异常增量用药的联合干预机制在我院抗菌药物合理使用中的作用

目的探讨异常增量用药的联合干预机制在我院抗菌药物合理使用中的作用。方法设置异常增量预警标准,选取2013年1-12月的相关数据作为干预前对照,选取2014年1-12月的相关数据作为干预后结果。对2014年采用异常增量监测和专项处方点评的数据方法进行跟踪分析。药剂科对不合理处方的原因汇总分析,提出合理用药建议。医务科对不合理用药行为采取通报和考核等行政干预手段。结果与2013年比较,2014年的联合干预数据结果显示,本院的抗菌药物临床使用各项指标日趋合理,其中门、急诊抗菌药物使用率和围手术期Ⅰ类切口预防使用抗菌药物使用率环比下降3.3%、16.8%、54.9%,均达到了原卫生部的相关指标要求。塞克硝唑片、奥硝唑胶囊及注射用头孢噻肟的用量排名和金额占比均有所下降。结论异常增量用药的联合干预机制可作为促进临床合理用药的有效手段,其对不合理用药行为具有明显的遏制作用。

时间序列增量异常模式检测算法

在k-近邻局部异常检测算法的基础上,结合时间序列的分割方法,提出一种高效率的时间序列增量异常模式检测算法。将时间序列按序列重要点进行数据分割,利用局部异常检测方法检测出时间序列的异常模式。当插入一些新数据时,邻近分割模式发生变化,增量异常检测算法更新相应的最近邻模式。通过该算法可以高效率地发现时间序列的异常模式。

一种基于频繁模式的增量式异常检测方法

异常点是数据集中看起来与其他数据有着明显差别的点或者区域。异常点往往并不是错误,并且经常包含比较重要的信息。本文提出一种基于频繁模式的增量式异常检测方法,定义增量式异常检测异常点的性质,使用异常点因子来检测候选集,然后通过改进候选集的来进行迭代确定异常点,最后使用数据对该算法效率进行验证。

基于增量异常模式检测的小微企业财务作弊防范方法

小微企业普遍存在财务人员素质不高、财务监管不到位等现象,这也往往导致小微企业财务作弊现象高发,给企业带来经营风险。为此,本文提出构建小微企业长时财务数据观测序列,采用数据增量异常模式检测的方法及时发现小微企业财务数据异常,以有效防范企业财务作弊行为。

基于属性关联及匹配差异度的数据流异常检测

为解决类别属性数据流异常点检测问题,针对事务数据流环境,提出了基于属性关联及匹配差异度的数据流异常检测模型AAMDD(attribute associations and match difference degree).AAMDD模型离线构建一个关联规则库,并对其进行增量式更新.同时,利用时间敏感型滑动窗口(time-sensitive sliding windows,TimeSW)维护数据流数据,每经过一个时间跨度,就将当前窗口中每条数据包含的项集与关联规则库进行匹配,计算匹配差异度,根据匹配差异度的不同在线检测异常点.此外,给出了与AAMDD模型相对应的算法AAMDD-algorithm.实验结果表明,AAMDD-algorithm比FODFP-Stream算法的效率和检测精确度分别平均提高了37.43%和5.51%,并且AAMDD-algorithm的查全率保持在77%以上,可用于事务型数据流异常检测.

统计图形在电力营销稽查中的应用

在电力营销稽查工作中,通过各种统计图形整理、归类收集到的数据,探索数据内在的数量规律性,并客观分析营销工作中存在的问题和偏差,以制订整改措施、改进营销工作,从而更好地满足顾客需求。

一种基于密度近邻的增量式孤立点发现算法

为了解决数据集更新时孤立点增量发现问题,提出一种基于密度近邻的增量式孤立点发现算法.当数据集更新时,该算法在确定出受影响的对象后,根据对象和其近邻间k-密度变化,建立对象的密度近邻序列.然后依据对象的密度近邻序列代价和其k-距离邻域的平均密度近邻序列代价,计算出受影响对象的增量异常因子(IOF)来表征对象的孤立程度,从而提高增量孤立点发现的效果.此外,由于只需重新计算这些受影响对象的IOF值,该算法还提高孤立点发现的速度.实验表明,该算法不仅在孤立点增量发现的效果上高于以往算法且减少算法的运行时间.