报告例数按年份、月份、地区、年龄、性别、职业、疾病病种进行分项统计;图1、图2中分别显示了2011年~2014年传染病报告例数的逐月分析和按病种分析。
3.1.2 高血压统计 根据系统对已进行登记管理的高血压人群相应地区、年龄、性别的统计分析,我们可以对高血压病的易感人群开展重点防控。见图3。
3.1.3门急诊分析 门急诊统计可以对宁波市属各医疗机构及全市总门急诊量进行逐月统计。见图4。
3.2 数据预测
3.2.1 算法介绍 数据预测采用了移动平均算法,移动平均法是用一组最近的实际数据值来预测未来一期或几期内数据的一种常用方法。移动平均法适用于即期预测、能有效地消除预测中的随机波动。
移动平均法是一种简单平滑预测技术,它的基本思想是:根据时间序列资料、逐项推移,依次计算包含一定项数的序时平均值,以反映长期趋势的方法。因此,当时间序列的数值由于受周期变动和随机波动的影响,起伏较大,不易显示出事件的发展趋势时,使用移动平均法可以消除这些因素的影响,显示出事件的发展方向与趋势(即趋势线),然后依趋势线分析预测序列的长期趋势[2-3]。
移动平均法可以分为:简单移动平均和加权移动平均,系统采用的是简单移动平均算法。简单移动平均的各元素的权重都相等。简单的移动平均的计算公式如下:
Ft=(At-1+At-2+At-3+…+At-n)/n
在此公式中,oFt表示对下一期的预测值;on表示移动平均的时期个数;oAt-1表示前期实际值;oAt-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。
3.2.2 预测效果
3.2.2.1传染病预测 根据2011年1月~2014年12月这一段时间的传染病数据,运用移动平均算法对数据进行处理,预测2015年度宁波市传染病发病数量预测,见图5。
3.2.2.2 门急诊预测 在宁波市某医院2014年门急诊量数据的基础上,运用移动平均算法对2015年该院的门急诊量进行预测,图6为2014年该医院的门急诊量统计,预测结果见图7。
4 讨论
该数据挖掘系统有效地利用了区域卫生信息平台中的海量数据,采用海量检索、人工智能和统计学等方法对宁波地区传染病、慢性病中涉及的循证医学统计指标进行分析,对医院门急诊量进行预测,有助于宁波地区医疗管理用户更加合理、有效地配置卫生资源及配套设施,为各项医疗计划的制定,及决策的实施提供可靠的理论依据。随着科技的进步,数据挖掘技术在疾病诊疗、药物应用,及医疗决策支持中的挖掘应用范围会越来越广,数据挖掘分析平台将衍生出更多面向具体问题的分析子平台,从而能够更好的为疾病诊疗带来保障。
参考文献:
[1] 孙向东,黄晓琴,朱春伦,等. 基于循证医学的海量医学数据挖掘分析方法研究[J]. 医学信息学杂志,2015,(3):11-16.
[2]邱宏,陈静. 移动平均趋势法在医院门诊量动态分析中的应用[J].宁夏医学杂志,2012,34(9):932-934.
[3]陈辉,周雄辉,朱燕,等. 移动平均季节指数法在预测门诊量和出院人数中的运用[J]. 中国卫生统计,2012,29(2):312.编辑/金昊天