《表3 患者退费项目强关联规则》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《降低医院门诊退费率的相关问题研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位：%

为探究退费最多的项目之间是否存在潜在关联，运用“关联规则挖掘”方法对退费项目进行分析，并基于Apriori算法建模。所谓“关联规则挖掘”，是指从大量的、有噪声的、模糊的、随机的实际数据中抽取出潜在有用的关联信息和知识的过程[6]。支持度和置信度是描述关联规则的两个重要概念，前者用于衡量关联规则在整个数据集中的统计重要性；后者用于衡量关联规则的可信度[7]。通常，建立挖掘模型时需要指定最小支持度阈值（min＿sup）和最小置信度阈值（min＿conf），只有同时满足最小支持度阈值和最小置信度阈值的规则即强关联规则（strong association rules），才是有用的关联规则[8]。基于患者退费数据，本文根据规则产生的实际数量和预定目标，将最小支持度阈值设定为10%，最小置信度阈值设定为80%，挖掘出强关联规则（见表3）。