[发明专利]用于治未病的医疗数据挖掘过程中均线趋势参数确定方法

说明书

技术领域

本发明涉及一种用于治未病的医疗数据挖掘过程中均线趋势参 数确定方法。

背景技术

医疗大数据对海量的历史病例和健康人群的体征数据进行长期 跟踪、分析和处理，可以对体征数据的变化趋势进行学习，发现具有 较高患病风险的人群。对这些人群进行针对性的预防和早期检查措 施，可以有效降低发病率或者使发现时间提早。借用中医中治未病的 概念，本发明专利提出一种用于治未病的医疗数据挖掘方法。

目前普遍使用传统统计方法对于疾病进行检测，例如统计指标A 对疾病g的灵敏度和特异性。其中:

灵敏度＝真阳性人数/(真阳性人数+假阴性人数)*100％

特异度＝真阴性人数/(真阴性人数+假阳性人数)*100％

使用同样的方法也可以得到一些疾病的前驱症状，从而对疾病进 行提前发现，使病人可以尽早获得诊断和治疗。

现在一些互联网企业开始使用网络数据对流行性疾病进行预测， 例如百度和谷歌根据不同区域人群的搜索词频来判断流感的扩散趋 势：一个区域的人群如果在某一时间对感冒、发烧、板蓝根等词汇的 搜索频率提升时，通常会认为感冒的发病率提高，如果临近区域对同 一类词汇的搜索频率相继提升时，会认为可能出现流感。

但是在症状或者检验指标呈阳性时，往往疾病已经发生，互联网 手段也只能对群体性的疾病传播进行预测和控制，而对个体的疾病预 测并无帮助。

当前，随着便携式电子设备的迅猛发展和常规体检的普及，如何 对体征和检验大数据进行分析和挖掘，根据个体的体征及变化趋势， 在疾病发生之前进行预测，使得针对性的预防成为可能，极大的提高 人民的生活质量，并有效节省医疗资源。

发明内容

本发明的核心思想，是对每种疾病患者的历史体征数据进行分 析，获得患者从健康状态到患病之前的体征变化趋势模型，然后使用 该趋势模型对健康人群的体征数据进行跟踪，一旦发现符合趋势模型 的个体，就可以对他(她)进行预警。实现该趋势模型的关键点在于： 确定趋势模型中的长均线周期p和短均线周期q。

P和q值的设置直接影响了预警的灵敏度和特异性。如果设置的 p和q值过小，会使趋势模型变得过于灵敏，使特异性降低，而设置 的p和q值过小则会使趋势模型的灵敏度降低，发现的时间会推后甚 至晚于发病时间。因此使用人为静态设置的p和q值很难使模型处于 较好的状态。本发明在患者和健康个体组成的海量体征数据中挖掘得 到的p和q，在保证灵敏度和特异性两者之间进行平衡。

然而针对未发病的健康人群，希望在患病之前进行预警，因此不 能使用指标对疾病的灵敏度和特异性直接来代替预警的灵敏度和特 异性。为此本发明使用逆转率和迟报率来替代预警模型的灵敏度和特 异性，这也是本发明的创新之处。

本发明解决其技术问题所采用的技术方案如下：

本发明对每一个(p,q)对其中p>q计算：

计算逆转率f。

即在给定p,q参数的趋势模型下，出现趋势阳性信号，但在趋势 阳性信号开始的p个周期内，有任意一次测量值回落到该个体趋势阳 性信号出现前第p-1/2p个周期的均值以下的个体比例。逆转率越低， 信号的特异性越高。

计算迟报率v。

即在给定p,q参数的趋势模型下，出现趋势阳性信号的时间在发 病时间之后人占总发病人数的比例。迟报率越低，信号的灵敏度越高。

综合考虑逆转率和迟报率，使L＝fv，选择具有最小L值得(p,q)对， 就是挖掘得到的趋势模型的推荐参数。

疾病g对应的体征指标A(具有较高灵敏度和特异性)的原始 数据如表1：

表1:原始数据表orig

其中id字段为被跟踪人员的编号，发病时间为该人员在发现 患病后估算得到的初始发病时间，length字段表示该人员总共测量体 征指标A的次数。每个record[]字段都记录一次测量体征指标A的结 果，每个record有测量时间time和测量得到的值value两个域。其 中time表示从格林威治时间1970年01月01日00时00分00秒起 至测量采样时为止的总秒数。

对原始数据的挖掘过程依次执行以下步骤：

参数变量定义：

orig：原始数据表；c_orig：时间序列体征数据表；

I：人员编号；Inter：时间间隔常数；

or＝orig[i]：第i号人员的原始数据；cr＝c_orig[i]：第i号人员的 时间序列体征数据；