跳到主要內容

臺灣博碩士論文加值系統

(44.222.218.145) 您好!臺灣時間:2024/03/04 00:17
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:蔡美秋
研究生(外文):Mei-Chiu Tsai
論文名稱:以貝氏網路建構臨床路徑:論病例計酬VS非論病例計酬
論文名稱(外文):Using the Bayesian Network to Establish Clinical Path:The Case Payment V.S. Non-Case Payment
指導教授:方國定方國定引用關係
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:資訊管理系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:91
中文關鍵詞:貝氏網路資料探勘臨床路徑
外文關鍵詞:Clinical PathBayesian NetworkData Mining
相關次數:
  • 被引用被引用:2
  • 點閱點閱:319
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:3
健保自1995年3月開辦至今已屆滿十年,但隨著民眾浮濫就醫及醫療院所不斷提供非必要的醫療服務而形成醫療浪費,使得醫療費用急遽上昇。為了因應台灣醫療經費入不敷出的窘境,健保局逐步更改健保支付制度,使得醫療生態環境愈來愈嚴苛。面對如此嚴苛的醫療生態環境,許多醫院紛紛引進各種管理策略來提昇醫療品質,控制醫療費用,而臨床路徑即為近年來各大醫院相繼推行的因應之道。但現階段臨床路徑制訂方法是以人力協商方式持續重複循環,以找出適合的醫療模式,而這種以人力協商、分類的方式,不但耗費人力,且不符合效益。

資料探勘是近年來相當熱門的資訊科技,目前已被廣泛應用在企業營運管理上,而在醫療領域的應用也逐漸受到重視。因此,本研究之目的即是希望以資料探勘的技術替代人工分類,以縮短臨床路徑制定的時間,並藉由擴大臨床路徑的實施來降低醫療成本,提高醫療品質,以及協助醫院管理醫療浪費。而將本研究所建構出的臨床路徑與醫師的醫療行為模式相比較,可發現及分析其中的差異,期望能幫助醫師調整自我醫療行為,進一步達到降低醫療成本的目的。

  本研究將資料探勘中的貝氏網路技術應用於醫院的資料庫中,選取「論病例計酬」及「非論病例計酬」之疾病種類案件各一種,建構其臨床路徑。「論病例計酬」選取「剖腹生產」案件,將發展出的臨床路徑與健保局的給付項目及醫院後來推行的臨床路徑相比較,以評估其準確性;「非論病例計酬」選取「胃潰瘍出血」案件,將發展出的臨床路徑分別請三位醫師確認及評估其正確性。
Given the medical institution continuously provided unnecessary services and medical resources waste during the past decade, the Bureau of National Health Insurance changed the paying system to resolve the poor situation of the Taiwan medical treatment budget cash crises. Meanwhile, to face the NHI decreased payment policy, many hospitals adopted various management strategies to promote their medical treatment quality, and control their medical treatment expenses.

The main purpose of this research was to use the Data Mining method, in terms of Bayesian Network Technique, instead of human subjective classification to shorten the time of establishing Clinical Path. Two categories of diseases were chosen, one was "Case payment" associated with "Caesarean Section", the other "Non- Case Payment" in terms of "Stomach Ulcer Bleeding". The clinical path of "Case payment" was compared with the difference between the Clinical Path, established by this research, and that of the payment items of Health Insurance Bureau. For the “Non-Case Payment”, the result was revealed to three doctors to evaluate and confirm the accuracy of the Clinical Path that established by this study.

