文摘

可用的数据量的激增在卫生保健使一部小说,探索性研究方法,围绕寻找新的知识和意想不到的假设从数据而不是执行定义良好的数据分析任务。我们提出一个规范的交叉行业标准过程数据挖掘(CRISP-DM),适合进行专家会议,重点寻找新的知识和假设合作与当地劳动力。我们提出了规范名称CRISP-IDM评估在一个案例研究乌得勒支大学医学中心精神病学部门。专家访谈进行了识别精神病学部门的七个研究主题,在与当地卫生保健专业人员合作研究使用数据可视化建模工具。在19日专家会议,两个结果直接实现和29假设为进一步研究发现,其中24没有想象在最初的专家访谈。涉及我们的工作证明了可行性和效益分析和工作层人可能有效地使用我们的CRISP-IDM方法发现新的知识和假设。

1。介绍

的数据量的增加被收集并存储在许多不同的领域在这个数字时代,所收集的数据量在卫生保健也大大地增加了在过去的几年中。电子病历(EPR)软件变得越来越普遍在医院和其它卫生保健机构,在全球范围内和在荷兰1,2]。这个中心病人数据管理方法使使用病人数据通过各种数据挖掘技术用于临床研究(3,4]。

在随机对照试验是目前心理健康研究的金标准,样本大小和缺乏选择性偏差的数据分析的方法可以提供一个新颖的和实质性的贡献精神卫生研究发现复杂的交互模式的原因和结果,韧性和脆弱性和风险和结果(5]。在先前的研究中,数据驱动的研究导致了新的科学知识,提高病人治疗和减少行政负载或金融储蓄,在一般卫生保健(6),在精神卫生保健7- - - - - -9]。

尽管这些方法无疑是有益的,他们是假说驱动的,因此不一定利用数据驱动的研究的全部潜力。数据分析可以揭示关系的可能性,模式和趋势,以前既不期望也不假设[10- - - - - -12]。生成的假设可以随后导致复制成功概率较高的研究,因为他们的groundedness数据(13]。这种探索性的方法带来了一系列的挑战,但它似乎也对卫生保健领域(有很大的好处4]。

这种探索性的方法的另一个可能的好处是能够涉及当地专业人员和病人的分析过程。在目前的医疗数据分析文学侧重于技术方面的过渡到一个数据驱动的标准(例如,(14)转变员工的心态和业务流程在日常实践是一个挑战,不是被低估(15]。的员工一起工作的结果数据分析项目通常是不熟悉数据分析的概念,它创建了一个领域专家和技术人员执行差距分析(16,17]。此外,不涉及临床从业人员在项目将导致他们感觉超越,这将导致未能采用的技术,因此项目的失败。大量的交互与当地劳动力在数据分析项目将缓解这一问题,通过不断地要求他们的输入在确定相关主题和结果(18]。与领域专家的合作都将加强分析,为最终的结果发现了一个简单的实现。

为了受益于数据驱动的研究的机会,同时解决克服的挑战领域专家和技术人员之间的差距,我们报道了一个交互式数据分析项目,注重合作精神病学部门的知识和假设发现在荷兰乌得勒支大学医学中心的。这项工作有助于数据分析在精神卫生保健领域的探索主要nonhypothesis驱动方法的好处和局限性,积极过程中涉及到当地劳动力,这样有助于精神卫生保健机构过渡到一个更多的数据驱动的实践。这个特定的交互式数据分析方法,我们追求没有的上下文中应用前的心理健康。

2。材料和方法

调查一个交互式数据分析项目的可能性和局限性如引入所述,我们进行了一个探索性案例研究19在乌得勒支大学医学中心精神病学部门(UMCU)在荷兰。案例研究的目的是探索数据分析项目的好处和局限性(1)专注于寻找新的知识和假设,(2)包括当地的卫生保健专业人员在过程的每一步。

在研究和比较数据挖掘的交叉行业标准过程(CRISP-DM) [20.),在数据库知识发现(KDD) [21),样本探索修改模型评估(SEMMA) [22),和3阶段的方法(3点)23),选择CRISP-DM结构案例研究。CRISP-DM“良好定义的过程”,是行业中广泛采用(24]。此外,它强调组织的一部分,数据挖掘,这是符合我们的项目目标。CRISP-DM包括以下六个步骤:域理解、数据理解、数据准备、建模、评估和部署。

