基于數(shù)據(jù)挖掘技術(shù)的醫(yī)患關(guān)系數(shù)據(jù)分析

張浩

摘要：雖然醫(yī)療技術(shù)和醫(yī)療水平在不斷提高，但患者對醫(yī)療效果及期望越來越高，醫(yī)務(wù)人員始終無法使患者的醫(yī)療需求得到有效滿足，致使當(dāng)前醫(yī)患關(guān)系越發(fā)緊張。本文利用數(shù)據(jù)挖掘工具Weka，根據(jù)已有醫(yī)患關(guān)系數(shù)據(jù)集，分析蘭州市各級醫(yī)院不同職稱、學(xué)歷、工齡的醫(yī)務(wù)人員在職業(yè)過程中產(chǎn)生的精神壓力及對家庭造成的影響。研究發(fā)現(xiàn)，醫(yī)患關(guān)系與社會(huì)和患者對醫(yī)務(wù)人員的尊重程度、患者對醫(yī)療服務(wù)的信任度和滿意度有密切的聯(lián)系。分析數(shù)據(jù)挖掘結(jié)果，為醫(yī)務(wù)人員改善醫(yī)患關(guān)系提供方向和對策，為政府部門維護(hù)醫(yī)療市場和保障醫(yī)務(wù)人員的健康提供衛(wèi)生學(xué)理論依據(jù)和具體應(yīng)對措施。

關(guān)鍵詞：醫(yī)患關(guān)系;數(shù)據(jù)挖掘;Weka

中圖分類號：R197.323 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2019）08-0192-02

0 引言

本文旨在研究當(dāng)前醫(yī)患關(guān)系和蘭州市現(xiàn)階段各級醫(yī)院不同職稱、學(xué)歷、工齡的醫(yī)務(wù)人員在職業(yè)過程中產(chǎn)生的精神壓力及對家庭造成的影響。通過數(shù)據(jù)挖掘工具Weka分析數(shù)據(jù)挖掘結(jié)果，為醫(yī)務(wù)人員改善醫(yī)患關(guān)系提供方向和對策，為政府部門維護(hù)醫(yī)療市場和保障醫(yī)務(wù)人員的健康提供衛(wèi)生學(xué)理論依據(jù)和具體應(yīng)對措施。

1 數(shù)據(jù)挖掘工具Weka

Weka是Waikato大學(xué)開發(fā)的全面的數(shù)據(jù)挖掘系統(tǒng)，它用Java語言實(shí)現(xiàn)并提供了適用于任何數(shù)據(jù)集的數(shù)據(jù)預(yù)處理和算法性能評價(jià)的方法，用戶可根據(jù)需求加入個(gè)性化算法，并封裝到系統(tǒng)內(nèi)。它還提供了Java函數(shù)和類庫，用戶可以在數(shù)據(jù)挖掘的實(shí)際實(shí)驗(yàn)過程中隨意調(diào)用。

2 數(shù)據(jù)來源

本研究以蘭州市醫(yī)療數(shù)據(jù)為數(shù)據(jù)集，對蘭州市現(xiàn)階段不同級別的醫(yī)院，不同職稱、學(xué)歷、工齡的醫(yī)務(wù)人員數(shù)據(jù)進(jìn)行挖掘，所研究的醫(yī)患關(guān)系數(shù)據(jù)集來源于已有的問卷調(diào)查。該調(diào)查覆蓋了蘭州市轄區(qū)內(nèi)5家省級醫(yī)院、5家市級醫(yī)院和8縣區(qū)縣級醫(yī)院，包含了1280名醫(yī)務(wù)人員、醫(yī)院周邊1280名非醫(yī)療機(jī)構(gòu)工作人員以及蘭州市所調(diào)查醫(yī)療機(jī)構(gòu)轄區(qū)內(nèi)的1280名患者。人員比例按照概率比例規(guī)模抽樣法（PPS），按省級醫(yī)院32人、市級醫(yī)院60人、縣級醫(yī)院100人的比例隨機(jī)抽取調(diào)查對象?？偣舶l(fā)放關(guān)于醫(yī)務(wù)人員、患者和普通群眾的調(diào)查問卷分別1280份，分別回收1100、923和988份有效問卷，本文只對醫(yī)務(wù)人員數(shù)據(jù)表進(jìn)行分析。

