基于數(shù)據(jù)挖掘技術(shù)預(yù)測(cè)2型糖尿病慢性并發(fā)癥.pdf

1、糖尿病已成為全球性重大公共衛(wèi)生問題，患者大、微血管并發(fā)癥的發(fā)病率極高，二者已成為影響糖尿病患者生活質(zhì)量、致殘致死的主要原因。本研究旨在通過分析2型糖尿病病人的臨床資料和實(shí)驗(yàn)數(shù)據(jù)預(yù)測(cè)糖尿病慢性并發(fā)癥，為研究和控制2型糖尿病慢性并發(fā)癥提供幫助。 數(shù)據(jù)挖掘(DataMining)就是從大量的、不完全的、有噪聲的隨機(jī)數(shù)據(jù)中，提取蘊(yùn)含在其中的、不為人知但又具有潛在價(jià)值的信息和知識(shí)的過程。數(shù)據(jù)挖掘是面向應(yīng)用的技術(shù)，在臨床醫(yī)學(xué)診斷中，應(yīng)用數(shù)據(jù)

2、挖掘技術(shù)的原理，通過對(duì)大量診斷數(shù)據(jù)的挖掘來建立預(yù)測(cè)模型，可以作為決策時(shí)的依據(jù)和指南，對(duì)臨床醫(yī)學(xué)作輔助診斷，從而提高臨床診斷的準(zhǔn)確性。 本文的研究?jī)?nèi)容分三個(gè)方面：(1)建立糖尿病并發(fā)癥預(yù)測(cè)的學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)模型并對(duì)測(cè)試集進(jìn)行測(cè)試；(2)建立糖尿病并發(fā)癥預(yù)測(cè)的LOGISTIC回歸模型并對(duì)測(cè)試集進(jìn)行測(cè)試；(3)利用LOGISTIC回歸篩選變量，建立糖尿病并發(fā)癥預(yù)測(cè)的學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)模型。通過上述不同方法，我們將明確2型糖尿病患

3、者的臨床資料和實(shí)驗(yàn)室指標(biāo)與糖尿病慢性并發(fā)癥間的關(guān)系，并建立不同糖尿病并發(fā)癥的預(yù)測(cè)模型。 研究的主要路線和方法是：首先對(duì)收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，并將預(yù)處理的結(jié)果作為數(shù)據(jù)挖掘的數(shù)據(jù)源。建立預(yù)測(cè)模型過程中選用的人工智能方法是學(xué)習(xí)向量量化(LearningVectorQuantization簡(jiǎn)稱LVQ)神經(jīng)網(wǎng)絡(luò)，是一種自適應(yīng)數(shù)據(jù)聚類方法，它基于有期望類別信息的數(shù)據(jù)進(jìn)行訓(xùn)練。另外，統(tǒng)計(jì)預(yù)測(cè)模型利用了LOGISTIC回歸法，顯示二分類模型

4、的回歸診斷。最后，將統(tǒng)計(jì)學(xué)與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合：應(yīng)用LOGISTIC回歸分析所篩選的變量作為L(zhǎng)VQ神經(jīng)網(wǎng)絡(luò)的輸入，再次構(gòu)造預(yù)測(cè)模型。 本論文的研究結(jié)果是：用學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)建立的2型糖尿病慢性并發(fā)癥預(yù)測(cè)模型對(duì)合并心血管病變的預(yù)測(cè)正確率70.59％；合并腎臟病變的預(yù)測(cè)正確率78.43％；合并視網(wǎng)膜病變的預(yù)測(cè)正確率74.51％；合并下肢動(dòng)脈栓塞的預(yù)測(cè)正確率90.20％；合并神經(jīng)病變的預(yù)測(cè)正確率68.63％。用LOGISTIC回歸

5、建立的2型糖尿病并發(fā)癥預(yù)測(cè)模型對(duì)合并心血管病變的預(yù)測(cè)正確率76.47％；合并腎臟病變的預(yù)測(cè)正確率78.43％；合并視網(wǎng)膜病變預(yù)測(cè)正確率62.75％；合并下肢動(dòng)脈栓塞預(yù)測(cè)正確率86.27％；合并神經(jīng)病變預(yù)測(cè)正確率60.78％。應(yīng)用LOGISTIC回歸篩選變量后建立的LVQ神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)合并心血管病的預(yù)測(cè)正確率70.59％；合并腎臟病變預(yù)測(cè)正確率78.43％；合并視網(wǎng)膜病變預(yù)測(cè)正確率70.59％；合并下肢動(dòng)脈栓塞預(yù)測(cè)正確率84.31％；

6、合并神經(jīng)病變預(yù)測(cè)正確率64.71％。 本研究的結(jié)論是：(1)三種預(yù)測(cè)模型對(duì)2型糖尿病的四種慢性并發(fā)癥(冠心病、糖尿病腎病、視網(wǎng)膜病變及下肢動(dòng)脈栓塞)有較好的預(yù)測(cè)結(jié)果，但對(duì)神經(jīng)病變的預(yù)測(cè)欠佳；(2)三種預(yù)測(cè)方法間的預(yù)測(cè)結(jié)果符合率無統(tǒng)計(jì)學(xué)差異；(3)2型糖尿病并發(fā)癥預(yù)測(cè)模型的建立，為糖尿病慢性并發(fā)癥的控制和治療提供了可參考預(yù)測(cè)模型。(4)數(shù)據(jù)挖掘技術(shù)在現(xiàn)代臨床醫(yī)學(xué)診斷中具有廣泛的應(yīng)用前景，它為醫(yī)學(xué)診斷開辟了新的途徑。隨著信息技術(shù)的發(fā)