跳到主要內容

臺灣博碩士論文加值系統

(3.238.135.174) 您好!臺灣時間:2021/08/05 07:56
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:翟浩宇
研究生(外文):Hao-Yu Chai
論文名稱:運用資料探勘分析中醫健保資料庫之研究
論文名稱(外文):Applying Data Mining in Chinese Medicine Service-An analysis of National Health Insurance Database
指導教授:胡念祖胡念祖引用關係
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:資訊管理研究所
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:2009
畢業學年度:97
語文別:中文
論文頁數:73
中文關鍵詞:資料探勘全民健保資料庫關聯規則決策樹用藥分析
外文關鍵詞:Data miningNational Health Insurance Research DatabaseAssociation rulesDecision treeDrug analysis
相關次數:
  • 被引用被引用:2
  • 點閱點閱:1272
  • 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:1
由於目前中醫的就醫記錄己可完整的記錄下來,資訊技術也己發展一段時間,所以利用資訊技術進行資料分析己不是相當困難,因此可運用資料探勘尋找隱藏在就醫記錄中之規則和知識來輔助醫師的診斷及開藥參考。
本研究利用關聯規則整合中醫健保資料庫、節氣和溫溼度去探討疾病在不同節氣下開藥之影響,實驗顯示疾病會在不同節氣下所開的藥會有所增加或減少。應用決策樹去探討在同樣疾病下不同節氣溫溼度上的變化影響開藥的程度,其結果顯示在呼吸系統疾病部分開辛夷散、辛夷清肺湯這二種藥方較容易受到溫度和溼度的影響,在消化系統疾病部分開藿香正氣散這種藥方較容易受到溫度和溼度的影響。最後應用?述性統計去探討對慢性病用單方或複方及中藥或西藥治療的影響程度,在單複方對慢性病治療方面其結果顯示使用複方治療慢性病比單方稍為好一點;在中西藥對慢性病治療方面其結果顯示,中藥在治療慢性病方面比西藥好一點。
Because of traditional Chinese medicine records could be completely stored in database; information technology could be applied for data analysis. Data mining could be used to discover the hidden rules and related knowledge in medical records so as to assist doctors’ diagnostic and prescription.
This study tried to integrate the content of traditional Chinese medicine healthcare database, climate, temperature and humidity. Assoicate rule was used to explore the relationship between disease and the corresponding prescription. The experiments showed that climate would affect the patterns in prescription. Decision tree was applied to determine the influence of the temperature and humidity on the usage of drugs. Genereated rules described that the prescription for respiratory disease, Xin Yi San and Shin Yi Ching Fey Tang, would be affected by temperature and humidity. Moreoever, temperature and humidity might also be the key factors when adopt Huo Xiang Zheng Qi San for digestive disease.
Finally, application of descripted statistical method was used to compare the effective of variant types of drugs for chronic, like simple recipe, compound recipe, traditional Chinese medicine and western medicine. The results of proposed study showed that compound recipe had better effect than simple recipe, as well as traditional Chinese medicine was also superior to western medicine for chronic diseases.
目錄

中文摘要................................................i
英文摘要................................................ii
誌謝....................................................iv
目錄....................................................v
表目錄..................................................vii
圖目錄..................................................ix
第一章 緒論.............................................1
1.1研究背景.............................................1
1.2研究動機及目的.......................................1
1.3研究範圍及限制.......................................2
1.4論文架構.............................................3
第二章 文獻探討.........................................4
2.1 全民健康保險研究資料庫..............................4
2.2 二十四節氣簡介.....................................4
2.3 資料探勘............................................5
2.3.1 關聯規則..........................................8
2.3.2 決策樹............................................13
2.4 資料探勘在醫學上的應用 15
第三章 研究方法.........................................17
3.1 研究流程............................................17
3.2 資料來源............................................17
3.3 資料前處理..........................................21
3.4 資料分析與修正過程..................................27
3.4.1 運用關聯規則分析疾病和節氣之關係..................27
3.4.2 以疾病作為關聯規則之後項..........................29
3.5 單複方治療慢性病比較資料處理之過程..................31
3.6 中西藥治療慢性病比較資料處理之過程..................32
第四章 實驗結果及分析...................................34
4.1藥性、疾病實驗結果...................................34
4.2藥方、疾病、節氣實驗結果.............................36
4.3決策樹實驗結果.......................................38
4.4使用單複方對於慢性病之影響...........................40
4.5 使用中西藥對治療慢性病之影響........................41
第五章 結論與未來研究方向...............................43
5.1 結論................................................43
5.2 未來研究方向........................................44
參考文獻................................................45
附錄....................................................48