問卷調(diào)查得到的數(shù)據(jù)以.xls文件格式存儲(chǔ)在Excel中，數(shù)據(jù)整體上比較完整，屬性值較齊全，準(zhǔn)確度和可信度較高，適合用來做數(shù)據(jù)挖掘分析。

3 數(shù)據(jù)預(yù)處理

3.1 數(shù)據(jù)清理

（1）去掉冗余的字段。將年齡、工作年數(shù)、所在科室等屬性保留下來，其余姓名、地區(qū)的等字段去掉。（2）缺失值的處理。本文采用屬性的均值填充缺失值，對整個(gè)數(shù)據(jù)集的影響不大。

3.2 數(shù)據(jù)集成和變換

對于醫(yī)務(wù)人員，問卷共設(shè)有153個(gè)問題，問題的選項(xiàng)個(gè)數(shù)在2到8之間，為了挖掘的順利進(jìn)行，統(tǒng)一對各屬性及屬性值進(jìn)行處理。對醫(yī)務(wù)人員的8個(gè)調(diào)查表依次進(jìn)行編號{A，B，C，...，H}，表中的每個(gè)屬性按順序統(tǒng)一編號{1，2，...}，每個(gè)屬性的編號即{A1，A2，A3，...};對于每個(gè)屬性值按照問題選項(xiàng)的順序依次編號，即{1，2，...，8}。

3.3 數(shù)據(jù)歸約和離散化

經(jīng)過數(shù)據(jù)預(yù)處理之后，數(shù)據(jù)格式、數(shù)據(jù)值基本上都一致，由于數(shù)據(jù)是數(shù)值屬性，需要將其轉(zhuǎn)換為標(biāo)稱類別。最終數(shù)據(jù)集如表1所示。

4 基于Weka工具的醫(yī)患關(guān)系數(shù)據(jù)分析

4.1 數(shù)據(jù)集

數(shù)據(jù)集表中各字段含義：患者對醫(yī)務(wù)人員的尊重程度，a非常尊重、b比較尊重、c一般、d比較不尊重、e非常不尊重。

4.2 計(jì)算分類屬性的期望信息量

將數(shù)據(jù)分為五類，a類共71個(gè)，b類共330個(gè)，c類共537個(gè)，d類共108個(gè)，e類共54個(gè)，總計(jì)1100個(gè)。由公式計(jì)算出的期望信息量為1.824。

4.3 分析步驟

（1）將醫(yī)患關(guān)系數(shù)據(jù)集導(dǎo)入Weka平臺。（2）查看數(shù)據(jù)集的五個(gè)屬性值分布情況，發(fā)現(xiàn)數(shù)據(jù)屬性值分布較明顯，因此選取C4.5算法對五個(gè)屬性值進(jìn)行分析。（3）選擇J48（Weka中的C4.5算法），得到如圖1所示的分析結(jié)果。

從圖1中看出決策樹的準(zhǔn)確率是65.2727%，得到的決策樹如圖2所示。

4.4 分析規(guī)則的提取和結(jié)果分析

從如圖2所示的決策樹模型中提取分類規(guī)則。

其中提取分類結(jié)果是“a”的規(guī)則為：

IF“H97”=“a”，THEN分類結(jié)果是“a”;IF“H97”=“e”AND“H99”=“a”，THEN分類結(jié)果是“a”;IF“H97”=“e”AND“H99”=“b”，THEN分類結(jié)果是“a”;

其中提取分類結(jié)果是“b”的規(guī)則為：

IF“H97”=“b”，THEN 分類結(jié)果是“b”;IF“H97”=“b”AND“H99”=“b”AND“H102”=“c”，THEN分類結(jié)果是“b”;

其中提取分類結(jié)果是“c”的規(guī)則為：

IF“H97”=“c”，THEN 分類結(jié)果是“c”;IF“H97”=“d”AND“H102”=“b”，THEN分類結(jié)果是“c”;IF“H97”=“d”AND“H102”=“c”，THEN分類結(jié)果是“c”;IF“H97”=“d”AND“H100”=“b”，THEN分類結(jié)果是“c”;IF“H97”=“e”AND“H99”=“c”，THEN分類結(jié)果是“c”;IF“H97”=“d”AND“H100”=“d”AND“H99”=“a”，THEN分類結(jié)果是“c”;IF“H97”=“d”AND“H100”=“d”AND“H99”=“b”，THEN分類結(jié)果是“c”;IF“H97”=“d”AND“H100”=“d”AND“H99”=“c”，THEN分類結(jié)果是“c”;IF“H97”=“e”AND“H99”=“b”AND“H102”=“e”，THEN分類結(jié)果是“c”;

