[发明专利]一种基于临床变量属性的决策分析方法

说明书

本发明涉及一种基于临床变量属性的决策分析方法，采用全新逻辑设计方法，基于同一数据源的样本对象，针对样本对象所对应各变量属性的数据，先基于数值型变量与分类型变量的区分，获得数据所对应的初级效应值；然后基于初级效应值，获得各变量属性的L2范数值，并进一步获得各变量属性的权重值；最后结合初级效应值，获得变量属性对样本对象的影响效应量化值；如此实现变量属性对样本对象的影响的量化反应，为后续对变量属性数据的分析应用提供了客观、且准确的数据参考依据，有效提高了最终数据分析应用的准确性。

技术领域

本发明涉及一种基于临床变量属性的决策分析方法，属于临床数据分析技术领域。

背景技术

临床上医生需要整合分析多种变量数据，对患者的疾病状况进行评估，期望给出最佳治疗方案。医生整合分析数据时需要依赖于自身经验，主观性较强，尤其是当经验不足时，往往是出现评估偏差，给医生和患者均带来隐患。同时，不同医院对同种疾病的监测方法和使用仪器规格也有差异，会导致同种疾病在不同医院的指标数据也有差异，即使经验丰富的医生拿到这些数据，也常有疑惑而难以快速评估出结果。如何分析某个变量数据对样本产生的效应，以及整合分析多个变量数据对样本产生的总和效应，是难题之一。另外，整合分析多种变量时也常会因为测量单位、取值范围、标准化方法不同而增加误差，给后续分析带来困难。

发明内容

本发明所要解决的技术问题是提供一种基于临床变量属性的决策分析方法，采用全新逻辑设计方法，能够快速获得变量属性对样本对象的影响效应量化值，有效提高后续对变量属性数据的分析应用效率。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于临床变量属性的决策分析方法，用于针对来自同一数据源的数据库中各个样本对象、以及各样本对象分别对应相同各变量属性的数据，实现变量属性对样本对象的影响效应量化性分析，包括如下步骤：

步骤A.分别针对各个变量属性，获得变量属性对应各样本对象的数据中、彼此不重复的非空数据的个数，作为该变量属性所对应不重复数据个数m，m≥2；完成对各变量属性的上述操作后，然后进入步骤B；

步骤B.分别针对各个变量属性，若变量属性对应各样本对象的非空数据为数值型变量，则获得该变量属性对应各样本对象的非空数据中的最大值max、最小值min，以及针对该各非空数据进行由小至大排序或由大直小排序，并获得该排序中间位置的非空数据，作为中值med，完成对各变量属性的上述操作后，然后进入步骤C；

步骤C.分别针对各个变量属性，若变量属性对应各样本对象的非空数据为数值型变量，则根据该变量属性所对应的最大值max、最小值min、以及中值med，分别针对该变量属性所对应各样本对象的非空数据，应用线性效应函数进行效应归一化处理，获得该变量属性所对应各样本对象的非空数据、分别对应的初级效应值y；

若变量属性对应各样本对象的非空数据为分类型变量，则以1/m的值，作为该变量属性所对应各样本对象的非空数据、分别对应的初级效应值y；并且进一步若该变量属性所对应各样本对象的非空数据、等于样本对象所对应各变量属性的判定目标，则以1/m+0.5的值，作为该变量属性所对应各样本对象的非空数据、分别对应的初级效应值y；

完成对各变量属性的上述操作后，然后进入步骤D；

步骤D.分别针对各个变量属性，根据变量属性所对应各样本对象的非空数据、分别对应的初级效应值y，获得该变量属性所对应的L2范数值；完成对各变量属性的上述操作后，然后进入步骤E；

步骤E.获得各变量属性分别所对应L2范数值的和sum(L2)，然后分别针对各个变量属性，以变量属性所对应L2范数值与sum(L2)的比值，作为该变量属性所对应的权重值；即获得各变量属性分别所对应的权重值，并进入步骤F；