异常用药行为检测方法及系统.pdf

《异常用药行为检测方法及系统.pdf》由会员分享，可在线阅读，更多相关《异常用药行为检测方法及系统.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010818835.3 (22)申请日 2020.08.14 (71)申请人 江苏云脑数据科技有限公司 地址 214135 江苏省无锡市新吴区震泽路 18号无锡软件园双子座B栋16楼1606- 1608 (72)发明人 李志峰谢提提王琼邬正国 席斐胡磊 (74)专利代理机构 无锡市大为专利商标事务所 (普通合伙) 32104 代理人 曹祖良 (51)Int.Cl. G16H 20/10(2018.01) G06K 9/62(2006.01) G16H 50/70(2018.。

2、01) G06F 16/2458(2019.01) (54)发明名称 一种异常用药行为检测方法及系统 (57)摘要 本发明涉及药品处方异常检测技术领域， 具 体公开了一种异常用药行为检测方法， 包括： 根 据病种对就获取到的诊数据进行分类， 分析得到 各病种下的不同就诊号对应的药品明细； 根据药 品明细， 获取到各病种对应的药方数据库； 根据 各病种对应的全药品集合得到药品组合， 并从药 品组合中筛选出常用度大于或等于最小支持度 的常用药品组合； 根据各病种下的每条药方与各 病种对应的用药模式， 计算得到各病种对应的每 条药方的用药符合度； 根据各病种对应的每条药 方的用药符合度， 判断当前用。

3、药行为是否异常。 本发明还公开了一种异常用药行为检测系统。 本 发明提供的一种异常用药行为检测方法通过计 算单条药方与该用药模式的符合度来衡量该药 方是否存在违规风险。 权利要求书3页 说明书12页 附图1页 CN 111951924 A 2020.11.17 CN 111951924 A 1.一种异常用药行为检测方法， 其特征在于， 包括： 步骤S110： 获取就诊数据， 所述就诊数据包括病种、 就诊号、 就诊号对应的药品明细； 步骤S120： 根据病种对所述就诊数据进行分类， 分析得到各病种下的不同就诊号对应 的药品明细； 步骤S130： 根据所述各病种下的不同就诊号对应的药品明细， 获取。

4、到各病种对应的药 方数据库， 其中， 所述药方数据库包括多种药方， 所述药方数据库中所有药品种类构成的集 合为全药品集合； 步骤S140： 根据各病种对应的全药品集合得到药品组合， 并从所述药品组合中筛选出 常用度大于或等于最小支持度的常用药品组合， 其中， 所有常用药品组合的集合为各病种 对应的用药模式； 步骤S150： 根据各病种下的每条药方与各病种对应的用药模式， 计算得到各病种对应 的每条药方的用药符合度； 步骤S160： 根据所述各病种对应的每条药方的用药符合度， 判断当前用药行为是否异 常。 2.根据权利要求1所述的异常用药行为检测方法， 其特征在于， 在步骤S130中还包括： 各。

5、病种对应的药方Pm1,m2.,mj， 其中， mj(j1,2,.,k)为药品， k为药方P中药品 的种类； 各病种对应的药方数据库DB： DBP1,P2,.,Pim11,m12,.,m1j,m21,m22,.,m2j,.,mi1,mi2,.,mij, 其中， Pi(i1,2,.,n)为药方， n为该药方数据库DB中药方的数量。 3.根据权利要求2所述的异常用药行为检测方法， 其特征在于， 在步骤S140中还包括： 药品组合MC为所述全药品集合TM中的一个子集， 其中， 用药品集合的形式表示药品组 合MC， MCm1,m2,.,mx， mx(x1,2,.,n)为药品， n为全药品集合TM中所含的。

6、某些药品 种类； 预先设置最小支持度， 设DB为药方数据库， TM为全药品集合， 有药品组合 令: 其中， LMC为药品组合MC在药方数据库DB中的常用度， 其为药方数据库DB中包含药品组 合MC的药方数目与药方数据库DB中药方总数目的比值； 从药品组合MC中筛选出常用度大于或等于最小支持度的常用药品组合FMC； 设FMC1， FMC2,.,FMCn为药方数据库DB中所有的常用药品组合， 令SMCFMC1， FMC2,.,FMCn， SMC为所有常用药品组合的集合， 即各病种对应的用药模式。 4.根据权利要求3所述的异常用药行为检测方法， 其特征在于， 在步骤S150中还包括： 设P为某一疾病。