表目錄

表2.1 資料探勘定義表...................................6
表2.2 交易資料表.......................................11
表3.1 門診處方及治療明細檔使用欄位.....................18
表3.2 門診處方醫令明細檔使用欄位.......................18
表3.3 本研究選用之20個測站表...........................19
表3.4 空氣汙染測站部分原始資料格式.....................20
表3.5 測站資料中無效符號說明...........................20
表3.6 就醫日期與節氣對照表(節錄).......................21
表3.7 篩選測站溫度表(部分資料).........................22
表3.8 篩選測站溼度表(部分資料).........................22
表3.9 計算測站每天平均溫度.............................23
表3.10 計算測站每天平均溼度.............................23
表3.11 計算全台灣5年內每天平均溫度......................23
表3.12 計算全台灣5年內每天平均溼度......................24
表3.13 五年每天溫度溼度表...............................24
表3.14 國際疾病碼分類表.................................25
表3.15 健保中藥分類表(節錄).............................26
表3.16 疾病和節氣關係之實驗數據表.......................28
表3.17 支持度和信賴度修正後執行關聯規則之部分結果.......28
表3.18 呼吸系統疾病之用藥...............................29
表3.19 消化系統疾病之用藥...............................30
表3.20骨骼肌肉系統及結締組織之疾病用藥..................30
表3.21 徵候、症狀及診斷欠明之各種病態用藥...............30
表4.1 就醫記錄欄位及屬性表.............................34
表4.2 藥性、疾病實驗數據設定表.........................34
表4.3 效能名稱與疾病規則表.............................35
表4.4 藥方、疾病、節氣實驗數據設定表...................36
表4.5 疾病、節氣、藥方規則整理.........................36
表4.5 疾病、節氣、藥方規則整理(續).....................37
表4.6 C 5.0決策樹分類結果..............................38
表4.7 整理過後之決策樹規則(呼吸系統疾病)...............38
表4.7 整理過後之決策樹規則(呼吸系統疾病)(續)...........39
表4.8 整理過後之決策樹規則(消化系統疾病)...............39
表4.9 使用單方治療慢性病變化量和數量...................40
表4.10 使用複方治療慢性病變化量和數量...................40
表4.11 使用中藥治療慢性病變化量和數量...................41
表4.12 使用西藥治療慢性病變化量和數量...................41
表4.13 中西藥治療慢性病比較表...........................42