It is hope that the result of this study could provide valuable information to doctors to adjust their medical treatment behavior, and to reach the purpose of reducing the medical treatment cost in the future.
中文摘要
英文摘要
誌謝
目錄
表目錄
圖目錄
第一章 緒論
第一節 研究背景
第二節 研究動機
第三節 研究目的
第四節 名詞解釋
第五節 論文架構
第二章 文獻探討
第一節 臨床路徑
一.臨床路徑的起源
二.臨床路徑的定義
三.建立臨床路徑的過程
四.實施臨床路徑的優點
第二節 資料探勘
一.資料庫知識發掘(KDD)與資料探勘(DM)的定義
二.資料探勘的發展沿革
三.資料探勘的任務
四.資料探勘的技術
五.資料探勘的應用
第三節 貝氏網路
一.貝氏網路理論基礎
二.貝氏網路的建構與學習
三.貝氏網路本身具有的特性及優勢
四.貝氏網路推論
五.可信機率傳遞方法
六.貝氏網路四種基本網路型態
第三章 研究設計與方法
第一節 研究流程
第二節 研究範圍
第三節 研究限制
第四節 研究方法
一.使用工具介紹
二.貝氏網路建構步驟
第四章 研究結果與分析
第一節「論病例計酬」案件-「剖腹生產」
一.研究結果
二.研究結果比較與分析
第二節「非論病例計酬」案件-「胃潰瘍出血」
一.研究結果
二.研究結果比較與分析
第五章 結綸
第一節 結論
一.「論病例計酬」案件-「剖腹生產」
二.「非論病例計酬」案件-「胃潰瘍出血」
第二節 未來研究方向建議
一.資料本身的限制
二.藥品的資料處理
三.醫療制度
四.未來的努力方向
參考文獻
附錄


表目錄
表2-1 各醫院所使用之臨床路徑相似詞
表2-2 國內外實施臨床路徑之實施模式及其推行成效
表2-3 資料探勘的演進過程
表2-4 各學者提出的功能分類表
表2-5 資料探勘技術比較表
表2-6 資料探勘於醫療業之相關研究
表2-7 貝氏網路的相關問題
表3-1 原始資料型態
表3-2 經過整理轉換後之資料型態
表3-3 處置代碼內容對照表
表3-4 院代處置碼轉換為健保碼範例
表3-5 剖腹產處置代碼加上第幾天開立識別碼範例
表3-6 胃潰瘍出血處置代碼加上第幾次開立識別碼範例
表3-7 胃潰瘍出血處置代碼加上第幾天開立識別碼範例
表4-1 「剖腹產」藥品臨床路徑
表4-2 「剖腹產」藥品處置代碼說明
表4-3 「剖腹產」檢查臨床路徑
表4-4 「剖腹產」檢查處置代碼說明
表4-5 「剖腹產」治療臨床路徑
表4-6 「剖腹產」治療處置代碼說明
表4-7 以80%為基準點的「剖腹產」臨床路徑
表4-8 以70%為基準點的「剖腹產」臨床路徑
表4-9 以60%為基準點的「剖腹產」臨床路徑
表4-10 本研究臨床路徑檢查內容與標準臨床路徑檢查內容對照表
表4-11處置代碼A030974100(制酸劑)使用頻率
表4-12 南部某區域教學醫院剖腹產臨床路徑標準表
表4-13 處置代碼39004(大量液體點滴注射)使用頻率
表4-14 處置代碼48012C(換藥) 使用頻率
表4-15 健保局對「剖腹生產」診療項目要求表
表4-16 「胃潰瘍出血」藥品臨床路徑
表4-17 「胃潰瘍出血」藥品代碼說明
表4-18 「胃潰瘍出血」檢查臨床路徑
表4-19 「胃潰瘍出血」檢查代碼說明
表4-20 「胃潰瘍出血」治療臨床路徑
表4-21 「胃潰瘍出血」治療處置代碼說明
表4-22 以60%為基準點的「胃潰瘍出血」臨床路徑
表4-23 修正後之「胃潰瘍出血」臨床路徑



