以數據挖掘技術指導手術室藥械管理及使用的初步探討
喻曉芬，王 崢，過湘釵
（浙江省人民醫院手術室，杭州 ３１００１４）
［摘 要］ 在分析數據挖掘技術的基礎上，將數據挖掘技術應用于手術室藥械管理及使用領域，如：手術室藥械智
能備庫系統的優化；評判手術患者危重度及預測術中并發癥，以便在術前重點配備藥品材料和器械；預測術后切口感染
以防止圍術期抗生素的濫用；手術藥械的評價及不良反應的監測等。數據挖掘技術作為一門新的技術，能從數據庫中識
別出以前不為人知、有效的、新穎的、潛在的信息與知識，并能在手術室藥械管理及使用中得到很好的應用。
［關鍵詞］ 數據挖掘；手術室；藥械
［中圖分類號］�。遥梗担怠 。畚墨I標識碼］�。谩 。畚恼戮幪枺荨。保埃埃椽玻埃罚福保ǎ玻埃埃罚埃藩玻埃福常勃玻埃�
隨著現階段醫院信息系統（ｈｏｓｐｉｔａｌｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍ，
ＨＩＳ）在日常應用中積累的數據越來越多，數據挖掘技術近年來
得到國內外的極大重視。數據挖掘技術能從大量數據中挖掘
出有價值和隱含的知識，是為解決“數據豐富，知識貧乏”狀況
而興起的知識獲取技術，它可以通過對海量數據的智能分析，
發現某些新信息、新知識，得到事物本質及可預測其發展趨勢
·８３２· ＨｅｒａｌｄｏｆＭｅｄｉｃｉｎｅＶｏｌ２６Ｎｏ７Ｊｕｌｙ２００７
的、隱含的模式或規律［１，２］。筆者利用數據挖掘技術的原理和
方法，對其在手術室藥械管理及使用中的應用，作了初步的探
討。
１ 數據挖掘技術的定義、應用及實施步驟
１．１ 定義和應用 數據挖掘（ｄａｔａｍｉｎｉｎｇ，ＤＭ）是當今智能系
統理論和技術的重要研究內容。隨著數據庫技術的飛速發展
及數據庫管理系統的廣泛應用，各個領域的數據庫或數據倉庫
里面都收集了大量數據，現在人們已經不再滿足于對數據庫進
行簡單的查詢，而是希望借助現代信息處理技術，能夠得到隱
藏在數據中反映事物本質和預測事物發展趨勢的有用知識，并
以這些知識為基礎輔助科學決策。在醫學領域，主要用于慢性
病數據倉庫的建立與分析［３］，惡性腫瘤的診斷與惡性程度的判
斷分析［４］，呼吸道感染患者的病情危重度的分析［５］，醫學影像
數據的挖掘及疾病專家系統的建立［６］等。而在手術室藥械管
理及使用中的應用尚未見報道。
１．２ 數據挖掘的步驟 數據挖掘的過程很難定義。對于任何
給定的數據，都可能有許多數據挖掘方法，筆者根據手術室藥
械管理及使用所涉及的內容和范圍，定義了以下的一系列的步
驟。
１．２．１ 理解需要解決的問題在手術室藥械管理及使用領域的
意義 在這個階段，跟各方面的專家進行交流，定義問題、決定
目標、了解該問題目前的解決途徑。這個步驟中的一個關鍵性
的目的是決定數據挖掘的目標和衡量其成功的標準，并且準備
出一份實現該項目計劃的步驟。
１．２．２ 理解數據 這包括最初的數據收集，對得到的原始數
據進行抽樣分析，列出數據類型（包括數據大小、格式、屬性等
級）。最初的數據探索可以回答部分數據挖掘的目的，從而肯
定最初的假設，或探求新特征。
１．２．３ 準備數據 這是決定整個數據探求成功與否的關鍵性
步驟，因為數據庫包含了龐大數據，使得任何一種數據挖掘算
法不可能處理所有的原始數據，這就要求利用其中的某一部分
的數據，并寄希望于從中得到的結果對于整個數據庫具有代表
意義。這種對容量的縮減可以通過以下兩種途徑獲得。一種
是對數據空間進行采樣，此時進行的數據收集是隨機的；另一
