目的 通过分析门诊疾病诊断数据,了解目前疾病诊断名称不规范现状,探索疾病诊断名称规范化的解决方案.方法 从2018年上半年北京市部分医院上报的200万余条门诊疾病诊断数据中清洗出78万余条非规范化疾病诊断数据.对原始数据进行特征分析;其次对原始数据进行切词,并对疾病诊断的核心词汇和副词汇进行统计分析;最后通过计算机相似度匹配的方法进行归一化.结果 特征分析显示疾病诊断的不规范主要表现为修饰语位置和书写形式差异、疾病简写和英文缩写的影响、错别字的影响、诊断颗粒度不一等形式;对疾病的核心词汇和副词汇统计分析发现,核心词汇中慢性病占比最高,其中高血压、糖尿病和心脏病分别占比为21.71％、16.82％、14.48％,在副词汇中前3位术后、慢性、型的占比分别为12.02％、11.91％、11.32％.结论 慢性病相关诊断和术后等术语是疾病诊断名称规范化的主要方面,重点消除修饰语、中英文简写、错别字和颗粒度等因素的影响,建立统一、规范的疾病术语库.