[发明专利]医院指标异常模式自动检测方法

说明书

技术领域

本发明涉及指标异常检测技术领域，特别涉及一种医院指标异常模式自动检测方法。

背景技术

伴随着医院信息化建立的不断健全和完善，医院产生了大量的数据，该数据具有价值高，维度大等特点。正是由于数据的复杂性高，当医院某些指标发生异常时，难以发现，并且某些重要指标的异常检测对医院管理决策有着重要影响。因此如何及时有效地检测医院服务量指标的异常模式，保证医院正常运行具有重要的意义。医院服务量指标异常是指医院服务量指标偏离其正常模式的情形。随着医院信息系统的不断完善，数据量不断增加，医院重要服务量指标异常对医院正常运行的影响越来越大。因而如何准确、快速地检测出指标异常，并做出合理的响应，是保证医院正常运行的前提条件之一。

医院服务量指标主要有两个方面，宏观和微观，以下简称服务量指标。医院宏观服务量包括门诊急诊人次、急诊抢救人次、病人住院实际占用床位日、出院人数等，宏观服务量通常由社会需求所决定的。微观服务量是指各部门，科室各内部的服务量，如医院订购的药品、卫生材料、检验的标本量，放射科的摄片量，合理安排人员、设备床位等。医院服务量指标(门诊量，住院量，手术量等)的异常模式检测技术有助于医院管理者及时发现医院相关指标的异常情况，及时查找问题发生的原因，解决问题，保证医院各项工作正常运转。

目前，医院现有的检测异常模式的方式，主要是医院管理者根据经验判断指标是否异常，这种异常检测方法存在很多问题：(1)不能及时发现异常，往往是经过一段时间的数据汇总(如月报汇报时)管理者才发现异常，导致不能及时解决问题，时间滞后；(2)需要管理者具有一定的管理经验，对管理者的要求较高，可复制性差；(3)由于管理者的经验的不同，导致检测出的异常模式更具有经验性、个人主观性，缺乏科学性、合理性。

发明内容

本发明提供了一种医院指标异常模式自动检测方法，以解决现有技术在判断指标体系异常时，需要较高的管理经验，且无法及时发现问题，时间滞后性大的问题。

为解决上述问题，作为本发明的一个方面，提供了一种医院指标异常模式自动检测方法，包括：步骤1，获取指标体系的历史数据；步骤2，将所述历史数据进行分割，以得到分段指标数据；步骤3，提取所述分段指标数据的特征值；步骤4，将所述特征值标准化；步骤5，根据标准化后的所述特征值计算所述分段指标数据的异常值；步骤6，历史数据根据所述历史数据得到异常值阈值；步骤7，根据所述异常值和异常值阈值确定异常模式。

优选地，所述步骤2包括：从所述历史数据的第二点开始遍历，如果该点同时比其前后两点大或同时比其前后两点小，那么将该点作为所述历史数据的一个极值点；以所述极值点为分界点将所述历史数据分成多段以得到分段指标数据。

优选地，所述步骤3包括：所述特征值包括高度、长度、均值、标准差，其中高度为该段数据的最后一个数与第一个数的差值，长度为该段数据包含多少个数据点，均值段数据中的算术平均值，标准差为该段数据的标准差。

优选地，所述步骤4包括：设c₁＝<c₁₁,c₁₂, ,c_1p>为一组特征值，则用下式将该组特征值中的每个特征值标准化到0至1之间：

其中，c_max和c_min分别为c₁＝<c₁₁,c₁₂, ,c1_p>中的最大值和最小值。

优选地，所述步骤5包括：

步骤51，定义在四维特征空间中任意两点的距离计算公式，其中，四维特征空间就是特征值空间，四维特征空间中的每一个点都包含四个维度，即上面定义的四个特征值，设点p(x_p,y_p,z_p,k_p)，q(x_q,y_q,z_q,k_q)为四维特征空间中的任意两点，那么，对象p，q的距离为：

步骤52，定义四维特征空间中任意一点p的k^th距离k-dist(p)，其中，该距离就是四维特征空间中的距离p的距离从小到大排序，第k大的距离对应的点；其中，四维特征空间中的点均为四个特征值确定的点，该处的k是四维特征空间中的距离p的距离从小到大排序，第k大的距离对应的点，dist表示距离；