7、的一个药方， SMCMC1， MC2,.,MCn为该疾病对应的用药模式， 其中 M C1， M C2, . . . ,M Cn都 满 足 常 用 度 大 于 或 等 于 最 小 支 持 度 的 条 件 ， 令 j|SMC |为SMC 中的元素个数； 则该疾病对应的每条药方的用药符合度计算如下： 权利要求书 1/3 页 2 CN 111951924 A 2 其中， COM(P)为药方P与用药模式SMC的符合度， 药方P与用药模式SMC的符合度COM(P) 为用药模式SMC中包含在药方P中的药品组合的加权和与所有药品组合的加权和的比值。 5.根据权利要求1所述的异常用药行为检测方法， 其特征在于，。

8、 在步骤S140中还包括： 预先设置所述最小支持度， 所述最小支持度为药品组合在药方数据库中的常用度的最 低值。 6.一种异常用药行为检测系统， 其特征在于， 包括： 第一获取模块， 用于获取就诊数据， 所述就诊数据包括病种、 就诊号、 就诊号对应的药 品明细； 分析模块， 用于根据病种对所述就诊数据进行分类， 分析得到各病种下的不同就诊号 对应的药品明细； 第二获取模块， 用于根据所述各病种下的不同就诊号对应的药品明细， 获取到各病种 对应的药方数据库， 其中， 所述药方数据库包括多种药方， 所述药方数据库中所有药品种类 构成的集合为全药品集合； 筛选模块， 用于根据各病种对应的全药品集合得。

9、到药品组合， 并从所述药品组合中筛 选出常用度大于或等于最小支持度的常用药品组合， 其中， 所有常用药品组合的集合为各 病种对应的用药模式； 计算模块， 用于根据各病种下的每条药方与各病种对应的用药模式， 计算得到各病种 对应的每条药方的用药符合度； 判断模块， 用于根据所述各病种对应的每条药方的用药符合度， 判断当前用药行为是 否异常。 7.根据权利要求6所述的异常用药行为检测系统， 其特征在于， 还包括： 各病种对应的药方Pm1,m2.,mj， 其中， mj(j1,2,.,k)为药品， k为药方P中药品 的种类； 各病种对应的药方数据库DB： DBP1,P2,.,Pim11,m12,.,m。

10、1j,m21,m22,.,m2j,.,mi1,mi2,.,mij, 其中， Pi(i1,2,.,n)为药方， n为该药方数据库DB中药方的数量。 8.根据权利要求7所述的异常用药行为检测系统， 其特征在于， 还包括： 药品组合MC为所述全药品集合TM中的一个子集， 其中， 用药品集合的形式表示药品组 合MC， MCm1,m2,.,mx， mx(x1,2,.,n)为药品， n为全药品集合TM中所含的某些药品 种类； 预先设置最小支持度， 设DB为药方数据库， TM为全药品集合， 有药品组合 令: 其中， LMC为药品组合MC在药方数据库DB中的常用度， 其为药方数据库DB中包含药品组 合MC的药。

11、方数目与药方数据库DB中药方总数目的比值； 权利要求书 2/3 页 3 CN 111951924 A 3 从药品组合MC中筛选出常用度大于或等于最小支持度的常用药品组合FMC； 设FMC1， FMC2,.,FMCn为药方数据库DB中所有的常用药品组合， 令SMCFMC1， FMC2,.,FMCn， SMC为所有常用药品组合的集合， 即各病种对应的用药模式。 9.根据权利要求8所述的异常用药行为检测系统， 其特征在于， 还包括： 设P为某一疾病的一个药方， SMCMC1， MC2,.,MCn为该疾病对应的用药模式， 其中 M C1， M C2, . . . ,M Cn都 满 足 常 用 度 大 。

12、于 或 等 于 最 小 支 持 度 的 条 件 ， 令 j|SMC |为SMC 中的元素个数； 则该疾病对应的每条药方的用药符合度计算如下： 其中， COM(P)为药方P与用药模式SMC的符合度， 药方P与用药模式SMC的符合度COM(P) 为用药模式SMC中包含在药方P中的药品组合的加权和与所有药品组合的加权和的比值。 10.根据权利要求6所述的异常用药行为检测系统， 其特征在于， 还包括： 预先设置所述最小支持度， 所述最小支持度为药品组合在药方数据库中的常用度的最 低值。 权利要求书 3/3 页 4 CN 111951924 A 4 一种异常用药行为检测方法及系统 技术领域 0001 本。

