跳到主要內容

臺灣博碩士論文加值系統

(44.200.169.3) 您好!臺灣時間:2022/12/01 02:21
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

: 
twitterline
研究生:鄒淑英
研究生(外文):Shu-Ying Chou
論文名稱:利用資料探勘技術探討超長天住院病人之相關屬性
論文名稱(外文):ASSOCIATED FEATURES OF LONG-STAY PATIENTS USING DATA MINING TECHNIQUES
指導教授:詹前隆詹前隆引用關係
指導教授(外文):Chien-Lung Chan
學位類別:碩士
校院名稱:元智大學
系所名稱:資訊管理學系
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:81
中文關鍵詞:中央健保局超長天住院資料探勘
外文關鍵詞:Bureau of National Health InsuranceLong-stay patientsData mining
相關次數:
  • 被引用被引用:13
  • 點閱點閱:560
  • 評分評分:
  • 下載下載:9
  • 收藏至我的研究室書目清單書目收藏:7
中央健保局從民國91年總額制度實施以來,長久努力的目標:就是在不浪費醫療資源情況下,如何提升病人的醫療服務品質。從國外健保總額制度看來,似乎都面臨相同的課題。目前,該局針對各項醫療資源浪費的監測,均訂有明確的分析指標,並定期評估每項醫療服務品質指標的執行情形。從分析結果發現每季監測指標均有明顯的改善,抑或小幅改善,但其中有關「三十日以上超長住院率」,卻從未有明顯下降情形,明知長期住院病人對整體醫療資源是一項很龐大的支出,但卻無法有效地控制其成長率。本研究為能充份了解有關超長天住院病人之特質及就醫屬性,希望藉由「資料探勘」的技術,從超長天住院病人個案中,分析出超長住院所潛在之相關「屬性」及其「關聯性」,突顯出隱藏其間的問題。研究流程分為兩階段;第一階段為一般統計分析,期望找出有意義的變項;第二階段為資料探勘分析方法,將一般統計分析之結果與實際探勘之結果相互比較,以找出較具說服力之模式。一般統計分析架構中,自變項代表住院病患特質,包含病患屬性及就醫屬性。應變項代表住院病患住院醫療資源之耗用。控制變項代表病患住院期間住院日數分析包括小於等於120日與大於120日。本研究驗證了資料探勘技術與一般傳統統計分析結果相似,並發現資料探勘工具確實能夠挖掘出潛在之特性組合,對於異常資料之稽核也有極大的效用,分析超長天住院病患中潛在之醫療資源高耗用族群,不但可快速並視覺化出這些高危險群病患,更可由關聯規則中歸納出超長天住院病患之關聯性,可強化健保多元管理與審核的品質及時效。
With the measures of the global budget system in 2002, the Bureau of National Health Insurance (BNHI) permanently strives how to improve the medical service quality of the patients without squandering on medical resources. Considering from the global budget systems of overseas Health Insurance, the same issue came out a challenge to be dealt with. Currently, the BNHI has classified the explicit analysis indicators according to the monitor of all kinds of medical resource and periodically evaluates the measures condition of medical service quality. Based on the analysis, they can obviously find out somewhat improvement from the season monitor indicators while there was hardly decreasing of resident rate of the over-30-day for the long-stay-patient. The BNHI should know well the long-stay-patient would result in the enormous expenditure on the whole medical resources, but it was far from to effectively control its growing rate. In this thesis, we try to learn the characteristics and the medical-behavior properties of the long-stay-patient as well as the implicit properties and correlation of the patients from the long-stay cases with the techniques of data mining. The research procedure contains two stages. The first is the general statistic analysis in which the wanted meaningful variables would be set up. The second is the data mining analysis in which the results from the general statistic analysis would compare with that from data mining to search for proper operation-model. In the case of the general analysis, the independent variables represent the properties of patients resident in hospital, including patients and medical-behavior properties. The dependent variables represent the medical costs of patients resident in hospital. The control variables represent if the patients have combined diseases in the hospital around the day count less than or equal to 120 and more than 120. The experiments outcomes not only can verify the resemblance resulting from both the techniques of data mining and the general statistic analysis, but indeed can find out their implicit characteristic as well as provide great effectiveness on the check of abnormal data with the data mining tools. The analysis on the potential for high cost on medical resources from the long-stay-patient groups not only can fast visualize out those groups of high risk, but can induce out the correlation among the long-stay-patient from the correlation rules and accordingly enhance the multi-management, assessment quality and time effectiveness of the health insurance.
