[發明專利]經改變的數據集的數據分析中的可靠性度量

在審

• 申請號: 201680044286.0
• 申請日: 2016-07-18
• 公開（公告）號: CN107851465A
• 公開（公告）日: 2018-03-27
• 發明（設計）人: U·拉加萬;D·R·埃爾戈特
• 申請（專利權）人: 皇家飛利浦有限公司
• 主分類號: G16H70/00
• 分類號: G16H70/00
• 代理公司: 永新專利商標代理有限公司72002
• 代理人: 王英,劉炳勝

技術領域

以下總體涉及數據分析和數據挖掘，具體應用于通過健康護理數據的數據清理和數據整合所改變的數據集的數據分析。

背景技術

數據挖掘已經在具有從多種來源累積的數據的大數據集上進行。數據挖掘可以包括數據收集、數據結構化、數據清理(例如，消除不一致)、糾正錯誤、整合或編譯來自不同來源的數據，并分析數據以獲得新的信息。來自健康護理提供者的數據可以提供關于患者風險、健康護理處置或趨勢的信息。諸如聚類分析、方差分析和其他統計技術的數據分析通常接受數據值是準確的，并且通過識別和去除離群值來專注于歸類/分類/預測。

當數據被修改以準備分析時，數據的改變會給數據增加不確定性，從而可能帶來對不確定數據的分析。例如，藥物名稱可能拼寫錯誤，使用商品名稱，使用縮寫等。一種方法是在數據清理期間標記任何改變的數據。基于通過數據清理修改的識別組中記錄的百分比來判斷后續分析的可靠性，例如，根據聚類分析在識別出的聚類中的修改數據的高百分比指示該聚類是可疑的。然而，使用標記不會區分數據改變類型，其中一些是顯而易見的，例如小的拼寫錯誤，而一些不太明顯，如縮寫或替代名稱。清理數據的過程可以在經清理的數據中引入新的模式，這被認為是虛假的，例如，指示清理過程，并不反映原始數據或底層數據模式。

對隨后分析數據引入不確定性的另一領域是對來自不同來源的數據的整合。健康護理提供者按規章提供去識別的患者數據，即從數據中去除患者身份。數據來源可以包括來自健康護理提供者內的不同區域，例如患者護理記錄、帳單、入院、藥房、放射科等。源可以在不同的健康護理提供者之間，例如不同的站點，不同的醫院，不同的門診等。由于數據是從不同的來源整合來識別模式，所以匹配算法會增加不確定性，并將其傳遞給后續的分析。例如，去識別的患者診斷可以與去識別的藥房記錄整合。根據診斷處方的藥物的分析可以包括根據患者診斷如何匹配到藥房記錄的錯誤，例如虛假的，而不是基于診斷如何對患者進行藥物處方，例如不是虛假的。然而，數據分析技術不包括數據整合的可靠性度量，通常只有用于所應用數據分析技術的置信度分數或準確性測量，例如回歸分析/方差分析中的R²值。

發明內容

本文描述的各方面解決了上述問題和其他問題。

以下描述了一種確定對經改變的數據的分析的可靠性度量的方法和系統。所述經改變的數據包括與數據相關聯的置信度分數。置信度分數可以與通過數據清理和/或通過數據整合而整合的記錄實例而改變的數據元素的特定實例相關聯。

在一個方面，一種分析技術使用配置的一個或多個處理器，所述配置的一個或多個處理器創建一個或多個分析度量，并且測試數據集根據置信度分數從經改變的數據集中選擇。使用配置的一個或多個處理器，基于所述一個或多個分析度量與根據應用于根據不同置信度分數從經改變的數據集選擇的一個或多個可靠性測試數據集的數據分析技術創建的相同分析度量的相似性，計算所述一個或多個分析度量的至少一個可靠性度量。

在另一方面，一種用于對經改變的數據進行數據分析的系統包括分析單元和可靠性單元。所述分析單元包括一個或多個配置的處理器，所述分析單元利用數據分析技術來分析根據置信度分數從經改變的數據集選擇的測試數據集，其創建一個或多個分析度量，并且根據被應用到根據不同置信度分數從經改變的數據集選擇的一個或多個可靠性測試數據集的數據分析技術創建相同分析度量。所述可靠性單元包括一個或多個經配置的處理器，所述可靠性單元基于所述一個或多個分析度量和應用于所述一個或多個可靠性度量數據集的相同分析度量的相似性，來計算所述一個或多個分析度量的至少一個可靠性度量。

在另一方面，一種對經改變的數據進行數據分析的方法，包括：從經改變的數據集中選擇具有大于閾值量的第一置信度分數的測試數據集，與所述第一置信度分數相比具有負差值的第二置信度分數的第一可靠性測試數據集，以及與所述第一置信度分數相比具有正差值的第三置信度分數的第二可靠性測試集。通過使用一個或多個處理器應用的數據分析技術來分析所述測試數據集、所述第一可靠性測試數據集和所述第二可靠性測試數據集，所述一個或多個處理器創建一組分析度量，至少一個分析度量用于被分析的每個數據集。基于來自經分析的測試數據集的所述至少一個分析度量和來自經分析的第一可靠性測試數據集的所述至少一個分析度量，來計算所述至少一個分析度量的第一可靠性度量值；并且基于來自經分析的測試數據集的所述至少一個分析度量和來自經分析的第二可靠性測試數據集的所述至少一個分析度量，來計算所述至少一個分析度量的第二可靠性度量。