为了使CRISP-DM适合做探索性数据分析,还包括卫生保健专业人员在每一步的过程中,我们提出以下三个修改。首先,我们总建模成一个迭代阶段和评价阶段,需要与领域专家的合作。启用,将使用数据可视化建模工具,允许参与对于那些不熟悉数据分析。第二,我们区分一般和特定的准备阶段,,分别,一般准备任务和任务显示在探索性建模和评估阶段进行。第三,一个可选的推论分析步骤是补充称,在许多情况下,必须能够将探索性分析结果或生成假设有足够信心的日常练习。概述的方法流程如图1在左栏的不同阶段及其关系和正确的列每个阶段的最重要的目标。这个概述可以被视为一种规范的CRISP-DM使它适用于做探索性和交互式的数据分析,我们叫CRISP-IDM:十字架交互式数据挖掘行业标准过程。虽然我们应用这种方法在精神卫生保健的背景下,它可以很容易地应用于其他领域,因为它是通用的,依赖于当地的领域专家和数据源。

从2015年4月到2015年11月,案例研究是实现我们提出的阶段CRISP-IDM方法。

2.1。域的理解

案例研究是在UMCU精神病学部门进行的。它由四个单位,专门从事严重情感障碍、精神障碍、发育障碍,紧急护理。大约有60住院治疗的位置。结合门诊治疗,这导致每年大约2000独特的病人。相关的临床工作人员主要由精神病医生、心理学家、护士和其他工作人员,直接支持治疗治疗师、社会工作者等。部门有一个二级护理功能区域,以及全国三级保健功能。这需要多样化的人口,包括病人,由全科医生或其他初级保健机构,病人需要紧急护理,患者更复杂的症状。大学医学中心,UMCU分配进行研究,使该中心适合进行案例研究。

为了成为精神病学部门熟悉,与六种不同的代表进行半结构式访谈。这包括四种精神病学单位的一名精神病医生,董事会层面的精神病学家和心理学家。根据阴19]半结构式访谈时适当探索一个新的主题。最初的问题是开放式问题有关的数据记录在精神病学部门与这个数据和可能的研究方向。面试之后被转录。虽然数据挖掘项目明确nonhypothesis驱动的,也就是说,不打算回答具体的研究问题,采访卫生保健专业人员导致一个明确的映射选择所需的特定主题相关的数据源和数据准备。从这六个访谈,共有28个主题被确定使用归纳内容分析(ICA) [25]。随后,这个列表的主题进一步分为七个主题,再次使用ICA。在后续会见采访了卫生保健专业人员的六个方面中的五个,两个人主题和更高层次的主题被评为相关性,导致两者的优先级。五28显示在表的最相关的话题1,主题分为表2。再一次,确定主题的原因不在于他们必须研究在项目过程中,但总体提供洞察的类型可以进行分析;为指导分析只有更高水平的主题。优先级是由一个话题的次数被专家评为临床相关性约束下选择,和主题表2这是相同的方式进行的。

主题在表2和32显示直接关系到卫生保健专业人员的日常训练。承认和解雇的主题大多属于问题关于入学的长度和重新接纳的可能性,而侵略主题关切问题侵略事件与当地发生的住院病人。上下文因素(主题1)和病人转诊(4)主题主题然而大多与护理过程的一部分,UMCU以外的发生,例如,一个病人的社会和经济背景和其他机构的持续的治疗。主题2和3因此需要在本地生成和存储的数据,和主题1和4需要外部数据,可以连接到本地数据。

2.2。数据的理解

研究确定研究主题表2需要选择相关的数据源,获得这些数据源,释放他们的相关数据。在卫生保健机构多个可能的数据源通常存在,如一个电子病历(EPR),实验室测量,图像数据和其他数据库,其中包含相关信息(26]。外部,人口普查数据、地理数据和其他保健机构包含相关信息收集的数据进行分析。这些外部数据源是重要的做分析与发展有关的环境因素相互作用和治疗症状,以及比较病人群UMCU和健康的公民或在其他医疗机构患者。