種是對特征空間的采樣，只有具有某些特征的數據才能被選
中。同樣，當大量的特征存在時，這種選擇也將是隨機的。除
了對數據庫進行采樣，還必須對數據進行重要性和相關性檢
驗。接著要對選出的數據進行凈化處理，包括矯正、去除或忽
略噪聲，決定如何處理某些特殊值等。最后采樣得到的數據必
須從已知數據庫中分離出來，重新規范化來滿足不同數據挖掘
方法的需求。比如最初的原始資料可能會包括醫生對骨科患
者情況的記錄和一些原始圖片，因為這些資料不適合于直接使
用，通過處理這些資料和圖片，提取有用的特征信息，取得第二
手資料，加入數據庫，所以如何有效進行規范化，就成為后續工
［收稿日期］ ２００６１０３０
［作者簡介］ 喻曉芬（１９６９－），女，浙江臨安人，主管護師，學士，
從事手術室臨床研究工作。電話：０５７１－８５８９３２９３，Ｅｍａｉｌ：ｙｘｆ４８００＠
１６３．ｃｏｍ。
作是否能夠順利進行的關鍵
１．２．４ 數據挖掘 這是知識探求過程中的另外一個關鍵性步
驟。是用數據挖掘方法來揭示新發現。數據挖掘包括選擇數
據模型、決定訓練和實驗過程、建立模型、評價模型的品質。數
據挖掘的算法繁多，常用的包括：人工神經網絡、決策樹、遺傳
算法、最臨近技術、規則歸納、可視化技術等。這時需要評估對
于某一特定問題和特定數據哪一種算法表現好。值得注意的
是方法的選擇常常應該取決于約定俗成的經驗。
１．２．５ 評估與應用 首先，發現的知識必須對使用者是可以
理解的，從而為使用者進行決策提供了堅實的基礎。最后，發
掘的知識必須是有新意的，有使用價值的。利用得到的結論能
夠解決一些在手術室藥械管理及使用中的問題。
２ 數據挖掘技術在手術室藥械管理及使用中的應用
２．１ 應用于手術室藥械智能備庫系統的優化 手術室藥械的
消耗容易受到季節、疾病好發時段，手術擇期規律的影響，用固
定的方法，如設定低限量自動提示來解決手術室藥械的領用問
題缺乏科學性，應用數據挖掘技術中的時間序列預測方法，對
ＨＩＳ中現有藥械用量信息進行計算模擬，得出藥械消耗模型。
根據手術室藥械的實際情況自動產生下一時間段的藥械領用
量，克服了手術室藥械的積壓和斷貨現象，滿足各種手術的需
要，提高手術室藥械備庫的合理性和科學性。根據筆者的經
驗，在實際使用過程中要特別注意數據的及時校正，如開展的
某個新手術，就應該把相應的老手術所需要的藥械進行調整。
筆者收集本院手術室藥械２００６年４～９月２種藥物（Ａ、Ｂ）和２
種手術材料（Ｃ、Ｄ）的用量情況，利用量化決策分析方法，對藥
械的消耗情況進行模擬后，進行了智能備庫的實際操作，對其
預測與實際的消耗量進行回顧性比較分析，結果見表１。結果
顯示兩者差異無顯著性（Ｐ＞０．０５）。此方法可用在手術室藥械
智能備庫系統的開發和優化。
表１ ４種藥械連續６個月的實際用量和領用量比較
４月５月６月７月８月９月
藥物Ａ
開始領用量１２３ １３１ １３６ １５３ １５５ １５８
實際用量１２０ １３６ １３８ １５６ １４９ １５０
藥物Ｂ
開始領用量６１２ ６２３ ６５６ ５７１ ５１４ ６４８
實際用量５７６ ６４８ ６９６ ５３１ ４７２ ５８９
材料Ｃ
開始領用量４１６ ４０２ ３８５ ３１１ ２６１ ３１２
實際用量４２３ ４１９ ３７０ ２８１ ２５５ ２９８
材料Ｄ
開始領用量１５４１ １６７８ １５９２ １４１２ １３０１ １４２４
實際用量１４９８ １６５５ |
|
資源大小：1.32 MB 
