第六章 使用Intelligent Miner軟體工具的實做結果

第六章 使用Intelligent Miner軟體工具的實做結果

第一項 哪些病患帶來最大利潤? 哪些患者容易流失?

Cluster Anaysis 患者獲利分群分析

以患者接觸期(Duration,權重=2),個人總累計邊際毛利(Tot_MR, 權重=1) & 接觸期每日平均毛利(Tot_MR/duration,權重=1)分群成 11 群。

全部病患 Cluster Analysis 結果

分群的結果分部尚可以接受，最大的一組僅佔 23.38%(n=2138)，最 小一組 0.63%(n=58)；整體來看較高獲利組與高醫療費用,高忠誠度, 高就診次數,高藥費比率,高點滴注射比率及高慢性病費用比率有關

（表 一）,依據三個分類依據的變項在各分組分佈特性(患者接觸期, 個人總累計邊際毛利 & 接觸期每日平均毛利)及各組獲利指數的大 小(圖 一)，將各組予與適當命名如（表 三）；各組主要診斷一(ICD1) 可反應該組病人群疾病型態，舉例如表八~表十。整體而言高獲利組

（Cluster No=2,7,10,6,5）患者年齡高,部分負擔比率低,看過診所 較多不同醫師,宜蘭市,榮民,重大傷病及糖尿病專案患者比率高；根 據此一階段分析，有必要針對慢性病患者進一步分析。

以獲利指數最高的 Cluster 2(獲利指數=5.74)而言，由於其總

邊際利潤、日平均利潤皆屬最高，且接觸期屬最常的一組，故命名為 創業老主顧；本群再用各個補充欄位探索其各項變項組內卡方檢定值 遞減排序，如圖 二；依序為榮民、看過兩科以上、屬於重大傷病者、

最近就診日、90 年度忠誠度、平均每次慢性病案件費用及 91 年忠程 度等。而該組之主要疾病分佈依發生頻率排序為高血脂、高血壓、糖 尿病, 痛風,退化性關節炎,及慢性肝炎、停經症候群、類風濕性關節 炎等。上述各項慢性疾病組內分率皆大於診所整體病人群比率數倍；

顯見慢性病患為此群特徵。

表 一、Cluster Analysis 患者獲利分群分析結果：

cluster no

病人 數

病人數 佔率

邊際利潤 佔率

獲利指 數

90 就醫忠誠 度(%)

91 就醫忠 誠度(%) 2 208 2.27% 13.06% 5.74 48.52 49.41 7 58 0.63% 3.11% 4.91 38.00 48.97 10 131 1.43% 5.55% 3.87 24.48 45.85 6 110 1.20% 4.01% 3.34 0.33 35.12 5 101 1.10% 2.44% 2.21 0.25 36.27 1 2138 23.38% 28.96% 1.24 43.12 15.53 9 1691 18.49% 16.58% 0.90 24.94 13.92 3 1808 19.77% 11.88% 0.60 12.32 29.40 4 485 5.30% 3.00% 0.57 0.00 17.70 0 1425 15.58% 7.52% 0.48 0.00 29.74 8 989 10.82% 3.83% 0.35 0.00 18.78 合計 9144 100.00% 99.95% 1.00

