華西醫院藥品分組方法研究*

王宏，劉雯琪，王靜文，鐘勝，蘇蘭

(四川大學商學院，成都市 610041)

?探索與研究?

華西醫院藥品分組方法研究*

王宏，劉雯琪，王靜文，鐘勝**，蘇蘭

(四川大學商學院，成都市 610041)

為解決華西醫院住院藥房藥品擺放不合理、藥劑師工作量巨大、藥房工作效率低等問題,對華西醫院住院藥房A類針劑藥品進行關聯規則挖掘，運用Clementine軟件，Apriori算法進行求解。將A類針劑藥品科學分組、整體定位，為下一步藥品具體位置定位奠定基礎。最終達到優化藥房藥品布局，提高藥品物流效率，提升醫院藥房管理水平的目的。

藥品分組；用藥比例；關聯規則挖掘

1 研究背景

華西醫院是四川省綜合性三級甲等醫院，編制床位4300張，住院患者每日所需藥品主要由住院藥房以護理單元為單位進行調劑、配送。口服類藥品已實現自動化管理；特殊管理類藥品單獨存放；針劑類藥品四百余種，每日住院藥房工作人員對針劑類藥品的揀選配送工作量巨大。另外，藥劑師只是根據日常的工作經驗對藥品進行分類擺放，導致針劑藥品定位不合理、藥品物流效率低等問題。

2 研究思路

為解決華西醫院住院藥房現存問題,優化藥房布局，科學定位藥品，需進行以下幾個方面研究:

(1)運用ABC分類法篩選出A類針劑藥品(貨架擺放)；

(2)根據護理單元的用藥相似性進行聚類分析，得出護理單元分組；

(3)對A類針劑藥品進行關聯分析，結合護理單元分組情況確定A類針劑藥品分組；

(5)對垛架和貨架的藥品進行關聯分析，確定垛架藥品擺放。

(1)(2)已完成，筆者主要對(3)進行詳細論述，提出一種對A類針劑藥品分組總體定位的科學方法，為藥品具體位置定位奠定基礎。

本研究并不只是運用關聯規則挖掘進行藥品分組，而是將關聯分析結果與A類針劑藥品在每組護理單元中的用藥比例結合起來，確定A類針劑藥品分組。將科學分析與工作實踐相結合，更具科學性與實用性，打破了醫院藥房以往僅按照藥理隨機擺放藥品的常規。

3 研究步驟

(1)由已得研究成果可知護理單元分為三組，算出每一種A類針劑藥品(貨架擺放，下同)在每組護理單元中的用量比例；

(2)對所得數據預處理，運用Clementine軟件進行關聯規則挖掘；

(3)根據關聯分析結果，確定“中心藥品”；

(4)結合所得數據及關聯分析結果對“中心藥品”進行分組；

(5)依次對每一種“非中心藥品”與所有“中心藥品”進行關聯分析，根據所得結果及“中心藥品”分組確定“非中心藥品”分組。

903 Feasibility of deep learning image-based segmentation algorithm in pathological section of gastric cancer

4 實證分析

4.1 數據來源

前期研究數據及本研究數據均由華西醫院信息管理中心提供。由已得研究成果可知，用ABC分類法對華西住院藥房針劑藥品進行分類，得A類針劑藥品共129種，依次編號為A1-A129。根據各護理單元用藥相似性對護理單元進行聚類，可將72個護理單元分為三組，具體分組情況見附表1。

4.2 確定“中心藥品”

首先，根據護理單元聚類結果，統計每種A類針劑藥品(貨架擺放)在每一組護理單元中的用量，計算出每種A類針劑藥品在每一組護理單元中用量占該藥品總用量的比例，統計結果見附表2。對附表2的數據進行預處理進行關聯規則挖掘，運用Clementine軟件，Apriori算法，設定最小支持度為5%，最小置信度1%，項集數最大為5。關聯規則挖掘共得到關聯規則976條，前10條結果見表1。

表1 關聯規則挖掘部分結果

分析關聯規則挖掘結果，對后繼列和先導列進行重復項刪除操作，可知后繼列有110種藥品，先導列有15種藥品，這說明先導列藥品與后繼列藥品有一對多的關聯關系，因此將先導列藥品定義為“中心藥品”。“中心藥品”有：A20、A68、A80、A79、A39、A77、A35、A58、A22、A48、A114、A16、A30、A72和A42，共15種。

4.3 “中心藥品”分組

將“中心藥品”關聯規則結果中的支持度與置信度相乘，乘積按降序排列，所得結果前10條見表2。對“中心藥品”進行分組，首先分析表2 第一行A20、A68，查附表2可知A20、A68在第一、二、三組護理單元中用藥比例分別為51.277%、26.879%、21.844%；34.526%、24.250%、41.224%。A20在第一組護理單元中的用藥比例明顯高于其他，而A68在第一、三組護理單元的用量差別不大，因此應以A20的用量為主要參考依據。A68與A20分在第一組。A79與A68關聯較強，A20與A80關聯較強，故A79 、A80也應跟隨A68 、A20分在第一組。表2下一行為A39和A79，兩者都未出現過，查附表3，A39、A79在三組護理單元中的用藥比例為20.490%、21.109%、58.401%；38.615%、22.385%、39.000%。A39和 A79在第三組護理單元中用藥比例最大，兩者分在第三組。以此類推，可得15種“中心藥品”分組結果。

