醫(yī)療糾紛文獻(xiàn)的數(shù)據(jù)挖掘

文/劉源 馮洪海

醫(yī)療糾紛文獻(xiàn)的數(shù)據(jù)挖掘

文/劉源 馮洪海

因?yàn)獒t(yī)療糾紛導(dǎo)致的慘劇近年來頻繁發(fā)生，為了避免此類傷害再次發(fā)生，應(yīng)該從醫(yī)患雙方分析原因。本文中從網(wǎng)上獲取了大量醫(yī)療糾紛案例，通過分析數(shù)據(jù)，總結(jié)普遍性規(guī)律，建立模型，編寫相關(guān)的程序，針對文章內(nèi)容準(zhǔn)確提取出醫(yī)療過錯以及損害結(jié)果等。

醫(yī)療糾紛 醫(yī)療過錯 損害結(jié)果

1 引言

近幾年以來，數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域有廣泛的應(yīng)用，并逐漸形成了一個重要的研究分支。據(jù)統(tǒng)計(jì)2016年，通過各方共同努力，全國法院全年共審結(jié)醫(yī)療損害賠償案件20833件。互聯(lián)網(wǎng)中積累了大量關(guān)于醫(yī)療糾紛的案例，為數(shù)據(jù)分析提取提供了資源。當(dāng)前，已經(jīng)有一些學(xué)者對互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)進(jìn)行了研究和分析，馮洪海[1]等統(tǒng)計(jì)分析了現(xiàn)階段互聯(lián)網(wǎng)醫(yī)療用戶癥狀和疾病的分布情況，魏強(qiáng)[2]通過研究醫(yī)療數(shù)據(jù)存儲與分析系統(tǒng)，分析了疾病間的相互聯(lián)系，但尚沒有文獻(xiàn)關(guān)于醫(yī)療糾紛的挖掘分析。

本文中之前已通過爬蟲軟件獲取了截至2017年各主要相關(guān)網(wǎng)站大量案例數(shù)據(jù)，針對這些數(shù)據(jù)進(jìn)行分析，總結(jié)普遍性規(guī)律，建立模型，編寫相應(yīng)的程序，對文章內(nèi)容分析準(zhǔn)確提取出醫(yī)療過錯（如漏診，錯診），損害結(jié)果等內(nèi)容。本文將著重從程序設(shè)計(jì)過程來分析。

2 程序設(shè)計(jì)過程

本文中設(shè)計(jì)的程序用JAVA語言編寫，通過字符串的查找功能來實(shí)現(xiàn)各關(guān)鍵詞的定位，對文章內(nèi)容進(jìn)行有效提取。其中，標(biāo)志詞根據(jù)關(guān)鍵詞數(shù)量主要分為單個和多個（例如“漏診，過失行為”為單個標(biāo)志詞，“系....所致”為多個標(biāo)志詞）。單個標(biāo)志詞匹配較為容易，多個標(biāo)志詞匹配主要是通過第一個關(guān)鍵詞之前的標(biāo)點(diǎn)符號和最后一個關(guān)鍵詞之后的標(biāo)點(diǎn)符號的位置來確定提取內(nèi)容。

2.1 分割提取單元

文章案例均來源于網(wǎng)上，所以編碼格式主要為“UTF-8”和“GBK”。本文中提取案例均為完整的一個字符串，不含有“ ”，“ ”等換行符，所以先對文章進(jìn)行分解。案例標(biāo)題中主要包含一些日期信息，作者信息等，故將該部分舍去。接下來對文章進(jìn)行分解，分割為獨(dú)立的提取單元。提取單元過大，使得每個單元中多個提取結(jié)果，不利于結(jié)果的處理，提取單元過小，每個單元中無法提取到完整的信息。經(jīng)過反復(fù)試驗(yàn)，最終將提取單元設(shè)定為兩個句號，即兩句話，通?？梢员磉_(dá)一個完整的意思。完整程序流程圖見圖1。