cluster 每位平均就 每次就診平 部分負擔 毛利率 慢性病

no 診次數 均費用 比率 比率 2 31.26 989 8.13% 54.18% 62.95%

7 24.31 1095 7.31% 53.81% 63.79%

10 20.33 1056 7.90% 52.66% 65.30%

6 15.18 1252 4.08% 51.22% 70.80%

5 10.96 1077 5.68% 54.59% 62.74%

1 6.88 965 5.31% 54.43% 58.28%

9 4.92 972 13.32% 54.74% 50.79%

3 3.62 842 5.89% 57.50% 44.85%

4 2.91 976 6.02% 58.13% 51.30%

0 2.69 884 5.67% 59.07% 44.45%

8 2.15 799 6.29% 60.17% 39.68%

合計 5.50 961 7.34% 55.17% 55.53%

表 二、Cluster Analysis 患者獲利分群分析結果(續)：

cluster no

藥費比 率

X 光費 比率

檢驗費 比率

掛號費 比率

檢查費 比率

治療費 比率

診療費 比率 2 55.16% 0.33% 9.50% 4.90% 0.83% 1.41% 12.07%

7 57.24% 0.58% 10.83% 4.37% 0.64% 1.18% 13.23%

10 55.62% 0.71% 10.25% 4.47% 0.53% 1.52% 13.01%

6 58.02% 0.94% 11.68% 3.67% 0.79% 0.82% 14.24%

5 50.96% 1.07% 13.84% 4.15% 0.34% 1.58% 16.83%

1 54.88% 0.37% 10.85% 4.44% 0.56% 2.16% 13.95%

9 52.16% 0.61% 12.68% 4.13% 0.68% 3.06% 17.03%

3 46.02% 0.74% 13.21% 4.25% 0.61% 3.20% 17.76%

4 45.47% 2.24% 17.11% 3.17% 0.15% 1.71% 21.21%

0 42.62% 0.76% 16.12% 3.48% 1.06% 2.58% 20.52%

8 41.11% 1.38% 15.56% 3.25% 0.20% 2.60% 19.74%

51.99% 0.63% 12.04% 4.24% 0.64% 2.22% 15.53%

圖 一、全部病人依總毛利、接觸期與平均每日毛利分群結果

[6] 5

2.21 3.34 3.87 4.91 5.74

[7] 6 [11] 10 [8] 7 [3] 2

平均每日毛利(MR/Duration)-1

接觸期(duration)-2 總毛利(tot_mr)-1

大小

名稱

[10] 9 0.90 [2] 1 1.24

平均每日毛利(MR/Duration)-1

接觸期(duration)-2 總毛利(tot_mr)-1

大小 名稱

[9] 8

0.35

[1] 0

0.48

[5] 4

0.57

[4] 3

0.60

平均每日毛利(MR/Duration)-1

接觸期(duration)-2 總毛利(tot_mr)-1

大小 名稱

表 三、全部病患各組分群結果與命名：

cluster

no 病人數

病人數

佔率 獲利指數 策略意涵 2 208 2.27% 5.74 創業老主顧 7 58 0.63% 4.91 見賢思齊老主顧

10 131 1.43% 3.87 次佳獲利強度中期客戶

6 110 1.20% 3.34

最高獲利強度新客戶(慢性 病比重最大,糖尿病,高血 壓,關節炎等)

5 101 1.10% 2.21 次佳獲利強度新客戶

1 2138 23.38% 1.24

後來不忠誠的老主顧(感 冒)

9 1691 18.49% 0.90

後來不忠誠的中期客戶(乳 房問題)

3 1808 19.77% 0.60

愈來愈忠誠的中期客戶(感 冒)

4 485 5.30% 0.57 高獲利強度新客戶(慢性病

等)

0 1425 15.58% 0.48

忠誠度轉佳但低獲利近期 客戶

8 989 10.82% 0.35

低獲利強度新客戶(感冒 等)

合計 9144 100.00% 1.00

圖 二：叢集 2(創業老主顧)，所有相關欄位依卡方檢定排序

表 四、Cluster 2(創業老主顧)主要診斷一(ICD1)分佈情形

創業老主顧

* *

* *

* *

* *

表 五、Cluster 1(後來不忠誠的老主顧)主要診斷一(ICD1)分佈情形

後來不忠誠的老主顧

* *

表 六、Cluster 8(低獲利強度新客戶)主要診斷一(ICD1)分佈情形

低獲利強度新客戶

*

高、中、低獲利分組決策樹分析

Dependent Variable:依上述 Cluster Analysis 所得分群結果，

依獲利指數(邊際利潤佔率/病人數佔率，表 一)排序，依獲利指數分 成高（Cluster No=2,7,10,6,5）,中（Cluster No=1,9）,低（Cluster NO=3,4,0,8）三組，將高中低三組以決策樹分析法找出重要分組依 據，作為發展行銷策略之依據。

解釋變項：選擇的欄位考量可預測性為主，例如年齡、性別、教育程 度、居住地區別，就醫費用相關變項、也包括其他行為特性變項等，

其結果如下表：

客戶利潤度分群分析結果

‧高中低獲利三群組Decision Tree分析

–Splitter:每次就診間隔天數,Recindex,健保總 費用,每次平均費用,主次診斷碼,慢性病就診次 數

*Error Matrix Value

正確分類:8211(90%)

高獲利 中等 低獲利 總計

高獲利 437 (4.78%) 27 (0.30%) 13 (0.14%) 477 (5.22%)

中等 207 (2.26%) 3,469 (37.94%) 284 (3.11%) 3,960 (43.31%)

低獲利 71 (0.78%) 331 (3.62%) 4,305 (47.08%) 4,707 (51.48%)

總計 715 (7.82%) 3,827 (41.85%) 4,602 (50.33%) 9,144 (100.00%)

*4 *8

*2

患者累計總邊際利潤 Linear regression 模型分析

將所有各項 Independent Variables 以多重逐步複迴歸模式建構 解釋模型。結果如表 七。以線性模型來看，健保給付金額、患者接 觸期、平均每次就診、平均健保費用、年齡、91 年就醫忠誠度、90 年就醫忠誠度，解釋力 R Square 高達 90%，且最重要的因素是健保 給付金額(表 七)，如果將該變項排除，整體解釋率 R square 降到只 有 50.7%(表 八)，顯然健保總給金額愈高，邊際毛利也愈高；不考 慮健保總金額此一因素時，年齡是最主要影響因素；高齡者顯然有較 高的邊際利潤貢獻。但是如果從 Model Quality Chart 來看，該線性 模式對於高總邊際利潤的患者有低估的情形，此一發現可以證實傳統 線性統計分析模式，對於企業佔少數但卻極重要之高獲利群顧客戶，

有不足之處。

表 七、累計總邊際利潤 Linear regression 模型（含健保給付金額）

線性回歸分析-Stepwise， R square=0.9044 F=4220 P < 0.0001

Variable

Coeffici ent

Std.

Error

Beta Coeffici ent

F Value

Probabil ity > F

Nhipay,健保給付 金額

0.25 0.00 0.68 12964.81 0.00

Duration,接觸期 4.40 0.13 0.22 1199.73 0.00 Feepervis,每次

就診平均費用

0.78 0.06 0.07 158.91 0.00

Age,年齡 11.18 1.02 0.05 119.85 0.00 Loy91, 91 年就醫

忠誠度%

7.52 0.74 0.05 102.10 0.00

loy90, 90 年就醫 忠誠度%

3.38 0.79 0.02 18.30 0.00

Ivpercent, 1.55 1.94 0.00 0.64 0.42

點滴注射比率 distance_k,地段 平均距離

2.66 4.10 0.00 0.42 0.52

Injpercent, 針劑注射比率

(183.15) 74.86 (0.01) 5.99 0.01

day_pervis,每次 就醫間隔天數

(2.59) 0.17 (0.12) 238.22 0.00

Recentdays,未就 醫天數

(3.04) 0.16 (0.16) 351.59 0.00

Constant (272.74) 71.24

表 八、累計總邊際利潤 Linear regression 模型（不含健保給付金 額）

線性回歸分析-Stepwise， R square=0.5071 F=4524.32 P < 0.0001

Variable

Coefficie nt

Std.