13、发明涉及药品处方异常检测技术领域， 更具体地， 涉及一种异常用药行 为检测 方法及系统。 背景技术 0002 基本医疗保障制度建立以来， 覆盖范围不断扩大， 保障水平稳步提升， 对 维护人 民群众健康权益、 缓解因病致贫、 推动医药卫生体制改革发挥了积极作 用； 但受监管制度 体系不健全、 激励约束机制不完善等因素制约， 医保基金使 用效率不高， 欺诈骗保问题普 发频发， 基金监管形势较为严峻； 当前， 医疗领 域存在药物滥用及不合理运用情况， 由此导 致的医疗费用不合理增长给个人、 家庭、 医保基金安全带来极大的危害和负担， 但是医院 每天都产生大量医疗数 据， 而且不同病人相同疾病下开具的。

14、药物可能会有所不同， 传统的 规则和人工 抽检很难保证准确率和覆盖度。 0003 虽然同种疾病用药情况会受一些因素的影响(年龄、 性别、 医疗单位等) 而存在着 一定的差异， 而医生给患者开具药方的过程实际上为专家知识推理过 程， 对于常见疾病的 治疗专家的知识存在着一定的相似性， 因此疾病的用药情 况存在着一定的规律性； 一条药 方中绝大多数的药在该疾病的常见用药模式中 则应视为合理行为， 相反， 若绝大部分的药 不在该疾病的常见用药中， 则该药 方存在着违规的风险。 0004 利用关联规则可以有效的识别不同病种的常用药模式， 但传统的关联规则 算法 并不能识别单条药方与常用药模式的符合程度。

15、。 发明内容 0005 针对现有技术中存在的上述弊端， 本发明提供了一种异常用药行为检测方 法及 系统， 通过关联算法挖掘常用药品组合的基础上， 通过用药模式在药方数 据库上的覆盖度 来确定最小支持度， 从而确定常用药模式， 通过计算单条药方 与该用药模式的符合度来衡 量该药方是否存在违规风险。 0006 作为本发明的第一个方面， 提供一种异常用药行为检测方法， 包括： 0007 步骤S110： 获取就诊数据， 所述就诊数据包括病种、 就诊号、 就诊号对应 的药品明 细； 0008 步骤S120： 根据病种对所述就诊数据进行分类， 分析得到各病种下的不同 就诊号 对应的药品明细； 0009 步。

16、骤S130： 根据所述各病种下的不同就诊号对应的药品明细， 获取到各病 种对应 的药方数据库， 其中， 所述药方数据库包括多种药方， 所述药方数据库 中所有药品种类构 成的集合为全药品集合； 0010 步骤S140： 根据各病种对应的全药品集合得到药品组合， 并从所述药品组 合中筛 选出常用度大于或等于最小支持度的常用药品组合， 其中， 所有常用药 品组合的集合为各 病种对应的用药模式； 说明书 1/12 页 5 CN 111951924 A 5 0011 步骤S150： 根据各病种下的每条药方与各病种对应的用药模式， 计算得到 各病种 对应的每条药方的用药符合度； 0012 步骤S160： 。

17、根据所述各病种对应的每条药方的用药符合度， 判断当前用药 行为是 否异常。 0013 进一步地， 在步骤S130中还包括： 0014 各病种对应的药方Pm1,m2.,mj， 其中， mj(j1,2,.,k)为药品， k为药方 P中药品的种类； 0015 各病种对应的药方数据库DB： 0016 DBP1,P2,.,Pim11,m12,.,m1j,m21,m22,.,m2j,.,mi1,mi2,., mij,其中， Pi(i1,2,.,n)为药方， n为该药方数据库DB中药方的数量。 0017 进一步地， 在步骤S140中还包括： 0018 药品组合MC为所述全药品集合TM中的一个子集， 其中， 。

18、用药品集合的形 式表示药 品组合MC， MCm1,m2,.,mx， mx(x1,2,.,n)为药品， n为全药品集合 TM中所含的某 些药品种类； 0019 预先设置最小支持度， 设DB为药方数据库， TM为全药品集合， 有药品组 合 令: 0020 0021 其中， LMC为药品组合MC在药方数据库DB中的常用度， 其为药方数据库 DB中包含药 品组合MC的药方数目与药方数据库DB中药方总数目的比值； 0022 从药品组合MC中筛选出常用度大于或等于最小支持度的常用药品组合 FMC； 0023 设FMC1， FMC2,.,FMCn为药方数据库DB中所有的常用药品组合， 令 SMCFMC1， 。