圖目錄
圖2-1 資料庫知識發掘(KDD)的流程
圖2-2 貝氏網路結構
圖2-3 機率樣本空間
圖2-4 前導與後果之意義
圖2-5 訊息在貝氏綱路上的傳遞情形
圖2-6 貝式網路的基本型態
圖2-7 有向訊息在鍵型網路上的傳遞情形
圖2-8 樹型網路訊息傳遞情形
圖2-9 複樹型網路訊息傳遞情形
圖2-10 (a)環形網路 (b)樹狀網路
圖3-1 本研究之研究流程圖
圖3-2 貝氏網路建立步驟
圖3-3 Hugin Lite(.net)的資料格式
圖3-4 貝氏網路圖
圖3-5 利用Hugin Lite 5.4預測醫療項目
圖3-6 節點關係
圖4-1 「剖腹產」藥品訓練資料來源
圖4-2 「剖腹產」藥品貝氏網路圖
圖4-3 「剖腹產」檢查訓練資料來源
圖4-4 「剖腹產」檢查貝氏網路圖
圖4-5 「剖腹產」治療訓練資料來源
圖4-6 「剖腹產」治療貝氏網路圖
圖4-7 「胃潰瘍出血」藥品訓練資料來源
圖4-8 「胃潰瘍出血」藥品貝氏網路圖
圖4-9 「胃潰瘍出血」檢查訓練資料來源
圖4-10 「胃潰瘍出血」檢查貝氏網路圖
圖4-11 「胃潰瘍出血」治療訓練資料來源
圖4-12 「胃潰瘍出血」治療貝氏網路圖
參考文獻
中文部分:
[1]史光榮、黃世杰、林矩民,「整合間隙統計法與碎形理論之K-means演算法」,國立成功大學電機系,2002。
[2]朱樹勳(2000):臨床路徑-理論與實務。翰蘆圖書出版公司,台北。9-16。
[3]吳昭新、李友專、邱文達、莊逸洲、郭旭崧、唐大鈿、劉建財、劉立、徐建業、邱泓文、顏志展、龍安靖、范碧玉、林秀真、萬序恬、王高倫、許明暉、賴燕賢、張慧朗(2002),醫療資訊管理學,台北:偉華。
[4]周歆凱,「利用『資料探勘技術』探討急診高資源耗用者之特性」,碩士論文,國立臺灣大學醫療機構管理研究所,2004。
[5]高淑珍,「應用資料探勘於顧客回應模式之研究─以國內A壽險公司為例」,博士論文,國立成功大學企業管理學系,2004。
[6]莊莉瑩,「資料挖掘機制在臨床路徑之應用」,碩士論文,東海大學工業工程學系,2001。
[7]莊逸洲,「前瞻性支付制度之醫療管理模式建立與實證」,碩士論文,中國醫藥學院醫務管理學研究所,1994。
[8]許世欣,「論病例計酬分類決策支援系統之建構」,碩士論文,私立中國醫藥學院醫務管理研究所,1999。
[9]陳盈妙,「利用資料探勘於勞工退休準備金資料模式之研究」,碩士論文,銘傳大學資訊管理研究所,2004。
[10]陳美樺、黃政統、彭秀蓉、林宏隆,「個人化產品資訊推薦系統」,第十三屆國際資訊管理學術研討會,真理大學資訊管理學系,2002。
[11]鍾碧姮,「資料探勘應用於銀行業信用卡持卡者、帳戶區隔與零售業酒品交叉銷售之探勘研究」,碩士論文,銘傳大學管理科學研究所,2003。
[12]陳祐凡,「針對線上學習的適性化導航模型」,碩士論文,淡江大學,資訊工程學系,2003。
[13]曾新穆、李建億譯(2003),Richard J. Roiger, Michael W. Geatz.著,「資料探勘」,台灣培生教育出版股份有限公司,2003 年。
[14]黃仁貴,「以叢集分析技術探討病患就診屬性與看診時間之關係」,碩士論文,台北醫學院醫學資訊研究所,2002。
[15]楊志良(1998),健康保險,巨流圖書公司,高雄(P72-85)。
[16]楊樹昌,蘇喜(1995):臨床路徑(Clinical Paths)介紹。醫療品質:28(5)20-31
[17]潘德樑,「臨床路徑使用於論病例計酬案件之差異分析-以腹腔鏡子宮切除術為例」,碩士論文,義守大學管理研究所,2003。
[18]蔡易達,「運用貝氏網路建立台灣地區高風險上市公司之偵測模型」,碩士論文,元智大學資訊管理研究所,2000。
[19]蘇俊和,「貝氏網路的建構與學習機制之研究--以航太產業績效管理為例」,碩士論文,東海大學,工業工程學系,2002。
[20]蘇祐萱,「貝氏網路於輔助盈餘預估分析之研究」,碩士論文,元智大學,資訊管理研究所,2000。