第一組：A20、A68、A79、A80、A39、A77、A35、A58；

第三組：A22、A48、A114、A16、A30、A72、A42；

第二組無中心藥品。

表2 關聯規則挖掘部分結果(含支持度和置信度乘積)

4.4 “非中心藥品”分組

129種A類針劑藥品中，除去15種“中心藥品”，其余為“非中心藥品”。對于“非中心藥品”的分組采用以下方式：首先對每一種“非中心藥品”與15種“中心藥品”進行關聯規則挖掘，然后將支持度和置信度相乘，乘積按降序排列，這樣每一個“非中心藥品”對應15個乘積，其中最大乘積對應的“中心藥品”所在組就是該“非中心藥品”所在組。依此方法可得“非中心藥品”分組，結果如表3、表4。

根據第一、三組護理單元“中心藥品”分組確定“非中心藥品” 分組后，我們發現129種A類藥品中仍有3種藥品未得到分組，分別為A26、A85、A50。說明這3種藥品與第一、三護理單元“中心藥品”關聯度不大，應獨立分組，歸為第二組。

表3 “非中心藥品”(第一組)總體定位結果

表4 “非中心藥品”(第三組)總體定位結果

5 總結

筆者根據華西醫院藥房實際情況，在前文研究的基礎上提出了一套對A類針劑藥品分組整體定位的科學方法。以每一種A類藥品在三個護理單元分組中的用藥比例為源數據進行數據挖掘，根據關聯結果，確定“中心藥品”及其分組，最后根據“中心藥品”和“非中心藥品”的關聯結果確定“非中心藥品”分組。這樣的藥品分組集科學性、實踐性、邏輯性、系統性為一體，確定了藥品的整體布局，為下一步藥品具體位置定位奠定了良好基礎。有助于達到優化藥房布局，減少藥劑師工作量，提升藥房工作效率的目的。從而能有效調度和科學優化醫院中的醫療資源。

目前，國內外對醫院住院藥房藥品定位問題的研究甚少，本研究是對醫院藥房藥品定位問題的積極探索。筆者為解決華西醫院住院藥房現存問題提出的藥品分組方法，也可應用于其他類似情形的中國醫院乃至藥品以外更廣闊的領域。

[1] MC Chen,CP Lin.A data mining approach to product assortment and shelf space allocation[J] Expert Systems with Applications,2007,976-986.

[2] George Aloysius.An approach to products placement in supermarkets using PrefixSpan algorithm[J] Journal of King Saud University-Computer and Information Sciences,January 2013,Pages 77-87.

[3] A.Hadi-Vencheh.An improvement to multiple criteria ABC inventory classification[J] European Journal of Operational Research 177,2007,Pages 344-353.

[4] 王金莉，劉建平.門診西藥房差值動態盤點體系的建立與實踐[J] 現代醫院管理，2013，11(10):54-55.

[5] 丁勇，楊永林.信息化條件下的醫院物流管理[J] 現代醫院管理，2014，12(3):77-78.

[6] 張舒雅，宮爾君，馬磊，等.試論大型公立醫院內部資源配置的優化[J].中國醫院管理，2014,10:1-3.

附表1 護理單元分組(每個數字代表一個護理單元)

附表2 各藥品在每一類護理單元中的用量比例(前82項) %

修回日期：2015-03-09

(編輯 徐佳)

Study of Drug Grouping Method in Huaxi Hospital

WANGHong,LIUWen-qi,WANGJing-wen,ZHONGSheng,SULan

(BusinessSchoolofSichuanUniversity,Chengdu610041,China)

To solve the problems of unreasonable drug placing,pharmacists′ huge workload and low work efficiency in inpatient pharmacy of Huaxi Hospital,the authors excavate injectable drugs in Group A with association rule and get the solutions with Clementine and Apriori.Then the injectable drugs in Group A are divided scientifically and positioned collectively,which lays the foundation for the following specific positioning of the drugs.As a result,drug layout is optimized,logistics efficiency of drugs improved and the management of hospital pharmacy upgraded.

drug grouping;drug proportion;association rule excavation

國家自然科學基金項目“醫療服務中的資源調度與優化”(71131006)

R197

A

1672-4232(2015)02-0023-04

10.3969/j.issn.1672-4232.2015.02.008

鐘勝(1968-)，男，博士，副教授；研究方向：博奕論及應用、服務管理、物流及供應鏈管理。

2015-01-19