何昱林

    四川省德阳市人民医院运营管理部，四川德阳 618000

    随着医疗卫生体制改革的不断深化，外部环境变化给公立医院的发展带来了巨大的压力和严峻的挑战。在这种形势下，医院需要不断创新，在满足社会医疗服务需求的前提下，必须加强对医院人财物信息资源的管理，通过强化精细化管理来提高医院的整体运营管理效率[1]。医院运营效率的提升依赖于临床科室运营效率的提升[2]，如何能够准确反映医院临床科室的运营水平，这就需要对数据进行提取、挖掘，对临床科室运营效率进行客观、真实评价。本文将运用K-means聚类算法以德阳市人民医院的31 个临床科室为例，对其运营效率进行科学分析，分析结果有助于医院掌握临床科室的运行发展，能更好地配置现有医疗资源，也有助于为医院及科室管理提供发展思路，同时也有助于为临床科室绩效评价提供参考依据。另外，随着医院管理由粗放式向精细化转变，在借助信息技术的基础上医院已经积攒了大量的数据，因此，更需要掌握并运用一定的数据挖掘方法，来寻找数据内部的潜在联系，旨在为分析问题解决问题提供一个新的思路。

    1 K-means 算法介绍

    聚类算法是无监督学习中应用较广的学习算法[3]。聚类，顾名思义是按照一定的规则将数据分为若干个类，同一类簇内数据的相似度很高，类与类间的数据差异性很大[4]。通过聚类划分，每一类可能对应一些潜在的概念，可为进一步的数据分析提供基础。K-means 是解决聚类问题的经典算法，这种方法简单快捷也称为快速聚类法[5]。K-means 是一个反复迭代的过程，并采用距离作为相似性指标。首先要选择k 个对象作为初始类簇中心，然后根据最小距离原则将数据分配到最邻近类簇，每个类簇中所有对象所对应的均值再作为新的类簇中心，重复上述步骤，通过对凝聚点进行不断修正或迭代，直至聚类比较合理或迭代稳定为止[6]。

    K-means 算法具有较高的高效性，但也有一定的局限性：①对噪声和离群点比较敏感；②变量共线会对聚类效果产生影响；③对初始聚类中心敏感，选择不同的聚类中心会产生不同的聚类结果和不同的准确率[7]；④一般用于凸的样本集聚类，对于样本数据是非凸的情况聚类效果都不是很好[8] ......