CN108985483A - 一种药品销量预测的方法 - Google Patents
一种药品销量预测的方法 Download PDFInfo
- Publication number
- CN108985483A CN108985483A CN201710412761.1A CN201710412761A CN108985483A CN 108985483 A CN108985483 A CN 108985483A CN 201710412761 A CN201710412761 A CN 201710412761A CN 108985483 A CN108985483 A CN 108985483A
- Authority
- CN
- China
- Prior art keywords
- patient
- drug
- medical instrument
- sales forecast
- disease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 64
- 229940079593 drug Drugs 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 48
- 201000010099 disease Diseases 0.000 claims abstract description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 21
- 238000012731 temporal analysis Methods 0.000 claims abstract description 9
- 238000000700 time series analysis Methods 0.000 claims abstract description 9
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000009510 drug design Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006806 disease prevention Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Child & Adolescent Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种药品销量预测的方法，包括以下步骤：S1：建立基本信息关系：先清洗和整理数据，收集一个地区的所有医院的账单信息，并构建出患者、患者往期所患疾病以及患者所用药品和医疗器械的树状信息图；S2：依据患者的清单计算患者的特征指数，并应用canopy算法和KMeans算法进行机器学习，自动将患者进行分类；S3：应用时间序列分析的ARIMA模型对每一类患者进行预测，得出每一类患者在下一个年度的数量；S4：计算出对于该药品或医疗器械每一个疾病的比例，再根据得出的每一类患者的预测，得出该药品或医疗器械基于疾病组成的预测值。本发明设计合理，预测方式简单可靠，方便准确的预测出各种药品的销量。
Description
技术领域
本发明涉及销量预测技术领域，尤其涉及一种药品销量预测的方法。
背景技术
目前疾病的发病率和药品销量的预测大多基于时间序列分析的方法来进行预测。时间序列分析法运用过去的历史数据，通过统计分析，进一步推测未来的发展趋势，它的依据是一切事物都是发展变化的，事物的发展变化在时间上具有连续性。
时间序列预测法只考虑时间因素不考虑外界因素对预测对象的影响，当遇到外界发生较大变化，往往会有较大偏差。尤其对于疾病的发病率和药品的销量，其受环境等外部因素的影响较大，进行预测时，只考虑时间因素，其预测结果就会与实际状况不符。
本发明提出一种药品销量预测的方法，该方法能够准确的预测出各种药品的销量。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种药品销量预测的方法。
一种药品销量预测的方法，包括以下步骤：
S1：建立基本信息关系：先清洗和整理数据，收集一个地区的所有医院的账单信息，并构建出患者、患者往期所患疾病以及患者所用药品和医疗器械的树状信息图；
S2：依据患者的清单计算患者的特征指数，并应用canopy算法和KMeans算法进行机器学习，自动将患者进行分类；
S3：应用时间序列分析的ARIMA模型对每一类患者进行预测，得出每一类患者在下一个年度的数量；
S4：计算出对于该药品或医疗器械每一个疾病的比例，再根据得出的每一类患者的预测，得出该药品或医疗器械基于疾病组成的预测值；
S5：对每一个药品或医疗器械进行预测：统计该药品或者医疗器械在过去每个年度的使用数量，再应用时间序列分析的ARIMA模型对其在在下一个年度的使用数量进行预测；
S6：对每一个患者的就诊记录进行数据挖掘，应用FP-Growth算法，得到该药品或医疗器械的频繁项集：{ x | Frequency<x, d> ＞ 最小支持度}，并根据基于频繁支持度和使用数量预测的值进行预测；
S7：利用逻辑回归分析方法，得出最终的药品销量预测值。
优选的，所述S2中，患者的清单为就诊记录、药品和医疗器械，患者的特征指数为总医疗支出、自付比例、就诊次数和慢病比例。
优选的，所述S3中，数量的表示值为
。
优选的，所述S4中，得出的预测值表示为p0：。
优选的，所述S5中，使用数量的预测值表示为p1：
。
优选的，所述S6中，根据基于频繁支持度和使用数量预测的值进行预测值表示为p2: 。
优选的，所述S6中，频繁项集中的d表示疾病。
优选的，所述S7中，药品销量的预测值表示为p： θ0P0 +θ1 P1 +θ3 P2。
本发明建立了患者、疾病以及药品与器械之间的数据关系，并且通过机器学习等手段，挖掘出疾病和疾病之间、药品和器械与其他药品器械之间的数据关系，从而对药品和器械的使用量进行可靠有效的预测，方便准确的预测出各种药品的销量，且对药品销量的预测精度高，也对指导疾病预防具有较好的社会效益和经济效益，本发明设计合理，预测方式简单可靠，方便准确的预测出各种药品的销量。
附图说明
图1为本发明提出的一种药品销量预测的方法的流程示意图；
图2为本发明提出的一种药品销量预测的方法的患者分类和数量预测流程示意图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
参照图1-2，本发明提出的一种药品销量预测的方法，包括以下步骤：
S1：建立基本信息关系：先清洗和整理数据，收集一个地区的所有医院的账单信息，并构建出患者、患者往期所患疾病以及患者所用药品和医疗器械的树状信息图；
S2：依据患者的清单计算患者的特征指数，并应用canopy算法和KMeans算法进行机器学习，自动将患者进行分类，其中患者的清单为就诊记录、药品和医疗器械，患者的特征指数为总医疗支出、自付比例、就诊次数和慢病比例；
S3：应用时间序列分析的ARIMA模型对每一类患者进行预测，得出每一类患者在下一个年度的数量：；
