杨磊 刘冲 袁斌 蒙永镇 韦青宇 黄嘉欣

摘要：选取某妇幼专科医院门诊病人挂号看诊信息为研究对象，运用大数据挖掘的思想对门诊数据进行ETL预处理，将门诊数据分为三个季度表，采用C#编程实现关联规则中Apriori算法并挖掘出病人就诊科室之间的关联规则。综合三个季度的门诊数据关联规则结果进行对比分析，预测患者就诊行为，为方便病人看诊提供建议，为医院门诊医疗管理提供数据支持和决策依据。

关键词：Apriori算法；关联规则；就诊规律

中图分类号：TP399 文献标识码：A 文章编号：1009-3044（2018）23-0291-03

Abstract： Selecting out-patient information of a doctor-patient in a maternal and child hospital as the research object， using the idea of big data mining to carry out ETL preprocessing outpatient data， dividing the outpatient data into three quarterly tables， using C# programming to realize Apriori algorithm in association rules and mining Outpatient department between the correlation rules. Comprehensive outpatient data association rules for three quarters of the results of the comparative analysis to predict the patient behavior， to facilitate the patient's advice to provide advice for the hospital outpatient medical management to provide data support and decision-making basis.

Key words： Apriori algorithm； Association Rule； Visiting Rules

1 引言

在婦幼保健院门诊中，医院信息系统积累了大量可供分析的妇幼门诊就诊数据，并且这些数据具有容量更大、质量更优、针对性更强的特点。而关联规则中Apriori算法具有规则简单、方便实用的特点[1]，将其用于对医院门诊数据的分析，可以发现隐藏在数据间的就诊科室之间的关联规则及联系的紧密程度，找出对门诊管理有帮助的关键因素，从而有针对性的进行相关的医院建设，将有限的医疗资源向就诊量多、与其它门诊关系最密切的科室倾斜，使医疗资源的配置更加合理，改善医院服务质量，使病人能获得更好的医疗服务。

2 资料与方法

2.1 数据来源

本研究数据来源于某妇幼三甲专科医院，提取2017前三个季度的门诊就诊数据，包括病人病历号、姓名、就诊科室、就诊时间，对门诊数据进行抽取、清洗和转换等预处理，最终分别得到三个季度病人门诊信息。

2.2 研究方法