基于三维子轨迹聚类算法的临床路径挖掘方法

针对临床路径的制定和实施存在受医院自身条件及疾病复杂程度等因素影响的问题,提出一种基于三维子轨迹聚类算法的临床路径挖掘方法。根据临床诊疗过程数据具有规律性和时序性的特征,该方法首先将大量临床诊疗过程数据转换为近似航空轨迹的三维时序轨迹,并使用时间加权方法对轨迹分布进行调整。其次基于传统TRACLUS算法,使用KD树进行邻近搜索加速优化,引入希尔伯特空间中的相似性度量方法使其适应于高维轨迹聚类。最后通过对大量轨迹进行聚类分析,从中提取出典型的临床诊疗过程,进而得到实际实施的临床路径。通过使用该方法对某三甲医院新生儿低血糖临床数据进行了一系列实验,结果证实该方法能够提炼出本地各种情况下实际实施的临床路径,可辅助医生制定更个性化的治疗方案,并且该实验结果为标准新生儿低血糖临床路径的改进和实施提供了方向和有力依据。