[发明专利]一种基于风险因素概率组合分析的慢性疾病早期预警方法

说明书

本发明公开了一种基于风险因素概率组合分析的慢性疾病早期预警方法，包括以下步骤：收集数据，确定该慢性疾病的风险因素的基准组合RFsubgt;x/subgt;，确定对该慢性疾病影响最大的x个风险因素，进一步确定最佳的风险因素组合。本发明的有益之处在于：(1)综合考虑了生理指征、环境因素、病史记录、生活习惯等多维数据，与目前疾病模型的构建越来越趋向多维度的研究趋势相符；(2)数据集包含不同类型人的记录，实验结果非常具有代表性；(3)选取与慢性疾病相关的风险因素的概率组合方法，具有很好的通用性，并且可以推广到其他国家和地区；(4)对未来可能发展成慢性疾病的大部分患者给予预警，对预防和控制慢性疾病具有重要意义。

技术领域

本发明涉及一种慢性疾病早期预警方法，具体涉及一种基于风险因素概率组合分析的慢性疾病早期预警方法，属于大数据和人工智能应用技术领域。

背景技术

世界卫生组织《2014年非传染性疾病国家概况》统计数据显示，慢性病已成为中国头号健康威胁，从2000年至2012年，我国肿瘤、II型糖尿病、心血管疾病这三种慢性病死亡总数达近700万，占所有死亡人数的70％，远高于全球平均占比(45％)。《柳叶刀》提出“中国主要的健康挑战是控制慢性病”。《柳叶刀》预测：如不积极应对，慢性病泛滥将对中国经济和社会产生巨大的负面影响。可见，慢性病已经成为一个重大的公共卫生问题，造成了相当高的发病率和死亡率。研究发现，如果能够提供慢性病的早期预警，通过改变生活方式和药物干预等，可以有效延缓慢性病的发展。因此，如何做好慢性病的早期预警成为亟待解决的问题。

对疾病进展进行建模已经引起了学术界的广泛关注。现有的研究工作可大概分为两种：低层模型和高层模型，下面分别进行阐述。

1、低层模型

现有的大部分研究工作只是简单地模拟了影响疾病进展的各项生理变化指标，并且只集中于某种特定的疾病，如肾病、心脏病。Hiragi等人提出了基于肾功能的微观模拟，并设计了慢性肾病模型。文献Discrepancies between the Cockcroft-Gault andChronic Kidney Disease Epidemiology(CKD-EPI)Equations:Implications forRefining Drug Dosage Adjustment Strategies(Delanaye P，Guerber F，Scheen A，etal.Clinical Pharmacokinetics，2017，56(2):193-205.)应用递归约束和区域控制的红细胞生成刺激性剂量，对慢性肾脏病贫血进行建模。Lausser等人利用生物功能基因组学的语义生物标记，构建了心力衰竭模型。文献Data mining for censored time-to-eventdata:a Bayesian network model for predicting cardiovascular risk fromelectronic health record data(Sunayan B，Wolfson J，Vock D，et al.Data Miningand Knowledge Discovery，2015，29(4):1033-1069.)从细胞分析的角度构建了心力衰竭模型。文献A study ofgeneralizability ofrecurrent neural network-basedpredictive models for heart failure onset risk using a large andheterogeneous EHR data set(Bekhet L，WuY，Wang N，et al.Journal ofBiomedicalInformatics，2018，84:11-16.)基于递归神经网络，提出了心力衰竭发作风险模型。

2、高层模型