S4：计算出对于该药品或医疗器械每一个疾病的比例，再根据得出的每一类患者的预测，得出该药品或医疗器械基于疾病组成的预测值，表示为p0：；
S5：对每一个药品或医疗器械进行预测：统计该药品或者医疗器械在过去每个年度的使用数量，再应用时间序列分析的ARIMA模型对其在在下一个年度的使用数量进行预测，表示为p1：；
S6：对每一个患者的就诊记录进行数据挖掘，应用FP-Growth算法，得到该药品或医疗器械的频繁项集：{ x | Frequency<x, d> ＞ 最小支持度}，并根据基于频繁支持度和使用数量预测的值进行预测，表示为p2: ，其中d表示疾病；
S7：利用逻辑回归分析方法，得出最终的药品销量预测值，表示为p： θ0P0 +θ1 P1+θ3 P2。
通过建立患者、疾病以及药品与器械之间的数据关系，并且配合机器学习等手段，挖掘出疾病和疾病之间、药品和器械与其他药品器械之间的数据关系，从而对药品和器械的使用量进行可靠有效的预测，方便准确的预测出各种药品的销量，且对药品销量的预测精度高，也对指导疾病预防具有较好的社会效益和经济效益。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种药品销量预测的方法，其特征在于，包括以下步骤：
S1：建立基本信息关系：先清洗和整理数据，收集一个地区的所有医院的账单信息，并构建出患者、患者往期所患疾病以及患者所用药品和医疗器械的树状信息图；
S2：依据患者的清单计算患者的特征指数，并应用canopy算法和KMeans算法进行机器学习，自动将患者进行分类；
S3：应用时间序列分析的ARIMA模型对每一类患者进行预测，得出每一类患者在下一个年度的数量；
S4：计算出对于该药品或医疗器械每一个疾病的比例，再根据得出的每一类患者的预测，得出该药品或医疗器械基于疾病组成的预测值；
S5：对每一个药品或医疗器械进行预测：统计该药品或者医疗器械在过去每个年度的使用数量，再应用时间序列分析的ARIMA模型对其在在下一个年度的使用数量进行预测；
S6：对每一个患者的就诊记录进行数据挖掘，应用FP-Growth算法，得到该药品或医疗器械的频繁项集：{ x | Frequency<x, d> ＞ 最小支持度}，并根据基于频繁支持度和使用数量预测的值进行预测；
S7：利用逻辑回归分析方法，得出最终的药品销量预测值。
2.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S2中，患者的清单为就诊记录、药品和医疗器械，患者的特征指数为总医疗支出、自付比例、就诊次数和慢病比例。
3.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S3中，数量的表示值为。
4.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S4中，得出的预测值表示为p0：。
5.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S5中，使用数量的预测值表示为p1：。
6.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S6中，根据基于频繁支持度和使用数量预测的值进行预测值表示为p2:。
7.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S6中，频繁项集中的d表示疾病。
8.根据权利要求1所述的一种药品销量预测的方法，其特征在于，所述S7中，药品销量的预测值表示为p： θ0P0 +θ1 P1 +θ3 P2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710412761.1A CN108985483A (zh) | 2017-06-05 | 2017-06-05 | 一种药品销量预测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710412761.1A CN108985483A (zh) | 2017-06-05 | 2017-06-05 | 一种药品销量预测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108985483A true CN108985483A (zh) | 2018-12-11 |
Family
ID=64501934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710412761.1A Pending CN108985483A (zh) | 2017-06-05 | 2017-06-05 | 一种药品销量预测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108985483A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636639A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于大数据分析的用药检测方法、装置、设备和存储介质 |
| CN110097957A (zh) * | 2019-04-22 | 2019-08-06 | 安徽晶奇网络科技股份有限公司 | 一种基于大数据的医院管理分析系统 |
| CN111428930A (zh) * | 2020-03-24 | 2020-07-17 | 中电药明数据科技(成都)有限公司 | 一种基于gbdt的药品患者使用人数的预测方法及系统 |
| CN112561089A (zh) * | 2020-11-27 | 2021-03-26 | 成都飞机工业（集团）有限责任公司 | 一种易损备件关联分析预测方法 |
| CN112991075A (zh) * | 2021-02-04 | 2021-06-18 | 浙江大学山东工业技术研究院 | 一种基于FP-growth及图网络的套餐式购药异常检测方法 |
| CN116051170A (zh) * | 2023-01-28 | 2023-05-02 | 航天正通汇智(北京)科技股份有限公司 | 一种基于ai技术的区域常用药品需求量预测的方法及装置 |
-
2017
- 2017-06-05 CN CN201710412761.1A patent/CN108985483A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636639A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于大数据分析的用药检测方法、装置、设备和存储介质 |
| CN109636639B (zh) * | 2018-12-13 | 2023-02-03 | 深圳平安医疗健康科技服务有限公司 | 基于大数据分析的用药检测方法、装置、设备和存储介质 |
| CN110097957A (zh) * | 2019-04-22 | 2019-08-06 | 安徽晶奇网络科技股份有限公司 | 一种基于大数据的医院管理分析系统 |