Error

Beta Coefficie nt

FValue

Probabili ty > F

Constant

(3030.51)

age 年齡 23.64 1.58 0.11 224.11 0.00 day_pervis 每次

就醫間隔天數

(2.87)

(0.13)

duration 接觸期 9.46 0.19 0.48 2615.69 0.00 distance_k,地

段平均距離

(3.15)

(0.00)

feepervis,每次 就診平均費用

4.18 0.08 0.37 2443.74 0.00

injpercent, 針劑注射比率

(364.87)

(0.02)

Ivpercent,針劑 注射比率

6.27 3.02 0.01 4.30 0.04

loy90, 90 年就醫 忠誠度%

10.03 1.23 0.07 66.81 0.00

loy91 Loy91, 91 年就醫忠誠度%

20.08 1.14 0.13 308.09 0.00

recentdays,未 就醫天數

(7.29)

(0.37)

圖 三、Model Quality Chart for Linear Regression（含健保給付 金額）

圖 四、Model Quality Chart for Linear Regression（不含健保給 付金額）

第二項 慢性病患者之叢集分析

依據上一階段分析顯示，慢性病患者是診所高獲利群非常重要的 一群，由於慢性病患者對於經營策略上的重要性，本研究希望進一步 研究慢性病患者之一對一行銷策略，透過慢性病患者 Cluster

Analysis 探討其何區隔基礎並確定其分組特色。分析方法乃是將所 有兩次以上因慢性病就診者（04,08,E1 案件）納入分析,先用 Cluster Analysis 所得到不同區隔再用 Decision Tree 分析其策略意涵。

Cluster Analysis 所依據的分群變項包括慢性病接觸期

(Chrduratio),Recency/慢性病接觸期(Chrorecind),慢性病就診次 數(Chronicno),慢性病就診間隔天數(Dayperchr),每日平均毛利 (MR_Perday)等五個變項。其分群結果共八組，分組結果與各組意涵 命名如表 九，，Cluster Analysis 之結果如圖 五，其命名原則同 前。

比較特殊的是獲利最高的前兩組 Cluster No=1,6 的分群結果，

Cluster No=1 組其慢性病就診間隔天數的高峰出現集中在 0-50 天 (圖 六)，Cluster No=6 組其慢性病就診間隔天數的高峰出現集中 在 25-75 天(圖 七)，兩者代表最近就診天數(Recency)的

Chrorecind 指數分部則無太大差異，一般慢性病患者開藥天數是 28

天，因此兩組皆代表慢性病忠實顧客，差異在於後組患者服藥順從 性較差(Adherence)，所以分組命名時，分別給以黃金老主顧

(Cluster No=1)、會忘記看病的老主顧(Cluster No=6)。黃金老主 顧組的主要診斷一(ICD1)其分率超過整個母體的病名依序為糖尿 病、高血壓、類風濕性關節炎及痛風；會忘記看病的老主顧組則是 高血壓、退化性關節炎及停經症候群，以臨床醫學知識對照，高血 壓患者有時無症狀，部分病人確實會因無不適感而停止用藥，退化 性關節炎主要用藥為俗稱會傷腎的消炎止痛藥，一般患者當然不會 按時服藥，停經症候群則受最近荷爾蒙補充容易導致乳癌的報導影 響，患者會有時因疑慮會停止用藥。而各組各欄位變項依卡方檢定 排序，較特殊的是黃金老主顧組排序為慢性病就診次數、屬於糖尿 病專案、Chrorecind 指數，會忘記看病的老主顧組則依序是為慢性 病就診次數、慢性病就診間隔天數、每日平均毛利；以上分析可見 分群之結果應當尚稱合理，而各組分組之大小也較全部病人群分群 更為均勻(最大佔 16.57%,最小佔 5.92%，共八組)。

各組各項重要變數平均值比較如表 十一；組號 1,6 高於平均獲 利，其餘各組低於平均獲利，前者明顯平均年齡、個人慢性病費用所 佔比率、忠誠度較高且部分負擔比率較低。

將上述慢性病病患分群結果再以決策樹分析方法(Decision

Tree Analysis)分類，其結果如表 十二。黃金老主顧該組分組以慢 性病就診次數最重要(>17.5 次)，此點與 Cluster Analysis 的分群 結果相同，也反映在該組依健保卡卡序計算所得的忠誠度較高一致，

其次則為慢性病每次就診平均間隔天數、慢性病 RecIndex；而較不 重要的分隔因子如慢性病接觸期,健保總費用,每次平均費用等，與 Cluster Analysis 非常一致。而慢性病患者各組決策樹模糊矩陣所 得到的正確分類比率為 89%。

表 九、慢性病患者分群結果與各組意涵命名

組號 大小(%) 個案數

獲利

指數 分組名稱 1 16.57% 308 2.90 黃金老主顧

6 13.50% 251 1.29 會忘記看病的老主顧 2 7.05% 131 0.72 快流失的老主顧

0 14.63% 272 0.67

高穩定低忠誠度高獲利新 客戶

7 11.08% 206 0.60

不常來但還會來的一般客 戶

3 5.92% 110 0.43 已流失的舊客戶 4 14.20% 264 0.39 已流失的中期客戶 5 17.05% 317 0.30 流失已久的舊客戶

圖 五、慢性病患者 Cluster Analysis 分組結果

黃金老主顧

會忘記看病的老主顧

快流失的老主顧

高穩定低忠誠度高獲利新客戶

圖 五、慢性病患者 Cluster Analysis 分組結果 (續)

