[论文解读] Analysis of Research in Healthcare Data Analytics

Mohammad Ahmad Alkhatib, Amir Talaei‐Khoei+1 more|arXiv (Cornell University)|Jun 4, 2016

Artificial Intelligence in HealthcareHealth Professions参考文献 20被引用 22

一句话总结

本文通过七个数据库对医疗保健数据分析研究进行了系统性综述，分析趋势、工具和方法论。识别出关键的分析技术，突出研究空白，并考察地理和主题分布，为改善临床决策、运营效率和预测性医疗系统提供指导。

ABSTRACT

The main aim of this paper is to provide a deep analysis on the research field of healthcare data analytics. This paper is analyzing the previous studies and works in this research area, as well as highlighting some of guidelines and gaps. This study has used seven popular databases and selected most relevant papers, in order to conduct this paper. The paper has listed some data analytics tools and techniques that have been used to improve healthcare performance in many areas such as: medical operations, reports, decision making, and prediction and prevention system. Moreover, the systematic review has showed an interesting demographic of fields of publication, research approaches, as well as outlined some of the possible reasons and issues associated with healthcare data analytics, based on geographical distribution theme.

研究动机与目标

• 提供对医疗保健数据分析研究趋势的全面分析。
• 识别并评估医疗保健中使用最广泛的医疗数据工具和分析技术。
• 突出医疗保健数据分析研究中的研究空白和挑战，特别是与地理分布和方法多样性相关的问题。
• 为通过数据驱动决策和预测建模提升医疗保健绩效提供实用指导。
• 考察该领域内出版趋势中的人口统计和主题模式。

提出的方法

• 使用七个主要学术数据库进行系统性文献综述，以识别相关研究。
• 根据与医疗保健数据分析的相关性选择论文，重点关注实证研究和综述研究。
• 按研究主题、研究方法和地理分布对研究进行分类。
• 分析所使用的数据分析技术类型，如预测建模、商业智能和决策支持系统。
• 绘制机器学习、数据挖掘和统计分析等工具在临床和医疗运营环境中的应用情况。
• 使用主题分析识别反复出现的问题，如数据质量、互操作性以及医疗数据分析中的伦理问题。

实验结果

研究问题

• RQ1 医疗研究中使用的主要数据分析技术是什么？
• RQ2 医疗数据 analytics 应用在不同地理区域和研究领域中的分布情况如何？
• RQ3 当前医疗保健数据分析研究中识别出的关键挑战和研究空白是什么？
• RQ4 不同研究方法如何促进临床决策和运营效率的提升？
• RQ5 医疗数据 analytics 中最常用的工具和框架是什么，它们在实际应用中的有效性如何？

主要发现

• 大量研究集中于预测分析和决策支持系统，以改善临床结果。
• 机器学习和数据挖掘技术是医疗保健数据分析研究中最常应用的工具。
• 研究产出主要集中于北美和欧洲，亚洲和非洲的代表性较弱。
• 在数据隐私、伦理问题以及医疗系统间互操作性方面的研究存在显著空白。
• 商业智能和报告工具广泛用于医院和诊所的运营改进。
• 系统性综述和荟萃分析代表性不足，表明需要更多对现有证据的高层次综合。