圖目錄

圖1.1 論文架構圖........................................3
圖2.1 知識發現的基本步驟................................6
圖2.2 Apriori 演算法流程圖..............................10
圖2.3 擷取大型項目集....................................11
圖2.4 擷取大型項目集L2..................................12
圖2.5 關聯規則之信賴度..................................12
圖3.1 研究流程圖........................................17
圖3.2 資料處理流程圖....................................21
圖3.3 就醫記錄資料表之關聯圖............................26
圖3.4 以節氣作為關聯規則之後項..........................27
圖3.5 單複方治療慢性病處理資料流程圖....................31
圖3.6 中西藥治療慢性病處理資料流程圖....................32
參考文獻
中文部分
1.全民健康保險研究資料庫:http://w3.nhri.org.tw/nhird//index.php
2.中央氣象局: http://www.cwb.gov.tw/V6/education/encyclopedia/as089.html
3.行政院環保暑空氣品質監測網:http://taqm.epa.gov.tw/taqm/zh-tw/default.aspx
4.香港天文台:http://www.hko.gov.hk/gts/time/conversionc.htm
5.宜蘭縣社區日曆: http://www.youngsun.org.tw:8080/calendar/terms.asp
6.王玉純,宋鴻樟,「綜論氣象變化對心血管、呼吸道及腸胃道之健康衝擊」,台灣衛誌,256-265頁,第25卷,第4期,2006年8月。
7.江駿然,馮曄,洪金烈,張�睌E,楊賢鴻,郭忠禎,陳玉昇,清”疫情事件的統計分析與運氣學說的平年論述之比較“,中醫藥雜誌,p231-239,第15卷,第四期,2004年12月。
8.邱涵芬,應用資料探勘與文件分類建構個人化知識查詢網站-以全民健康保險研究資料庫與醫藥新聞為例之研究,大同大學,碩士論文,2006年。
9.林俊榮,張立興,林俊廷,王藝臻,劉靜怡,林麗芬,”以Apriori演算法建構季節流行病關係模型”,2004智慧型知識經濟研討會暨第二屆演化式計算應用專題研討會,P. 105-114,真理大學,台北,2004年12月。
10.許昇峰,歐乃慈,陳銘倫,「乳癌與肺癌未期病患死亡率與節氣之關聯性之研究」,中華針灸醫學會會雜誌,113-117頁,第六期,2003年12月。
11.陳世源,資料採礦技術在病例與藥品關連性,國立中山大學,碩士論文,2000年。
12.陳淑芬,「全國消化性潰瘍病患與季節性變化之相關」,北市醫學雜誌,第5卷,第1期,65-73頁,2008年2月。
13.陳鴻斌,利用資料勘技術建構疾病查詢醫療網站,南台科技大學,碩士論文,2004年
14.梁睦祥,氣象常識三百題,省立屏師附設實小,1982年。
15.曾憲雄,蔡秀滿,蘇東興,曾秋蓉,王慶堯,資料探勘 data mining,旗標出版社,2005年。
16.劉堯欽,應用資料探勘於中醫就診記錄之研究,玄奘大學,碩士論文,2008年。
17.謝逸凡,網際網路服務業客戶流失預測模式之研究,銘傳大學,碩士論文,2004年。

英文部分
18.Agrawal R., Imielinski T. and Swami A., “Mining association rules between sets of items in large databases”, In Proceedings of 1993 ACM SIGMOD International Conference on Management of Data, Washington, D.C., pp. 207-216, May 1993.
19.Agrawal R., and Srikant R. ,“Fast Algorithms for Mining Association Rules”, Proc. 20th Int’ l Conf. on Very Large Data Bases, Santiago, Chile, pp. 487-499, 1994.
20.Breiman L., Friedman J.H., Olshen R.A., and Stone C.J. , “Classification and Regression Trees”, New York, Chapman & Hall, 1984.
21.Berry M.and Linoff G. , “Data Mining Techniques: For Marketing Sale and Customer Support”, John Wiley and Sons, Inc., 1997.
22.Fayyad U. M., Piatetsky-Shapiro G. and Smithy P. ,”The KDD process for extracting useful knowledge from volumes of data”, Communication of the ACM, Vol. 39, No.11, pp. 27-34, 1996.
23.Grupe F. H., and Owrang M. M., “Database Mining Discovering New Knowledge and Cooperative Advantage”, Information Systems Management, Vol. 12, No. 4, pp. 26-31, 1995.
24.Kleissner C., “Data Mining for the Enterprise,” IEEE Proc. 31st Annual Hawaii International Conference on System Sciences, Vol. 7, pp. 295-304, 1998.
25.Piatetsky-Shapiro G. and Frawley W. J., “Knowledge Discovery in Databases,” AAAI/MIT Press, 1991.
26.Quinlan L. R., ”Induction on Decision tree”, Machine Learning, Vol.1 pp.82-106﹐ 1986.
27.Quinlan L. R., “C4.5: Programs for Machine Leaning”. San Mateo, CA: Morgan Kaufrnann, 1993.
28.Richard J. R. and Michael W. G., “Data Mining a Tutorial-Based Primer”, Addison Wesley, New York, pp.4-27, 2002.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top