[发明专利]一种基于大数据相关性的医疗风险预测方法

权利要求书

1.一种基于大数据相关性的医疗风险预测方法，其特征在于，包括如下步骤：

指定目标指标，采集被研究医院中与目标指标相关联的临床数据，并对所述临床数据进行预处理，确定相关因素；

目标指标作为因变量，将处理后的相关因素作为自变量带入不同回归算法模型中，采用F检测通过回归结果对不同回归算法模型显著性进行检验，确定相关因素的相关系数和自变量的筛选；

根据历史结构化措施库以及相关因素的相关系数构建风险预估模型。

2.根据权利要求1所述的一种基于大数据相关性的医疗风险预测方法，其特征在于，所述预处理包括极值剔除、聚类转化、因子分析和可信度分析。

3.根据权利要求1所述的一种基于大数据相关性的医疗风险预测方法，其特征在于，所述不同回归算法模型包括分层回归模型、逐步回归模型，多元logit模型，有序logit模型，多因素方差模型、协方差模型、岭回归模型、分层聚类模型、曲线回归模型、PLS回归模型、LASSO回归模型、RFM模型、非线性回归模型、卡方检验模型、COX回归模型和poisson回归模型。

4.根据权利要求1所述的一种基于大数据相关性的医疗风险预测方法，其特征在于，所述将处理后的相关因素作为自变量带入不同回归算法模型中，计算出的不同回归结果，将不同回归结果中的因变量值和自变量值分别带入实际操作业务中，通过临床使用者针对不同结果做出有效性的评价，根据评价结果确定相关因素对应的最优算法模型。

5.根据权利要求1所述的一种基于大数据相关性的医疗风险预测方法，其特征在于，还包括如下步骤：

将临床患者诊疗过程中临床数据带入风险预估模型，得到对应的改进措施。

6.根据权利要求5所述的一种基于大数据相关性的医疗风险预测方法，其特征在于，还包括如下步骤：将改进措施的文本进行后结构化文本标记措施标签，并加入历史结构化措施库中，实时更新风险预估模型。

7.根据权利要求1所述的一种基于大数据相关性的医疗风险预测方法，其特征在于，还包括如下步骤：

采用决策树算法绘制整体决策模型，将临床患者诊疗过程中实际的相关因素数据以及相关因素的相关系数带入整体决策模型中，计算风险因素值，实时判断风险因素值是否超过预设阈值，若超过，则展示影响最强的相关因素，并发送预警信息至预关联的单位或个人。