论文部分内容阅读
分析医保联机结算系统中的数据，采用数据采集，数据清洗以及数据的消减等方法，完成对系统数据的处理，为数据挖掘的决策树的实现提供重要数据。
【关键词】数据挖掘；决策树；数据清洗
1 数据采集
在数据挖掘过程中，数据的采集是重要的一部分，也是数据挖掘的第一环节。数据挖掘中，数据的采集应该包括了结构化和半结构化数据。结构化的数据可以由SQL Server提供的数据导入功能来完成，主要是医保门诊业务数据，这些数据保存在联机结算的数据库中，可以直接导入。半结构化的数据主要是门诊辅助信息，如科室、病种、患者类别、支付方式等，这些信息将将被综合采集到挖掘库中，用于后序对整体数据的挖掘。
2 数据清洗
建立决策树时考虑到科室、职工类别、病种、性别、年龄、地区、门诊支付金额、统筹支付金额、自付费用总额等属性对其总体的影响，提取门诊就诊信息表中部分数据如表1所示。
分析数据库时发现：表1中的数据划分较细，不方便直接分类，因此首先进行数据的清理工作。
2.1 一般综合性医院，按照功能科室进行分类。
具体分类方法为：内科：A；外科：B；儿科：C；妇科：D；骨科：E；耳鼻科：F；泌尿科：G；肿瘤科：H；血液科：I；神经科等。
2.2 病种类型根据医疗保险病种目录，以字母数字表示。
如表2所示：
Update test set user_ bingzhong =’A001’ where user_bingzhong=’ 急性阑尾炎’
Update test set user_ bingzhong =’A002’ where user_ bingzhong =’ 内痔手术治疗’
…….
Update test set user_ bingzhong =’J001’ where user_ bingzhong =’ 创伤性脑出血’
Update test set user_ bingzhong =’J002’ where user_ bingzhong =’ 颅骨肿瘤’
（1）病人年龄：根据医保患者个人在职退休标志，将数据清洗，如
Update test set user_flag =’在职’ where user_flag=’0’
Update test set user_flag =’退休’ where user_flag =’1’
（2）病人性别
病人的性别为男，女，如：
Update test set user_sex=’男’
Update test set user_sex=’女’
2.3 把数据库中不合格的数据，如因录入错误而造成的空记录、多余的空格、错误的内容等去除掉。至此，数据清理的工作完成。
3 数据消减
数据消减的目的是缩小所挖掘数据的规模，但不会影响到最终的挖掘结果。在这里，采用消减维数的方法，从初始的特征属性中找出真正有用的特征属性，在进行数据挖掘时减少要考虑的特征属性或变量个数。由于联机结算表中的属性字段很多，为了便于决策树模型的建立，选择了其中与门诊就诊属性相关较大的科室（A、B、C、D、E、F、G、H、I、J）、病种（A001、A002…J001，J002…）、医保病人性别（男、女）、医保病人年龄（在职和退休）、医保职工类别（事业、企业、灵活就业）医院级别，生成用于对病人医保负担度是否高进行分类的基本数据表。表2为医保病人门诊就诊情况表。下边将以此表为基础进行决策树的建立。并对结果进行患者个人负担情况以及医保基金使用情况的分析，从而帮助决策者针对不同的情況对医保政策及时调整，以保证参保人员能够更好的享受医保优惠政策。
作者简介
韩莉（1977-），女，安徽省阜阳市人。大学本科学历。现为石家庄信息工程职业学院讲师。研究方向为计算机信息开发。
贺宏（1979-）， 女，河北省新乐市人。大学本科学历。现为石家庄信息工程职业学院副教授。研究方向为信息系统开发。
张亚娜（1979-），女，河北省石家庄市人。大学本科学历。现为石家庄信息工程职业学院副教授。研究方向为信息系统开发。
曹鑫（1981-），女，河北省张家口市人。大学本科学历。现为石家庄信息工程职业学院讲师。研究方向为信息系统开发。
