高血压疾病管理的风险预测与控制决策研究
发布时间：2021-03-05 00:12
近年来,以高血压、糖尿病和恶性肿瘤等为主的慢性病患病率、死亡率在全球逐年上升,并有向年轻化发展的趋势。其中,高血压在各慢性病中是导致死亡第1位、负担第3位的疾病。2018年中国高血压大会指出:2012年我国18岁以上成人高血压患病率已为23.2%,患病人数已达2.45亿,与2002年相比较,快速增加了20%。尽管如此,我国的高血压预防和控制水平却还很低,存在着“三低”现象,即知晓率低、治疗率低和控制率低。高血压已成为我国居民致死致残的头号杀手,严重地影响着居民的生活质量及国民经济的发展,给社会、家庭及个人带来了沉重的负担。因此,如何深入开展高血压疾病管理的影响因素分析,科学预测其发生风险,并对其进行有效的控制决策,已成为一项我国亟待解决的重大课题。本文围绕着高血压疾病的影响因素分析、风险预测及其控制决策,进行了深入的研究。鉴于高血压疾病具有起病时间长,缺乏明确病因证据,病情迁延不愈等特点。首先,在查阅了大量国内外相关研究文献的基础上,分析了国内外专家学者关于高血压疾病的成因影响、预测及其控制研究现状,拟定了本文的主要研究目标、内容、方法和技术路线。其次,依据上海瑞金医院及34家医联医院...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：188 页
【学位级别】：博士
【部分图文】：
文本病史数据的结构化处理过程
第3章高血压疾病影响因素的权重确定47数据的转移和转换，从而创建了一个面向高血压疾病患者的临床数据集市，用以存放各病例资料维度的高血压疾病诊疗数据，并从中提取指标值，如图3.2所示。图3.2构建高血压疾病患者临床数据集市的数据抽取Figure3.2DataETLforConstructionofClinicalDataMartsforPatientswithHypertension应用ETL进行高血压疾病患者临床数据集市构建的原理、方法及过程如下。1）查找疾病目标患者通过诊断表，运用SQL的Select语句从结构化数据库中筛选出诊断名称中含有“高血压”的患者就诊记录，得到就诊流水号（包括门诊挂号和住院流水号）。2）抽取最高频率指标从已筛选出的高血压疾病患者的检查检验报告中，运用SQL的Count语句抽取出现频率最高的50个检查检验指标，即得与高血压疾病最密切相关的指标。3）转换合并指标数据对已抽取的50个检查检验指标进行行列转置，基于就诊流水号按类别进行关联合并，去除重复项、空值项等数据，最终得到本文进行数据挖掘的数据集。
第3章高血压疾病影响因素的权重确定55（续表3.5）1010p吸烟史2424p总胆固醇1111p饮酒史2525p原发性高血压1212p遗传2626p继发性高血压1313p收缩压2727p高血压疾病1414p钾将各影响因素集成，其形式为1227Sp,p,,p。由于影响因素层次结构确定过程中的M矩阵计算量较大，基于系统结构模型计算的原理，应用信息技术，自行开发了层次结构生成系统，用以各因素层次结构的生成计算。依据式（3-1）与（3-2）及资深专家意见，通过各影响因素之间的两两关系比较，以输出因素为行、输入因素为列，构造出邻接矩阵如图3.4所示。图3.4影响因素层次结构生成的邻接矩阵Figure3.4Adjacencymatrixgeneratedbyinfluencingfactorhierarchy
【参考文献】：
期刊论文
[1]高血压患者慢病管理效果分析[J]. 梁家彩,孟欣欣,赵娣,赵昕,刘丹丹,姜宏宇. 中华健康管理学杂志. 2018 (05)
[2]基于贝叶斯网络的进展期胆囊癌生存预测模型多中心临床研究[J]. 汤朝晖,耿智敏,陈晨,司书宾,蔡志强,宋天强,巩鹏,姜立,邱应和,何宇,翟文龙,李升平,张英才,杨扬. 中华外科杂志. 2018 (05)
[3]强迫症患者脑白质改变与症状维度相关性的研究进展[J]. 朱嘉辉,韩云毅,张焕,刘薇. 神经疾病与精神卫生. 2018 (02)
[4]遗传算法在物流多信息协作配送控制优化方法中的应用[J]. 郭苹. 物流技术. 2013(23)
[5]国家慢性病综合防控示范区高危人群和患者管理评价[J]. 董文兰,姜莹莹,毛凡,张惺惺,张勇,白雅敏,马吉祥,王临虹,董建群. 中国慢性病预防与控制. 2013(06)
[6]区间值模糊集的区间值水平截集、分解定理和表现定理[J]. 袁学海,李洪兴,宋晶晶. 模糊系统与数学. 2013(05)
[7]基于分层序列法的多目标物位平衡控制决策的PLC实现[J]. 周克良,黄金霖,姜玉兰. 计算机测量与控制. 2013(01)
[8]健康体检人群高血压检出率及危险因素分析[J]. 应燕萍,吴林秀. 广西医学. 2012(10)
