(3.235.139.152) 您好!臺灣時間:2021/05/08 17:46
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:陳如軒
研究生(外文):Ju-Hsuan Chen
論文名稱:應用多管道潛藏狄利克雷分配偵測藥物清單遺失項目
論文名稱(外文):Detecting Omissions in Medication Lists Using Multiple Channel Latent Dirichlet Allocation
指導教授:盧信銘
指導教授(外文):Hsin-Min Lu
口試委員:魏志平陳建錦
口試委員(外文):Chih-Ping WeiChien-Chin Chen
口試日期:2013-07-19
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:資訊管理學研究所
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:2013
畢業學年度:101
語文別:中文
論文頁數:87
中文關鍵詞:用藥疏失藥物清單遺失偵測主題模型潛藏狄利克雷分配
外文關鍵詞:Medication Errormedication listomission detectiontopic modelLatent Dirichlet Allocation
相關次數:
  • 被引用被引用:0
  • 點閱點閱:145
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
Medication Error (用藥疏失) 是指因為不當使用藥物而對病患安全產生危害的事件,醫師開立之處方箋與病患實際所服用藥物有差異是造成其發生的主要原因之一。在眾多藥物資訊差異型態中,尤以藥物資訊遺失為大宗。若能修正藥物清單的錯誤,還原遺失的藥物資訊,便能使病患受到更完善的醫療照顧,故本研究希望提出一個有效的方法偵測藥物清單上的遺失項目。
本研究以類比主題建模 (topic modeling) 的方式,找出診斷資訊與藥物資訊共同的潛藏因子,建立兩者之間的關聯,透過可觀察的資訊預測藥物清單上可能遺失的項目。本研究以Latent Dirichlet Allocation (潛藏狄利克雷分配,簡稱LDA) 主題模型為基礎,針對研究問題與資料將其延伸發展為Multiple Channel Latent Dirichlet Allocation (多管道潛藏狄利克雷分配,簡稱MCLDA) 模型,期望能有效地進行預測。
本研究採用全民健康保險研究資料庫的健保資料進行實驗,實驗結果證明MCLDA模型表現優於先前研究所提出的協同過濾模型,能大幅地提升預測的準確程度。MCLDA模型建立了診斷資訊與藥物資訊之間的關聯性,故亦可將偵測藥物清單遺失項目的概念延伸應用於偵測藥物清單異常項目;相同地,MCLDA模型亦可透過藥物清單的幫助進而偵測診斷清單中的異常項目。因此,本研究建構的全民健保診斷與藥物之聯合機率模型可作為往後全民健保方面相關研究的基礎。


A medication error is any preventable event that leads to patient harm because of inappropriate drug use. One major reason is because discrepancies may exist between drugs prescribed and drugs taken by patients. Drug omission is a major cause of discrepancies. The goal of this study is to develop a drug omission detection method to help resolve these discrepancies and improve health care quality.
This study developed a method for automatic detecting omissions in medication lists. Our key insight is that the diagnosis items and drug items from one medical visit have the same latent health condition factors. The problem is, to some degree, analogous to the topic modeling framework which is increasingly used to inference latent topics in documents. We modified the Latent Dirichlet Allocation model according to the characteristics of the health insurance claim data and developed the Multiple Channel Latent Dirichlet Allocation (MCLDA).
MCLDA discovers the relationship between diagnoses and drugs and compute the conditional probability that a given drug is omitted given the observed drugs and diagnosis. We evaluate the effectiveness of MCLDA model using the medication data from National Health Insurance (NHI) Research Database. Compared with previous Collaborative Filtering methods, the results show that MCLDA has improved accuracy for drug omission predicting.


誌謝 I
中文摘要 II
Abstract III
目錄 IV
圖目錄 VI
表目錄 VII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
第二章 文獻探討 4
2.1 Medication Error與Medication Reconciliation 4
2.2 以協同過濾方式協助預測藥物清單遺失項目 5
2.2.1 Drug Popularity 6
2.2.2 Co-occurrence Counting 7
2.2.3 K Nearest Neighbor (KNN) 8
2.2.4 Logistic Regression 9
2.3 Latent Dirichlet Allocation (LDA) 10
2.4 小結 15
第三章 系統設計 16
3.1 Multiple Channel Latent Dirichlet Allocation (MCLDA) 16
3.2 基準線模型 22
3.2.1 Drug Popularity 22
3.2.2 Co-occurrence Counting 22
3.3 效能衡量指標 23
第四章 資料處理 24
4.1 資料來源 24
4.2 資料抽樣與前處理 25
4.3 人造模擬資料集 26
第五章 實驗結果 29
5.1 模擬資料集A實驗結果 29
5.2 模擬資料集B實驗結果 36
5.3 全民健康保險研究資料實驗結果 42
第六章 結論與建議 57
6.1 實驗結論 57
6.2 研究貢獻 57
6.3 未來研究方向 58
參考文獻 59
附錄A 61
附錄B 63
附錄C 64
附錄C.1 模擬資料集A群組機率分佈 64
附錄C.2 模擬資料集B群組機率分佈 68
附錄C.3 健保資料集群組機率分佈 72