書名頁 i
論文口試委員會審定書 ii
教育部授權書 iii
國科會授權書 iv
國家圖書館授權書 v
中文提要 vi
英文提要 vii
誌謝 viii
目錄 ix
表目錄 xi
圖目錄 xiii
第一章 緒論 1
1.1 研究背景 1
1.1.1 總額制度對醫療生態之影響 1
1.1.2 醫療品質的重要性 2
1.1.3 品質監測確保醫療品質 2
1.1.4 超長天住院與醫療品質的相關性 3
1.2 研究動機 4
1.3 研究方法與目的 4
1.4 論文架構 5
第二章 文獻探討 6
2.1 超長天住院的定義 6
2.2 超長天住院對醫療利用的影響 6
2.3 資料探勘相關文獻 7
2.3.1 資料探勘技術之興起 7
2.3.2 國外資料探勘之發展趨勢 8
2.3.3 國內資料探勘之發展趨勢 9
2.3.4 資料探勘之定義及步驟 9
2.3.5 資料探勘的過程 10
2.3.6 資料探勘之技術及應用 11
2.3.6.1 資料探勘技術 12
2.3.6.2 資料探勘應用 13
2.3.6.3 資料探勘之商業應用 14
2.3.6.4 資料探勘之醫療產業相關研究 16
第三章 研究方法 20
3.1 研究流程 20
3.2 研究假說 21
3.3 研究架構 21
3.4 研究測量變項與操作型定義 22
3.5 資料來源收集與處理 24
3.6 分析方法與探勘流程 25
第四章 研究結果 29
4.1 描述性統計分析 29
4.1.1 超長天住院病患特質(病患屬性及就醫屬性)描述性分析 29
4.1.2 超長天住院病患疾病形態別分佈 34
4.1.2.1 超長天住院病患依性別之疾病形態分佈 34
4.1.2.2 超長天住院病患依年齡之疾病形態分佈 36
4.1.2.3 超長天住院病患依住院來源之疾病形態分佈 38
4.1.2.4 超長天住院病患依出院動向之疾病形態分佈 39
4.1.2.5 超長天住院病患依醫院層級之疾病形態分佈 41
4.1.3 超長天住院病患醫療費用耗用情形 43
4.2 樣本資料之變異性分析 52
4.2.1 住院超過120日之相關分析 52
4.2.2 超長天住院病患住院醫療資源耗用之相關分析 57
4.3 超長天住院病患相關屬性叢集分析結果 58
4.3.1 群集分析結果 61
4.3.2 蜘蛛網關聯圖群集與屬性間之關係強度 63
4.3.3 C&R Tree預測醫療資源耗用情形 63
4.4 超長天住院病患之關聯規則分析結果 66
4.4.1 超長天住院病患之關聯組合 68
第五章 研究結論與討論 71
5.1 研究方法結論 71
5.2 研究結果結論 71
5.2.1 超長天住院之醫院屬性分析 71
5.2.2 超長天住院之病患特質分析 72
5.2.3 超長天住院醫療費用耗用群之特質分析 73
5.2.4 超長天住院天數變異性分析 74
5.2.5 超長天住院病患資料探勘分析 74
5.3 結論 75
5.4 建議及未來方向 77

參考文獻 79
1.Aslandogan, Y.A., Mahajani, G.A., and Taylor, S., “Evidence Combination in Medical Data Mining,” Proc. of the International Conference on Information Technology: Coding and Computing, Las Vegas, Nevada, USA, pp. 465-469, 2004.
2.Burchill, C., “MCHP Glorssary and Related Terms,”, Available at http://www.umanitoba.ca/centres/mchp/concept/thesaurus/thesaurus_L.html, 2003.
3.Celebi, M.E., Aslandogan, Y.A., and Bergstresser, P.R., “Mining Biomedical Images with Density-based Clustering,” Proc. of the International Conference on Information Technology: Coding and Computing, Las Vegas, Nevada, USA, pp. 163-168, 2005.
4.CMS News, “Medicare Announces Final Payment Changes for Long-term Care Hospitals for Rate Year 2005,” Available at http://www.cms.hhs.gov/apps/media/press/release.asp?Counter=1028, 2004.
5.Coenen, F., Goulbourne, G., and Leng, P., “Tree Structures for Mining Associaction Rule,” Data and Knowledge Discovery, 8, pp. 25-51, 2004.
6.Craven, M.W. and Shavlik, J.W., “Using Neural Networks for Data Mining,” Future Generation Computer Systems, 13, pp. 221-229, 1997.
7.Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P., “The KDD Process for Extracting Useful Knowledge from Volumes of Data,” Communications of the ACM, 39, pp. 27-34, 1996.
8.Hackbarth, G.M., Reischauer, R.D., and Miller, M.E., “Definding Long-term Care Hospitals,” Report to the Congress: New Approaches in Medicare, pp. 121-135, 2004.
9.Hand, D.J., Blunt, G., Kelly, M. G., and Adams, N. M., “ Data mining for fun and profit,” Statistical Science, 15(2), pp. 111-131, 2000.
10.Jensen, S. “Mining Medical Data for Predictive and Sequential patterns: PKDD 2001,” The 5th European Conferences on Principles and Practice of Knowledge Discovery in Databases, Freiburg, Germany, 2001.
11.Klema, J., Holas, T., Zelezny, F., and Karel, F., “Mining the Strongest Patterns in Medical Sequential Data,” The 3rd European Medical and Biological Engineering Conference, Prague, Czech Republic, 2005.
12.Kouris, I.N., Makris, C.H., and Tsakalidis, A.K., “Using Information Retreval techniques for supporting data mining,” Data and Knowledge Engineering, 52, pp. 353-383, 2005.
13.Padmanabhan, B., and Tuzhilin, A., “Knowledge refinement based on the discovery of unexpected patterns in data mining,” Decision Support System, 33, pp. 309-321, 2002.
14.Palmer, C. and Faloutsos, C., “Density Biased Sampling: An Improved Method for Data Mining and Clustering,” Proc. of the 2000 ACM SIGMOD International Conference on Management of Data, Dallas, Texas, USA, pp. 82-89, 2000.
15.Sebag, M., Aze, J., and Lucas, N., “Impact Studies and Sensitivity Analysis in Medical Data Mining with ROC-based Genetic Learning,” Proc. of the 3rd IEEE International Conference on Data Mining, Melbourne, Florida, USA, pp. 637-640, 2003.
16.Wang, Y.F., Chuang, Y.L., Hsu, M.H., and Keh, H.C., “A personalized recommender system for the cosmetic business.” Expert System with Applications, 26, pp. 427-434, 2004.
17.Wu, H., Salzberg, B., Sharp, G.C., Jiang, S.B., Shirato, H., and Kaeli, D., “Subsequence Matching on Structured Time Series Data,” Proc. of the 2005 ACM SIGMOD International Conference on Management of Data, Baltimore, Maryland, USA, pp. 682-693, 2005.