其中提取分類結(jié)果是“d”的規(guī)則為：

IF“H97”=“e”AND“H99”=“d”，THEN分類結(jié)果是“d”;IF“H97”=“d”AND“H102”=“c”AND“H100”=“a”，THEN分類結(jié)果是“d”;IF“H97”=“d”AND“H102”=“d”AND“H100”=“a”，THEN分類結(jié)果是“d” IF“H97”=“d”AND“H102”=“d”AND“H100”=“c”，THEN分類結(jié)果是“d”;IF“H97”=“d”AND“H102”=“c”AND“H100”=“d”AND“H99”=“d”，THEN分類結(jié)果是“d”;

其中提取分類結(jié)果是“e”的規(guī)則為：

IF“H97”=“d”AND“H102”=“e”，THEN分類結(jié)果是“e”;

IF“H97”=“e”AND“H99”=“e”，THEN分類結(jié)果是“e”;

IF“H97”=“d”AND“H102”=“d”AND“H100”=“d”，THEN分類結(jié)果是“e”;

由提取的規(guī)則得出，患者對醫(yī)務(wù)人員的尊重程度不僅與醫(yī)患關(guān)系密切相關(guān)，還與患者對醫(yī)療服務(wù)的信任度和滿意度緊密相連。社會(huì)對醫(yī)務(wù)人員的職業(yè)越尊重，患者對醫(yī)療服務(wù)越信任、越滿意時(shí)，醫(yī)患關(guān)系越好，患者就對醫(yī)務(wù)人員越尊重。

5 結(jié)語

患者對醫(yī)務(wù)人員的尊重程度與醫(yī)患關(guān)系、患者對醫(yī)療服務(wù)的信任度和滿意度密切相關(guān)。決策樹的準(zhǔn)確率是65.2727%，說明分析結(jié)果是具有參考價(jià)值的。一個(gè)和諧的醫(yī)患關(guān)系，不僅會(huì)幫助患者早期康復(fù)，而且還會(huì)提高醫(yī)務(wù)人員的工作積極性。因此，建議醫(yī)院必須要給患者提供良好的醫(yī)療服務(wù)質(zhì)量;醫(yī)務(wù)人員要做好內(nèi)涵建設(shè)工作，多與患者進(jìn)行溝通，醫(yī)方與患方要平等交流、彼此信任。

參考文獻(xiàn)

[1] 陳芬，邵金花，孫偉.打造優(yōu)秀醫(yī)院文化 緩解醫(yī)患矛盾[J].中國社會(huì)醫(yī)學(xué)雜志，2012，29（05）：320-321.

[2] 孫江潔，張利萍，沐鵬錕，等.醫(yī)方和患方對醫(yī)患關(guān)系評價(jià)的認(rèn)知差異[J].中國心理衛(wèi)生雜志，2016，30（07）：486-491.

[3] 劉薇薇，李屹，王媛媛，等.門診醫(yī)患關(guān)系深度量表的評價(jià)及醫(yī)患關(guān)系深度影響因素研究[J].中國全科醫(yī)學(xué)，2015，18（22）：2705-2708.

Data analysis of doctor-patient relationship based on Data Mining Technology

ZHANG Hao

（Longqiao College of Lanzhou University of Finance and Economics， Lanzhou Gansu 730101）

Abstract：Although medical technology and medical level are constantly improving， patients'expectations of medical effects and expectations are getting higher and higher. Medical staff have been unable to effectively meet patients' medical needs， which makes the current doctor-patient relationship more tense. Based on the data set of doctor-patient relationship， this paper uses data mining tool Weka to analyze the mental stress of medical staff with different professional titles， educational backgrounds and working years in Lanzhou hospitals and its impact on their families. The study found that the doctor-patient relationship is closely related to the degree of social and patient respect for medical staff， patients'trust in and satisfaction with medical services. The results of data mining are analyzed to provide direction and Countermeasures for medical staff to improve doctor-patient relationship， and to provide theoretical basis and specific countermeasures for government departments to maintain the medical market and ensure the health of medical staff.

Key words：doctor-patient relationship; data mining; Weka