醫(yī)療服務(wù)指標(biāo)體系作為醫(yī)療服務(wù)水平評(píng)價(jià)的重要依據(jù)受到廣泛關(guān)注,但目前國(guó)內(nèi)尚未建成成熟的醫(yī)療服務(wù)指標(biāo)評(píng)價(jià)體系,因此篩選具有代表性的指標(biāo)并構(gòu)建科學(xué)合理的醫(yī)療服務(wù)指標(biāo)體系是當(dāng)前研究的重點(diǎn)。傳統(tǒng)的指標(biāo)篩選方法往往依賴于專家的意見,受主觀因素影響較大。為了避免主觀因素影響,并選擇具有代表性的醫(yī)療服務(wù)指標(biāo),本文提出醫(yī)療服務(wù)指標(biāo)的相關(guān)性分析研究這一課題。本文提出應(yīng)用特征選擇技術(shù)篩選醫(yī)療服務(wù)指標(biāo),旨在為醫(yī)療服務(wù)指標(biāo)體系的指標(biāo)選擇提供參考依據(jù)。為實(shí)現(xiàn)該目標(biāo),本文從常見的醫(yī)療服務(wù)統(tǒng)計(jì)指標(biāo)入手,首先應(yīng)用基于灰色關(guān)聯(lián)度的可拓聚類分析、灰色關(guān)聯(lián)分析及隨機(jī)效應(yīng)對(duì)少數(shù)醫(yī)療服務(wù)指標(biāo)分析研究,以提高對(duì)醫(yī)療服務(wù)指標(biāo)的認(rèn)識(shí)。最后提出一種特征選擇算法,并將其用于篩選醫(yī)療服務(wù)指標(biāo)子集。該特征選擇算法首先采用本文提出的基于最大信息系數(shù)的高維聚類算法MIC-kmeans對(duì)醫(yī)療服務(wù)指標(biāo)進(jìn)行初步劃分,然后在各特征簇中應(yīng)用相關(guān)性系數(shù)篩選指標(biāo),最后應(yīng)用典型相關(guān)分析從數(shù)據(jù)的相關(guān)性角度評(píng)價(jià)候選醫(yī)療服務(wù)指標(biāo)子集能否代表原指標(biāo)集。本文提出的MIC-kmeans算法考慮了數(shù)據(jù)的相關(guān)性,它能夠有效解決高維數(shù)據(jù)中的“維度災(zāi)難”問題。在該算法基礎(chǔ)上,本文提... 

【文章來源】：貴州大學(xué)貴州省 211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PostgreSQL中的EMR數(shù)據(jù)表

Talend連接作業(yè)

圖4-1兩種方法確定權(quán)重系數(shù)得到的隸屬度


本文編號(hào)：2992853