[发明专利]时空大数据关联的慢病管理方法、存储介质和终端

说明书

一种时空大数据关联的慢病管理方法、存储介质和终端，所述方法包括：获取患者的慢病相关信息和个人生活习惯信息；对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；将所述个人活动与疾病之间的强规则结果集进行可视化并输出显示。上述的方案，可以提高慢病管理的准确性和效率。

技术领域

本发明属于医疗技术领域，特别是涉及一种时空大数据关联的慢病管理方法、存储介质和终端。

背景技术

在大数据时代每个行业每天都产生海量的数据,医疗行业也不例外。随着强大的数据存储、计算平台及移动互联网的发展，现在的趋势是医疗数据的大量爆发及快速的电子数字化，驱动了医疗大数据在临床科研、健康慢病管理、公共卫生等核心领域广泛应用，使得医疗领域成为大数据领域的重要研究部分。利用大数据信息中丰富的资源挖掘出数据背后的意义，对于医疗行业有着不可估量的作用。例如，在诊断信息中存在信息和信息之间的关联关系，通过数据挖掘中的关联分析挖掘数据中隐藏的大量关联规则，对辅助医生做慢病管理方案具有重大意义。关联规则——是指根据数据库中数据项出现在记录中的频繁程度，得出的关于数据项的推导规则。关联规则最初提出的动机是针对购物篮分析(MarketBasket Analysis)问题提出的，通过发现顾客放入“购物篮”中的不同商品之间的关联，分析顾客的购物习惯，这种关联的发现可以帮助零售商了解哪些商品频繁的被顾客同时购买，从而帮助他们开发更好的营销策略。同时关联规则也可以运用到慢病管理，帮助医生做出更好的慢病管理方案。一般的关联规则有两步，第一步根据最小支持度在全部数据中找出频繁项集，第二步在频繁项集中根据最小置信度找到强关联规则。

数据显示，目前我国的慢性病患者已超过3亿人，慢性病致死人数已占到我国因病死亡人数的85％，导致的疾病负担已占到总疾病负担的70％。据预测，到2030年，全球慢病相关的总死亡人数将上升到世界总死亡人数的70％。目前中国65周岁以上老人人数约为1.4亿人，占总人口10.47％，老龄化比例逐年提高，潜在慢病人群基数势必继续扩大，社会将面临日益严重的慢病挑战。同时，以糖尿病为例的慢性病已呈现年轻化发展趋势，严重影响到居民的生活质量和身体健康，慢病管理刻不容缓。

目前，国内外大数据在慢病管理的研究主要集中在临床诊断信息中基本信息和患病信息的挖掘，利用基本信息和患病信息来辅助慢病管理，这就影响了慢病管理的准确性和效率。

发明内容

本发明解决的技术问题是如何提高慢病管理的准确性和效率。

为了达到上述目的，本发明提供一种时空大数据关联的慢病管理方法，所述方法包括：

获取患者的慢病相关信息和个人生活习惯信息；

对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；

基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；

按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；

对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；

基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；

将所述个人活动与疾病之间的强规则结果集进行可视化并输出显示。

可选地，所述方法还包括：

向用户输出显示对应的慢病管理方案。

可选地，所述对获取的患者的慢病相关信息和个人生活习惯信息进行预处理，包括以下至少一项：