19、FMC2,.,FMCn， SMC为所有常用药品组合的集合， 即各病种对 应的用药模式。 0024 进一步地， 在步骤S150中还包括： 0025 设P为某一疾病的一个药方， SMC为该疾病对应的用药模式， 其中MC1， MC2,.,MCn 都满足常用度大于或等于最小支持度的条件， 令j |SMC |为SMC 中的元素个数； 0026 则该疾病对应的每条药方的用药符合度计算如下： 0027 0028 其中， COM(P)为药方P与用药模式SMC的符合度， 药方P与用药模式SMC 的符合度 COM(P)为用药模式SMC中包含在药方P中的药品组合的加权和与所有 药品组合的加权和的 比值。 0029 。

20、进一步地， 在步骤S140中还包括： 0030 预先设置所述最小支持度， 所述最小支持度为药品组合在药方数据库中的 常用 度的最低值。 0031 作为本发明的第二个方面， 提供一种异常用药行为检测系统， 包括： 0032 第一获取模块， 用于获取就诊数据， 所述就诊数据包括病种、 就诊号、 就 诊号对应 说明书 2/12 页 6 CN 111951924 A 6 的药品明细； 0033 分析模块， 用于根据病种对所述就诊数据进行分类， 分析得到各病种下的 不同就 诊号对应的药品明细； 0034 第二获取模块， 用于根据所述各病种下的不同就诊号对应的药品明细， 获 取到各 病种对应的药方数据库，。

21、 其中， 所述药方数据库包括多种药方， 所述药 方数据库中所有药 品种类构成的集合为全药品集合； 0035 筛选模块， 用于根据各病种对应的全药品集合得到药品组合， 并从所述药 品组合 中筛选出常用度大于或等于最小支持度的常用药品组合， 其中， 所有常 用药品组合的集合 为各病种对应的用药模式； 0036 计算模块， 用于根据各病种下的每条药方与各病种对应的用药模式， 计算 得到各 病种对应的每条药方的用药符合度； 0037 判断模块， 用于根据所述各病种对应的每条药方的用药符合度， 判断当前 用药行 为是否异常。 0038 进一步地， 还包括： 0039 各病种对应的药方Pm1,m2.,mj。

22、， 其中， mj(j1,2,.,k)为药品， k为药方P 中药品的种类； 0040 各病种对应的药方数据库DB： 0041 DBP1,P2,.,Pim11,m12,.,m1j,m21,m22,.,m2j,.,mi1,mi2,., mij,其中， Pi(i1,2,.,n)为药方， n为该药方数据库DB中药方的数量。 0042 进一步地， 还包括： 0043 药品组合MC为所述全药品集合TM中的一个子集， 其中， 用药品集合的形 式表示药 品组合MC， MCm1,m2,.,mx， mx(x1,2,.,n)为药品， n为全药品集 合TM中所含的某 些药品种类； 0044 预先设置最小支持度， 设DB。

23、为药方数据库， TM为全药品集合， 有药品组 合 令: 0045 0046 其中， LMC为药品组合MC在药方数据库DB中的常用度， 其为药方数据库 DB中包含药 品组合MC的药方数目与药方数据库DB中药方总数目的比值； 0047 从药品组合MC中筛选出常用度大于或等于最小支持度的常用药品组合 FMC； 0048 设FMC1， FMC2,.,FMCn为药方数据库DB中所有的常用药品组合， 令 SMCFMC1， FMC2,.,FMCn， SMC为所有常用药品组合的集合， 即各病种对 应的用药模式。 0049 进一步地， 还包括： 0050 设P为某一疾病的一个药方， SMCMC1， MC2,.,。

24、MCn为该疾病对应的用 药模式， 其 中 M C1， M C2, . . . ,M Cn都 满 足 常 用 度 大 于 或 等 于 最 小 支 持 度的 条 件 ， 令 j|SMC |为SMC 中的元素个数； 0051 则该疾病对应的每条药方的用药符合度计算如下： 说明书 3/12 页 7 CN 111951924 A 7 0052 0053 其中， COM(P)为药方P与用药模式SMC的符合度， 药方P与用药模式SMC 的符合度 COM(P)为用药模式SMC中包含在药方P中的药品组合的加权和与所有 药品组合的加权和的 比值。 0054 进一步地， 还包括： 0055 预先设置所述最小支持度，。

25、 所述最小支持度为药品组合在药方数据库中的 常用 度的最低值。 0056 本发明提供的异常用药行为检测方法及系统具有以下优点： 通过关联算法 挖掘 常用药品组合的基础上， 通过用药模式在药方数据库上的覆盖度来确定最 小支持度， 从而 确定常用药模式， 通过计算单条药方与该用药模式的符合度来 衡量该药方是否存在违规 风险， 较好的考虑到了不同因素造成的差异， 提升了 药方识别的准确率。 附图说明 0057 附图是用来提供对本发明的进一步理解， 并且构成说明书的一部分， 与下 面的具 体实施方式一起用于解释本发明， 但并不构成对本发明的限制。 0058 图1为本发明异常用药行为检测方法的流程图。 。

