基于关联规则的医院内部审计异常信息挖掘方法

在挖掘医院内部审计异常信息时,受不同类型信息的独立属性影响,挖掘结果往往全面性偏低。为此,文章提出基于关联规则的医院内部审计异常信息挖掘方法。基于医院内部审计信息的信息来源,根据部门之间的工作对接关系,建立单一类型审计数据信息与多个不同类型审计数据信息之间的连接,分析关联规则。在异常信息挖掘阶段,将绝对距离作为信息异常的挖掘基准,并设置裕度参数,根据医院内部审计信息与关联类型数据之间的绝对距离大小,判断异常信息。在测试结果中,对于不同类型信息异常的有效检出率大多在95.0%以上,具有较高全面性。

基于关联规则算法构建公立医院医疗设备分类管理模型及效果分析

目的:基于关联规则算法构建公立医院医疗设备分类管理模型,分析其在医院设备管理中的应用效果。方法:基于关联规则算法中的关联规则分析Apriori算法和设备异常信息挖掘K-means算法进行设备分类管理,构建公立医院医疗设备分类管理模型用于挖掘设备状态的异常特征。选取2022—2023年北京回龙观医院临床在用的244台医疗设备,按照基于关联规则算法的公立医院医疗设备分类管理模型应用前后,将2022年1—12月的设备使用期间设定为关联规则算法设备分类管理模型应用前,2023年1—12月的设备使用期间设定为关联规则算法设备分类管理模型应用后。对比关联规则算法设备分类管理模型应用前后的设备分类管理效果评分、不同类型设备故障发生率和设备效能评分。结果:关联规则算法设备分类管理模型应用后的入库管理、使用管理、维修保养管理和报废管理评均分分别为(89.65±4.65)分、(90.25±4.36)分、(87.69±3.12)分和(90.36±3.39)分,均高于应用前,差异有统计学意义(t=17.866、14.671、18.128、19.479,P<0.05);关联规则算法设备分类管理模型应用后的医学影像诊断及辅助设备、健康监测设备、康复设备和干预及治疗设备发生故障2、3、2、3台,故障率分别为3.33%、4.69%、2.86%和6.00%,均低于应用前,差异有统计学意义(χ^(2)=5.925、6.117、7.937、5.316,P<0.05);关联规则算法设备分类管理模型应用后的设备整体利用效能、质量稳定效能和诊疗准确效能评均分分别为(96.39±3.69)分、(94.23±3.06)分和(95.47±4.36)分,均高于应用前,差异有统计学意义(t=16.762、17.919、11.769,P<0.05)。结论:基于关联规则算法的公立医院医疗设备分类管理模型应用可实现医院医疗设备分类管理,提高设备运行效率和管理水平,降低设备故障率。