随着电子计算机的普及和信息化的迅猛发展,许多医院都建立了自己的医院信息系统(Hospital Informatiaon System, HIS)。医院信息系统的普及,使医院每天产生大量的业务数据,数据多到没时间去看的程度。如何从海量的数据中提取出使医院管理者感兴趣的信息或相关知识,从而为其重大决策提供科学的依据,成为急待解决的问题。而传统的数据分析手段己不能适应人们的要求,以往的关系数据库只能获得数据的表层信息,而不能获得数据属性的内在管理和隐含的信息,即淹没了包含的知识,造成了资源的浪费。数据挖掘技术作为一种新的数据分析方法逐步应用到医学数据的分析中,抽取规律、预测趋势、发现新颖的模式,能够给医院管理决策层和医疗服务人员提供更多的信息和决策支持,从宏观上把握医院科学地发展,更好地为广大患者服务。在此背景下,本文对数据挖掘的各种方法进行了研究,利用时间序列预测法对医院门诊人次进行了预测,重点对移动平均法和指数平滑法做了详细的比较,指出了它们各自的优缺点和适用范围。最后得出结论：移动平均法主要适合对较为平稳的时间序列进行预测；而利用指数平滑法进行预测时,不同的平滑指数会对预测结果产生不同的影响。本文所采用的是山西某口腔医院2008年至2009年共计20个月的门诊人次记录,对其进行时间序列预测,结果显示,该医院门诊人数将会缓慢增长。医患关系是当今社会一大热点问题,医疗投诉时有发生,如何处理医患关系成为医院管理者十分棘手的问题。利用关联规则中的Apriori算法,通过设置最小支持度和最小置信度对患者投诉信息进行挖掘。探讨数据挖掘中的关联规则在口腔医院患者投诉行为模式研究中的应用价值,为医院管理提供方法学上的依据。不同年龄、不同性别的患者,其投诉科室、投诉原因存在差异。医生的职称、学历、职业类别、从事口腔专业年限不同,其被投诉的原因不同。关联规则引入到医疗投诉资料的研究中,可以探讨影响患者投诉行为以及医生被投诉事件各种因素间潜在的、有价值的关系.较传统的人工方法或统计学方法具有独特的优势。