所謂資料採礦是指『從大量資料或大型資料庫中由電腦自動選取一些重要的、潛在有用的資料類型或知識』。目前資料採礦所包含的各種技術已被廣泛的應用在許多領域上，本研究即是要利用資料採礦的技術從大量的病歷資料中挖掘出病例與藥品之間的關連性知識，得到每個病例的基本藥品組。
與一般用來挖掘關連性知識的資料不同的是，病歷資料通常不依不同病例列藥而是將之混合。因此本研究提出三種可行方法---關連性規則演算法、次序模組演算法與將資料展開尋找最大藥品項目進行分析。結果顯示，無論在執行效能或執行結果上，都是先將資料展開再找最大藥品項目集合的方法較佳。此外，本研究進一步探討複合病例的藥品關連性知識，發現與對應之單一病例藥品關連性知識有所差異，顯示病例間的交互關係對用藥考量有巨大影響。
研究所得之『病例—藥品組』結果可以作為健保局內部審核醫療院所申請用藥品項給付的依據，防止藥品濫用的狀況發生；此外，這些結果亦可用來建立我國本土化病例醫療資訊的基礎，以供全國各醫療單位相關人員研究參考。

None

第一章、緒論
1.1、研究動機與研究目的
1.2、研究步驟
1.3、論文架構
第二章、文獻探討
2.1、知識探索
2.2、關連性規則（Association Rules）
2.3、次序模組（Sequential Patterns）
2.4、資料採礦技術在醫療上的相關研究
第三章、病藥關連性知識演算法
3.1、資料前置處理
3.2、各種執行的演算法
第四章、結果與分析
4.1、關連性規則演算法執行結果
4.2、次序模組執行結果
4.3、資料展開方法執行結果
4.4、執行效率比較
4.5、結果分析
4.6、複合病例
第五章、結論與未來研究方向
5.1、結論
5.2、未來研究方向
參考文獻
附錄A、第一種作法之演算法
附錄B、第二種作法之演算法
附錄C、關連性規則執行結果
附錄D、次序模組執行結果
附錄E、單一病例關連性規則執行結果
附錄F、複合病例關連性規則執行結果

中文部分：
[1] 蔣肇慶, “資料開採在醫療資訊的探討”, 第十屆國際資訊管理學術研討會論文集, 民國八十八年, pp. 135-142。

[2] 周賢昭, “以資料礦探採技術發展臨床路徑之研究”, 國立中山大學資訊管理研究所碩士論文, 民國八十八年六月.

[3] 林信忠, “資料發掘技術應用于健保醫療費用稽核之研究”, 私立元智大學管理研究所碩士論文, 民國八十七年六月。

英文部分：
[4] Agrawal, R., Imielinski, T., and Swami, A.（1993）, “Mining Association Rules between Sets of Items in Large Database”. Proceedings Of the ACM-SIGMOD Conference On the Management of Data, pp. 207-216.

[5] Agrawal, R., and Srikant, R.,（1994）, “Fast Algorithms for Mining Association Rules,” Proceedings of Conference On Very Large Data Base, pp. 478-499.

[6] Agrawal, R., and Srikant, R.,（1994）, “Mining Sequential Patterns,” Proceedings of the International Conference on Data Engineering.

[7] Brin, S., Motwani, R., and Ullman,J.D.（1997）, “Dynamic Itemset Counting and Implication Rules for Market Basket Data,”ACM SIGMOD Conference on Management of Data, pp.255-264.

[8] Chen, M. S., Han, J., and Yu, S. P, （1996）, “Data Mining: An Overview from a Database Perspective,” IEEE Transactions On Knowledge And Data Engineering, Vol. 8, No. 6, pp. 866-883.

[9] Cheung, D. W., Han, J., Ng, V. T., and Wang, C. Y.,（1996）, “Maintenance of Discovered Association Rules in Large Databases: An Incremental Updating Technique,” Proceedings of the ACM SIGMOD international conference on Management of data.

[10] Carter, C. L., Hamilton, H. J., and Cercone, N.,（1997）, “Share Based Measures for Itemsets,” PKDD ’97 Principles of Data Mining and Knowledge Discovery, pp.14-24.

[11] Dunkel, B., and Soparkar, N. （1999）, “Data Organization and Access for Efficient Data Mining,” ICDE, Sydney, Australia.

[12] Fayyad, U.,Gregory, P.S., and Padhraic, S.,（1996）, “The KDD Process for Extracting Useful Knowledge from Volumes of Data,” Communication of ACM, Vol. 39, No. 11, pp. 27–34.

[13] Guillaume, S., Guillet, F., and Philippe, J.,（1998）, “Improving the Discovery of Association Rules with Intensity of Implication,” PKDD’98 Principles of Data Mining and Knowledge Discovery, pp.318-327.

[14] Miller, R. J., and Yang, Y., （1997）, “Association Rules over Interval Data,” Proceedings of the ACM SIGMOD international conference on Management of data, pp. 452-461

[15] Park, S. J., Chen, M. S., and Yu, S. P.,（1995）, “An Effective Hash-Based Algorithm for Mining Association Rules,” Proceedings of the ACM SIGMOD international conference on Management of data, pp. 175.

[16] Park, S. J., Chen, M. S., and Yu, S. P. （1997）, “Using a Hash-Based Method with Transcation Trimming for Mining Association Rules,” IEEE Transactions On Knowledge And Data Engineering, Vol. 9, No. 5, pp. 813-825.

[17] Shen, L., Shen, H., and Cheng, L. （1999）, “New Algorithms for Efficient Mining of association Rules,” School of Computing and Information Technology Griffith University, Nathan,QLD4111, Australia.

[18] Strikant, R., and Agrawal R.（1996）, “Mining quantitative association rules in large relational tables,” Proceedings of ACM-SIGMOD Conference on Management of Data, pp. 1-12.

[19] Spenceley, S. E., and Warren, J. R.（1998）, ”The Intelligent Interface for On-Line Electronic Medical Records using Temporal Data Mining,” Thirty-First Annual Hawaii International Conference on System Sciences Volume:Modeling Technologies and Intelligent Systems, January 6-9.

參考網址：
[20] HIC, http://www.hic.gov.au/
[21] IBM, http://www9.s390.ibm.com/customer/
[22] IBM，http://www.software.ibm.com/data
[23] IMS HEALTH，http://ims-global/com/
[24] 全民健保面面觀，http://www.gio.gov.tw/info/drugs/aeg1.html