英文部分:
[1]Bayes, T.,1763 ”An Essay Toward Solving A Problem in the Doctrine Of   Chances”, Phil. Trans. 3:370-418, Reproduced in two papers by Bayes, ed.W.E. Deming, Hafner, New York.
[2]Berry, M.J.A. & Linoff, G., 1997, Data Mining Techniques: for Marking, Sales, and Customer Support, New York, John Wiley&Sons Inc..
[3]Berson, A., Smith, S. & Thearling, K., 2001, Building Data Mining Application for CRM, New York, McGraw-Hill Inc..
[4]Chang ,P.L., Huang, S.T., Hsieh, M.L., Wang, T.M., Chen, J.I., Kuo, H.H., Chuang Y.C., & Chang, C.H.,1997. Use of the transurethral prostatectomy clinical path to monitor health outcomes. J Urol, 157, 177-183.
[5]Cheng J., Bell D., Liu W.,1998, Learning Bayesian Networks from Data: An Efficient Approach Based on Information Theory, Technical Report, University of Alberta.
[6]Chinn, P. F., 、Kong, P. C., & Kamhon, K. 1998, “The design of payment systems for physicians under global budget-an experimental study,” Journal of Economic Behavior & Organization, Vol.34, pp.295-311.
[7]Cooper G.F., Herskovits E.,A,1992, Bayesian Method for the induction of probabilistic networks from data, Machine Learning, 9, 309-347.
[8]Cooper, G. F., 1984,”NESTOR:A Computer-Based Medical Diagnostic That  Integrates Causal and Probabilistic Knowledge”, Technical Report HPP-84-48,Stanford University, Stanford, California.
[9]Enrique, C., Jose, M.G., and Ali S.H., (1997)Expert Systems and Probabilistic Network Models, Springer-Verlag, New York.
[10]Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P. & Uthurusamy, R.,1996, Advances in knowledge discovery and data mining, Menlo Park, CA: AAAI Press.
[11]Heckerman D.,1996b,A Toturial on Learning With Bayesian Network. Technical Report MSR-TR-95-06, Microsoft Corporation, Redmond, USA .
[12]Heckerman D., Geiger D. & Chickering D.M.,1994, Learning Bayesian networks: the combination of knowledge and statistical data, Technical Report SR-TR-94-09, Microsoft Research. To appear, Machine Learning Journal.
[13]Herskovits E., 1991, Computer-based probabilistic network construction, Doctoral dissertation, Medical information sciences, Stanford University, Stanford, CA .
[14]Horowitzs, J.,1967. CPM and PERT – An overview. Critical Path Schedualing. Columbia Broadcating system, Inc.
[15]Hussein, A. T.,1995, Evaluating the effectiveness of case management plans. Journal of Nursing Administration, 25(9), 58-63.
[16]Jensen F. V., Lauritzen S. L.& Olesen K. G.,1990, Bayesian Updating in Causal  Probabilistic Networks by Local Computations. Computational Statistics Quarterly;4:269-282
[17]Krause P. J., 1998, Learning probabilistic netowrk. Technical Report, Philips esearch Laboratories.
[18]Lam W., Bacchus, F., 1994, Learning Bayesian belief networks: An approach based on the MDL principle, Computational Intelligence. Vol 10:4.
[19]Lauritzen, S. L. & Spiegelhalter D. J., 1988, ”Local Computations with  Probabilities on Graphical Structure and their Application to Expert  Systems”, Royal Statistical Society, pp.415-433.
[20]Lauritzen,S., Thiesson,B. & Spiegelhalter, D.,1994 ,Diagnostic systems created by model selection methods:A case study, In Cheeseman, P. and Oldford,R., editors, AI and Statistics IV, volume Lecture Notes in Statics,89,pages 143-152. SpringerVerlag, New York.
[21]M.S. Chen, J. Han & P.S. Yu, 1996, “Data Mining: An overview from a database perspective,” IEEE Transactions on Knowledge and Data Engineering ,Vol. 8, No. 6, pp.866-883.
[22]Muluk,S.C., Painter, L. & Sile, S., 1997 Utility of Clinical Pathway and Prospective Case Management to Achieve Cost and Hospital stay Reduction for Aortic Aneurysm Surgery at a Tertiary Care Hospital. Journal of Vascular Surgery. 25(1):84-93.
[23]Peacock, P.R.,1998,“Data Mining in Marketing:Part1,” Marketing Management, Vol. 6, No. 4, pp. 8-18.
[24]Pearl , J.,1988,Probabilistic Reasoning in Intelligent Systems:Networks of Plausible Inference,Morgan Kaufmann,California.
[25]Quinlan, J. R.,1993, C4.5: Programs for machine learning, San Mateo:Morgan Kaufmann.
[26]Ramoni M., Sebastiani P., 1996, Robust learning with missing data, Technical report, KMI-TR-28.
[27]Shachter, R., 1988, Probabilistic inference and inference diagrams. Operations Research, 36: 589-604.
[28]Shachter, R.D.,1986,“Intelligent probabilistic inference”, Uncertainty in Artificial Intelligence (North Holland Amsterdam), pp.371-382.
[29]Spirtes P., Glymour C., Scheines R., 1991, An algorithm for fast recovery of sparse causal graphs, Social Science Computer Review, 9, 62-72.
[30]Stephenson T. A., 2000,An Introduction to Bayesian Network Theory and Usage.  IDIAPRR 00-03.
[31]Suzuki J., 1996, Learning Bayesian belief networks based on the MDL principle: An efficient algorithm using the branch and bound technique, Proceedings of the international conference on machine learning, Bari, Italy.
[32]Steven D. et al. Critical Pathway as a strategy for improve care :Problems and Potential. Annal Internal Medicine 1995;123:941-945.