实验室测量和成像数据忽略了由于很少提到在域理解阶段和数量有限的可用数据在我们的患者人群。这不是可行的获得数据从其他医疗机构项目的持续时间内,由于隐私约束和有限的资源。最终可访问数据源和数据表中列出3。各种实体的代表,并允许执行所有重要的护理过程方面分析在所有主题除了病人转诊。为了使探索性数据分析,包括所有变量最初为每个数据集。探索性分析的目的是寻找新的和意想不到的关系或模式,所以自然没有变量应该在一开始就被排除在外。

从电子病历,几个数据实体:(1)所有患者接受诊断根据标准的精神疾病诊断与统计手册第四(dsm - IV)分类系统在四个轴(1)主要诊断治疗,(2)人格障碍,(3)医疗或物理障碍,和(4)社会心理和环境因素。(2)当开始治疗,治疗计划是由一个保健专业,写描述的类型和时间治疗,随着自由文本字段描述病人的症状和背景。(3)在治疗期间,患者可能有一个或更多的药物处方,包括类型、剂量,和频率的药物,药物的处方,和可能的突变。(4)为了监测病人的状态,常规监测结果(ROM)是由评分问卷调查或指标在一定的时间间隔。可用罗方法包括国家的健康结果尺度(HONOS),肯尼迪轴V,儿童行为检查表(很高),和全球的评估功能(GAF)。这些测量病人的福祉的另一个方面,都是在护理过程中不同时刻有不同的时间间隔。(5)录取信息包括,例如,入学日期和解雇,单位病人承认,和入学的类型。(6)自由文本报告写的精神病医生和护士对自己承认在每个病人一天三班倒的。这些非结构化的文本字段包含一个病人的日常福利和活动信息。

当一个攻击事件发生时,强制报告发生在一个单独的事件报告系统(IRS)。对于每个事件,一些结构化变量记录,如病人和医护人员参与,事件发生的位置和时间,和类型的侵略。此外,在自由文本变量信息的事件导致捕获事件和事件本身。

外部,打开荷兰国家统计局的数据,收购等统计信息的平均收入,城市化和类型的房屋在病人的生活环境。从地理来源,更详细的数据直接附近的绿地的数量的患者。

2.3。数据准备

由于可用的数据存储在一个方式,不适合做研究,对数据预处理是必要的,以将其转换为适当的格式进行探索性分析。最重要的任务在准备数据改变,清洗、整合,减少,使离散数据(27]。自探索性,nonhypothesis驱动类型的方法并不是所有数据准备步骤提前知道,起初只能进行一般的任务不知道具体目标进行建模。因此,我们称这个阶段一般数据准备阶段和迭代进行建模和评估中的特定数据准备阶段。

首先,数据转换由简单的任务,比如解析日期变量和变量名称的变化。许多确定字段不包含数据,默认用户是可以理解的,而是包含代码或缩写;这些字段转换为被用户可读的。在这个阶段的过程中,没有关于不完整的数据,完成转换,因为建模软件部分中讨论2。4旨在处理这个问题。文本数据,阻止和停止词删除等几个转换应用,实现数据简化和减少噪音。

转换后,数据清洗,例如,通过删除冗余变量和重复的记录。这也包括识别变量和元数据中有意义的数据来自系统,但不是在上下文的分析。

最后,能够捕获表述概念,在不同的数据集,数据集常常提到的相互关系专家采访是集成。此外,在这一步中数据被使用公开数据的丰富精神疾病诊断和统计手册(DSM)和解剖学治疗化学分类系统(ATC)。这让病人更容易选择通过观察诊断和药物治疗作为一个层次结构,例如,区分主要解剖组级别和药物的化学物质的水平。

2.4。建模和评估

能够涉及到员工在建模和评估阶段,以及做研究的探索性方法,不同的方法比传统的一个是必需的。在通常的环境中,一组数据分析师或技术专家获得特定的问题领域专家构成的,使用技术或统计建模软件来回答这个问题,然后再与领域专家评估和可能的改进模型。这个设置是不适合我们的建议的方法,因为我们的方法并不旨在回答特定的问题但在探索数据寻找新的知识和假设,因为我们的方法旨在包括卫生保健专业人员在过程的每一步。因此一个交互式数据可视化工具用于模型数据。这个工具可以直接反馈从卫生保健专业人员可以直接参与到现在和建模过程在一种平易近人的方式。