26、具体实施方式 0059 为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下 结 合附图及较佳实施例， 对依据本发明提出的异常用药行为检测方法及系统其 具体实施方 式、 结构、 特征及其功效， 详细说明如后。 显然， 所描述的实施例 为本发明的一部分实施例， 而不是全部的实施例。 基于本发明的实施例， 本领 域普通技术人员在没有作出创造性劳动 前提下所获得的所有其他实施例， 都属 于本发明的保护范围。 0060 在本实施例中提供了一种异常用药行为检测方法， 如图1所示， 异常用药 行为检 测方法包括： 0061 步骤S110： 获取就诊数据， 所述就诊数据包括病种、 就诊号、 就。

27、诊号对应 的药品明 细； 0062 步骤S120： 根据病种对所述就诊数据进行分类， 分析得到各病种下的不同 就诊号 对应的药品明细； 0063 步骤S130： 根据所述各病种下的不同就诊号对应的药品明细， 获取到各病 种对应 的药方数据库， 其中， 所述药方数据库包括多种药方， 所述药方数据库 中所有药品种类构 成的集合为全药品集合； 0064 步骤S140： 根据各病种对应的全药品集合得到药品组合， 并从所述药品组 合中筛 选出常用度大于或等于最小支持度的常用药品组合， 其中， 所有常用药 品组合的集合为各 病种对应的用药模式； 0065 步骤S150： 根据各病种下的每条药方与各病种对应。

28、的用药模式， 计算得到 各病种 对应的每条药方的用药符合度； 0066 步骤S160： 根据所述各病种对应的每条药方的用药符合度， 判断当前用药 行为是 说明书 4/12 页 8 CN 111951924 A 8 否异常。 0067 优选地， 在步骤S130中还包括： 0068 定义(1)药方及药方数据库 0069 一个患者单次就诊的药方中往往会有多个药品， 将这些药品的集合称为药 方并 用p表示， 设 0070 各病种对应的药方Pm1,m2.,mj， 其中， mj(j1,2,.,k)为药品， k为药方P 中药品的种类； 0071 每次就诊行为都会有对应的药方， 同病种所有开具的药方则构成了各。

29、自病 种的 药方数据库， 这里用DB表示药方数据库， 则各病种对应的药方数据库DB： 0072 DBP1,P2,.,Pim11,m12,.,m1j,m21,m22,.,m2j,.,mi1,mi2,., mij,其中， Pi(i1,2,.,n)为药方， n为该药方数据库DB中药方的数量； 0073 定义(2)全药品集合 0074 药方数据库DB中所有药品种类构成的集合为全药品集合， 并用TM表示， 例 如， DB P1,P2,P3药品a,药品b,药品c,药品a,药品c,药品d,药品e,药品f,药 品d, 则全药品集合TM药品a,药品b,药品c,药品d,药品e,药品f， 全药品集合 TM包含了药方。

30、 P1、 P2、 P3的所有药品种类。 0075 优选地， 在步骤S140中还包括： 0076 定义(3)药品组合 0077若有集合MC满足则称MC为药品组合； 0078 药品组合MC是全药品集合TM中的一个子集， 用药品集合的形式表示药 品组合MC， MCm1,m2,.,mx， mx(x1,2,.,n)为药品， n为全药品集合TM中 所含的某些药品种 类； 0079 其中， 药方P和药品组合MC均是全药品集合TM的子集， 两者的区别在于药 方对应 的是数据库中实际的一条记录， 而药品组合则不一定是数据库中的记录； 0080 定义(4)药品组合常用度 0081 预先设置最小支持度， 设DB为药。

31、方数据库， TM为全药品集合， 有药品组 合 令: 0082 0083 其中， LMC为药品组合MC在药方数据库DB中的常用度， 其为药方数据库 DB中包含药 品组合MC的药方数目与药方数据库DB中药方总数目的比值； 其 中， 药品组合常用度LMC用来 衡量药品组合MC在药方数据库DB中出现的频 繁性， 即药品组合MC的常用度LMC越大， 药品组 合MC在药方数据库中出现 的频率越高； 0084 定义(5)常用药品组合 0085 从药品组合MC中筛选出药品组合常用度大于或等于某个阈值的药品组合 结果， 称为常用药品组合FMC， 其中， 这个阈值称为最小支持度minsuppport， 且最小支持。