網址部分:
[1] 中央健康保險局網站94/4/6(http://www.nhi.gov.tw/01intro/intro_1.htm)
[2] Belief Network PowerConstructor(http://www.cs.ualberta.ca/~jcheng/bnpc.htm)
[3] HUGIN EXPERT – Hugin(http://www.hugin.com)
[4] Netica Bayesian Network Software from Norsys(http://www.norsys.com/)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 15. 張森富:〈六朝文論中之原道問題〉,光武學報,20期,民國84.05,頁45-60。
2. 14. 馬積高:〈論賦與駢文〉,新亞學術集刊,13期,民國83,頁153-161。
3. 13. 王力堅:〈論六朝詩歌與駢文的關係〉,中國國學,23期,民國84.11,頁111-122。
4. 12. 程南洲:〈試析陸機「文賦」的文學理論與文體分類〉,中國語文,74卷4期(442期),民國83.04,頁43-47。
5. 11. 陳貞吟:〈陸機「文賦」的創作觀念〉,筧橋學報,1期,民國83.11,頁209-221。
6. 10. 胡詠超:〈晉詩輕綺辯--兼論陸機詩:慷慨任氣〉,能仁學報,3期,民國83.08,頁349-362。
7. 9. 李慕如:〈魏晉玄學與六朝文論--六朝文學理論中之玄學思想〉,屏東師院學報,7期,民國83.06,頁145-193。
8. 8. 張森富:〈莊子技藝說與陸機文賦之比較〉,中國國學,21期,民國82.11,頁191-202。
9. 7. 陳莉玲:〈陸機仕晉及其官宦生涯〉,問學集,3期,民國82.05,頁19-24。
10. 6. 鄭毓瑜:〈六朝文學審美論探究〉,中外文學,21卷5期(245期),民國81.10,頁77-125。
11. 5. 林文月:〈潘岳陸機詩中的「南方」意識〉,臺大中文學報,5期,民國81.06,頁81-118。
12. 4. 黃亦真:〈風花雪月六朝賦〉,古今藝文,18卷1期,民國80.11,頁39-42。
13. 2. 李隆獻:〈《劉子》作者問題再探〉,臺大中文學報,第2期,民國77.11,頁305-340。
14. 3. 余淑瑛:〈六朝散筆之研究〉,國立臺灣師範大學國文研究所集刊,36期,民國81.05,頁695-832。
15. 16. 王力堅:〈西晉詩人--張協、陸機對藝術形式美的追求〉,中國文化月刊,197期,民國85.03,頁81-90。