临床路径是指对某一病种建立的以时间为单位的标准诊疗流程。国家为了提升各级医院的诊疗质量,大力推动使用临床路径对其进行规范化管理,使得近几年临床路径管理系统的应用更加广泛。但由于该系统中变异检测模块的判定规则固化,经常会将发生较为合理但偏离标准路径的诊疗流程判定为发生了变异,这被称为临床路径的正向变异。针对这一问题,本文提出了基于序列化数据分析挖掘与关联规则检测方法的临床路径正向变异检测模型,实现对变异检测模块判定规则的优化。主要研究内容如下:（1）针对频繁序列模式挖掘算法静态指定支持度阈值的问题,本文提出了基于数据特征的可动态选择支持度阈值的频繁序列挖掘算法RSPADE。使用曲线拟合方法构建“id-支持度”关系模型,优选出了拟合效果最好的三次多项式模型,便于之后确定最小支持度阈值。（2）针对关联规则生成算法存在的时序和逻辑问题,本文提出了规范关联规则生成算法 SARG（Specification Association Rule Generation）,生成频繁序列集的规范关联规则集。基于规范化后的关联规则集,执行本文提出的规则匹配RM算法,对临床路径进行变异检测。（3）基于心力衰竭临床路径的数据集,结合以上工作,对RSPADE算法及变异检测方法进行了实例数据的验证,将其用于临床路径的正向变异检测。实验表明RM算法进行变异检测是有效的、检测率更高、误检率更低。本文设计了正向变异检测模型,依次通过临床路径的数据序列化、频繁序列集的数理信息挖掘和关联规则集的动态检测优化,与优化后的关联规则集进行多重匹配检测,形成一套完整、高效、检测质量更好的临床路径正向变异检测方法,对临床路径管理系统中变异检测模块的优化有积极促进作用。