32、度 minsuppport为一个规定的阈值； 0086 定义(6)用药模式 说明书 5/12 页 9 CN 111951924 A 9 0087 设DB为药方数据库， FMC1， FMC2,.,FMCn为DB中所有的常用药品组合， 令SMC FMC1， FMC2,.,FMCn， SMC为常用药品组合的集合， 该集合也即 用药模式。 0088 需要说明的是， 用药模式SMC就是药方数据库DB中药品组合出现的占比满 足大于 等于最小支持度所形成的集合， 若药方数据库DB为某一特定的疾病处方 中所有药方的集 合， 那么其对应的用药模式SMC就是针对该疾病经常出现的药 品组合的集合， 也就是医疗 机构。

33、针对该类疾病所开具药方中的常用药品的模式。 0089 明确应用关联规则算法挖掘药方数据库中的用药模式后， 需进一步确定关 联规 则算法在本发明中的具体任务， 任务应为对于给定的全药品集合TM、 药方 数据库DB和最小 支持度minsuppport， 找出该药方数据库DB中的常用药模式， 若 数据库、 全项集、 最小支持 度都给定的情况下， 应用Apriori算法可快速地得到 所需的结果， 进一步将任务细分为确 定药方数据库和最小支持度。 0090 下面将阐述如何确定药方数据库以及最小支持度。 0091 假设药方数据库DBm1,m2,m3,m4,m5， 对应的药方和药方中的具体药品如 下表 所示。

34、， 0092 药方 具体药品 m1a,b,c,d,e,f m2g,b,c,d,e,f m3a,h,d,e m4a,I,j,d,f m5j,b,d,k,e 0093 则全药品集合TMa,b,c,d,e,f,g,h,j,k； 0094 假设药品组合MC1d,f， MC2h,k， 通过分析上表， MC1在药方m1,m2,m4中均出 现这种组合， 那么药品组合MC1在药方数据库DB中的常用度LMC1为 3/50.6； 而MC2的药品组 合在药方中均未出现， 因此药品组合MC2在药方数据库 DB中的常用度LMC2为0/50； 0095 最小支持度通常是指设置的常用度的最低值， 假设最小支持度设置为1， 。

35、那 么求 得的常用药品组合的集合SMCd。 0096 但是在实际应用中如何确定最小支持度， 最小支持度的取值和计算本身是 一个 很难确定和计算的问题， 较常采用的是专家经验法； 本发明认为关联规则 算法中满足最小 支持度的所挖掘的结果应是病种下的药方中常开的药品或者药 品组合， 而最小支持度的 确定存在一定难度， 本发明引入覆盖率用以度量病种 下的用药模式符合度。 0097 定义用药模式SMC在药方数据库DB上的覆盖率f为： 药方数据库DB中 包含该用药 模式SMC中任意元素的药方数目与总药方数目的比值； 因所挖掘的 常用药品组合的集合能 够包含在数据库的大多数药方中， 因此覆盖率应达到一 定。

36、的水平， 通常取为95； 自动确 定所需的最小支持度的方法为： 先随机设定 最小支持度为较大的值， 在该最小支持度下挖 掘得到频繁项集集合并计算其覆 盖率， 然后以这个覆盖率与目标覆盖率间的差值为基础 以一定的步长调整最小 支持度， 直到得到的频繁项集集合的覆盖率达到目标覆盖率该频 繁项集也即为 所求的常用药模式。 0098 一条药方中绝大多数的药在该疾病的常见用药模式中则应视为合理行为， 相反， 若绝大部分的药不在该疾病的常见用药中， 则该药方存在着违规的风险。 说明书 6/12 页 10 CN 111951924 A 10 0099 优选地， 在步骤S150中还包括： 0100 设P为某一。

37、疾病的一个药方， SMCMC1， MC2,.,MCn为该疾病对应的用 药模式， 其 中 M C1， M C2, . . . ,M Cn都 满 足 常 用 度 的 最 小 支 持 度 条 件 ， 令 j|SMC |为SMC 中的元素个数； 0101 则该疾病对应的每条药方的用药符合度计算如下： 0102 0103 其中， COM(P)为药方P与用药模式SMC的符合度， 药方P与用药模式SMC 的符合度 COM(P)为用药模式SMC中包含在药方P中的药品组合的加权和与所有 药品组合的加权和的 比值。 0104 需要说明的是， 这里所取权重是药品组合中元素的数目和常用度的乘积， 因为在 实际应用中，。

