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(cuò)藥等,會影響患者的治療效率,甚至造成嚴(yán)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(cuò)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(kuò)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(gè)新的處方,該方法都能夠判斷其診斷和用藥是否匹配,進(jìn)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(yīng)用,不僅可以在醫(yī)療領(lǐng)域中使用,以檢測異常處方,還可以在其他領(lǐng)域中使用,以檢測其他特征之間的匹配關(guān)系異常。該方法已經(jīng)得到了實(shí)現(xiàn),并在真實(shí)的處方數(shù)據(jù)集中得到了驗(yàn)證。 

【文章來源】：計(jì)算機(jī)科學(xué)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(gè)診斷特征集合和一個(gè)用藥特征集合，將該數(shù)據(jù)集作為訓(xùn)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(guān)聯(lián)關(guān)系的K個(gè)主題。每個(gè)主題包含兩個(gè)主題-特征分布，分別對應(yīng)該主題在用藥特征上的多項(xiàng)分布以及在診斷特征上的多項(xiàng)分布。圖2展示了從醫(yī)療保險(xiǎn)數(shù)據(jù)中抽取的一個(gè)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(gè)與該主題最相關(guān)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(yīng)用的降壓類藥物；而診斷特征的第一位編碼i63則對應(yīng)腦梗死疾病�？梢娫撝黝}和高血壓引起的腦部血管疾病高度相關(guān)。由此可見，診斷特征和用藥特征的關(guān)聯(lián)關(guān)系通過主題得到了保留。主題個(gè)數(shù)K的選擇和數(shù)據(jù)集信息量的豐富程度相關(guān)，將會通過后續(xù)的實(shí)驗(yàn)說明如何選擇K值。3.2.2 數(shù)據(jù)推斷


本文編號：2994542