医务人员对危机管理认识的决策树分析

　　作者：华琳 闫岩 郑卫英 张爱萍 作者单位：首都医科大学生物医学工程学院数学教研室 北京100069

　　【摘要】 　决策树是数据挖掘分类方法的一种，应用数据挖掘技术的C4.5决策树算法对医务人员的危机管理认识进行了初步探讨，并指出哪些决策属性决定了医务人员的分类，为医院管理提出了新的思路和模式。

　　【关键词】 决策树 数据挖掘 危机管理

　　1 引言

　　20世纪60年代诞生的决策树技术是十分流行的人工智能技术，近10多年来，伴随着数据挖掘技术的兴起，它作为数据挖掘中一种分类问题的解决方法被广泛的研究和应用。决策树是通过系统地分解和分离数据集中包含的信息来发现规律和关系的分析工具。它是一个类似于流程图的树型结构，每个内部节点表示在一个属性上的测试，分支代表测试的每个结果，树的每个叶节点代表一个类别，树的最高节点是根节点，即整个决策树的开始[1]。决策树的构造方法依赖于决策树算法。当前最有影响的决策树算法是Quinlan于1986年提出的ID3和1993年提出的C4.5算法。C4.5算法是ID3算法的改进，即不仅可以处理离散值属性，还可以处理连续值属性。这两种算法都是寻找数据库中具有最大信息增益的属性字段，建立决策树的一个节点，再根据该属性字段的不同取值建立树的分支。其优点是理论清晰，方法简单，学习能力强。事实上，这两种方法可统称为最大信息增益法，它是基于信息论中熵的概念为每一个节点选择用于分割的特征，从而构造一个决策树分类器。另一种方法是最小基尼指数法，它与最大信息增益法类似，只是为每一个节点计算一个基尼指数值，最后取一个加权平均基尼指数值作为最终的分割准则。本研究采用最大信息增益法C4.5作为决策树算法，并采用SAS软件实现。

　　2 决策树分析的最大信息增益法

　　我们考虑类标号属性只有两个不同取值的情况。假设训练集S有p个正例和n个反例，则1个例子属于正例的概率为p/(p+n)，属于反例的概率n/(p+n)。设属性A的取值有r个，则它把S分成r个子集{s1,s2,…,sr}。

　　I(p,n)=-pp+nlog2pp+n-np+nlog2np+n

　　设si有pi个正例和ni个反例，则子树si所需要的期望信息为I(pi,ni)，并且以A为根的树所需要的期望信息为各子树所需要的期望信息的加权平均值，即： E(A)=∑ri=1pi+nip+nI(pi,ni)

　　而以A为根进行分类所得到的信息增益为：gain(A)=I(p,n)-E(A)[2]。计算出各属性的信息增益后，选择信息增益最大的属性作为节点向下生成决策树。下面我们通过一个实例来说明决策树生成的过程。

　　将人员按照年龄和薪水分为两类，一类记为C1，一类记为C2。人员由两个属性描述，即age(年龄)和salary(薪水)。Age取值为youth(年轻)和old(年老);salary取值为high(高)和low(低)[3]。共有9个记录，见表1。表1 人员情况表(略)

　　在表1中，p=3,n=6I(p,n)=-39log239-69log269=0.918E(age)=69I(2,4)+39I(1,2)=69(-26log226-46log246)+39(-13log213-23log223)=0.918

　　同理可求得E(salary)=49I(2,2)+59I(1,4)=0.845于是得到信息增益为：gain(age)=0.918-0.918=0; gain(salary)=0.918-0.845=0.073

　　因此，salary具有最大的信息增益，作为根节点向下扩展，最后可行成决策树为：

　　3 应用实例

　　2003年春天我国一些地区爆发的非典型肺炎(SARS)暴露出我国公共卫生系统的缺陷，说明我们缺乏应对公共卫生危机的管理机制和处理能力。为此，2004年4月北京市卫生局及中华医学会北京分会等单位对北京地区15家医疗卫生机构1156名医务工作者进行了问卷调查[4]。利用调查数据中医务工作者对本医院应急管理体系的评估资料，分析和研究北京市各医院目前应对突发公共卫生事件的管理现状，为提高我国突发公共卫生事件的应急管理水平提供参考。本研究选择取其中的一道题目“您知道突发公共卫生事件的应急条例吗?”，类别属性为回答结果，即知道和不知道(知道为1，不知道为2);其他属性为年龄(1表示<30岁，2表示30～40岁，3表示40～50岁，4表示50岁以上);文化程度(1表示研究生;2表示大本;3表示大专;4表示中专及以下);医疗机构(1表示一级医院;2表示二级医院;3表示三级医院);从事工作(1表示行政管理;2表示专业技术;3表示后勤服务)。数据见表2。表2 医务人员情况表(略)

　　我们选取1156个数据按最大信息增益法生成决策树，并采用SAS软件的数据挖掘模块(EM)来实现，决策树生成图如下：

　　于是，我们可以通过上面的决策树图得到分类规则：

　　① 如果文化程度为大专以上，则回答知道突发公共卫生事件的应急条例;

　　② 如果文化程度为中专及以下并且从事工作是行政管理或专业技术，则回答知道突发公共卫生事件的应急条例;

　　③ 如果文化程度为中专以下并且从事工作为后勤服务并且年龄小于40岁，则回答不知道突发公共卫生事件的应急条例;

　　④ 如果文化程度为中专以下并且从事工作为后勤服务并且年龄大于40岁，则回答知道突发公共卫生事件的应急条例。

　　从以上规则可以看出，文化程度较高的医务人员均知道应急条例，而文化程度较低，特别是年龄偏小的从事后勤工作的人员知道的较少，所以应加强对这部分人员的培训。

　　4 结束语

　　基本的决策树构造方法没有考虑噪声，所以生成的决策树完全与训练集拟合。在有噪声的情况下，这种拟合会导致过拟合(overfit)，此时反而不具有很好的性能。此时可以采用剪枝技术克服噪声。另外，如果属性间存在相关性，生成的决策树会有子树复制的问题，当树很大，会造成数据集的划分越来越小，最后导致没有预测能力。目前解决子树复制和碎片问题的方法主要是采用特征构造方法[3，5]。

　　另一方面，传统的决策树算法主要是针对小数据集的，而在实际的数据挖掘应用中我们面临的数据集往往容量巨大，因此很多学者提出了处理大型数据集的决策树算法，并对算法进行了不少改进。

　　决策树分析适用于作较广泛的类型分类和预测。它在变量的值能够相对地分成较少的不同数量时，往往效果比较好。本研究尝试采用了决策树C4.5算法来分析医务人员对于突发公共卫生事件应急条件的了解情况，并获得了分类规则，提取有价值的信息，从而为医院管理提出了新的思路和模式。

　　【参考文献】

　　1 房祥飞，刘希玉.决策树在数据挖掘中的新进展和发展前景.信息技术与信息化，2006，3：139～142.

　　2 胡智喜，唐学忠.基于信息增益法的决策树构造方法.计算机与现代化，2006，3：28～30.

　　3 胡江洪，詹超.数据挖掘中决策树算法的研究及改进.计算机与信息技术，2006，2：17～19.

　　4 金大鹏，主编.医疗防疫机构应对突发公共卫生事件的管理.北京：中国协和医科大学出版社，2005，1.

　　5 李宁，乐琦.决策树算及常见问题的解决.计算机与数字工程，2005，3：60～64.