38、 药品组合中药品的数目越多， 其在药方数据库中出现的几 率越小， 而这样的 药品组合更具有价值， 因此要增大这些药品组合的权重， 即 药品组合中药品数目越多权重 越大， 这也意味着如果一个药方中存在一个元素 较多的药品组合与用药模式中的元素相 同， 则该药方与这个用药模式的符合度 较大， 这也与实际情况相符； 若药方P与用药模式 SMC的符合度很低， 则证明该 药方存在异常。 0105 优选地， 在步骤S140中还包括： 0106 预先设置所述最小支持度， 所述最小支持度为药品组合在药方数据库中的 常用 度的最低值。 0107 作为本发明的另一实施例， 提供一种异常用药行为检测系统， 包括： 。

39、0108 第一获取模块， 用于获取就诊数据， 所述就诊数据包括病种、 就诊号、 就 诊号对应 的药品明细； 0109 分析模块， 用于根据病种对所述就诊数据进行分类， 分析得到各病种下的 不同就 诊号对应的药品明细； 0110 第二获取模块， 用于根据所述各病种下的不同就诊号对应的药品明细， 获 取到各 病种对应的药方数据库， 其中， 所述药方数据库包括多种药方， 所述药 方数据库中所有药 品种类构成的集合为全药品集合； 0111 筛选模块， 用于根据各病种对应的全药品集合得到药品组合， 并从所述药 品组合 中筛选出常用度大于或等于最小支持度的常用药品组合， 其中， 所有常 用药品组合的集合 。

40、为各病种对应的用药模式； 0112 计算模块， 用于根据各病种下的每条药方与各病种对应的用药模式， 计算 得到各 病种对应的每条药方的用药符合度； 0113 判断模块， 用于根据所述各病种对应的每条药方的用药符合度， 判断当前 用药行 为是否异常。 0114 优选地， 还包括： 0115 各病种对应的药方Pm1,m2.,mj， 其中， mj(j1,2,.,k)为药品， k为药方P 中药品的种类； 0116 各病种对应的药方数据库DB： 说明书 7/12 页 11 CN 111951924 A 11 0117 DBP1,P2,.,Pim11,m12,.,m1j,m21,m22,.,m2j,.,m。

41、i1,mi2,., mij,其中， Pi(i1,2,.,n)为药方， n为该药方数据库DB中药方的数量。 0118 优选地， 还包括： 0119 药品组合MC为所述全药品集合TM中的一个子集， 其中， 用药品集合的形 式表示药 品组合MC， MCm1,m2,.,mx， mx(x1,2,.,n)为药品， n为全药品集 合TM中所含的某 些药品种类； 0120 预先设置最小支持度， 设DB为药方数据库， TM为全药品集合， 有药品组 合 令: 0121 0122 其中， LMC为药品组合MC在药方数据库DB中的常用度， 其为药方数据库 DB中包含药 品组合MC的药方数目与药方数据库DB中药方总数目。

42、的比值； 0123 从药品组合MC中筛选出常用度大于或等于最小支持度的常用药品组合 FMC； 0124 设FMC1， FMC2,.,FMCn为药方数据库DB中所有的常用药品组合， 令 SMCFMC1， FMC2,.,FMCn， SMC为所有常用药品组合的集合， 即各病种对 应的用药模式。 0125 优选地， 还包括： 0126 设P为某一疾病的一个药方， SMCMC1， MC2,.,MCn为该疾病对应的用 药模式， 其 中 M C1，M C2, . . . , M Cn都 满 足 常 用 度 的 最 小 支 持 度 条 件 ，令 j|SMC |为SMC 中的元素个数； 0127 则该疾病对应的。

43、每条药方的用药符合度计算如下： 0128 0129 其中， COM(P)为药方P与用药模式SMC的符合度， 药方P与用药模式SMC 的符合度 COM(P)为用药模式SMC中包含在药方P中的药品组合的加权和与所有 药品组合的加权和的 比值。 0130 优选地， 还包括： 0131 预先设置所述最小支持度， 所述最小支持度为药品组合在药方数据库中的常 用 度的最低值。 0132 下面结合本发明的具体示例对本发明提供的异常用药行为检测方法进行详 细的 描述。 0133 假设获取到的就诊数据如下表1所示： 0134 病种 就诊号 开具的处方中药品 A 1 a,b,c,d,e,f A 2 g,b,c,d。

