临床数据库可以归类为大数据；其中包括大量患者数据及其医疗状况。除了使用数据挖掘方法发现大量样本之间的关系外，定性临床数据分析还可以揭示相关性和独立附属业务中隐藏的医学理解。

本研究的目的是使用预测方法来估计入院时的创伤患者，以便能够预测患者所需的治疗，并为危重患者提供适当的步骤。后者是在试图进入有问题的情况之前。本文对数据挖掘的研究进行了回顾。为了开始解决此类系统的优缺点，我们调查了最近发表的有关医疗数据的数据挖掘研究，重点是急诊医学。本研究结果可用于预测患者入院后6小时的病情状态。

什么是数据挖掘

目录

1什么是数据挖掘2医疗保健中的数据挖掘3三个系统参与4医疗保健中的数据挖掘技术4.1监督学习技能4.2无监督学习技术5数据挖掘如何增强医疗保健5.1 1 1。帮助医生确定更佳行动计划5.2。管理医疗保健5.3.3。管理客户关系5.4.4。改善患者预后和增强安全性6结论众所周知，

广泛的数据是从隐含的、先前未知的和潜在有用的数据中提取的不可忽视的数据。这包括许多方法论解决方案，例如分组、总结数据、分类、发现依赖网络、分析变化和奇异景象。医疗保健中的

数据挖掘数据挖掘被不同部门有效使用。它允许零售部门显示消费者反馈，并帮助银行业预测客户的盈利能力。它服务于许多类似行业，如生产、电信、医疗保健、汽车零部件、教育等。

由于电子病历数量呈指数级增长，数据挖掘在医疗保健服务中具有难以置信的潜力。医生和内科医生以前在文章中保存患者信息，但很难保存数据。数字化和创新新技术减少了人力，使数据易于评估。例如，计算机准确地维护了大量患者数据，并提高了整个数据管理系统的质量。然而，主要的挑战是医疗保健提供者应该如何有效地收集所有数据？这就是数据挖掘被证明非常有用的地方。

学者使用各种方法来发布研究，例如分组、分类、决策树、机器学习和时间序列。然而，医疗保健在将最新研究纳入日常实践方面一直进展缓慢。

三个系统参与

三个系统思维是试图将数据挖掘远远超出教育研究领域的最有效策略。所有三个系统的实施都是推动任何医疗保健分析计划中的真实增强的方式。不幸的是，这三个系统都是由极少数医疗机构实施的。

这三个系统是：

分析系统。该系统包括收集、理解和标准化测量的技术和专业知识。该系统的基础部分是将临床、财务、患者满意度和其他数据聚合到企业数据仓库（EDW）中。更佳实践体系。更佳实践方法涉及标准化信息工作——有条不紊地将基于证据的更佳实践应用于护理交付。研究人员在医疗更佳实践ea方面取得了重要发现