[发明专利]一种慢性病群体中资源高消耗人群的个案管理方法

权利要求书

1.一种慢性病群体中资源高消耗人群的个案管理方法，其特征在于，包括步骤：

S100，获取源数据，根据资源高消耗类别，对源数据进行预处理，获得样本集；

S200，在样本集中去除对于资源高消耗没有影响的数据；

S300，根据S200所获得的样本集，训练获得资源高消耗识别预测模型；

S400，获取待检测数据，将待检测数据输入所述资源高消耗识别预测模型，预测其发生资源高消耗的风险机率；

S500，根据预测结果，将会发生资源高消耗行为的老年慢性病人信息录入云数据中心；后端系统根据患者信息从云数据中心调取，并向患者推送预警信息；社区决策系统根据患者信息从云数据中心调取，向医生推送患者管理信息。

2.根据权利要求1所述的一种慢性病群体中资源高消耗人群的个案管理方法，其特征在于，所述源数据包括社区录入的病人的人口学信息和基本检验检查信息的原始信息，以及由病人在移动端填写的自测问卷和可穿戴设备采集的实时生理指标。

3.根据权利要求1所述的一种慢性病群体中资源高消耗人群的个案管理方法，其特征在于，所述资源高消耗类别包括年再入院次数＞3的typeA，年急救次数＞1的typeB，年ICU入住次数＞1的typeC，和年救护车使用次数＞1的typeD。

4.根据权利要求3所述的一种慢性病群体中资源高消耗人群的个案管理方法，其特征在于，在所述步骤S100中，根据资源高消耗类别，对源数据进行预处理，包括步骤：

S101，根据资源高消耗类别划分，对其中一类别数据，计算正例/反例比例，确定少数样本；

S102，对于少数样本，任意选择某一少数样本点，根据k近邻原则，将距离定义为样本之间n维特征空间的欧氏距离，选取其k个距离最近的点

S103，根据如下公式生成新的样本点：

其中，δ∈[0，1]之间随机数；Xnew为新样本点，x₁为选取的样本点；

S104，重复步骤S101-103，直至该类下样本正例/反例比例比接近0.5时，停止，完成采样；

S105，重复以上步骤S101-104，对每个资源高消耗类别进行采样，从而获得样本集。

5.根据权利要求4所述的一种慢性病群体中资源高消耗人群的个案管理方法，其特征在于，在所述步骤S200中，在样本集中去除对于资源高消耗没有影响的数据；通过降维算法判断样本中是否存在对高消耗预测没有影响的数据，若存在没有影响的数据，对样本集中对高消耗没有影响的数据去除，包括步骤：

S201，根据资源高消耗类别划分，对其中一类别数据，假设需要纳入的特征子集O₁为空，选取特征函数为回归函数；

S202，每次随机选择一个特征加入特征子集O₁，根据特征函数得分将增加得分的特征加入；

S203，假设需要纳入的特征子集为所有特征O₂，选取特征函数为回归函数；每次随机选择一个特征取出特征子集O₂，根据特征函数得分将增加得分的特征取出；

S204，重复以上步骤S201-203，直至特征子集O₁与O₂相同，选择其为后续预测是否属于该类高消耗类型需要纳入的特征；

S205，重复以上步骤S201-204，对每个资源高消耗类别执行降维，获得包含有特征子集的样本集。

6.根据权利要求5所述的一种慢性病群体中资源高消耗人群的个案管理方法，其特征在于，根据所获得的样本集训练资源高消耗识别预测模型，包括步骤：

S301，对于降维得到的特征子集，利用独立热编码进行预处理；

S302，根据资源高消耗类别划分，对其中一类别数据，训练预测函数进行预测：

其中pi为对应样本x为该高消耗类别的概率，w^T，b为待训练参数；

S303，重复以上步骤S301-S302，对每个资源高消耗类别执行模型训练，得到对应参数，得到资源高消耗识别预测模型。