44、,e,f A 3 a,h,d,e A 4 a,i,j,d,f B 5 j,b,d,k,e C 6 m,k,n,q 说明书 8/12 页 12 CN 111951924 A 12 0135 表1 0136 将就诊数据按病种划分后， 如上表1所示， 以病种A为分析目标； 0137 按照定义(1)， 得到药方P1a,b,c,d,e,f,P2g,b,c,d,e,f， P3a,h,d,e， P4a,i,j,d,f， 则病种A对应的药方数据库DBp1,p2,p3,p4； 0138 按照定义(2)， 得到全药品集合TMa,b,c,d,e,f,g,h,i,j； 0139 按照定义(3)， 药品组合MC为上述全。

45、药品集合TM中的任意一种药品组 合； 0140 按照定义(4)， 以药品组合MCa,d,f为例， 药方数据库DB含有4个药 方P1,P2, P3,P4， 其中， 含有药品组合a,d,f的药方个数为2， 因此药品组合a,d,f 的常用度LMC 2/40.5； 0141 按照定义(5)， 若设置最小支持度0.75， 应用Apriori算法， 则生成以下计 算过 程： 0142 病种A对应的药方数据库DB如下表2所示： 0143 药方 所含药品 P1a,b,c,d,e,f P2g,b,c,d,e,f P3a,h,d,e P4a,i,j,d,f 0144 表2 0145 扫描表2中的药方数据库DB， 。

46、并计数； 0146 如下表3所示， 其为单个药品组成的药品组合MC在药方数据库DB出现 的次数及在 药方数据库DB中的常用度LMC； 0147 0148 0149 表3 0150 从上述表3中， 即单个药品组成的药品组合MC中， 筛选出常用度大于或 等于最小 支持度0.75的常用药品组合， 如下表4所示； 0151 MC LMC 说明书 9/12 页 13 CN 111951924 A 13 d 1 a 0.75 e 0.75 f 0.75 0152 表4 0153 如下表5所示， 其为两个药品组成的药品组合MC在药方数据库DB中的 常用度LMC； 0154 MC LMC ad 0.75 ae。

47、 0.5 af 0.5 de 0.75 df 0.75 ef 0.5 0155 表5 0156 从上述表5中， 即两个药品组成的药品组合MC中， 筛选出常用度大于或 等于最小 支持度0.75的常用药品组合， 如下表6所示； 0157 MC LMC ad 0.75 de 0.75 df 0.75 0158 表6 0159 如下表7所示， 其为三个药品组成的药品组合MC在药方数据库DB中的 常用度LMC； 0160 MC LMC ade 0.5 adf 0.25 def 0.5 0161 表7 0162 从上述表7中， 即三个药品组成的药品组合MC中， 没有其常用度大于或 等于最小 支持度0.75。

48、的常用药品组合， 即无满足条件的药品组合； 0163 因此， 当最小支持度为0.75时， 病种A对应的用药模式， 如下表8所示： 0164 常用药品组合 药品组合明细 LMC FMC1d 1 FMC2a 0.75 FMC3e 0.75 FMC4f 0.75 FMC5ad 0.75 FMC6de 0.75 FMC7df 0.75 说明书 10/12 页 14 CN 111951924 A 14 0165 表8 0166 根据上述表8可知， 病种A对应的常用药品组合的集合， 即病种A对应的 用药模式 SMCd,a,e,f,ad,de,df； 因4个药方P1,P2,P3,P4都含有 上述常用药品 组。

49、合的集合SMC的某些元素， 因此覆盖率f4/4100符合要求； 通常在具体实施中， 最 小支持度minsuppport会设置成一个比较小的值， 再通过 设置最小支持度minsuppport调 整的步长， 不断计算f值， 直到覆盖率f达到满 足95的要求。 0167 那么， 药方P3a,h,d,e中， 符合常用药品组合的集合SMC为： 0168 SMCa,d,e,ad,de 0169 药方P3a,h,d,e形成的药品组合以及对应的药品组合常用度如下表9所 示： 0170 0171 0172 表9 0173 则病种A对应的药方P3的用药符合度COM(P3)的分子为： 1*0.75+1*1+ 1*0。

50、.75+2* 0.75+2*0.755.5； 0174 分母为： 1*0.75+1*0.25+1*1+1*0.75+2*0.25+2*0.75+2*0.25+2* 0.25+2*0.75+ 3*0.25+3*0.25+3*0.5+3*0.25+4*0.2512； 0175因此病种A对应的药方P3的用药符合度 0176 本发明提供的异常用药行为检测方法及系统， 具有以下优点： (1)同种疾 病用药 情况会受一些因素的影响(年龄、 性别、 医疗单位等)而存在着一定的 差异， 根据以往经验 制定的一些审核规则和阈值往往可能识别度不够， 对于有 些合理的差异规则和阈值方面 并不能灵活识别， 而本发明是。