打开文本图片集

摘要：我国各级医院已建成HIS系统，本文以泸州市各医院2018年出院病人用药情况、复诊病情论述的依据，解释数据挖掘的基本应用过程，分析出适用于长期性心理咨询的患者群体，并利用IBM SPSS Modeler 数据挖掘工具，建立基于决策树算法的耦合模型，达到精准搜寻患者群体的目的。

关键词：数据挖掘技术;HIS系统;长期心理咨询

随着对心理健康服务精细化发展的进一步要求，医院精神科来访患者心理健康状态的信息将成为整体医学信息中不可缺少的重要组成部分。

1 数据挖掘技术

1.1 数据挖掘概念

数据挖掘（Data Mining，DM），又称数据库中知识再发现，是指利用大量的数据，在里面抽取挖掘出未知并有实际意义价值的模式或规律等知识的过程。

1.2 IBM SPSS Modeler

IBM SPSS Modeler是当前比较流行数据挖掘工作台，可以帮助用户在无需编程的情况下快速直观地构建预测模型。

2 数据挖掘过程

2.1数据预处理

高质量数据是进行有效数据挖掘的保证，在本研究中，首先从医院HIS数据库中导出2018年泸州市各医院精神科病人来访数据，并保存为Excel格式。

2.2 数据选取

在收集数据时，会涉及各种维度的信息，增加不必要计算量，降低效率，甚至会影响数据挖掘结果可解释性。[1]通过前面的数据预处理，我们从中得到病人的基本信息，包括姓名，年龄，电话号码，开药情况，复诊时间和复诊情况等7个属性。

2.3药物性聚类分析

药物治疗中使用量最普遍的药物为阿立哌唑、奥氮平、利培酮、喹硫平、氯氮平。[2]为了能通过决策树模型进行分类测试。本研究中通过软件中K-means聚类的方法，对药物使用及组合情况进行聚类，见表1，图1。

3 模型结论

3.1契合指数结果

3.2 模型验证

通过与已有的药物性分析治疗模型进行契合程度的对照比较，利用契合度公式并绘制出表格，计算出模型的契合率为78.26%。

4 结论

未来应从以下几方面着手完善模型。第一点是模型应该是动态的，在后续的研究中进行样本量的充实完善。其次本研究使用的耦合判断方法未必是最好，在今后的研究中，应采用多种模型进行分析比对，寻求最优组合。最后用药影响因素较多，由于医院数据完整性的限制，有些变量无法提取到完整的数据只能放弃，在今后的研究中应该结合HIS系统改造，补充模型变量。

参考文献

[1]李汝庆.基于数据挖掘技术对精神科病人住院天数的预测[J].电子世界，2015（17）：143-145.

[2]刘忠仁，徐小凤，徐涛，张含之，于德华.基于多方访谈的全科与精神心理专科协作诊治门诊精神心理障碍患者的专科协作障碍分析及策略优化[J].中国全科医学，2019，22（21）：2530-2537.