基于医疗软件开发课程的社区医院信息管理智能分析系统

吴芬琳++李丽娟++唐雅璇

摘要：随着信息技术的发展和人民生活水平的提高，人们对自身健康的关注和社区卫生服务的要求也日益提高。该文提出了一个基于机器学习和数据统计的社区医院信息服务平台的方案。该方案会将居民健康数据集中存储，来实现社区卫生服务的信息化，改善资源管理和健康管理。并且通过对健康数据的统计分析，帮助疾病的预防和监控。

关键词：机器学习；社区医院信息平台

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）30-0013-02

随着社区卫生服务的全面推进和快速发展，信息系统的重要性日益凸显，社区医院服务机构位于社区之中，对于建立居民健康档案有着天然的优势，完善社区居民健康信息系统，对于了解我国居民健康状况，应对重大突发事件等都起着积极作用[1]。

1 研究现状与背景

目前国内城市的社区医院信息系统起步较早，而在农村社区医院服务工作基本停留在手工操作阶段。即使在经济比较发达的地区，各区甚至各社区医院都没有统一功能统一版本的社区医院信息系统，社区医院自行开发的应用软件只能满足基本的社区卫生服务要求。这为社区卫生相关政策的执行，社区卫生服务系统与外系统的接口带来了极大的不便。因此，从社区卫生管理的需要出发，急需建设一套保留个性化要求的、全市统一的社区医院信息系统应用软件[2]。

2 系統功能结构设计

社区医院管理与智能分析系统的设计目的是利用机器学习、数据统计等技术，实现一个基于智能数据分析的卫生服务平台。平台集中存储居民健康数据，系统为社区卫生服务人员提供社区医院日常工作处理及疾病监测、统计、预测、分析等功能。

2.1 系统功能模块设计

系统按功能分为三个模块，分别为：社区医院信息管理模块、后台数据分析模块、数据报表展示模块。

2.1.1 社区医院信息管理模块

使用B/S模式开发，方便社区工作人员使用，易扩展易维护，除基本的医院HIS系统具有的功能，还实现了居民健康档案的管理、慢病管理，实现更方便快捷的监督管理。

功能：基本信息维护系统、门诊收费管理系统、门诊医生工作站、门诊配药管理系统、门诊药房管理系统、健康档案管理、慢病管理、保健管理等。

主要功能表：

2.1.2 后台数据分析模块

使用关联规则找到年龄、慢病、性别之间的关系；使用回归分析预测慢病发展趋势； 使用PSOKNN分类算法算法对居民健康状况进行划分。

功能：

1） 分析年龄、慢病、性别之间的关系；

2） 预测各个慢病的发展趋势；

3） 居民健康状况分级。

2.1.3 数据报表展示模块

使用可视化技术直观展现分析数据，多参数多角度分析居民健康数据，为政府及科技人员决策提供参考。

功能：各年龄段慢病分布报表、男女慢病分布报表、慢病预警报表、预测患病风险报表、慢病发病趋势报表、居民健康分级报表、儿童体检健康情况报表、妇女预产期预警报表。

2.2 系统的核心技术基础

社区医院信息管理系统功能模块的实现主要运用JAVA语言基于ECLIPSE、TOMCAT等进行系统开发，使用ORACLE数据库。本系统使用SSH开发框架，B/S开发模式，WEB服务器、数据库服务器统一管理，各个社区医院通过浏览器访问。

数据分析模块使用关联规则、回归分析、KNN等数据挖掘算法。关联规则是无监督的学习方法，用于发现事物之间的某种规律[3]，本系统利用管理规则算法挖掘各种疾病之间的关系等。回归分析能使用各种影响因子对社区疾病的未来发展状况和水平进行预测。[4]KNN是有T.M.Cover和P.E.art提出的一中基于实例的分类方法[5]，是一种懒惰学习方法没有构造分类器，而是将所有的训练样本先存储起来，当要进行分类的时候，临时进行计算处理，本系统使用改进的KNN算法对居民的健康状况等进行分类。[6]

3 结束语

基于智能数据分析的社区医院信息系统服务于社区，根据社区的实际情况，定制数据标准，设计数据库及系统功能，并以JAVA为开发语言实现管理软件的开发，并完成系统的测试及测试。实现社区卫生服务信息的一体化，提升社区信息管理水平，为社区应对资源管理、健康管理、重大突发事件等都起着积极作用。

参考文献：

[1] 包旭梅.社区医院信息管理系统的分析与设计[J]. 计算机光盘软件与应用， 2012（21）：45-46.

[2] 乔俞豪. 基于物联网的智慧社区管理系统研究[D]. 中北大学， 2017.

[3] 付浩征，王勇.一种基于Hadoop的关联规则改进算法[J].桂林电子科技大学学报，2017，37（2）：122-126.

[4] 刘颖.胫腓骨开放骨折术后术区感染的多因素Logistic回归分析[J].实用临床医药杂志， 2017， 21（1）：75-77.

[5] Kulkarni S R， Posner S E. Rates of convergence of nearest neighbor estimation under arbitrary sampling[J]. Information Theory， IEEE Transactions on， 1995， 41（4）：1028-1039.

[6] Fenlin W， Yifei Z， Cheng W. Adaptive normalized weighted KNN text classification Based on PSO[J]. Scientific Bulletin of National Mining University， 2016.endprint