1. Bates, D. W., Spell, N., Cullen, D. J., Burdick, E., Laird, N., Petersen, L. A., ... & Leape, L. L. (1997). The costs of adverse drug events in hospitalized patients. JAMA: the journal of the American Medical Association, 277(4), 307-311.
2. Bedell, Susanna E., et al. "Discrepancies in the use of medications: their extent and predictors in an outpatient practice." Archives of Internal Medicine 160.14 (2000): 2129.
3. Glintborg, B., Andersen, S. E., & Dalhoff, K. (2007). Insufficient communication about medication use at the interface between hospital and primary care. Quality and Safety in Health Care, 16(1), 34-39.
4. Midlöv, P., Holmdahl, L., Eriksson, T., Bergkvist, A., Ljungberg, B., Widner, H., ... & Höglund, P. (2008). Medication report reduces number of medication errors when elderly patients are discharged from hospital. Pharmacy World & Science, 30(1), 92-98.
5. Seaton, T. L., Gergen, S. S., Reichley, R. M., Dunagan, W. C., & Bailey, T. C. (2005). Concordance between medication histories and outpatient electronic prescription claims in patients hospitalized with heart failure. In AMIA Annual Symposium Proceedings (Vol. 2005, p. 1109). American Medical Informatics Association.
6. Pronovost, P., Weast, B., Schwarz, M., Wyskiel, R. M., Prow, D., Milanovich, S. N., ... & Lipsett, P. (2003). Medication reconciliation: a practical tool to reduce the risk of medication errors. Journal of critical care, 18(4), 201-205.
7. Barnsteiner, J. H. (2005). Medication reconciliation: transfer of medication information across settings—keeping it free from error. AJN The American Journal of Nursing, 105(3), 31-36.
8. Hasan, S., Duncan, G. T., Neill, D. B., & Padman, R. (2011). Automatic detection of omissions in medication lists. Journal of the American Medical Informatics Association, 18(4), 449-458.
9. Santell, J. P. (2006). Reconciliation failures lead to medication errors. Joint Commission journal on quality and patient safety/Joint Commission Resources, 32(4), 225.
10. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. the Journal of machine Learning research, 3, 993-1022.
11. Geman, S., & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. Pattern Analysis and Machine Intelligence, IEEE Transactions on, (6), 721-741.
12. Blei, D. M., & Jordan, M. I. (2003, July). Modeling annotated data. In Proceedings of the 26th annual international ACM SIGIR conference on Research and development in informaion retrieval (pp. 127-134). ACM.
13. Griffiths, T. L., & Steyvers, M. (2004). Finding scientific topics. Proceedings of the National academy of Sciences of the United States of America, 101(Suppl 1), 5228-5235.
14. Newman, M. E. J., & Barkema, G. T. (1999). Monte Carlo Methods in Statistical Physics.
15. Gilks, W. R., Richardson, S., & Spiegelhalter, D. J. (1996). Markov chain Monte Carlo in practice.
16. Liu, J. S. Monte Carlo Strategies in Scientific Computing. 2001. NY: Springer.
17. National Coordinating Council for Medication Error Reporting and Prevention, Retrieved June 24, 2013, from http://www.nccmerp.org/aboutMedErrors.html

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 2.王文宇,公司法之財務面向,法令月刊第54卷第3期,2003年3月,頁46-55。
2. 1.王文宇,公司分割法制之研究──兼論金融控股公司法草案之分割規定,月旦法學雜誌第73期,2001年6月,頁60-76。
3. 3.王文宇,公司章程之定位與資本制度之改革,法令月刊第54卷第10期,2003年10月,頁38-52。
4. 4.王文宇,股份交換的概念與運用,月旦法學教室第37期,2005年11月,頁26-27。
5. 5.王文宇,非合意併購的政策與法制──以強制收購與防禦措施為中心,月旦法學雜誌第125期,2005年10月,頁155-175。
6. 6.王文宇,侵害新股優先認購權之法律救濟,月旦法學教室第8期,2003年6月,頁24-25。
7. 7.王文宇,前瞻公司法制,月旦法學雜誌第100期,2003年9月,頁162-173。
8. 8.王文宇,論大型企業之公司治理法制,月旦法學雜誌第200期,2012年1月,頁282-297。
9. 9.王志誠,公司股東之出資,法學講座第27期,2004年5月,頁53-64。
10. 10.王志誠,公司重整法制──重整公司之治理、重整計畫及重整完成,月旦法學教室第39期,2006年1月,頁61-68。
11. 11.王志誠,股份轉換法制之基礎構造─兼評「企業併購法」之股份轉換法制─,政大法學評論第71期,2002年9月,頁79-129。
12. 12.王志誠,股東之新股認購權,月旦法學教室第77期,2009年3月,頁32-33。
13. 14.王志誠,股東書面協議法制(上)──公開化或閉鎖化之判定基準?,月旦法學雜誌第174期,2009年11月,頁136-161。
14. 15.王志誠,股東書面協議法制(下)──公開化或閉鎖化之判定基準?,月旦法學雜誌第175期,2009年12月,頁102-121。
15. 17.王志誠,從重整法制之目的評釋司法實務之見解,經社法制論叢第37期,2006年1月,頁35-101。
 
系統版面圖檔 系統版面圖檔