不常來但還會來的一般客戶

已流失的舊客戶

已流失的中期客戶

流失已久的舊客戶

圖 六、慢性病患黃金老主顧分組(Cluster NO=1)－慢性病就診間隔 天數分佈圖

圖 七、慢性病患會忘記看病的老主顧分組(Cluster NO=6)－慢性病 就診間隔天數分佈圖

表 十、慢性病患分組，各組主診斷一(ICD1)分佈比率圖

黃金老主顧-最常見診斷

* *

*

*

會忘記看病的老主顧

*

* *

表 十、慢性病患分組，各組主診斷一(ICD1)分佈比率圖(續)

快流失的老主顧

*

*

高穩定低忠誠度高獲利新客戶

* *

* *

表 十、慢性病患分組，各組主診斷一(ICD1)分佈比率圖(續)

不常來但還會來的一般客戶

* *

已流失的舊客戶

*

*

表 十、慢性病患分組，各組主診斷一(ICD1)分佈比率圖(續)

已流失的中期客戶

*

*

*

流失已久的舊客戶

* *

*

* *

表 十一、慢性病患者分群各組重要指標平均值比較表

chrcluster 獲利 指數

平均 年齡

平均 部分 負擔 比率%

慢性病 佔所有 費用比 率

平均 點滴 比率

平均 注射 比率

90 忠 誠度%

91 忠 誠度%

1 2.90 62.89 3.20 82.06 1.88 0.19 43.77 59.09 6 1.29 60.95 4.10 77.51 1.38 0.17 28.24 46.69 2 0.72 55.28 5.28 85.42 1.51 0.14 19.33 39.00 0 0.67 59.38 3.44 76.17 0.81 0.15 1.43 28.04 7 0.60 52.75 6.62 60.86 1.52 0.20 23.32 34.50 3 0.43 51.31 8.00 61.44 0.63 0.15 26.29 31.96 4 0.39 53.74 6.58 79.35 0.94 0.18 15.89 33.29 5 0.30 52.5 9.65 69.64 1.00 0.14 30.45 20.21

合計 1.00

表 十二、慢性病患者各組決策樹分類模糊矩陣

1,859 (100.00

%) 265 (14.25%) 198 (10.65%)

111 (5.97%) 253

(13.61%) 322

(17.32%) 121

(6.51%) 285

(15.33%) 304

(16.35%) 總計

272 (14.63%) 241 (12.96%)

8 (0.43%) 2 (0.11%)

4 (0.22%) 0 (0.00%)

6 (0.32%) 11

(0.59%) 0 (0.00%)

高穩定低忠誠 度新客戶

206 (11.08%) 9 (0.48%)

176 (9.47%) 2 (0.11%)

4 (0.22%) 8 (0.43%)

4 (0.22%) 3

(0.16%) 0 (0.00%)

不常來但還會 來的一般客戶

131 (7.05%) 3 (0.16%)

6 (0.32%) 91 (4.90%)

7 (0.38%) 0 (0.00%)

7 (0.38%) 17

(0.91%) 0 (0.00%)

快流失的老主 顧

251 (13.50%) 10 (0.54%)

5 (0.27%) 2 (0.11%)

218 (11.73%) 0 (0.00%)

0 (0.00%) 0

(0.00%) 16 (0.86%) 會忘記看病的

老主顧

317 (17.05%) 0 (0.00%)

1 (0.05%) 0 (0.00%)

0 (0.00%) 300

(16.14%) 9

(0.48%) 7

(0.38%) 0 (0.00%)

流失已久的舊 客戶

110 (5.92%) 2 (0.11%)

1 (0.05%) 6 (0.32%)

0 (0.00%) 5 (0.27%)

95 (5.11%) 1

(0.05%) 0 (0.00%)

已流失的舊客 戶

264 (14.20%) 0 (0.00%)

1 (0.05%) 8 (0.43%)

0 (0.00%) 9 (0.48%)

0 (0.00%) 246

(13.23%) 0 (0.00%)

已流失的中期 客戶

308 (16.57%) 0 (0.00%)

0 (0.00%) 0 (0.00%)

20 (1.08%) 0 (0.00%)

0 (0.00%) 0

(0.00%) 288

(15.49%) 黃金老主顧

高穩定低忠 總計 誠度新客戶 不常來但還

會來的一般 客戶 快流失的 老主顧 會忘記看 病的老主 顧 流失已久 的舊客戶 已流失

的舊客 戶 已流失 的中期 客戶 黃金老

主顧

慢性病患者各組決策樹模糊矩陣

正確分類數:1655(89%)

第三項 哪些交叉服務對何種患者適合? －不同科別、不同案 件類別與不同主診斷別

患者交叉看診問題-不同科別間問題

分析方法：就醫療服務市場而言，醫師個人相當於一般商業活動 之產品，所以如果以醫師個人或醫師科別當作關聯分析的輸入項目，

可以探討科別之間或醫師間交叉服務的現象（Association

Mining），不過此項分析的最大限制是無法區分時序性，例如先看婦 產科再看內科與先看內科再看婦產科的意義並不相同，但是整體而言 仍有價值(分析參數為 Minimal Support=0.01、Minimal

Confidence=25、 Maximal Rule Length=No limit 、Maximal items=No limit)

