基于邏輯回歸關(guān)聯(lián)規(guī)則的疾病預(yù)警模型.pdf

1、醫(yī)學(xué)數(shù)據(jù)挖掘的意義在于:通過(guò)現(xiàn)有病人數(shù)據(jù)信息的分析挖掘與整理，建立模型，對(duì)一些疾病的發(fā)生發(fā)展作出預(yù)測(cè)，從而在疾病出現(xiàn)危險(xiǎn)因素時(shí)對(duì)其進(jìn)行預(yù)防工作，更好的防止病情惡化或是挽救病人的生命。提高診療時(shí)效和醫(yī)院服務(wù)患者的水平。
　　文章以山東省某醫(yī)院所有住院患者真實(shí)病例數(shù)據(jù)為依據(jù)，以患者是否發(fā)生深靜脈血栓疾病為研究對(duì)象進(jìn)行實(shí)證分析，建立模型。進(jìn)而對(duì)未來(lái)的患者進(jìn)行實(shí)時(shí)監(jiān)控，預(yù)測(cè)其發(fā)病概率，縮小高?？梢扇巳悍秶卺t(yī)院對(duì)該類患者作出特殊對(duì)待。

2、
　　進(jìn)行該實(shí)證分析的意義，一方面是深靜脈血栓形成對(duì)人體危害較大，可能危及生命，而且通過(guò)預(yù)防是可以有效控制其發(fā)生的。另一方面它代表的是一類問(wèn)題，疾病預(yù)警模型研究，它是一個(gè)探索性的工作，可以為其他疾病的建模提供依據(jù)和經(jīng)驗(yàn)。
　　數(shù)據(jù)是由患者具有的特征癥狀及其是否發(fā)生深靜脈血栓等字段信息組成。取自八個(gè)月的住院患者數(shù)據(jù)，共69779條記錄，108例患者發(fā)病。提取了患者病歷的65個(gè)特征字段作為預(yù)測(cè)變量。預(yù)測(cè)患者發(fā)生深靜脈血栓的可能性

3、。
　　該研究屬于二分類數(shù)據(jù)建模問(wèn)題。建模工具眾多，有的只能給出分類結(jié)果;有的則可以給出一個(gè)評(píng)分機(jī)制，這樣的結(jié)果信息量更大，更具有實(shí)用價(jià)值。所以本次模型開(kāi)發(fā)過(guò)程中以神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、Logistic回歸為主要建模工具，他們均能給出相應(yīng)的預(yù)測(cè)評(píng)分機(jī)制。Logistic回歸模型在建立過(guò)程中，采用了逐步回歸法并結(jié)合醫(yī)學(xué)結(jié)論綜合判斷進(jìn)行變量的選擇。此外，考慮到了變量間的交互效應(yīng)可能對(duì)結(jié)果也會(huì)有影響，所以文中借助關(guān)聯(lián)規(guī)則進(jìn)行交互效應(yīng)的篩

4、選和構(gòu)造并且作為待選變量加入到模型中。神經(jīng)網(wǎng)絡(luò)采用的BP三層感知器模型，支持向量機(jī)采用的是支持向量ε-回歸機(jī)模型。
　　對(duì)于建模樣本采取了兩種選擇方法，一種是以前四個(gè)月數(shù)據(jù)（大樣本）作為建模樣本。另一種是將前四個(gè)月數(shù)據(jù)中的沒(méi)有得深靜脈血栓患者案例隨機(jī)去掉一部分（小樣本），以提高樣本中發(fā)病案例的比例，建立模型。檢驗(yàn)樣本均為后四個(gè)月的數(shù)據(jù)。在多數(shù)情況下，大樣本模型在樣本外的預(yù)測(cè)能力略優(yōu)于小樣本。
　　這三種模型，從樣本外預(yù)測(cè)能力