| DC 欄位 |
值 |
語言 |
| DC.contributor | 機械工程學系 | zh_TW |
| DC.creator | 粘曾誼 | zh_TW |
| DC.creator | Tseng-Yi Nien | en_US |
| dc.date.accessioned | 2003-7-4T07:39:07Z | |
| dc.date.available | 2003-7-4T07:39:07Z | |
| dc.date.issued | 2003 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=90323019 | |
| dc.contributor.department | 機械工程學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 近幾十年來，由於台灣地區科技及經濟高度成長，國民所得不斷提高，使得台灣地區機動車輛數目近幾年來均呈現大幅的成長，而交通問題也日益嚴重，其造成之身體傷害及財物損失亦導致龐大的社會成本及醫療成本。故本研究擬以道路交通資料庫，以當事人之身份證字號連結健保局門診資料，並應用統計檢定與資料探勘之方法，探討其所造成之醫療成本、就醫特性及事故特性，並希望所研究之成果，能對於交通與衛生相關單位的決策制訂有所助益。
在資料處理方面，本研究首先將道路交通事故資料庫中之事件資料、地點資料及當事人資料三種資料表合併為一張以當事人為主，且同時具有事件、地點之交通事故資料表。再以此資料表，用當事人之身份證字號連結健保門診資料庫，在建立事故當事人門診就醫紀錄資料之後，進而對於事故當事者之第一次就醫時間、不同受傷程度、就醫距離事故發生之天數以及就醫次數等四方面進行討論，並建立研究分析樣本之篩選條件。
在資料分析方面，依據篩選條件所篩選後之樣本，首先針對門診費用之分佈特性、敘述統計量進行討論。所討論之變數在人口組成方面包括性別和年齡；在就醫特性方面包括就醫順序、醫院層級及就醫間隔；在交通事故特性方面包括當事人之受傷部位與交通工具。分析方式為使用百分位數、盒形圖等統計分析及資料視覺化的方式描述門診費用分佈、就醫特性及事故特性，並針對不同變數性質，選擇適合之統計檢定方法，檢定變數中各項目之門診費用等級是否存在顯著差異。
在資料探勘方面，本研究使用的資料探勘方式為關聯規則(association rules)發掘，規則演算方式則採用Apriori 演算法，目的在於發掘高門診費用就醫紀錄之事故特性與就醫特性。在選擇輸入及輸出變數並設定支持度(support)在5%以上，信度(confidence)在4%以上，相對信度差(difference of confidence Quotient to 1)在50%以上為關聯規則之門檻值後，最後共得165條關聯規則，並統計關聯規則中之條件出現次數，以發掘高門診費用紀錄之重要特性。 | zh_TW |
| DC.subject | 交通事故 | zh_TW |
| DC.subject | 健保局 | zh_TW |
| DC.subject | 門診 | zh_TW |
| DC.subject | 資料探勘 | zh_TW |
| DC.subject | 醫療成本 | zh_TW |
| DC.subject | 關聯規則 | zh_TW |
| DC.subject | 購物籃分析 | zh_TW |
| DC.subject | traffic accident | en_US |
| DC.subject | apriori algorithm | en_US |
| DC.subject | outpatient cost | en_US |
| DC.subject | association rule | en_US |
| DC.subject | data mining | en_US |
| DC.subject | medical cost | en_US |
| DC.subject | vehicle crash | en_US |
| DC.title | 道路交通事故與健保門診資料之整合分析與資料探勘技術應用 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |