出現(xiàn)異常,如濫用藥或者開錯藥等,會影響患者的治療效率,甚至造成嚴重的后果。由于一些主觀或者客觀原因,醫(yī)生總會開具一些異常處方。檢測出這些異常處方能夠提升患者就醫(yī)效率,減少社會醫(yī)療成本,并且對藥物濫用、多開藥、錯開藥的有效管理等都有著重要意義。為此,提出了一種基于擴展主題模型的異常處方檢測方法。該方法能夠自動地從大量處方數(shù)據(jù)中檢測出異常處方,并且對于每一個新的處方,該方法都能夠判斷其診斷和用藥是否匹配,進而判斷其是否正常。與其他異常檢測算法相比,該方法具有更廣泛的應用,不僅可以在醫(yī)療領域中使用,以檢測異常處方,還可以在其他領域中使用,以檢測其他特征之間的匹配關系異常。該方法已經得到了實現(xiàn),并在真實的處方數(shù)據(jù)集中得到了驗證。 

【文章來源】：計算機科學與探索. 2020,14(01)北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

MV-LDA概率圖模型

處方數(shù)據(jù)集中每條數(shù)據(jù)都包含一個診斷特征集合和一個用藥特征集合，將該數(shù)據(jù)集作為訓練數(shù)據(jù)作為MV-LDA的輸入，即可得到保留了診斷和用藥之間關聯(lián)關系的K個主題。每個主題包含兩個主題-特征分布，分別對應該主題在用藥特征上的多項分布以及在診斷特征上的多項分布。圖2展示了從醫(yī)療保險數(shù)據(jù)中抽取的一個主題（主題1）的示例。依據(jù)主題-特征分布中概率值的高低，圖中展示了三個與該主題最相關的藥品和ICD編碼。藥品中排在第一位的卡托普利是一種廣泛應用的降壓類藥物；而診斷特征的第一位編碼i63則對應腦梗死疾病。可見該主題和高血壓引起的腦部血管疾病高度相關。由此可見，診斷特征和用藥特征的關聯(lián)關系通過主題得到了保留。主題個數(shù)K的選擇和數(shù)據(jù)集信息量的豐富程度相關，將會通過后續(xù)的實驗說明如何選擇K值。3.2.2 數(shù)據(jù)推斷


本文編號：2994542