Topic Model

BHMM for treatment event and inpatient journey analysis

数据格式

从数据库中收集信息

<patientTrace patientId="" admissionTime="" dischargeTime="">
  <labtests>
    <labtest name="" time=""/>
  </labtests>
  <exams>
    <exam class="" subclass="" item="" time=""/>
  </exams>
  <presces>
    <presc name="" dosage="" unit="" quantity="" frequency="" date=""/>
  </presces>
  <operations>
    <operation startTime="" stopTime="">
      <item name=""/>
    </operation>
  </operations>
</patientTrace>

特点：

• 无时序信息，以日期记录时间
• 所有的医嘱用药都未分散到每一天，（用药只包含住院用药，出院带药被去除）
• 一个病人存为一个文件
• 需后续进一步处理，同时作为处理后数据的一个参考

进一步处理

先用csv存储吧

[patientId], 第1天, 第2天, ……, 第n天
静脉抽血,1,0,...,1
血常规+CRP,0,1,...,0
...
牛黄解毒片,0,0,...,9
...
冠状动脉造影术,0,1...,0

特点：

• 无日期，所有时间记录为第n天
• 处方分散到每一天。简单的计算方式，每天用量为dosage * frequency ，持续时间为quantity / (dosage * freq)，超出住院时间的舍去。
• 一些无单位的，或者医嘱，手术信息用1表示。
• 因为相同用药单位相同，在csv中单位不做记录

几个问题

1. 对于处方的数据库，在PRESC_MASTER数据表中，以PRESC_NO和PRESC_DATE作为主键，在PRESC_DETAIL中，同样以PRESC_NO,PRESC_DATE和ITEM_NO作为主键。但是仅PRESC_NO 作为外键，数据库结构存在问题。
2. 几个病人的数据质量比较差，时间信息上存在问题。如581855_2.xml，手术时间比出院时间晚；如F341248_1.xml的手术时间比入院时间早；如C547455_1.xml的处方信息起始时间比出院时间晚。
3. 处方剂量上存在问题。如448_1.xml，处方信息中有一个为聚乙二醇电解质散，一项纪录为<presc name="聚乙二醇电解质散" dosage="246.6" unit="g" quantity="18" frequency="1/日" date="" />，另一项纪录为<presc name="聚乙二醇电解质散" dosage="1" unit="袋" quantity="18" frequency="3/日" date="" />，两者之间单位不同。人为理解大概为一袋是246.6g，quantity指的也是18袋。但数据转换程序中未作处理。
4. 还有无法简单处理的。仍旧是448_1.xml中，滴鼻液和滴眼液，应该是一瓶一瓶的，dosage=0.1，unit=支，quantity=1。未知dosage以什么为单位，猜想应该是ml，但一瓶多少ml是未知的。不能得出持续时间为quantity / (dosage * freq)

TODO

整理数据

• 列出每一种医嘱，处方，手术所对应的强度列表，对强度过多的某些医嘱，处方，手术进行归一化
• 将所有的处方的强度都压缩（归一化）至0,1,2,3,4,5中

模型

• LDA 基础模型
• Squence-based Naive Bayes (SNB) 模型
• Proposed BHMM 模型

实验

• 统计多少病人，多少种的event type，总共包含了多少的event，平均在院时长
• 训练$k={3,5,7,9,11,13,15}$ 几个模型 - [x] k=3,5,7,9,10,11,13,15,20,25,30,35
• ​