[发明专利]一种基于网格化协变量因素的患病风险等级评估方法

说明书

本发明公开了一种基于网格化协变量因素的患病风险等级评估方法，用来量化评估网格内疾病发生的相对风险等级。本发明首先将研究区域进行网格化处理并标记；其次进行参数提取，确定空间结构化效应项、空间非结构随机效应项、网格中对患病有影响的协变量因素项、研究区域的平均相对风险的参数，构建模型；然后假设模型参数的先验分布；对参数的后验分布进行计算，确定各网格的患病风险；最后进行风险值的范围划分，确定患病风险的等级。本发明提出了一种基于网格化协变量因素的患病风险等级评估的方法，通过空间网格化划分，充分考虑网格中影响疾病发病的协变量因素，能更好的评估研究区域内各网格间患病的相对风险等级。

技术领域

本发明涉及一种基于网格化协变量因素的患病风险等级评估方法，本发明属于信息处理技术领域。

背景技术

随着大数据时代的到来，各个领域之间的交流越来越频繁，信息交叉更加密集，信息共享更加方便。在这些海量数据中，往往蕴含着许多的潜在价值，挖掘和探索这些数据的潜在价值是非常有意义的。其中，人类社会发展过程中，疾病的预防和治疗是人们永恒的话题，与人类有着密切关系的疾病相关数据研究，显得格外重要。目前研究地区疾病风险的方法中，未考虑患病地区的周边地域对本地区某疾病患病的影响。每种疾病都有它们各自的特点，利用一种基于网格化协变量因素的患病风险等级评估方法，将可以更精确、全面地对研究区域，某种疾病的患病风险等级作出量化评估，进而在疾病大规模爆发前，对疾病预防作出判断和抉择。这个方法具有较高的使用价值。

发明内容

本发明要解决的技术问题在于提出一种患病风险等级评估的方法，针对某种疾病特点，根据历史病例数据，评估研究区域不同网格疾病的患病风险等级。为解决上述技术问题，本发明采用如下技术方案：一种基于网格化协变量因素的患病风险等级评估方法，通过将研究区域网格化划分，建立模型，将影响患病的协变量因素考虑到网格内风险变量中，更加全面精确的评估研究区域不同网格疾病的患病风险等级。

具体可分为以下几个步骤：获取研究区域疾病数据、网格化处理、构建层次贝叶斯模型、确定参数的先验分布、计算后验分布、划分网格空间的患病风险等级并可视化。如图1所示。

S1:首先网格化处理

S1.1建立网格

对研究患病风险区域进行网格划分，以行政区、街道或重点关注的区域划分为一个网格，进行划分并编号。如图2所示，针对一个正方形研究区域，进行网格划分(可按行政区，街道等对空间进行划分)。建立网格，有益于我们对研究区域不同的位置进行疾病数据的收集，以及对研究区域细化，更精确的表示区域的相关信息。

S1.2数据网格化预处理

整理统计不同网格内实际患病人数、对疾病有影响的协变量因素及其大小。以便更好的表示各网格的患病信息，得到更加精确的研究区域患病风险的计算和判别。

S2:建立模型

S2.1模型假设：假定网格i的某传染病患病人数为Y_i，假设所研究的该疾病的感染率较低，可以认为它服从泊松分布。

Y_i～possion(λ_i) (2-1)

根据泊松分布的性质有

E(Y_i)＝λ_i＝e_i×θ_i (2-2)

e_i表示网格i的期望发病的人数，θ_i表示网格i的实际发病人数与期望发病人数之比。按患病总人数中不同各性别各自的患病率，计算出的各网格的期望感染人数。表达式为：

其中，m＝1,2,分别表示男性人群，女性人群。