數據醫療下疾病發展歷程之預評模型研究

本研究提出藉由序列樣態( Sequential Pattern Mining )方法以獲得評估各個具有疾病時間歷程意義的健康風險樣式。經由電子病歷中的疾病演進歷程，透過標準化的序列式(Sequential Rules)分類技巧，擷取出其中有代表性的資訊，再藉以視覺化的介面形式將訊息提供給醫護人員或終端消費者做為評斷的參考，亦或是用於醫療照護決策支援之用等實務目的。

實證分析資料係由民國一百零一年全民健康保險學術研究資料庫門診處方及治療明細檔（CD90）和住院醫療費用清單明細檔（DD90）串聯而成，分析之有效樣本為當年度60 歲以上之女性，共計75,068 人。

研究發現，同時具有兩種以上的慢性疾病病歷者 (如：糖尿病和高血壓)，則第三次就診掛的科目也會是糖尿病或高血壓等。其次，發現針對第一時期已經是本態性高血壓患者，第二期為老年性白內障、其他高脂質血症或是眩暈等病患，都有較高的Odds Ratio 值(OR > 2)。再者，有些症狀如，失眠與便祕，若有連續(持續)發生的現象，對個體具有潛在健康風險的因子。

最後，透過Sankey diagram 展現序列樣態規則的支援度(support%)，是拉近工程師與前台展示層使用者之間視覺設計的應用介面之一。序列樣態分析對疾病的發生歷程，在實務應用上具有分析與訂定規則的價值，可以作為快速推薦掛號及個人健康風險評估的研發參考值。