一种基于最优特征组合的再住院行为预测系统及方法技术方案

本发明专利技术公开了一种基于最优特征组合的再住院行为预测系统及方法，对长时间的住院记录、普通门诊记录、慢性病记录和体检记录进行处理分析，得到能够表示病人再住院环境的多个再住院特征；设计合理的适应度函数，利用遗传算法，获得影响再住院的最优特征组合；将最优特征组合和再住院标签作为预测方法的输入，利用集成学习算法来判断和预测病人是否在观察窗口时间内执行再住院，能够预估患者是否在一定时间间隔内执行再住院，以准确的表达病人再住院环境，帮助患者本身和医疗机构进行合理安排时间与医疗、资金资源。

System and method for predicting rehospitalization behavior based on optimal feature combination

The invention discloses a system and method for prediction of hospitalization behavior based on the optimal combination of characteristics, long time of hospitalization records, analysis of common chronic disease outpatient records, records and medical records, can be said that the patient hospitalization environment of multiple hospitalization characteristics; design reasonable fitness function, using genetic algorithm the optimal combination of features, the effect of re hospitalization; the optimal feature combination and rehospitalization label as a prediction method of input, to judge and predict whether the patient to perform re hospitalization in the observation window of time using the ensemble learning algorithm, can predict whether patients perform readmission within a time interval to express patient to hospital environment again help, patients and medical institutions for medical treatment, reasonable arrangement of time and resources.

【技术实现步骤摘要】
一种基于最优特征组合的再住院行为预测系统及方法
本专利技术涉及一种基于最优特征组合的再住院行为预测系统及方法。
技术介绍
健康是促进人的全面发展的必然要求，是经济社会发展的基础条件。疾病预防和预警工作，能够有效提高人们的健康水平，并且减少医疗费用的支出。在政府和全民重视健康的大环境下，再住院的精准预测工作逐渐受到学者和业界的重视。随着信息化技术的不断发展，健康医疗领域逐渐积累了大量的数据，形成了健康医疗大数据。大数据技术能够帮助研究人员从复杂和异构的医疗数据中，包括病人长期医疗记录、病理分析报告、基因分析和日常行为数据，提取与疾病预防和疾病预警相关的数据，实现精准的、个性化疾病预防和疾病预警。目前的研究方向多是针对于病患的病理和疾病预防和疾病预警，但是却鲜有针对已有疾病的病患是否在住院进行评估和预测，这样就会造成病患再住院时可能资金或时间安排不当，造成冲突，带来健康或经济上的损失；同时，也不能够使得医院进行有效的有针对性的前期准备，如病房的安排、医疗设备的调度、投入等等，无法很好的安排医疗资源，造成无法及时治疗延误病情或资源配置无法实现最优化等问题。
技术实现思路
本专利技术为了解决上述本文档来自技高网...

【技术保护点】
一种基于最优特征组合的再住院行为预测方法，其特征是：包括以下步骤：(1)获取各个医疗机构的门诊、体检与住院相关记录，构建数据集；(2)对获取的数据集进行分析，通过特征提取和特征选择技术得到多个再住院相关特征，以表示病人的再住院环境，并在多个特征基础上构建多特征向量，利用所有人多次住院间隔获得再住院观察窗口参数及是否再住院标签；(3)根据得到的多特征向量，设计适应度函数，利用遗传算法获得最优特征组合；(4)利用决策树作为基学习器，利用集成学习算法的思想设计集成学习算法，以再住院最优特征组合及是否再住院标签作为输入，使用集成学习算法预测病人是否在一定时间间隔内执行再住院，得出预测结果。

【技术特征摘要】
1.一种基于最优特征组合的再住院行为预测方法，其特征是：包括以下步骤：(1)获取各个医疗机构的门诊、体检与住院相关记录，构建数据集；(2)对获取的数据集进行分析，通过特征提取和特征选择技术得到多个再住院相关特征，以表示病人的再住院环境，并在多个特征基础上构建多特征向量，利用所有人多次住院间隔获得再住院观察窗口参数及是否再住院标签；(3)根据得到的多特征向量，设计适应度函数，利用遗传算法获得最优特征组合；(4)利用决策树作为基学习器，利用集成学习算法的思想设计集成学习算法，以再住院最优特征组合及是否再住院标签作为输入，使用集成学习算法预测病人是否在一定时间间隔内执行再住院，得出预测结果。2.如权利要求1所述的一种基于最优特征组合的再住院行为预测方法，其特征是：所述步骤(1)中，对住院记录、普通门诊记录、慢性病记录和体检记录进行处理分析，得到能够表示病人再住院环境的多个再住院特征：年龄、性别、报销比例、病人类别、住院天数、住院频率、住院间隔、用药量、辅助治疗、医疗费用和体检指标。3.如权利要求1所述的一种基于最优特征组合的再住院行为预测方法，其特征是：所述步骤(2)中，通过特征选择技术得到能够表示病人再住院环境的多个再住院特征，并为每个人构建一个多特征向量。4.如权利要求3所述的一种基于最优特征组合的再住院行为预测方法，其特征是：所述步骤(2)中，通过特征选择技术提取住院间隔为特征，并对其进行标准化，使用住院间隔的均值去表示再住院特征。5.如权利要求1所述的一种基于最优特征组合的再住院行为预测方法，其特征是：所述步骤(3)中，观察窗口参数通过计算各种疾病的所有患者多次住院间隔的均值来表示。6.如权利要求1所述的一种基于最优特征组合的再住院行为预测方法，其特征是：所述步骤(...

【专利技术属性】
技术研发人员：李晖，徐祥朕，郭伟，崔立真，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37