跳到主要內容

臺灣博碩士論文加值系統

(44.211.84.185) 您好!臺灣時間:2023/05/30 05:18
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:馮秀卿
研究生(外文):馮秀卿
論文名稱:以群集分析技術探討同縣市醫學中心婦產科病患就醫特性—以台中市為例
論文名稱(外文):A Cluster Analysis on the Patient Characteristics and Treatments of Obstetrics and Gynecology in Medical Centers of the Same Districts-A Study on Two Medical Centers in Taichung City
指導教授:黃欽印黃欽印引用關係
指導教授(外文):Chin-Yin Huang
學位類別:碩士
校院名稱:東海大學
系所名稱:工業工程與經營資訊學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:57
中文關鍵詞:群集分析婦產科就醫特性卡方檢定k-means
外文關鍵詞:Cluster AnalysisObstetrics and GynecologyPatient Characteristics and TreatmentsX2 testk-means
相關次數:
  • 被引用被引用:8
  • 點閱點閱:1024
  • 評分評分:
  • 下載下載:428
  • 收藏至我的研究室書目清單書目收藏:2
健保政策丕變,同縣市之醫院競爭愈加激烈,而瞭解醫療市場、病患族群,擬訂正確的經營策略,才能鞏固醫療市場佔有率。台中市醫院及診所充斥,屬醫療市場一級戰區,因此本研究期望能利用健保資料庫,以資料探勘群集分析技術挖掘病患就醫特性等訊息,將資料探勘結果提供醫院擬訂經營策略之參考。
本研究將93年1月1日至12月31日台中市二家醫學中心婦產科住院病患健保申報資料投入分析,結果發現:一、利用描述性統計分析方法:1.發現婦產科病患年齡層集中於26-45歲。 2.住院主診斷以生產最多、其次為癌病化學治療。 二、利用群集分析方法:1.確可依病患特性分為數個族群,包括論病例計酬案件群、婦科疾病群、婦癌重大傷病群等3個群集。 2.婦產科重大傷病患者:於婦科疾病群內之主診斷大多為子宮頸惡性腫瘤,主處置以徹底腹式子宮頸根除手術為主;於婦癌重大傷病群內之主診斷及主處置為癌病化學治療或放射線治療。 3.台中市醫學中心婦產科住院病患就醫特性確實有差異:其中 (1)論病例計酬案件群:西屯區醫學中心病患年齡較高,產科病患較多有合併症或併發症;北區醫學中心產科病患較婦科多。 (2)婦科疾病群:西屯區醫學中心病患年齡較高,主診斷以子宮頸惡性腫瘤最多,北區醫學中心以子宮頸原位癌最多。
(3)婦癌重大傷病群:西屯區醫學中心主診斷以癌病化學治療為主,北區醫學中心以癌病化學治療外,其次為放射線治療。
As healthy insurance policy changed, the competition between hospitals of the same district becomes more intense. In order to consolidate health care market share, it is important to know the medical market and patient characteristics for developing suitable business strategies. With hundreds of hospitals and clinics, Taichung city has an intense medical market competition. Via data mining and cluster analysis with National Health Insurance Research Database (NHIRD), a study on patients’ characteristics and treatments of Obstetrics and Gynecology is presented as a reference for Taichung city’s hospitals to develop business strategy.
By analyzing the NHIRD in 2004 for two medical centers in Taichung city, the results are as below. First, by using descriptive analysis, we can conclude that (1) the patients of Obstetrics and Gynecology are concentrated in the 26 to 45 age bracket; (2) the main diagnoses are “normal delivery” and “cancer chemotherapy”.
