[发明专利]多维度数据的离群值检测方法、装置、设备和介质

说明书

本发明提供多维度数据的离群值检测方法、装置、设备和介质，方法包括：S1、提取检测目标需要参与计算的不同量纲的多维数据；S2、检验每维数据是否服从正态分布，若不是，则进行数据转换，使转换后的每维数据服从正态分布；S3、以每维数据的平均值为基准，计算已服从正态分布的多维数据的初始马氏距离；S4、通过调整系数对所述初始马氏距离进行调整计算，得到调整后马氏距离；S5、根据既定规则判定所述调整后马氏距离的离群值。本发明能够同时考虑多维数据，避免单独一维数据而引起的分歧，从而使离群值的检测更加全面、科学、准确、系统，并且可根据结果区分高、低离群值。

技术领域

本发明涉及计算机技术领域，特别涉及一种不同量纲的多维数据的离群值检测的方法、装置、设备和介质。

背景技术

在医疗卫生管理领域，为了使医院的病例具有可比性，基于疾病诊断分组(DRG，Diagnosis-related Group)进行疾病比较是目前通用的方法。DRG是由美国耶鲁大学Robert B.Fetter教授及其团队历经十余年研发的。DRG将临床过程相似和(或)资源消耗相当的病例归为一类，分类组合成为若干个组别，组与组之间制定不同的“权重(weight)”来反映各组的特征。于是，同组之间的病例可直接比较，分别基于住院费用和住院时长是目前常用的离群值检测方式。

离群值(outlier)，是指在数据中有一个或几个数值与其他数值相比差异较大。现有技术是分别只基于住院时长(LOS)和费用(Cost)的离群值检测。基于住院时长的离群值检测主要有三种：

1)L3H3，即小于平均住院时长(ALOS)的1/3称为低离群值，大于平均住院时长的3倍称为高离群值(Duckett,1998；S Ghaffari et al.,2010；Gong et al.,2004；Jackson,2001)；

2)平均值加上2倍标准差称为高离群值(Cots et al.,2003；Cots et al.,2004；Freitas et al.,2012)；

3)第3四分位数(3rd Quartile)加上1.5倍的四分位距(inter-quartile range,IQR)称为高离群值，第1四分位数(1st Quartile)减去1.5倍的四分位距(IQR)称为低离群值(S Ghaffari et al.,2010；Gong et al.,2004)。

基于住院费用的离群值检测主要有二种：

1)几何平均值加上2倍或3倍标准差称为高离群值，分别称为GM2或GM3(Cots etal.,2003)；

2)第3个四分位数加上1.5倍的四分位距称为高离群值，第1四分位数减去1.5倍的四分位距称为低离群值(Pirson et al.,2006)。

大部分国家和地区对高离群值给予额外补助，以保证医疗质量，避免医疗机构拒收或提前出院疾病复杂程度高、严重程度高的患者，因此离群值的判定涉及到医疗机构、医保机构、患者等多方利益，科学、正确评判离群值对于控制医疗费用，提升医疗质量十分重要。

然而目前技术只从单维角度判别离群值，如仅从住院时长或住院费用来判别离群值，这样必然存在着片面性和局限性。如果仅以住院时长(LOS)作为评判标准，对于住院时间长、住院费用却不高的病例可以获得额外的高离群值补助，而住院时间不长但住院费用高的病例却无法获得额外补助，显然医疗机构面临这些高费用病例的成本压力；如果仅以医疗费用(Cost)作为评判标准，医保机构会认为医疗机构借此转移成本压力或借此多使用高价的药品和耗材，显然不利于控费。