至於健保申報的案件類別可以表示每次看診時的醫療服務內容 大類，可以反映病人實際接受到的醫療照護內容(分析參數為 Minimal Support=5、Minimal Confidence=25、 Maximal Rule Length=No limit 、Maximal items=No limit)。

不同主診斷別相關分析時，將各個病人歷次看診所歸戶的最常 見三個主要診斷納入箱關分析，對於病人的型態可以有一認知(分析 參數為 Minimal Support=0.25、Minimal Confidence=25、 Maximal

Rule Length=No limit 、Maximal items=No limit)。

科別 Association Mining 結果如(表 十三)：眼科主要來自其他 各科轉診，尤其是內分泌科,呈現統計上顯著意義（信賴商數

=10.8~25.8）；由於經營上婦產科擴大支援醫師規模，研究可以發現，

交叉看診率不高（信賴商數<1）,其信賴度約 46%~54%，信賴商數

=0.72~0.77，仍有其增加整個診所病人群基礎的意義。

不同案件類別間 Association Mining 結果：以診所經營的慢性 病患者而言，增加慢性病案件與連續處方兩類案件可以大幅提高邊際 利潤的考量下，從分析得出來共 55 個規則中，將規則前端為慢性病 案件與連續處方的結果篩選出來，再依信賴商數遞減排序，可以得到 如表 十四，觀察整個規則的 Pattern，可以發現規則前端為連續處 方案件者，規則主體的項目愈多，其信賴商數愈高，顯然接受過診所 各種種類服務愈多者，愈容易成為接受連續處方的慢性病人；預防保 健,一般案件與專案三種類別案件獨立比較，接受過預防保健服務 者，顯然容易成為慢性病及連續處方的慢性病人，此一規則當然與慢 性病患者大部分是 40 歲以上成人，且 65 歲以上比例較高有關。整體 而言，信賴商數較高的規則主體(>1.5)，其規則前端都屬預防保健、

慢性病及連續處方三種案件類別，顯然可以推論信賴診所接受各項服

務者，同時較容易接受這三種服務類別，其經營上的意涵是病人完全 的信賴也會帶來比較高的獲利。

患者最常見前三項主診斷 Association Mining 結果：病人主診 斷會有相關疾病同時出現之特性，分析結果必須與臨床醫學知識相對 照，如果屬臨床醫學可以預期之結果，該規則並無需要特別注意之 處，但如果非一般臨床醫學常見相關疾病、屬罕見狀況下或屬醫源性 狀況（Iatrogenic），這些規則需要特別注意。其結果如表 十五。依 上述描述可得三個特殊規則如下：規則 1.2 提醒醫師對於貧血患者可 能併有高血脂症或肝病患者併有痛風值得進一步研究，規則 3 則表示 可能與治療高血脂症之藥物副作用有關。

規則 支援 信賴度

信賴 商數

減去信 賴商數

支援*

信賴度 1.[肝之其他疾患] ==> [痛風]* 0.28% 28.41% 3.98 0.2127 0.08%

2.[其他物質缺乏造成之貧血]

==> [類脂質代謝失調症]*

0.29% 41.94% 3.33 0.2936 0.12%

3.[肝之其他疾患] ==> [類脂質 代謝失調症]*

0.30% 30.68% 2.44 0.1810 0.09%

表 十三、科別 Association Mining 結果

規則 支援 信賴度

信賴商 數 [風濕免疫]+[婦產科]+[內分泌科] ==>

[眼科]

0.03% 75.00% 25.8139

[婦產科]+[內分泌科] ==> [眼科] 0.03% 75.00% 25.8139 [風濕免疫]+[家醫科]+[婦產科]+[內分

泌科] ==> [眼科]

0.02% 66.67% 22.9468

[家醫科]+[婦產科]+[內分泌科] ==> [眼 科]

0.02% 66.67% 22.9468

[風濕免疫]+[家醫科]+[內分泌科] ==>

[眼科]

0.11% 39.29% 13.523

[家醫科]+[內分泌科] ==> [眼科] 0.13% 36.11% 12.4285 [內分泌科] ==> [眼科] 0.19% 31.75% 10.9279 [風濕免疫]+[內分泌科] ==> [眼科] 0.12% 31.58% 10.8694 [婦產科] ==> [風濕免疫] 7.12% 54.75% 0.7742 [婦產科] ==> [家醫科] 6.07% 46.66% 0.721

表 十四、患者交叉看診問題-不同案件類別 Association Mining 結 果

規則 支援 信賴度

信賴商 數

支援*信賴 度

主體項 目 [專案]+[連續處方]+[預防保健] ==>

[慢性病]

5.62%

100.00

%

3.11 5.62% 3

[一般]+[專案]+[連續處方] ==> [慢 性病]

9.32% 99.79% 3.10 9.30% 3

[慢性病] ==> [連續處方] 13.17% 40.90% 3.10 5.38% 1 [一般]+[專案]+[預防保健] ==> [慢

性病]

6.56% 71.73% 2.23 4.71% 3

[一般]+[預防保健] ==> [慢性病] 7.05% 68.67% 2.13 4.84% 2 [專案]+[預防保健] ==> [慢性病] 8.94% 64.71% 2.01 5.78% 2 [預防保健] ==> [慢性病] 10.02% 58.88% 1.83 5.90% 1 [一般]+[專案] ==> [慢性病] 15.43% 48.38% 1.50 7.47% 2 [專案] ==> [慢性病] 24.61% 34.23% 1.06 8.43% 1 [一般] ==> [慢性病] 17.50% 33.46% 1.04 5.86% 1 [專案]+[慢性病]+[預防保健] ==> 5.62% 62.85% 4.76 3.53% 3