Second, with cluster analysis, we found that: (1) Cluster analysis method is useful to divide patients into three groups, Case Payment Group, Gynecological Disease Group, and Gynecological Cancer Group. (2) The characteristics of major diseases’ patients are different between groups. In Gynecological Disease Group, the main diagnoses are “malignant neoplasm of cervix uteri” and the main treatment is “radical abdominal hysterectomy”. In Gynecological Cancer Group, The most main diagnoses and treatments are “cancer chemotherapy” and “radiotherapeutic procedure.” (3) The characteristics of Obstetrics and Gynecology inpatients appear differences between the two medical centers. There are at least three differences in the study: (a) In Case Payment Group, Situn District medical center has older patients and more complications or merge sickness at its Obstetrics patients. In North District medical center, the amount of Obstetrics patients is more than Gynecology’s. (b) In Gynecological Disease Group, Situn District medical center has older patients with “malignant neoplasm of cervix uteri” as its popular main diagnoses. The number of patients with “carcinoma in situ of cervix uteri” is the largest in North District medical center. (c) In Gynecological Cancer Group, more patients of Situn District medical center were treated with “cancer chemotherapy”, and patients of the North District medical center were commonly treated with “cancer chemotherapy” and “radiotherapeutic procedure.”
目錄
中文摘要 Ⅰ
英文摘要 Ⅱ
誌謝 Ⅲ
目錄 Ⅳ
圖目錄 Ⅴ
表目錄 Ⅵ
第一章 緒論 01
1.1研究背景與動機 01
1.2研究目的與預期效益 02
第二章 文獻探討 03
2.1病患就醫特性之相關研究 03
2.2婦產科之醫療特性 04
2.3婦產科病患就醫特性之相關研究 05
2.4資料探勘技術 05
2.5群集分析技術 09
2.6群集分析的步驟 10
第三章 研究方法與材料 11
3.1研究流程 11
3.2研究測量變項 11
3.3研究工具與方法 14
第四章 研究結果 16
4.1樣本資料之描述性統計分析 16
4.2群集分析結果 22
4.2.1群集特徵分析 22
4.2.2醫院別群集分析 31
第五章 研究討論與結論 45
5.1討論 45
5.1.1台中市醫學中心病患就醫特性 45
5.1.2群集分析 47
5.2結論與建議 51
5.2.1 群集前 51
5.2.2 群集後 51
5.3研究限制 54
參考文獻 55

圖目錄
圖3.1研究流程圖 11
圖3.2資料探勘及分析流程圖 15
圖4.1群集分佈圖 22
圖4.2.1群集特徵長條圖-醫院別 26
圖4.2.2群集特徵長條圖-案件分類. 26
圖4.2.3群集特徵長條圖-年齡層 26
