跳到主要內容

臺灣博碩士論文加值系統

(18.204.48.69) 您好!臺灣時間:2021/07/28 00:10
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:劉昶珍
研究生(外文):Chang-Chen Liu
論文名稱:應用資料探勘建立長期住院精神病患之呆帳預測模式
論文名稱(外文):Establish a Bad Debt Forecasting Model for Long Term Hospitalized Mental Disorder Patients Using Data Mining
指導教授:黃信豪黃信豪引用關係
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:工業工程與管理研究所在職專班
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:2009
畢業學年度:97
語文別:中文
論文頁數:48
中文關鍵詞:資料探勘呆帳預測長期住院類神經網路決策樹
外文關鍵詞:data miningbad debt forecastinglong term hospitalizationneural networkdecision tree
相關次數:
  • 被引用被引用:1
  • 點閱點閱:628
  • 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:2
在全民健保實施「總額預算制度」後,醫院的經營更加困難,許多醫院的獲利模式多以改由急性病患住院增加健保收入,降低慢性病房成本及加重自費項目的發展。但對精神科而言,可提供病患的附加價值服務無法與綜合科醫院相比擬;因此精神專科醫院為提高營運績效,在成本控管上就顯得格外重要。尤其是長期住院的病患,積欠醫院其他非健保給付之費用情況將影響醫院的收入,增加醫院經營財務上的風險。有鑑於此,本研究將以一精神科專科醫院的為例,利用資料探勘技術,來預測長期住院精神病患者在接受住院治療後,會發生呆帳之可能性。本研究使用PolyAnalyst 6.0資料探勘軟體中的「關聯分析」及「決策樹方法」,來進行資料分析與篩選,最後應用類神經網路來進行預測,預測的結果可達到90.38%之準確率。此外,本研究根據預測呆帳之結果提出改善之收治病患流程。
After implementing global budget system by the National Health Insurance, hospital’s operation has become more and more difficult. Many hospitals have placed their focus on increasing emergent inpatients and deductibles, and reducing chronic ward costs in order to increase profit. As for the mental hospitals, the extra sources of income are very limited. Hence, when the long term hospitalized mental disorder patients did not pay the deductibles and other charges, hospital’s financial risk will increase. Therefore, the purpose of this study is to establish a bad debt forecasting model for the long term mental disorder inpatients using data mining technique. The PolyAnalyst 6.0 data mining software is used for data analysis in this study. Link analysis and decision tree methods are applied to analyze and compress data. In addition, the neural network technique is utilized to predict bad debt. The result show that the neural network model can predict bad debt with 90.38% accuracy. Finally, a suggested inpatient handling process has provided in this study.
中文摘要 ---------------------------------------------- i
英文摘要 ---------------------------------------------- ii
誌謝 ---------------------------------------------- iii
表目錄 ---------------------------------------------- vi
圖目錄 ---------------------------------------------- vii
第一章緒論--------------------------------------------- 1
1.1研究背景-------------------------------------------- 1
1.2研究動機--------------------------------------------- 3
1.3研究目的--------------------------------------------- 4
1.4研究範圍--------------------------------------------- 5
1.5研究架構--------------------------------------------- 5
第二章文獻探討------------------------------------------ 6
2.1身心障礙之慢性精神病患者人數探討--------------------- 6
2.2台灣地區精神醫療現況及住院繳費管--------------------- 11
2.3精神病患住院費用及社會福利制度----------------------- 14
2.4總額支付制度----------------------------------------- 18
2.5資料探勘--------------------------------------------- 21
2.5.1資料探勘概述--------------------------------------- 21
2.5.2資料探勘的應用------------------------------------- 23
第三章研究方法------------------------------------------ 26
3.1資料來源與內容--------------------------------------- 26
3.2資料探勘之應用方法----------------------------------- 28
3.2.1關聯分析------------------------------------------- 29
3.2.2決策樹分析----------------------------------------- 30