[連續處方]

[一般]+[專案]+[慢性病] ==> [連續 處方]

9.32% 60.41% 4.57 5.63% 3

[慢性病]+[預防保健] ==> [連續處 方]

5.93% 59.15% 4.48 3.51% 2

[一般]+[慢性病] ==> [連續處方] 10.12% 57.80% 4.38 5.85% 2 [專案]+[慢性病] ==> [連續處方] 11.88% 48.27% 3.66 5.74% 2 [專案]+[預防保健] ==> [連續處方] 5.62% 40.67% 3.08 2.28% 2 [預防保健] ==> [連續處方] 5.93% 34.83% 2.64 2.06% 1 [一般]+[專案] ==> [連續處方] 9.34% 29.29% 2.22 2.74% 2

表 十五、患者最常見前三項主診斷 Association Mining 結果

*非一般常見臨床知識

規則 支援 信賴度

信賴 商數

減去信 賴商數

支援*

信賴度 [滴虫病]+[子宮頸、陰道及女陰

之炎症] ==> [卵巢、輸卵管、骨 盆蜂窩組織及腹]

0.38% 79.07% 43.36 0.7725 0.30%

[滴虫病] ==> [卵巢、輸卵管、

骨盆蜂窩組織及腹]

0.45% 69.49% 38.11 0.6767 0.31%

[卵巢、輸卵管、骨盆蜂窩組織及 腹] ==> [子宮頸、陰道及女陰之 炎症]

1.60% 87.88% 17.83 0.8295 1.41%

[子宮頸、陰道及女陰之炎症]

==> [卵巢、輸卵管、骨盆蜂窩組 織及腹]

1.60% 32.51% 17.83 0.3069 0.52%

[滴虫病]+[卵巢、輸卵管、骨盆 蜂窩組織及腹] ==> [子宮頸、陰 道及女陰之炎症]

0.38% 82.93% 16.82 0.7800 0.31%

[滴虫病] ==> [子宮頸、陰道及 女陰之炎症]

0.48% 72.88% 14.79 0.6795 0.35%

[骨及軟骨之其他疾患] ==> [停 經及停經後之疾患]

0.78% 38.80% 13.20 0.3586 0.30%

[停經及停經後之疾患] ==> [骨 及軟骨之其他疾患]

0.78% 26.69% 13.20 0.2467 0.21%

[月經異常及其他女性生殖道之 異常] ==> [子宮頸、陰道及女陰 之炎症]

0.66% 43.48% 8.82 0.3855 0.29%

[氣喘（哮喘 )] ==> [過敏性鼻 炎]

0.40% 30.51% 6.45 0.2578 0.12%

[診斷欠明之心臟疾病及其併發 症] ==> [自發性高血壓]

0.87% 34.05% 4.68 0.2677 0.30%

[滑囊肌腱及滑囊之其他疾患]

==> [骨關節病及有關疾患]

0.41% 26.43% 4.53 0.2059 0.11%

表 十六、患者最常見前三項主診斷 Association Mining 結果(續)

規則 支援 信賴度

信賴 商數

減去信 賴商數

支援*信 賴度 [痛風] ==> [類脂質代謝失調症] 3.64% 50.93% 4.05 0.3835 1.85%

[類脂質代謝失調症] ==> [痛風] 3.64% 28.91% 4.05 0.2177 1.05%

[肝之其他疾患] ==> [痛風]* 0.28% 28.41% 3.98 0.2127 0.08%

[糖尿病] ==> [自發性高血壓] 1.64% 26.01% 3.57 0.1873 0.43%

[其他物質缺乏造成之貧血] ==>

[類脂質代謝失調症]*

0.29% 41.94% 3.33 0.2936 0.12%

[診斷欠明之心臟疾病及其併發 症] ==> [類脂質代謝失調症]

0.96% 37.50% 2.98 0.2492 0.36%

[痛風]+[自發性高血壓] ==> [類 脂質代謝失調症]

0.30% 36.49% 2.90 0.2391 0.11%

[痛風]+[糖尿病] ==> [類脂質代 謝失調症]

0.29% 35.14% 2.79 0.2256 0.10%

[痛風]+[慢性肝病及肝硬化] 0.29% 34.67% 2.76 0.2209 0.10%

==> [類脂質代謝失調症]

[糖尿病] ==> [類脂質代謝失調 症]

2.17% 34.45% 2.74 0.2187 0.75%

[自發性高血壓] ==> [類脂質代 謝失調症]

2.27% 31.11% 2.47 0.1853 0.70%

[急性咽炎] ==> [急性扁桃腺炎] 0.77% 28.11% 2.45 0.1663 0.22%

[肝之其他疾患] ==> [類脂質代 謝失調症]*

0.30% 30.68% 2.44 0.1810 0.09%

第四項應該選擇何種社區加強經營？

受限於對於患者居住地區可用欄位的限制(錯誤! 尚未定義書 籤。)，本研究僅將居住鄉鎮分類成宜蘭市、宜蘭市外宜蘭縣內及縣 外等三種，另外則以郵政總局所公佈之路段代碼，作為地區別代表，