圖4.2.4群集特徵長條圖-給付類別 26
圖4.2.5群集特徵長條圖-住急性病床天數 26
圖4.2.6群集特徵長條圖-轉歸情形. 26
圖4.2.7群集特徵長條圖-部份負擔. 27
圖4.2.8群集特徵長條圖-DRGs. 28
圖4.2.9群集特徵長條圖-主診斷 29
圖4.2.10群集特徵長條圖-主診斷補充分類 29
圖4.2.11群集特徵長條圖-主處置 30
圖4.3.1群集1內醫院別與年齡比較圖 31
圖4.3.2群集1內醫院別與住急性病床天數比較圖 32
圖4.3.3群集1內醫院別與案件分類比較圖 33
圖4.3.4群集1內醫院別與給付類別比較圖 33
圖4.3.5群集1內醫院別與轉歸情形比較圖 33
圖4.3.6群集1內醫院別與部份負擔類別比較圖 33
圖4.3.7群集1內醫院別與DRGs比較圖 35
圖4.3.8群集1內醫院別與主診斷比較圖 36
圖4.3.9群集1內醫院別與主處置比較圖 36
圖4.4.1群集2內醫院別與年齡比較圖 37
圖4.4.2群集2內醫院別與住急性病床天數比較圖 37
圖4.4.3群集2內醫院別與案件分類比較圖 38
圖4.4.4群集2內醫院別與給付類別比較圖 38
圖4.4.5群集2內醫院別與轉歸情形比較圖 39
圖4.4.6群集2內醫院別與部份負擔類別比較圖 39
圖4.4.7群集2內醫院別與主診斷比較圖 40
圖4.4.8群集2內醫院別與主處置比較圖 40
圖4.5.1群集3內醫院別與年齡比較圖 41
圖4.5.2群集3內醫院別與住急性病床天數比較圖 42
圖4.5.3 群集3內醫院別與轉歸情形比較圖 43
圖4.5.4群集3內醫院別與部份負擔類別比較圖 43
圖4.5.5 群集3內醫院別與主診斷vcode比較圖 44
圖4.5.6群集3內醫院別與主處置比較圖 44

表目錄
表2.1國內醫療產業資料探勘相關研究 07
表2.2國外醫療產業資料探勘相關研究 08
表2.3群集分析方法比較 10
表3.1研究變項之操作型定義及變項轉換說明 12
表4.1病患就醫屬性之描述性分析 17
表4.2.1DRGs(診斷關聯群項目) 19
表4.2.2主診斷(ICD-9-CM) 20
表4.2.3主診斷補充分類(ICD-9-CM Vcode) 21
表4.2.4主處置(ICD-9-CM) 21
表4.3.1群集特徵及卡方檢定表-病患就醫屬性 24
表4.3.2群集特徵及卡方檢定表-DRGs(診斷關聯群項目)群集 27
表4.3.3群集特徵及卡方檢定表-主診斷(ICD-9-CM)群集 28
表4.3.4群集特徵及卡方檢定表-主診斷補充分類(ICD-9-CM Vcode)群集 29
表4.3.5群集特徵及卡方檢定表-主處置(ICD-9-CM)群集 30
表4.4.1群集1-t檢定-年齡及住急性病床天數 31
表4.4.2群集1-卡方檢定-病患就醫屬性 32
表4.4.3群集1-卡方檢定-DRGs(診斷關聯群項目) 34
表4.4.4群集1-卡方檢定-DRGs(診斷關聯群項目)-產科項目 34
表4.4.5群集1-卡方檢定-主診斷(ICD-9-CM) 35
表4.4.6群集1-卡方檢定-主處置(ICD-9-CM) 35
表4.5.1群集2-t檢定-年齡及住急性病床天數 36
表4.5.2群集2-卡方檢定-病患就醫屬性 37
表4.5.3群集2-卡方檢定-主診斷(ICD-9-CM) 39
表4.5.4群集2-卡方檢定-主處置(ICD-9-CM) 40
表4.6.1群集3-t檢定-年齡及住急性病床天數 41
表4.6.2群集3-卡方檢定-病患就醫屬性 42
表4.6.3群集3-卡方檢定-主診斷補充分類(ICD-9-CM Vcode) 43
表4.6.4群集3-卡方檢定-主處置(ICD-9-CM) 43
表5.1論病例計酬案件之DRGs類別分佈表 46
表5.2群集1西屯區醫院給付類別與DRGs產科項目交叉分析表 49
蘇斌光(1989)。醫院行銷研究的應用:病患選擇醫院的因素分析。中國醫藥學院醫務管理研究所碩士論文。
王乃弘(1999)。民眾偏好醫院類型之研究-AHP法之應用。管理學報,16(4):661-681。
江君毅、陳欽賢、劉彩卿(2002)。民眾就醫與醫療院所層級:Nested Logit模式下之探討。台灣經濟學會2002年年會。
楊文惠、龔佩珍(2002)。醫療服務市場區隔之研究-以台北市為例。醫務管理期刊,3(3):39-57。
姜玟卉、張毓珊、候怡如、蔡昊澐、吳培欣(2005)。泌尿系統感染症門診費用之研究。輔仁大學第5屆學生專題成果發表會。
陳素幸(2007)。競爭醫院間門診病人自發行為之研究—以台北市二家醫學中心為例。國立東華大學管理學院高階經營管理碩士在職專班碩士論文。
張景盛、翁慧卿、徐村和(2004)。醫療服務接觸中就醫選擇因素與就醫滿意度之實證研究-以高雄地區一般科門診與婦產科門診為例。長榮大學學報,10(2):69-86。