3.2.3類神經網路應用------------------------------------- 34
3.3.4模式檢測------------------------------------------- 36
第四章結論與建議---------------------------------------- 38
4.1 結論------------------------------------------------ 38
4.2 建議------------------------------------------------ 38
附錄一精神衛生法1-3條----------------------------------- 40
附錄二臺灣地區精神醫療救助相關法規一覽表---------------- 41
附錄三總額支付制度實施前後行政流程比較表---------------- 42
附錄四住院病患與照顧人記錄表---------------------------- 44
附錄五參考文獻------------------------------------------ 46
[1]李秀梅(2001),信用卡持卡者資料探勘之研究,輔仁大學應用統計學研究所碩士論文。
[2]周怡伶(2007),運用資料探勘技術建構「原發性皮質醛酮症」之預測模式,雲林科技大學,碩士論文。
[3]胡維恆、葉頌壽、楊庸一、莊明敏、葉英堃 (1977),「臺北市立療養院再住院病人之探討」,中華民國神經精神醫學會會刊,10:15-20。
[4]梁文洲(2007),資料探勘應用於醫療行銷分析之研究以中部某基層醫療院所為例,靜宜大學,碩士論文。
[5]許基發(2002),不良債權預測式之研究,國立高雄第一科技大學,碩士論文,50-60。
[6]彭英傑 (2001),影響醫療機構機構擴增不同型態精神醫療資源意願之因素探討--兼論精神部門主管投資意向影響因素,國立臺灣大學,碩士論文。
[7]郭一聰(2005),應用決策樹與類神經網路於應收帳款之呆帳預警模式研究,中原大學,碩士論文。
[8]曾婉君 (1999),全民健康保險精神醫療支付制度及其對精神醫療院所影響之質性研究,國立陽明大學,碩士論文。
[9]張瓊姿(2007),關聯式法則在子宮內膜異位臨床病徵的應用,淡江大學碩士論文。
[10]張沅嬪(2001),醫院實施總額支付制之探討,東海大學,碩士論文。 
[11]張富美(1995),健康台北-學術觀察站-精神障礙者之社區照護。
[12]陳永興(2003),臺灣醫療發展史,臺北:新自然主義股份有限公司。
[13]陳大申(2003),臺灣地區精神醫療疾病分析,長庚醫務管理研究所研士論文。
[14]陳培智(2007),應用資料探勘於門診慢性病人回診與處方關聯性之研究:以糖尿病為例,國立中正大學碩士論文。
[15]陳益良(2001),應用資料探勘探討老人就醫特性─以高雄市三民區為例,國立高雄醫學大學碩士論文。
[16]葉育瑋(2007),應用資料包絡法與邏輯斯迴歸建構中小企業之信用評等與放款風險整合模型,國立交通大學工業工程與管理學系碩士班。
[17]楊銀宗(2006),影響現金卡違約因素之分析-以國內某一發卡銀行為例,國立東華大學,碩士論文。
[18]楊庸一 (1993),「綜合醫院精神科之經濟效益評估」,身心醫學雜誌,4(1):21-23。
[19]蔡世仁、陳展航、沈楚文 (1996),「一所公立醫學中心精神科住院病患之分析」,慈濟醫學,8(1):55-59。
[20]賴政皓(2006),應用資料探勘技術提升急診醫學檢傷分類之一致性─以台灣某醫學中心急診醫學部為例,國立勤益科技大學,碩士論文。
[21]謝宇俊(2007),以資料探勘技術分析健保高醫療資源使用病患特徵,國立台北護理學院,碩士論文。
[22]蘇柏全,視聽資料借閱記錄之探勘及分析。網址:http://www.lib.ncu.edu.tw/book/n43/43-2a.htm
[23]內政統計通報(2009) http://www.moi.gov.tw/files/news_file/week9751.doc
[24]中央健保局(2009)http://www.nhi.gov.tw
[25]中央健保局精神衛生法
http://law.moj.gov.tw/Scripts/Query4B.asp?FullDoc=所有條文&Lcode=L0020030
[26]全民健保費用協定委員會(2001),總額支付制度Q&A,
http://www.doh.gov.tw/new/org2/b14/900606-1.htm。
[27]行政院研考會〈1995〉精神病患醫療服務體系之檢討
http://www.rdec.gov.tw/mp.asp?mp=100
[28]行政院衛生署衛生統計資訊網(2009) http://www.doh.gov.tw/statistic/index.htm。
[29]Berry, M. J. A. and Linoff, G, 1997 ,Data Mining Technique for Marketing, Sale, and Customer Support, Wiley Computer, New York,.
[30]Berson, A., Smith, S.; Thearling, K, 1999 , Building data mining applications for CRM, McGraw-Hill, USA.
[31]Cabena, P., Hadjinian P. and Stadler, R, 1997, Discovering Data Mining From Concept to Implementation, Prentice-Hall Inc.
[32]Fayyad et al., 1996, Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth. From data mining to knowledge discovery in databases. AI Magazine, pages 37-54, fall 1996.
[33]Han, J., and Kamber, M., 2001. Data Mining Concepts and Techniques, Morgan Kaufmann.
[34]Jo, Hongkyu; Ingoo Han, 1996, “Integration of case-based forecasting, neural network, and discriminant analysis for bankruptcy prediction”, Expert Systems with Applications, Vol. 11, No. 4, pp.415-422.
[35]Serrano-Cinca, Carlos, 1996, “Self organizing neural networks for financial diagnosis”, Decision Support Systems, Vol. 17, 1996, pp.227-238.
[36]Reinschmidt, J., Gottschalk, H., Kim, H., and Zwietering, D. (1999), “Intelligent Miner for Data: Enhance Your Business Intelligence,” IBM International Technical Support Organization, USA
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top