每一路段取其路段中心點為計算起點，於地圖上計算與開蘭聯合診所 之路線距離，以公里數表示。在各個分群與分組中，該距離欄位與郵 遞區號特性都無法成為重要分群依據。

但是前面的分群分析也發現榮民與慢性病患者是獲利高主要顧 客的來源，慢性病患者由於醫療上需要，經常重複就診，故地理因素 當然會愈形重要，是否鄰近地區會出現慢性病患者較多的現象，值得 探討；另外過去研究者的觀察發現所謂地區口碑效應，當某一居住區 出現一個非常滿意診所服務的患者，該患者會對地區類似需要患者產 生及明顯的口碑效應，出現該地區出現特別多的某種案例。至於榮 民，尤其是單身榮民或眷村，經常出現群聚現象。所以本研究針對病 人數累計達到 30 人以上的路段別計算其對診所整體獲利貢獻毛利佔 率、每人平均診次、榮民、糖尿病E1 與慢性病人比率，運用比率分 析的方式，評估潛在市場。

如果以各地段毛利率佔率排序，前 20 名地段如表 十七，第一位

的宜蘭市泰山路為本診所醫師過去服務機構之位置，顯然有一些過去 患者跟著醫師到診所接受照顧（可稱為移轉效應）；第二位的民權新 路是距離診所最近的眷村、第三位的神農路一段則是診所位置所在、

排名前十一位中的女中路、進士路、復興路一段、二段、軍民路皆屬 附近診所涵蓋範圍路段（可稱為距離效應）；東港路、校舍路與渭水 路附近皆有地區醫院，則非屬診所涵蓋範圍，表示可能為慢性病口碑 效應；第十二名至前二十名中，則是員山鄉的永同路及蓁巷路及宜蘭 市慈安路令人印象深刻，應該屬於慢性病患者口碑效應的代表，其他 的自強路、民族路、農權路一段、三段、嵐峰路一段、健康路二段，

地理位置雖然稍遠，但因附近無其他競爭醫療院所，應仍屬診所地理 效應之涵蓋範圍，上述前二十名地段共計佔累計毛率分率 39.81%。

有趣的是宜蘭市市中心地區的中山路及舊城東西南北路地區也是人 口密集的老社區，與診所距離不遠，但附近則診所林立且為宜蘭醫院 位置所在，完全沒有進入前二十名。

從以上分析可以得到幾點重要結論：

1.距離因素與當地醫療資源豐富與否會交互影響，且距離優勢必 須以病人選擇的觀點來看，屬於相對比較，以絕對距離來看不是主要 影響就醫意願的因素。

2.可區分為距離效應、口碑效應與移轉效應加以解釋，距離效應

地區集中在診所以南地區及附近較無競爭院所的地區，應稱之為診所 涵蓋地區，各地段分佈如以下地圖。

統計上如果考量地段代表性,取病人數>=30 人地段，大膽假設診 所就診所有病人為所有路段社區居民之隨機樣本，其就醫 Pattern 可 以外推其其餘未就診社區民眾，則以下地區別病人潛在分析，就會有 其運用意義。

分析潛在可能榮民群聚地段，依據榮民比率遞減排序如表 十 八。可以發現高榮民比率且非目前前 20 名的地段別且研究者過去不 清楚的地區如員山鄉復興路、宜蘭巿東港路、員山鄉榮光路及宜蘭巿 復興路一段等。此一結果對於診所辦理社區健康檢查篩檢活動具有重 要意義。

至於慢性病口碑效應則以各地段慢性病病人所佔比率遞減排序 如表 十九，去除診所鄰近幾個地段之後，對於其他幾個地段壯圍鄉 壯五路、員山鄉永同路一段、員山鄉復興路、員山鄉大湖路等路段之 慢性病患者應該特別重視，以一般商業上經營通路的方式，予以重視 及經營。

如果進一步用資料採礦的群組分析(Cluster Analysis)同時處 理各地段慢性病病人比率與榮民比率兩個最重要變項，以此為依據分 成四群地段別

表 十七、以各地段毛利率佔率排序，前 20 名地段

20.97%

3.23%

18.75%

4.69%

16.96%

4.46%

24.14%

3.45%

17.53%

4.12%

18.00%

4.00%

20.34%

1.69%

22.41%

2.59%

20.69%

3.45%

32.47%

9.09%

23.46%

1.12%

26.55%

2.65%

25.68%

4.37%

20.59%

2.52%

17.51%

3.50%

16.34%

1.46%

27.37%

6.20%

30.77%

6.35%

慢性病人比率 E1比率

1.61 4.69 5.36 6.90 7.22 4.00 3.39 4.31 2.59 10.39 11.17 7.08 2.73 3.36 1.56 1.95 18.61 13.04 榮民比率