作者单位
石家庄信息工程职业学院 河北省石家庄市 050000
【关键词】数据挖掘；决策树；数据清洗
1 数据采集
在数据挖掘过程中，数据的采集是重要的一部分，也是数据挖掘的第一环节。数据挖掘中，数据的采集应该包括了结构化和半结构化数据。结构化的数据可以由SQL Server提供的数据导入功能来完成，主要是医保门诊业务数据，这些数据保存在联机结算的数据库中，可以直接导入。半结构化的数据主要是门诊辅助信息，如科室、病种、患者类别、支付方式等，这些信息将将被综合采集到挖掘库中，用于后序对整体数据的挖掘。
2 数据清洗
建立决策树时考虑到科室、职工类别、病种、性别、年龄、地区、门诊支付金额、统筹支付金额、自付费用总额等属性对其总体的影响，提取门诊就诊信息表中部分数据如表1所示。
分析数据库时发现：表1中的数据划分较细，不方便直接分类，因此首先进行数据的清理工作。
2.1 一般综合性医院，按照功能科室进行分类。
具体分类方法为：内科：A；外科：B；儿科：C；妇科：D；骨科：E；耳鼻科：F；泌尿科：G；肿瘤科：H；血液科：I；神经科等。
2.2 病种类型根据医疗保险病种目录，以字母数字表示。
如表2所示：
Update test set user_ bingzhong =’A001’ where user_bingzhong=’ 急性阑尾炎’
Update test set user_ bingzhong =’A002’ where user_ bingzhong =’ 内痔手术治疗’
…….
Update test set user_ bingzhong =’J001’ where user_ bingzhong =’ 创伤性脑出血’
Update test set user_ bingzhong =’J002’ where user_ bingzhong =’ 颅骨肿瘤’
（1）病人年龄：根据医保患者个人在职退休标志，将数据清洗，如
Update test set user_flag =’在职’ where user_flag=’0’
Update test set user_flag =’退休’ where user_flag =’1’
（2）病人性别
病人的性别为男，女，如：
Update test set user_sex=’男’
Update test set user_sex=’女’
2.3 把数据库中不合格的数据，如因录入错误而造成的空记录、多余的空格、错误的内容等去除掉。至此，数据清理的工作完成。
3 数据消减
数据消减的目的是缩小所挖掘数据的规模，但不会影响到最终的挖掘结果。在这里，采用消减维数的方法，从初始的特征属性中找出真正有用的特征属性，在进行数据挖掘时减少要考虑的特征属性或变量个数。由于联机结算表中的属性字段很多，为了便于决策树模型的建立，选择了其中与门诊就诊属性相关较大的科室（A、B、C、D、E、F、G、H、I、J）、病种（A001、A002…J001，J002…）、医保病人性别（男、女）、医保病人年龄（在职和退休）、医保职工类别（事业、企业、灵活就业）医院级别，生成用于对病人医保负担度是否高进行分类的基本数据表。表2为医保病人门诊就诊情况表。下边将以此表为基础进行决策树的建立。并对结果进行患者个人负担情况以及医保基金使用情况的分析，从而帮助决策者针对不同的情況对医保政策及时调整，以保证参保人员能够更好的享受医保优惠政策。
作者简介
韩莉（1977-），女，安徽省阜阳市人。大学本科学历。现为石家庄信息工程职业学院讲师。研究方向为计算机信息开发。
贺宏（1979-）， 女，河北省新乐市人。大学本科学历。现为石家庄信息工程职业学院副教授。研究方向为信息系统开发。
张亚娜（1979-），女，河北省石家庄市人。大学本科学历。现为石家庄信息工程职业学院副教授。研究方向为信息系统开发。
曹鑫（1981-），女，河北省张家口市人。大学本科学历。现为石家庄信息工程职业学院讲师。研究方向为信息系统开发。
作者单位
石家庄信息工程职业学院 河北省石家庄市 050000