18.王俊程,運用資料挖掘技術協助健保財務管理:以承保中斷及繳費不正常資料挖掘為例,行政院衛生署委託研究成果報告,2000。
19.吳充平,資料探勘技術於台灣地區國人健康狀況之研究,南台科技大學資訊管理研究所碩士論文,2005。
20.吳肖琪、林麗嬋、藍忠孚、吳義勇,全民健保實施後急性病床住院病患超長住院情形之分析,中華衛誌,17(2),pp. 139-147,1998。
21.吳國禎,資料探索在醫學資料庫之應用,中原大學醫工所碩士論文,2000。
22.李炳雄,資料探勘在醫學資料庫之應用–以全民健保學術研究資料庫為例,國立台北大學資訊管理研究所碩士論文,2003。
23.李德源,健保烏托邦需從制度面落實,民生報健保論壇,2004。
24.周文賢,多變量統計分析SAS/STAT使用方法,智勝文化事業有限公司,2004。
25.周歆凱,利用資料探勘技術探討急診高資源耗用者之特性,國立台灣大學醫療機構管理研究所碩士論文,2004。
26.周鴻澤,應用資料探勘技術在顧客價值與檢查服務之研究–以某醫院健檢中心為例,元智大學資訊研究所資訊管理組碩士論文,2005。
27.林傑斌、劉明德,資料採掘與OLAP理論與實務,文魁資訊股份公司,2002。
28.林慧雯,利用資料探勘技術偵測異常處方之研究,南台科技大學資訊管理研究所碩士論文,2005。
29.洪哲倫,Data-Mining 遠景無限寬廣,網際先鋒,pp. 138-141,2001。
30.胡繡華,門診糖尿病藥物治療型態之研究–以某醫學中心為例,元智大學資訊研究所資訊管理組碩士論文,2005。
31.徐啟勝,應用關聯法則分析不同科別高血壓處置的差異,元智大學資訊研究所資訊管理組碩士論文,2005。
32.張琬婷、吳孟潔、許容溶、李昱慧、陳羽瑩、李芝儀、謝邦昌,資料採礦在行銷策略上的應用 – 以運動鞋市場為例,中華資料採礦協會CDMS-Newsletter,7,pp. 1-32,2003。
33.郭惠敏,居家照護品質預測因子之探討–以居家照護資料庫之資料探勘為例,長庚大學護理研究所,2004。
34.陳益良,應用資料探勘法探討老人就醫特性–以高雄市三民區為例,國立高雄醫學大學公共衛生學研究所,2002。
35.彭文正譯,資料採礦:顧客關係管理暨電子行銷之應用,台北:數博網資訊,2001。
36.曾詠淑,運用資料挖掘技術預測救護車服務量,國立成功大學工程科學研究所碩士論文,1999。
37.湯玲郎、林信忠,資料萃取法在健保費用稽核之研究,醫療資訊雜誌,11,pp. 85-104,2000。
38.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,台北醫學大學醫學資訊研究所碩士論文,2002。
39.黃勝崇,資料探勘應用於醫療院所輔助病患看診指引之研究,南華科技大學資訊管理研究所碩士論文,2001。
40.溫志皓,資料探勘應用於需求連協同設計與產品開發之研究,國防大學資源管理研究所,2004。
41.蔣肇慶、林熙禎,資料開採在醫療資訊的研究,醫療資訊雜誌,9,pp. 71-82,1999。
42.藍中賢,結合模糊集合理論與貝氏分類法之資料探勘技術運用–應用於健保局醫療費用審查作業,元智大學資訊研究所資訊管理組碩士論文,2000。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 29.李惠宗,憲法工作權保障系譜之再探—以司法院大法官解釋為中心,憲政時代第二十九卷第一期,民國九十二年七月。
2. 27.王澤鑑,損害賠償法之目的:損害填補、損害預防、懲罰制裁,月旦法學雜誌第一二三期,2005年8月。
3. 26.王澤鑑,損害賠償法的體系、請求權基礎、歸責原則及發展趨勢,月旦法學雜誌第一一九期,2005年4月。
4. 25.王澤鑑,危險社會、保護國家與損害賠償法,月旦法學雜誌第一一七期,2005年2月。
5. 32.李惠宗,愛刺探秘密的記者,月旦法學雜誌第六十八期,2001年1月。
6. 33.沈冠伶,我國假處分制度之過去與未來—以定暫時狀態之假處分如何衡平保障兩造當事人之利益為中心,月旦法學雜誌第一零九期,2004年6月。
7. 34.林世宗,隱私權,全國律師,民國九十年四月。
8. 35.林德瑞,懲罰性賠償金適用之法律爭議問題,月旦法學雜誌第一一零期,2004年7月。
9. 36.林德瑞,論懲罰性賠償金,國立中正大學法學集刊創刊號,民國八十七年七月。
10. 37.林德瑞,論懲罰性賠償金可保性之法律爭議,國立中正大學法學集刊第二期,民國八十八年七月。
11. 39.馬維麟,損害賠償法之原理—我國最高法院歷年來判決之檢討與分析,法學叢刊第一六一期,民國八十五年一月。
12. 40.郭麗珍,我國民事損害賠償法之新發展,月旦法學雜誌第九十九期,2003年8月。
13. 43.陳聰富等,美國懲罰性賠償金的發展趨勢—改革運動與實證研究的對峙—民法研究會第九次研討會紀錄,法學叢刊第一六九期,民國八十七年一月。
14. 44.黃翎芳,定暫時狀態假處分之研究,社會科教育研究第九期,民國九十三年十二月。
15. 47.劉春堂,台灣地區消費者權益保護問題研究,中華法學,民國九十一年四月。