以数据挖掘技术指导手术室药械管理及使用的初步探讨
喻晓芬，王 峥，过湘钗
（浙江省人民医院手术室，杭州�。常保埃埃保矗�
［摘 要］ 在分析数据挖掘技术的基础上，将数据挖掘技术应用于手术室药械管理及使用领域，如：手术室药械智
能备库系统的优化；评判手术患者危重度及预测术中并发症，以便在术前重点配备药品材料和器械；预测术后切口感染
以防止围术期抗生素的滥用；手术药械的评价及不良反应的监测等。数据挖掘技术作为一门新的技术，能从数据库中识
别出以前不为人知、有效的、新颖的、潜在的信息与知识，并能在手术室药械管理及使用中得到很好的应用。
［关键词］ 数据挖掘；手术室；药械
［中图分类号］�。遥梗担怠 。畚南妆晔堵耄荨。谩 。畚恼卤嗪牛荨。保埃埃椽玻埃罚福保ǎ玻埃埃罚埃藩玻埃福常勃玻埃�
随着现阶段医院信息系统（ｈｏｓｐｉｔａｌｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍ，
ＨＩＳ）在日常应用中积累的数据越来越多，数据挖掘技术近年来
得到国内外的极大重视。数据挖掘技术能从大量数据中挖掘
出有价值和隐含的知识，是为解决“数据丰富，知识贫乏”状况
而兴起的知识获取技术，它可以通过对海量数据的智能分析，
发现某些新信息、新知识，得到事物本质及可预测其发展趋势
·８３２· ＨｅｒａｌｄｏｆＭｅｄｉｃｉｎｅＶｏｌ２６Ｎｏ７Ｊｕｌｙ２００７
的、隐含的模式或规律［１，２］。笔者利用数据挖掘技术的原理和
方法，对其在手术室药械管理及使用中的应用，作了初步的探
讨。
１ 数据挖掘技术的定义、应用及实施步骤
１．１ 定义和应用 数据挖掘（ｄａｔａｍｉｎｉｎｇ，ＤＭ）是当今智能系
统理论和技术的重要研究内容。随着数据库技术的飞速发展
及数据库管理系统的广泛应用，各个领域的数据库或数据仓库
里面都收集了大量数据，现在人们已经不再满足于对数据库进
行简单的查询，而是希望借助现代信息处理技术，能够得到隐
藏在数据中反映事物本质和预测事物发展趋势的有用知识，并
以这些知识为基础辅助科学决策。在医学领域，主要用于慢性
病数据仓库的建立与分析［３］，恶性肿瘤的诊断与恶性程度的判
断分析［４］，呼吸道感染患者的病情危重度的分析［５］，医学影像
数据的挖掘及疾病专家系统的建立［６］等。而在手术室药械管
理及使用中的应用尚未见报道。
１．２ 数据挖掘的步骤 数据挖掘的过程很难定义。对于任何
给定的数据，都可能有许多数据挖掘方法，笔者根据手术室药
械管理及使用所涉及的内容和范围，定义了以下的一系列的步
骤。
１．２．１ 理解需要解决的问题在手术室药械管理及使用领域的
意义 在这个阶段，跟各方面的专家进行交流，定义问题、决定
目标、了解该问题目前的解决途径。这个步骤中的一个关键性
的目的是决定数据挖掘的目标和衡量其成功的标准，并且准备
出一份实现该项目计划的步骤。
１．２．２ 理解数据 这包括最初的数据收集，对得到的原始数
据进行抽样分析，列出数据类型（包括数据大小、格式、属性等
级）。最初的数据探索可以回答部分数据挖掘的目的，从而肯
定最初的假设，或探求新特征。
１．２．３ 准备数据 这是决定整个数据探求成功与否的关键性
步骤，因为数据库包含了庞大数据，使得任何一种数据挖掘算
法不可能处理所有的原始数据，这就要求利用其中的某一部分
的数据，并寄希望于从中得到的结果对于整个数据库具有代表
意义。这种对容量的缩减可以通过以下两种途径获得。一种
是对数据空间进行采样，此时进行的数据收集是随机的；另一
