我正在使用 Microsoft SQL Server。我有两个表，t1 和 t2，每个表都包含以下一组变量：PatientID、AdmissionDate、DiagnosisCode。请注意，住院期间的多个诊断显示为多行。每个表显示不同的患者列表。这些表很大，因此解决方案必须高效（400,000 行）。我想计算表 1 中的患者与表 2 中的患者的相似度。相似度定义为两个患者共享的诊断数量除以以下总和：
.8*（表 1 中与表 2 中患者不匹配的患者的诊断数量）+ .2*（表 2 中与表 1 中患者不匹配的患者的诊断数量）+（数量两名患者共享的诊断）
任何有关如何组织此问题的建议表示赞赏。
这是我解决这个问题的尝试，我希望其他人能找到更有效的方法：
select #t1.id1, #t1.adm1, #t1.dx1, #t2.id2, #t2.adm2, #t2.dx2, iif(#t1.dx1=#t2.dx2,1,0) as shared Into #t3 From #t1 cross join #t2
Select id1, adm1, dx1, id2, adm2, sum(shared) as In1In2, iif(sum(shared)=0,1,0) as In1Not2 into #t4 from #t3 group by id1, adm1, dx1, id2, adm2
Select id1, adm1, dx1, id2, adm2, sum(In1Not2) as nIn1Not2, into #t5 from #t4 group by id1, adm1, id2, adm2
Select id1, adm1, dx2, id2, adm2, iif(sum(shared)=0,1,0) as In2Not1 into #t6 from #t3 group by id1, adm1, dx2, id2, adm2
Select id1, adm1, id2, adm2, sum(In2Not1) as nIn2Not1 into #t7 from #t6 group by id1, adm1, id2, adm2
在下一步中，计算的值被合并到一个公用表中。此尝试的问题在于，在 100,000 条记录的 t1 和 400,000 条记录的 t2 上运行它需要 2 多个小时。