关联规则分析在药品摆放管理中的应用

2020-07-27李珊珊王芳绪靳浩堂刘永波柳明丽

辽宁科技学院学报 2020年3期

李珊珊，王芳绪，靳浩堂，刘永波，柳明丽

(辽宁科技学院电气与信息工程学院，辽宁本溪 117004)

1 关联规则的相关概念

关联规则是在大量数据中发掘各数据项之间的相互关系，是目前数据挖掘领域里研究的重点问题。当前信息技术获得了广泛的应用，产生了大量的数据，需要从这些数据中挖掘其关联性，来揭示隐藏在数据间的依赖关系，通过这些依赖关系，可以根据某一个对象的数据信息去推断另一个数据对象的有关信息，即寻找其关联规则，这是一种实用且简单的数据挖掘方法〔1〕。

灰色关联度通常是对两个因素或两个系统之间相互关联程度大小的度量，是为了寻找影响目标值的主要因素，寻找系统中各个因素之间的重要关系，进而掌握事物主要特性，有效地引导和促进系统发展。所谓的关联度，就是对两系统间的因素随时间或者不同对象发生变化的关联性大小的度量。灰色关联度对各因素之间联系的紧密程度的判定是依据其曲线的几何形状相似的程度来进行，曲线的几何形状越相似，相应的序列之间的关联度就越大，否则就越小。灰色关联度分析适合对动态历程进行分析，可以为一个系统的未来发展变化趋势提供一个量化的度量分析〔2〕。

2 关联规则模型的建立

2.1 计算过程

数据序列分为参考数列和比较数列两种，其中参考数列由反映系统的行为特征数据序列组成，而比较数列则由影响系统的行为因素数据序列组成。

具体计算过程包括5个步骤：(1)原始数据变换：在进行灰色关联度分析时，一般都要进行无量纲化的数据处理；(2)关联系数计算：关联程度实质是曲线间关于几何形状相差的程度；(3)关联度计算：为了便于进行整体性比较，需要将曲线中的各点(即各个时刻)的关联系数集中成为一个值，即计算其平均值；(4)排关联序：把m个子序列相对于同一个母序列的关联度按照其由大到小的顺序排列，组成关联序{x}，用来反映各子序列相对于母序列而言的关系“优劣”程度；(5)列出关联矩阵〔3〕。

2.2 具体模型

参考数列：l0={l0(1),l0(2),...,l0(n)}

(1)

比较数列：li={li(1),li(2),...,li(n)}

(2)

设t时刻li对l0的关联系数为ξi(t) ，共有m个比较数列。则：

各时刻的绝对误差为：

△i(t)=|li(t)-l0(t)|

(3)

各时刻的最小绝对误差为：

min△i(t)=min|li(t)-l0(t)|

(4)

各时刻的最大绝对误差为：

max△i(t)+max|li(t)-l0(t)|

(5)

则关联系数为：

(6)

其中：ρ为分辨系数，取值在0到1，根据经验一般取ρ=0.5较为合适。

(7)

3 应用

3.1 数据准备

1)选择数据。在研究中需要搜索出与业务对象相关的所有外部和内部数据信息，并且从这些数据信息中筛选出适用于关联规则研究应用的数据。本次研究需要提取药品名称，护理单元，产品名称，总量，剂型。某三甲医院全部注射剂药品共463种，该数据库以氨曲南为例，选择其第40护理单元肾内注射剂药品为例进行分析，分别抽取了2019年7月10日、6月9日、5月5日以及4月9日的平均每天用药量在5(瓶、支/天)以上的药品进行筛选，排出其他药品对氨曲南的关联序，得到常用药品数据，并以此数据为代表分析，见表1。

表1 筛选常用药品数据(瓶、支/天)

2)数据预处理。将原始数据作初值化处理，具体公式：

(8)

(9)

原始数据的初值化结果见表2。

表2 原始数据作初值化

3.2 计算关联度

使用公式(6)和(7)进行计算，由于缺少分辨系数的选定对评价结果影响的数据和资料，故采用经典算法，取其值为0.5。得到与氨曲南有关药品的关联度，见表3。

表3 关联度计算表(氨曲南)

以此类推，再用同样的方法，排出其他药品对某种药品的关联序。

3.3 结果分析

由表3可知与氨曲南药品关联最大的几种药品为：头孢呋辛(西力欣)>哌拉西林舒巴坦2∶1>他唑仙2.25g>速碧林>头孢唑林钠……。表明医护人员在拿取氨曲南的同时拿取头孢呋辛(西力欣)和哌拉西林舒巴坦的概率也很高，因此药品库房中氨曲南与头孢呋辛(西力欣)和哌拉西林舒巴坦2∶1摆放的越近，越方便提高医护人员取药的效率。

本文仅对主观用量最多的氨曲南药品进行了关联度分析，未有说明药品对应的适应症，因此该种方法还要结合药师的意见和经验综合评价，该模型中未包括药品的安全性与重要程度，金额过高的药品要单独进行监控管理，因此必须考虑多方面因素，才能给出客观的关联结果。