台中榮民總醫院網站,網址:http://www.vghtc.gov.tw/
陳筱華、祝到松、徐永新(2001)。病患選擇醫院之關鍵因素及決策模式—以產科病人為例。醫務管理期刋,2(1):77-91。
黃敏毓(2004)。產婦選擇診所或醫院生產之相關因素探討—以澎湖地區為例。高雄醫學大學公共衛生學研究所碩士在職專班碩士論文。
劉復興(2007)。醫療院所層級與病患個人特質對就醫行為之影響—以中部都會區30-40歲婦產科病患為例。工業工程與經營資訊學系碩士論文。
周歆凱(2004)。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。
黃勝崇(2001)。資料探勘應用於醫療院所輔助病患看診指引之研究。南華大學資訊管理研究所碩士論文。
黃仁貴(2002)。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。
陳益良(2002)。應用資料探勘法探討老人就醫特性-以高雄市三民區為例。高雄醫學大學公共衛生研究所碩士論文
陳冠華(2002)。藉由顧客關係管理方法提升門診病患的醫療服務品質-以某區域醫院高齡慢性病患為例。雲林科技大學工業工程與管理研究所碩士論文。
劉致和(2002)。台灣地區燙傷住院治療型態之研究-應用階層式集群分析於全民健保資料庫。台北醫學院醫學資訊研究所碩士論文。
陳柏瑞(2003)。資料採礦為工具的策略性顧客關係管理-以開蘭聯合診所為例。國立政治大學經營管理研究所碩士論文。
陳佳楨(2003)。資料探勘應用於就診行為與醫師排班之研究-以埔里基督教醫院為例。曁南國際大學資訊管理研究所碩士論文。
范牧蘭(2004)。醫療機構病患流失之預警-倒傳遞神經網路研究。亞洲大學健康管理研究所碩士論文。
黃綉清(2004)。總額預算支付制度下醫學中心急診病患結構之探討。長庚大學醫務管理學研究所碩士論文。
劉文良,顧客關係管理思維與技術(CRM & Data Mining),碁峰資訊股份有限公司,2005。
財團法人醫院評鑑曁醫療品質策進會網站,網址:http://www.tjcha.org.tw/
健保局網站,網址:http://www.nhicb.gov.tw/
衛生署衛生統計資訊網,網址:http://www.doh.gov.tw/statistic/
全民健康保險醫療費用支付標準。健保局網站,網址:http://www.nhicb.gov.tw/
中華民國醫院行政協會病歷委員會編譯。ICD-9-CM中英對照增訂版,1993,譯自National Center for Health Statistics, U.S.A 原著。巨流出版。
全民健康保險論病例計酬項目DRG參考碼對照表。健保局網站,網址:http://www.nhicb.gov.tw/
Isken, Mark W; Balaji Rajagopalan.. Data mining to support simulation modeling of patient flow in hospital. Journal of Medical System 26, no. 2002; 2: 179-197.
Anne Milley. Healthcare and data mining. Health Management Technology; Atlanta; Aug 2000.
Oliver J Hogl; Michael Muller; Herbert Stoyan, et al. Using questions and interests to guide data mining for medical quality management. Topic in Health Information Management; Frederick; Aug 2001. 22(1): 36-45.
Pagnoni A; Parisi S; Lombardo S. Analysis of patient flows via data mining. Medinfo. 2001; 10(2): 1379-1383.
Lin F; Chou S; Pan S. Mining time dependency patterns in clinical pathways. Int J Med Inf. 2001; 62(1): 11-25.
Jiawei Han and Micheline Kamber. Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publishers, 2001.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top