基于关联规则的门诊药房口服拆零药品的位置优化管理
组胺,甲氨蝶呤,1资料与方法,1一般资料,2方法,2结果,1处方信息及预处理,2药物频次分析,3关联规则,4关联规则的组合分析,5依据关联规则优化摆放位置,3讨论,1特殊药品,2甲氨蝶呤片与叶酸片,3泼尼松片
洪卫兰 陈桂强 王 持 程小荣 刘锐锋▲1.广东省中山市人民医院药学部,广东中山 528403;2.美商奥施 (北京)科技有限公司,北京 100010
国家食品药品监督管理局规定:医院药房在配方销售过程中,药品需要拆开包装出售,如已拆开的包装并不能完整反映药品的名称、规格、用法、用量和有效期等全部内容称之为拆零药品[1]。药品拆零可以减少药品的浪费,降低药费支出,方便患者用药等[2]。中山市人民医院(我院)是一家综合型三甲医院,日均门诊量7000左右。医院信息系统(hospital information system,简称HIS系统)每天会接收大量的杂乱无章的门诊处方数据,如何利用这些数据,从中得到一些规则,从而提高门诊药房的药品调配效率和准确度,值得思考。关联规则最早用于商场购物篮分析问题,可用于寻找事项之间的联系规律,是一种主要数据挖掘的方法[3]。目前我院门诊药房口服拆零药品位置的摆放主要是按药理系统来分,使用频率高的摆放近一点,频率低的摆放远一点,凭经验设定的摆放位置,并无任何数据支持,本研究是第一次运用关联规则的方法挖掘门诊药房口服拆零药品之间的关联度,优化拆零药品的摆放位置,以期提高拆零药品的调配效率和准确度。
1 资料与方法
1.1 一般资料
数据来源于我院HIS系统,提取六楼门诊药房6号窗2019年11月1日至11月30日的处方数据,对其进行分析,包括患者ID,药品的编码,药品的名称、规格和数量。出于保护患者隐私,不提取患者的名字及年龄,只提取患者ID号。
1.2 方法
关联规则是一种无人监督的机器学习方法,可以用来发现规则,特别适用于中医药的挖掘。Apriori算法[4]是关联规则挖掘领域最经典的广度优先算法,也是目前挖掘布尔关联规则频繁项集最具影响力的算法,其运算的核心是基于两级频率集思想的递归方法。在分类方面,该关联规则属于单维布尔关联规则。Apriori算法采用逐层搜索的迭代方法,没有复杂的理论推导。算法简单明了,相对容易实现。
首先手动清洗原始处方,剔除只有一种药物的处方,然后对处方数据进行预处理。将拆零药物的数据输入到Excel中,生成矩阵图。如果药物存在,取其值为“y”;如药物不存在,取其值为“n”,将建立的表作为数据库,然后使用IBM SPSS Modeler 18进行关联规则分析[4] ......
您现在查看是摘要页,全文长 9190 字符。