可视化工具支持几种类型的可视化,从基础到高级。基本的可视化,例如,包括散点图,直方图,图块。更高级的例子是网络可视化、条形图,趋势线,墙壁,使文本可视化变量。此外,该工具支持范围广泛的选择和下钻选项容易使放大特定部分病人的人口。最值得注意的是,该工具有一个互动的做法,支持在多个可视化实时更新的选择集,因此适合与我们的目标领域专家参与的直接反馈。这种方法擅长其可视化界面和交互特性,与传统的数据挖掘工具通常围绕编程代码和文本或数字输出。

建模和评估阶段中完成每周会议需要的存在和协作的卫生保健专业人员和技术人员。所需的医疗保健专业人士指导分析和发现新的有趣的可视化领域的专业知识,和技术人员只需要促进通过引入数据分析和可视化使用和操作软件。注意,探索由领域专家指导,只有通过技术人员,因为他们缺乏精神病学领域的知识。每周的会议举行连续3 - 4次为每个表确定主题2。这个过程包括五个迭代步骤(图2):(1)最初在数据选择步骤中,少量的数据与当前主题相关的选择。在下个迭代,额外的数据添加到这个集合,每当表示相关的卫生保健专业人员。(2)在具体制备步骤中,准备不做的一般步骤是为了特定目的,必要时进行。这包括集成不同的数据实体,在源数据无关的变量和数据转换或推导需要特定的可视化要求卫生保健专业人员。(3)可视化设置步骤构成了加载准备数据可视化工具,最初创建简单,描述性的数据可视化,如招生的数量随着时间的推移,分布的诊断,和大多数处方药。基于医生在下个迭代,更复杂的可视化输入被添加。(4)在探索一步卫生保健专业人员探讨了数据,由技术人员支持。探索是在卫生保健专业人员的指导下,例如,通过选择患者人群子组根据他们的不同特点,对比趋势随着时间的推移,在可视化和寻找模式。技术人员促进了这一分析,通过执行操作所要求的卫生保健专业人员和帮助解释可视化。协作会话允许一个创造性的过程可视化导致新想法和新概念和数据集的相关领域专家。这些探索在未来勘探周期,因为他们通常需要额外的数据和准备尚未执行的步骤(1)- (3)。步骤(1)-(4)因此,迭代,因为并不是所有可视化最初是已知的;他们的创作过程的观察数据协作。(5)持续的视觉反馈可视化的建模过程使直接观察描绘有趣的结果,如可能的相关性,文本条款,站在条形图或趋势。产品的步骤(1)-(4)这些结果需要行动,也就是说,视觉上可以确认关系,需要进一步研究。这些观察的直接结果是建模和评估阶段,并指出CRISP-IDM后阶段的过程。

作为一个例子,在迭代的侵略主题,峰值在侵略事件被发现存在于入学的第五天。最初,一个小的数据集被选为侵略主题,包括攻击性和诊断数据集。在第一次迭代中,只有一些描述性统计对侵略可视化,如最发生事故单位的数量和类型的攻击(如语文、物理)。专家则表示,他们想看看是否有任何改变事件的数量。这个可视化是添加在下一次迭代,但并没有显示任何有趣的结果。另一位专家怀疑这是更可能的事件发生在录取结束的开始。在下一次迭代,因此录取数据添加和与侵略的数据集成。可视化显示事件的第五天峰(图的承认7),该领域专家没有希望和判断是未知的。这个峰值在事件因此指出进一步检查结果在接下来的阶段。其他的结果和他们的力量进一步阐述了在部分3。

在三个月内,共有19个交互式探索与两个或三个领域专家和至少一个技术专家进行。总共18卫生保健专业人员参与探索数据,和每个专家出席了平均的2.3倍。崩溃的人数和上座率是可见的在桌子上4,也可以验证专家从精神病学部门过程的每个部分包含在会议。