圖1：程序流程圖

2.2 建立過錯標(biāo)志詞表

通過閱讀大量案例，對文章中常見的過錯表述進(jìn)行總結(jié)，建立標(biāo)志詞表，例如，“系.....所致”，“為.....所致”等。接下來，對每個提取單元進(jìn)行標(biāo)志詞匹配。匹配范圍大小是該部分的一個難點(diǎn)之一，為了避免因?yàn)槠ヅ浞秶斐山Y(jié)果偶然性，導(dǎo)致實(shí)際內(nèi)容與目標(biāo)不符。所以，本文將匹配范圍確定到兩個逗號之間的內(nèi)容，提取范圍結(jié)果所在的一句話，以此來應(yīng)對該問題。

2.3 建立傷害結(jié)果標(biāo)志詞表

對于過錯行為引發(fā)的傷害結(jié)果，由兩部分組成，第一部分用來連接傷害后果的連詞，例如“致使”，“導(dǎo)致”等，或者是用來表示時間的關(guān)系的連詞，例如“手術(shù)后”，“就醫(yī)后”，“治療后”等，該部分各標(biāo)志詞之間邏輯關(guān)系為或。第二部分是損害結(jié)果。標(biāo)志詞如“死亡”，“殘疾”，“喪失生活能力”等。提取范圍與上部分一致。

2.4 提取結(jié)果處理

每個提取單元中可能存在多個標(biāo)志詞，會造成同一部分內(nèi)容多次提取，需要對提取結(jié)果進(jìn)行去重和合并。去重相對容易解決，JAVA中的HashSet類，屬于集合類，容器中只能用來存儲不重復(fù)的對象，將提取結(jié)果加入到該集合中，來解決該問題。合并對集合中的提取結(jié)果尋找公共字符串，對于有公共字符串的提取結(jié)果分到同一組，對于每一組都可以合并為一個完整的句子，避免重復(fù)合并，出現(xiàn)多種結(jié)果。

如果過錯和傷害結(jié)果在同一個提取單元中出現(xiàn)，可以作為最終結(jié)果之一。對于一些文檔，過錯和傷害結(jié)果不在同一提取單元中，將提取范圍擴(kuò)充到上一提取單元，保存上一提取單元中的提取狀態(tài)，若當(dāng)前提取單元中僅存在傷害結(jié)果，而上一單元的提取狀態(tài)中存在過錯，可作為最終結(jié)果。

3 結(jié)束語

本文通過建立模型，標(biāo)志詞表，對提取結(jié)果進(jìn)行去重合并，獲取了幾個相關(guān)網(wǎng)站中所涉及案例中出現(xiàn)的過錯，傷害結(jié)果。未來的研究可以對該詞表和程序進(jìn)一步完善，對每個標(biāo)志詞建立相應(yīng)的排除表，對一些語境識別，提高提取結(jié)果的準(zhǔn)確性。針對這些數(shù)據(jù)應(yīng)用統(tǒng)計(jì)學(xué)方法進(jìn)行分析，統(tǒng)計(jì)當(dāng)前階段醫(yī)療事故中醫(yī)療過失的分布情況，可以有效避免再次發(fā)生。

（通訊作者：馮洪海）

[1]馮洪海,孫遠(yuǎn)燦,李利敏,宋舒晗,黃俊輝.基于Web醫(yī)療數(shù)據(jù)的互聯(lián)網(wǎng)醫(yī)療用戶研究[J].計(jì)算機(jī)時代,2014(04):41-46.

[2]魏強(qiáng).基于云計(jì)算的醫(yī)療數(shù)據(jù)處理技術(shù)研究[D].貴州大學(xué),2015.

作者單位河南大學(xué)計(jì)算機(jī)與信息工程學(xué)院 河南省開封市 475000

劉源 (1996-)，女，山西省呂梁市人。在讀本科。