39.81%

0.86%

6.44 399

62 0.45 健康路二段

宜蘭巿

38.95%

1.00%

7.63 488

64 0.99 嵐峰路一段

宜蘭巿

37.95%

1.06%

5.16 578

112 1.24 農權路三段

宜蘭巿

35.83%

1.13%

5.38 624

116 0.42 農權路一段

宜蘭巿

34.70%

1.20%

6.11 593

97 2.03 慈安路

宜蘭巿

33.50%

1.27%

4.45 667

150 0.59 民族路

宜蘭巿

32.23%

1.29%

5.51 650

118 0.79 自強路

宜蘭巿

29.59%

1.41%

6.09 706

116 0.50 渭水路

宜蘭巿

28.18%

1.45%

5.82 675

116 1.24 校舍路

宜蘭巿

26.73%

1.53%

9.47 729

77 0.54 復興路一段

宜蘭巿

25.19%

1.66%

5.34 956

179 1.64 東港路

宜蘭巿

23.53%

1.78%

8.21 928

113 0.47 軍民路

宜蘭巿

21.75%

2.23%

5.92 1084

183 0.59 復興路二段

宜蘭巿

19.52%

2.74%

6.05 1440

238 1.19 進士路

宜蘭巿

16.77%

3.37%

6.91 1775

257 1.19 女中路

宜蘭巿

13.40%

4.13%

5.86 2401

410 0.25 神農路一段

宜蘭巿

9.27%

4.59%

8.81 2414

274 0.25 民權新路

宜蘭巿

4.68%

4.68%

7.28 2177

299 1.60 泰山路

宜蘭巿

累積毛利 率 毛利佔

率 每人平均診次

總就診數 人數

路段平均距離 地段別

鄉鎮別

28.57%

0.00%

5.36 36.89%

1.06%

8.21 460

56 3.38 蓁巷路

員山鄉

34.09%

0.00%

0.00 30.93%

1.35%

12.41 546

44 3.38 永同路一段

員山鄉

圖 八、獲利貢獻前二十名路段分佈圖

表 十八、潛在榮民市場分析，榮民比率遞減排序前 20 名 (人數>=30)

5.36 1.06%

5.16 578

39.67 112 1.24 農權路三段

宜蘭巿

5.36 1.06%

8.21 460

54.2 56 3.38 蓁巷路

員山鄉

5.46 0.79%

8.06 443

44.84 55 0.34 長春路

宜蘭巿

5.56 0.52%

6.61 238

46.47 36 0.48 弘志路

宜蘭巿

5.77 0.47%

5.00 260

37.25 52 4.73 金古路

員山鄉

6.90 1.13%

5.38 624

44.51 116 0.42 農權路一段

宜蘭巿

6.98 0.65%

6.28 270

40.56 43 3.38 北七路

員山鄉

7.08 1.78%

8.21 928

46.01 113 0.47 軍民路

宜蘭巿

7.22 1.20%

6.11 593

42.43 97 2.03 慈安路

宜蘭巿

7.27 0.86%

8.44 464

42.2 55 1.66 黎明路

宜蘭巿

7.50 0.72%

8.25 330

43.1 40 1.90 力行街

宜蘭巿

8.33 0.70%

5.73 344

52.87 60 0.48 國榮路

宜蘭巿

8.33 0.76%

7.40 355

57.27 48 0.82 和睦路

宜蘭巿

13.04 4.68%

7.28 2177

46.64 299 1.60 泰山路

宜蘭巿

18.61 4.59%

8.81 2414

44.56 274 0.25 民權新路

宜蘭巿

榮民 比率 毛利

佔率 每人平均診

次 總就

診數 平均

年齡 人數 路段平均距

離 地段別

鄉鎮別

40.00 0.58%

9.10 273

51.43 30 3.38 復興路

員山鄉

10.39 1.53%

9.47 729

50.74 77 0.54 復興路一段

宜蘭巿

10.87 0.31%

3.67 169

51.17 46 3.38 榮光路

員山鄉

11.17 1.66%

5.34 956

45.58 179 1.64 東港路

宜蘭巿

表 十九、各地段依慢性病人比率遞減排序(人數>=30)

鄉鎮別 地段別

路段 平均

距離 人數

總就 診數

每人 平均 診次

毛利 佔率

榮民 比率

E1 比 率

慢性病 人比率 宜蘭巿 和睦路 0.82 48 355 7.40 0.76% 8.33 6.25% 45.83%

宜蘭巿 神農路二段 0.28 41 322 7.85 0.61% 4.88 0.00% 39.02%

壯圍鄉 壯五路 4.59 44 277 6.30 0.69% 4.55 9.09% 38.64%

宜蘭巿 弘志路 0.48 36 238 6.61 0.52% 5.56 2.78% 36.11%

宜蘭巿 力行街 1.90 40 330 8.25 0.72% 7.50 5.00% 35.00%

員山鄉 永同路一段 3.38 44 546 12.41 1.35% 0.00 0.00% 34.09%

員山鄉 復興路 3.38 30 273 9.10 0.58% 40.00 0.00% 33.33%

宜蘭巿 文昌路 1.26 42 388 9.24 0.86% 4.76 9.52% 33.33%

員山鄉 大湖路 6.30 30 146 4.87 0.33% 0.00 3.33% 33.33%

宜蘭巿 健康路三段 0.23 46 340 7.39 0.71% 4.35 6.52% 32.61%

宜蘭巿 復興路一段 0.54 77 729 9.47 1.53% 10.39 9.09% 32.47%

宜蘭巿 泰山路 1.60 299 2177 7.28 4.68% 13.04 6.35% 30.77%

第五項 糖尿病患者接受視網膜檢查的可能原因為何?

由於糖尿病患者列入專案管理之後，是否能夠接受視網膜眼底檢 查，代表該群病人是否完成完整糖尿病照護，此一狀況顯示針對所有 E1 糖尿病照護患者（共計 269 位），針對其有無接受視網膜檢查當作 分類目的，可以用決策樹分析方法，建構其預測模型。但是其正確分 類比率僅有 64%，顯然不理想，分析結果如下表。其重要分隔因子依 序如下:慢性病看診次數,是否屬黃金老主顧或高穩定度低忠誠度新 客戶或流失已久舊客戶,或屬五結,礁溪,冬山,蘇澳或外縣市。

不檢 值）

有檢 值）

總計

不檢 56 (20.82%) 66 ( 54%) 122 (45.35%) 有檢查 30 ( 117 147 (54.65%) 總計 86 (31.97%) 183 03%) 269 (100.00%)

查（預測 查（預測

查 24.

(43.49%) 11.15%)

(68.