| CN110097957B (zh) * | 2019-04-22 | 2023-07-11 | 安徽晶奇网络科技股份有限公司 | 一种基于大数据的医院管理分析系统 |
| CN111428930A (zh) * | 2020-03-24 | 2020-07-17 | 中电药明数据科技(成都)有限公司 | 一种基于gbdt的药品患者使用人数的预测方法及系统 |
| CN112561089A (zh) * | 2020-11-27 | 2021-03-26 | 成都飞机工业（集团）有限责任公司 | 一种易损备件关联分析预测方法 |
| CN112991075A (zh) * | 2021-02-04 | 2021-06-18 | 浙江大学山东工业技术研究院 | 一种基于FP-growth及图网络的套餐式购药异常检测方法 |
| CN116051170A (zh) * | 2023-01-28 | 2023-05-02 | 航天正通汇智(北京)科技股份有限公司 | 一种基于ai技术的区域常用药品需求量预测的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108985483A (zh) | 一种药品销量预测的方法 | |
| US11600390B2 (en) | Machine learning clinical decision support system for risk categorization | |
| Zhang et al. | The impact of client choice on preventive healthcare facility network design | |
| JP6674375B2 (ja) | 臨床転帰トラッキング及び分析 | |
| Khalifa et al. | Utilizing health analytics in improving the performance of healthcare services: A case study on a tertiary care hospital | |
| Rising et al. | Emergency department visits after hospital discharge: a missing part of the equation | |
| Jena et al. | Endogenous cost-effectiveness analysis and health care technology adoption | |
| US20110301971A1 (en) | Healthcare System Planning Tool | |
| US20200074573A1 (en) | System and method for providing a patient-specific prediction model in a user application for effectiveness determinations | |
| CN110322356A (zh) | 基于hin挖掘动态多模式的医保异常检测方法及系统 | |
| Litchfield et al. | Can process mining automatically describe care pathways of patients with long-term conditions in UK primary care? A study protocol | |
| Yoon et al. | The effect of general health checks on healthcare utilization: accounting for self-selection bias | |
| JP2021523499A (ja) | コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体 | |
| Glynn et al. | Measuring causes of adult mortality in rural northern Malawi over a decade of change | |
| Bowser et al. | A preliminary assessment of financial stability, efficiency, health systems and health outcomes using performance-based contracts in Belize | |
| Moran et al. | International approaches to measuring the quality of mental health care | |
| Kumar et al. | Eliminating emergency department wait by BPR implementation | |
| TW201426624A (zh) | 個人醫療費用預測系統 | |
| Macones et al. | Cost-effectiveness analysis: an introductory guide for clinicians | |
| Patra et al. | Operational Efficiency Analysis of Public Hospital Systems of India: Application of Data Envelopment Analysis | |
| Rahman et al. | Factors affecting profit efficiency of private hospitals in Bangladesh: are urban hospitals more profit-efficient? | |
| Nicholson | Multimorbidity among adult primary health care patients in Canada: Examining multiple chronic diseases using an electronic medical record database | |
| Mariotti et al. | Consensus among clinicians on referrals’ priority and use of digital decision-making support systems | |
| Sharma et al. | Economic cost analysis in cancer management and its relevance today | |
| Flessa et al. | Costing of Health Care Services in Three Provinces of Cambodia |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181211 |