2.5。部署

部署阶段通常专注于实现所得到的测试结果在建模阶段工作。这个过程的一部分在我们的例子中不是很不同于典型的数据挖掘项目,因为所得到的测试结果,确认需要转化为日常工作实践。这个问题的结果被认为是足够强大的可视化建模期间,以及另外使用推论分析测试的结果。过程描述了如何部署图描述了结果3。

最初,选择的结果,可以为日常工作实践的帮助下确定了医疗管理,包括董事会和领先的精神病学家的四个单位的精神病学部门。第一次艰难的选择之后,讨论了这些结果与相关护理人员和当地人员或决策者。结合了董事会和管理水平的专业人士以及日常工作确保最终实现结果的广泛支持。与员工讨论结果会导致一个结果的协议是不适合实现,在这种情况下,不需要进一步的行动,或积极的回应。在这种情况下,结果是准备实现或需要进一步的研究,如连接结果相关文献或探索其他数据源或患者电子文件调查的结果在一个更高的水平。根据类型的结果,进一步行动被确定和分配在后续的管理相关单位(s)。

3所示。结果与讨论

的两个结果,在建模阶段被发现在精神病学上实现工作层:(1)肯尼迪V轴,一个特定的例行监测结果的方法,用于所有四个单位的精神病学部门得分8个地区的病人的福祉在0 - 100范围内,另外让护士在一个文本字段输入报告或解释。数字分数应该反映当前状态的病人的福祉定期(如每周)在一次入学。然而数据分析显示,七个八个分量表的得分在承认(图仍然几乎不变4),因此无效定期需要分数。因此,数字分数填写次数少,节省的时间和更低的管理负载在工作层。(2)护士报告关于承认病人在每天的三个转变是不同的延伸,在部门内的不同护士和不同单位之间(图5)。在卫生保健专业人士有广泛共识,良好的报告是简洁,这样写不是耗费时间和报告的读者可以快速识别要点。这导致了一种新的写作指南护士报告,再次导致护士减少行政负担。

在这两种情况下,这一事实的人一起工作项目的成果帮助找到这些结果为这些结果的一个简单实现。

在建模和评估阶段交互式可视化软件曝光的一些限制。首先,尽管使用的交互式可视化软件允许简单的非技术人员的参与,这个功能有科学性的权衡。例如,软件不允许统计测试或更复杂的数据分析任务。这种先进的分析更具挑战性行为在卫生保健专业人员的存在,因为它通常围绕数值输出可视化,为临床医生更难以理解。有时相关、模式或趋势似乎存在于一个可视化,然而决定性的答案不能没有恢复到更传统的统计软件。

第二,尽管恢复统计软件可以在许多情况下确定的强度与相关系数或结果价值,事实上,许多其他变量之间的关系已经被抛弃了没有任何测试使得这一个不寻常的多个实例的比较问题。即使找到显著关系,很多关系一直手动检查没有任何测试结果削弱了。虽然这种效应通常是在machinal许多相关性的计算,它肯定是存在在这里,并禁止浏览统计检验的结果作为一个直接结果。专家会议的探索性特征最终验证结果,因此限制了能力在许多情况下,额外的研究,例如,在其他类似的数据集,是必需的。

上面提到的原因,其他结果数据中发现了被归类为假设进行进一步的调查,而不是直接的结果。换句话说,探索性的结果为推论分析提供输入。两个实现的结果不同于这些假设在数据描述了整个人口,和统计方法不是不可或缺的来验证这种结果。

3.1。为进一步研究假设

从结果一步探索过程中,进一步调查的29个假说和主题列表被确定。而不是主题的列表中标识表1,所有这些断言有一些基础的数据。29的假说,5是标记为直接相关表的主题之一1;其他24明确探索数据时被发现。这使得假说的建议找到使用交互式数据分析成功,因为很大一部分发现假设不同于之前的问题是已知的观察数据。图6显示了一个故障发现假设的数量/主题。注意病人转诊主题被遗弃在数据理解阶段由于获取数据从其他机构没有可行的持续时间内的项目。可以看出大多数假设开门侵略的主题,其次是环境因素,承认和解雇,常规监测、结果和药物主题数量大致相等的假设。