种是对特征空间的采样，只有具有某些特征的数据才能被选
中。同样，当大量的特征存在时，这种选择也将是随机的。除
了对数据库进行采样，还必须对数据进行重要性和相关性检
验。接着要对选出的数据进行净化处理，包括矫正、去除或忽
略噪声，决定如何处理某些特殊值等。最后采样得到的数据必
须从已知数据库中分离出来，重新规范化来满足不同数据挖掘
方法的需求。比如最初的原始资料可能会包括医生对骨科患
者情况的记录和一些原始图片，因为这些资料不适合于直接使
用，通过处理这些资料和图片，提取有用的特征信息，取得第二
手资料，加入数据库，所以如何有效进行规范化，就成为后续工
［收稿日期］�。玻埃埃丢玻保蔼玻常�
［作者简介］ 喻晓芬（１９６９－），女，浙江临安人，主管护师，学士，
从事手术室临床研究工作。电话：０５７１－８５８９３２９３，Ｅｍａｉｌ：ｙｘｆ４８００＠
１６３．ｃｏｍ。
作是否能够顺利进行的关键
１．２．４ 数据挖掘 这是知识探求过程中的另外一个关键性步
骤。是用数据挖掘方法来揭示新发现。数据挖掘包括选择数
据模型、决定训练和实验过程、建立模型、评价模型的品质。数
据挖掘的算法繁多，常用的包括：人工神经网络、决策树、遗传
算法、最临近技术、规则归纳、可视化技术等。这时需要评估对
于某一特定问题和特定数据哪一种算法表现好。值得注意的
是方法的选择常常应该取决于约定俗成的经验。
１．２．５ 评估与应用 首先，发现的知识必须对使用者是可以
理解的，从而为使用者进行决策提供了坚实的基础。最后，发
掘的知识必须是有新意的，有使用价值的。利用得到的结论能
够解决一些在手术室药械管理及使用中的问题。
２ 数据挖掘技术在手术室药械管理及使用中的应用
２．１ 应用于手术室药械智能备库系统的优化 手术室药械的
消耗容易受到季节、疾病好发时段，手术择期规律的影响，用固
定的方法，如设定低限量自动提示来解决手术室药械的领用问
题缺乏科学性，应用数据挖掘技术中的时间序列预测方法，对
ＨＩＳ中现有药械用量信息进行计算模拟，得出药械消耗模型。
根据手术室药械的实际情况自动产生下一时间段的药械领用
量，克服了手术室药械的积压和断货现象，满足各种手术的需
要，提高手术室药械备库的合理性和科学性。根据笔者的经
验，在实际使用过程中要特别注意数据的及时校正，如开展的
某个新手术，就应该把相应的老手术所需要的药械进行调整。
笔者收集本院手术室药械２００６年４～９月２种药物（Ａ、Ｂ）和２
种手术材料（Ｃ、Ｄ）的用量情况，利用量化决策分析方法，对药
械的消耗情况进行模拟后，进行了智能备库的实际操作，对其
预测与实际的消耗量进行回顾性比较分析，结果见表１。结果
显示两者差异无显著性（Ｐ＞０．０５）。此方法可用在手术室药械
智能备库系统的开发和优化。
表１�。粗忠┬盗陡鲈碌氖导视昧亢土煊昧勘冉稀�
４月５月６月７月８月９月
药物Ａ
开始领用量１２３ １３１ １３６ １５３ １５５ １５８
实际用量１２０ １３６ １３８ １５６ １４９ １５０
药物Ｂ
开始领用量６１２ ６２３ ６５６ ５７１ ５１４ ６４８
实际用量５７６ ６４８ ６９６ ５３１ ４７２ ５８９
材料Ｃ
开始领用量４１６ ４０２ ３８５ ３１１ ２６１ ３１２
实际用量４２３ ４１９ ３７０ ２８１ ２５５ ２９８
材料Ｄ
开始领用量１５４１ １６７８ １５９２ １４１２ １３０１ １４２４
实际用量１４９８ １６５５ |
|
资源大小：1.32 MB 
