[发明专利]一种医院感染数据的样本选取的时间段推理方法

权利要求书

1.一种医院感染数据的样本选取的时间段推理方法，其特征在于，包括如下步骤：

步骤1，确定医院感染数据的特征，并将特征按照“有效时间范围”进行归类，特征集合记作F，k表述在集合F中的第k个特征，所述“有效时间范围”为病人/患者检测数据的时效时间范围的统称；

步骤2，所有病人组成的集合记作S，在集合S中得到病人m，并对病人m生成正反例样本集合N；

步骤3，步骤2中生成正反例样本集合N后，将医院感染病人集合记为C，感染病人的诊断日期组成的集合记为Cd；

步骤4，从集合C中随机抽取n个病人，并获得n个病人对应的诊断日期；

步骤5，对步骤4中的n个病人进行诊断，取得n个病人“前时间段”和“后时间段”的数据组成的数组A_pre和A_end，其中“前时间段”是通过以诊断日期为基准日期选取感染样本，往前推理的时间单位长度，“后时间段”是通过以诊断日期为基准日期选取感染样本，往后推理的时间单位长度；

步骤6，对步骤5中的两个数组分别求和后再求平均，分别取得两个平均值avg_pre＝sum(A_pre)/n，avg_end＝sum(A_end)/n；这两个平均值作为集合C中所有病人的时间段推理的两个参数，近似估计集合C中所有病人的“前时间段”和“后时间段”；

步骤7，更新数据生成样本集合D并根据样本集合D进行建模测试；

步骤8，根据测试结果不断微调avg_pre和avg_end，以得到最终需求的值；

其中，步骤2中的正例样本为发生医院感染的病人m样本，反例样本为未发生医院感染的病人m样本。

2.如权利要求1所述的时间段推理方法，其特征在于，若m为正例样本中的病人，则m记为S中的第m个病人；若m为反例样本中的病人，则m为随机抽取的病人。

3.如权利要求1所述的时间段推理方法，其特征在于，步骤7中更新数据的方法采用增量式更新方法，包括如下步骤：

步骤7a，按照时间由前到后的序列对步骤2中的正反例样本集合N进行升序排序，以保证在增量式更新的过程中，时间都是从前到后排列的，从而保证更新时总是新值覆盖旧值；

步骤7b，将样本集合N中时间最早的样本i，存入到样本集合D中，并按步骤1中确定的医院感染数据的特征对应存入集合T中，分别记录Tk_v和Tk_date，表示集合N中的样本i对应的集合T中的第k个特征的值和该值的日期；

步骤7c，对样本集合N中的第二条及以后所有的样本i进行缺失值判断，对缺失值进行更新，对未缺失值进行保留；

步骤7d，将完成更新或保留的样本存入到样本集合D中，按照步骤5顺序读取后续样本并保存样本数据；

步骤7e，当重复步骤7c和步骤7d得到i＝N时，读取完成，样本集合D构建完成。

4.如权利要求3所述的时间段推理方法，其特征在于，步骤7c中，若样本i的特征Tk的值Tk_v为缺失值，则在样本集合D中逆序找到该特征Tk的值Tk_v和Tk_date，若样本集合D中该值不为空，且Tk_date与i中的Tk_date的差值不超过“有效时间范围”，则将该值取出更新到样本i的Tk_v中来代替缺失值。

5.如权利要求3所述的时间段推理方法，其特征在于，步骤7c中，若样本i的特征Tk的值Tk_v为缺失值，则在样本集合D中逆序找到该特征Tk的值Tk_v和Tk_date，若样本集合D中该值不为空，但是超过“有效时间范围”则推出遍历保持样本i第k个特征的缺失状态。

6.如权利要求3所述的时间段推理方法，其特征在于，步骤7c中，若样本i的特征Tk的值Tk_v为缺失值，则在样本集合D中逆序找到该特征Tk的值Tk_v和Tk_date，若样本集合D中该值为空，则继续遍历下一个值。