五大假说的进一步调查由卫生保健专业人员选择显示在表中5。重要的是要注意,这些假设有一个基础数据,但上面提到的原因不被视为直接结果;这需要进一步的研究。

3.2。过程评价

实施案例研究以及我们CRISP-IDM方法一般顺利,虽然也经历了一些实际困难。一些最重要的发现为每个阶段下面列出:(1)域的理解。进行专家访谈和确定的七个研究主题一般成功的让熟悉的研究领域。这一步不可低估的重要性,因为它形成的基础数据选择,从而直接影响项目的成功,因为它是与当地劳动力交流的第一步。(2)数据的理解。经历一些困难是获取相关数据。员工提供数据(例如,数据管理员)可能不熟悉探索性数据分析的想法,所以项目的明确声明意图是非常有用的,以获得他们的支持。访问数据最初不是很精简,因为它是通过几个数据库系统和提供平面文件,都有自己的接口,方法和文件类型。然而,最终所有必需的数据收集和集中存储在一个统一的格式。(3)一般数据准备。采取的步骤在这个阶段一般是众所周知的;但是耗费时间来执行他们的数据。最常执行的任务是描述在文学和应用提出了基本没有真正的挑战,然而,他们是不可避免的在将原始数据转换为可分析的数据。另一个方面是,数据质量的赤字可能会光相关的登记问题,和解决这些赤字需要询问的人负责数据登记,另一个耗时的任务。(4)建模和评估。专注于一个主题在每个会话之间提供一种平衡利用数据的多样性,而不是压倒性的参与者。体面的介绍可视化工具及其不同的可视化被证明是有效的,这一事实证明了几乎所有的参与者都能够贡献的探索。具体的数据准备和可视化设置需要技术人员的努力但最终没有导致重大挑战。参与者的态度向数据分析在这种互动方式总体上是积极的和开放的,这是进一步支持的事实,在项目的后期当地的专业人士开始主动问问题可能回答使用数据以外的每周会议。这是符合采用更多的数据驱动的标准的最终目标的心理健康机构。(5)部署。在部署阶段,它被证明是非常有用的医疗保健专业人士强烈参与建模和评估阶段。他们积极参与的结果导致了广泛的支持在日常工作实践中实现的结果。

4所示。结论

中可用的数据量已经成为卫生保健可以进行探索性数据分析,着重于寻找新的知识和假设,而不是解决具体明确的问题或测试现有的假设。我们进行了一个案例研究在乌得勒支大学医学中心的精神病学部门调查的可能性和局限性这一新的探索性的数据类型分析。我们此外积极参与当地劳动力过程的所有步骤,指导和加强分析和为实现铺平了道路。的案例研究中,我们提出一个规范的CRISP-DM命名CRISP-IDM:交叉互动数据挖掘行业标准过程。在CRISP-IDM,最重要的是建模和评估阶段已经收缩到一个阶段,需要卫生保健专业人员的参与。此外,数据准备阶段已经分裂一般和特定的准备阶段,和一个可选的推论分析步骤后添加了建模和评估阶段。

在域的理解阶段,专家访谈结果进行识别和优先级的七个研究主题精神病学部门。在随后的数据理解和数据准备阶段,适合研究主题的数据收集和数据准备等任务转换,清洗、集成和丰富的数据进行。在建模和评估阶段,数据可视化被用作工具探索数据与医疗专业人士合作指导分析在每周会议。技术人员负责选择初始数据集,执行特定的数据准备任务,被发现在迭代开发中,并建立可视化。

共有19个探索性与18个不同的卫生保健专业人员举行了会议,直接导致两个结果,在合作中实现管理和劳动力专家。首先,领域专家认为肯尼迪轴V计分法太常数的临床使用,其次强烈不同延伸的护理报告发起一个新护士报告写作协议。此外,29日假设为进一步研究发现,用于修饰或说明6中确定的七个研究主题域理解阶段。这些假说,29日24没有想象在最初的专家访谈。我们演示了使用我们的可行性CRISP-IDM方法组织探索性和协作专家会议和有效地寻找新的知识和假设。

相互竞争的利益

作者宣称没有利益冲突有关的出版。