[9]C4.5算法对高血压病分类规则提取的研究[J]. 谢红薇,林玲玲. 电脑开发与应用. 2012(06)
[10]高血压病患者药物治疗依从性及影响因素分析[J]. 宁丽娟,李建微. 中国公共卫生. 2012(02)
硕士论文
[1]基于CEEMDAN-ELM的短期血糖预测模型研究[D]. 郭占丽.郑州大学 2017
[2]利用人工神经网络模型预测原发性高血压的研究[D]. 杨洋.中国医科大学 2010
[3]基于数据挖掘技术的高血压疾病评估方法研究[D]. 苏杰.浙江大学 2006
本文编号：3064196
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：188 页
【学位级别】：博士
【部分图文】：
文本病史数据的结构化处理过程
第3章高血压疾病影响因素的权重确定47数据的转移和转换，从而创建了一个面向高血压疾病患者的临床数据集市，用以存放各病例资料维度的高血压疾病诊疗数据，并从中提取指标值，如图3.2所示。图3.2构建高血压疾病患者临床数据集市的数据抽取Figure3.2DataETLforConstructionofClinicalDataMartsforPatientswithHypertension应用ETL进行高血压疾病患者临床数据集市构建的原理、方法及过程如下。1）查找疾病目标患者通过诊断表，运用SQL的Select语句从结构化数据库中筛选出诊断名称中含有“高血压”的患者就诊记录，得到就诊流水号（包括门诊挂号和住院流水号）。2）抽取最高频率指标从已筛选出的高血压疾病患者的检查检验报告中，运用SQL的Count语句抽取出现频率最高的50个检查检验指标，即得与高血压疾病最密切相关的指标。3）转换合并指标数据对已抽取的50个检查检验指标进行行列转置，基于就诊流水号按类别进行关联合并，去除重复项、空值项等数据，最终得到本文进行数据挖掘的数据集。
第3章高血压疾病影响因素的权重确定55（续表3.5）1010p吸烟史2424p总胆固醇1111p饮酒史2525p原发性高血压1212p遗传2626p继发性高血压1313p收缩压2727p高血压疾病1414p钾将各影响因素集成，其形式为1227Sp,p,,p。由于影响因素层次结构确定过程中的M矩阵计算量较大，基于系统结构模型计算的原理，应用信息技术，自行开发了层次结构生成系统，用以各因素层次结构的生成计算。依据式（3-1）与（3-2）及资深专家意见，通过各影响因素之间的两两关系比较，以输出因素为行、输入因素为列，构造出邻接矩阵如图3.4所示。图3.4影响因素层次结构生成的邻接矩阵Figure3.4Adjacencymatrixgeneratedbyinfluencingfactorhierarchy
【参考文献】：
期刊论文
[1]高血压患者慢病管理效果分析[J]. 梁家彩,孟欣欣,赵娣,赵昕,刘丹丹,姜宏宇. 中华健康管理学杂志. 2018 (05)
[2]基于贝叶斯网络的进展期胆囊癌生存预测模型多中心临床研究[J]. 汤朝晖,耿智敏,陈晨,司书宾,蔡志强,宋天强,巩鹏,姜立,邱应和,何宇,翟文龙,李升平,张英才,杨扬. 中华外科杂志. 2018 (05)
[3]强迫症患者脑白质改变与症状维度相关性的研究进展[J]. 朱嘉辉,韩云毅,张焕,刘薇. 神经疾病与精神卫生. 2018 (02)
[4]遗传算法在物流多信息协作配送控制优化方法中的应用[J]. 郭苹. 物流技术. 2013(23)
[5]国家慢性病综合防控示范区高危人群和患者管理评价[J]. 董文兰,姜莹莹,毛凡,张惺惺,张勇,白雅敏,马吉祥,王临虹,董建群. 中国慢性病预防与控制. 2013(06)
[6]区间值模糊集的区间值水平截集、分解定理和表现定理[J]. 袁学海,李洪兴,宋晶晶. 模糊系统与数学. 2013(05)
[7]基于分层序列法的多目标物位平衡控制决策的PLC实现[J]. 周克良,黄金霖,姜玉兰. 计算机测量与控制. 2013(01)
[8]健康体检人群高血压检出率及危险因素分析[J]. 应燕萍,吴林秀. 广西医学. 2012(10)
[9]C4.5算法对高血压病分类规则提取的研究[J]. 谢红薇,林玲玲. 电脑开发与应用. 2012(06)
[10]高血压病患者药物治疗依从性及影响因素分析[J]. 宁丽娟,李建微. 中国公共卫生. 2012(02)
硕士论文
[1]基于CEEMDAN-ELM的短期血糖预测模型研究[D]. 郭占丽.郑州大学 2017
[2]利用人工神经网络模型预测原发性高血压的研究[D]. 杨洋.中国医科大学 2010
[3]基于数据挖掘技术的高血压疾病评估方法研究[D]. 苏杰.浙江大学 2006
本文编号：3064196
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3064196.html
