一种社区筛查方案的评估方法及装置制造方法及图纸

本发明专利技术涉及大数据技术，公开了一种社区筛查方案的评估方法及装置。用以迅速准确地确定各个慢病社区的筛查方案的合理性。该方法为：先基于目标社区对应的筛查方案包含的各项社区特征，获得所述目标社区对应的评估指标，然后采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，其中，所述评估模型用于描述多个评估指标的取值组合与筛查方案的评估值之间的关联关系，这样，可以迅速准确地判断出各个目标社区的筛查方案的优劣，以便及时调整筛查方案中的各项社区特征，令筛查方案在执行过程中达到期望的筛查效果，从而大大节省了人力、物力，有效提高了筛查效率，也便于后续有针对性地优化筛查方案，保证了筛查工作的顺利进行。

【技术实现步骤摘要】
一种社区筛查方案的评估方法及装置
本专利技术涉及大数据技术，特别涉及一种社区筛查方案的评估方法及装置。
技术介绍
伴随着我国工业化、老龄化进程的加快，心脑血管疾病、呼吸系统疾病、糖尿病等慢性病发病率呈现快速上升且年轻化的趋势。据卫生部数据，截至2012年，我国慢性病患者已超过2.6亿人。至少半数慢病患者没有得到及时合理诊治，因慢病死亡占我国居民死亡总数的比例已经上升至85％；早发现、早诊断、早治疗是慢性病防治的有效方法，社区筛查是慢性病早发现的重要渠道。慢性病社区筛查的目的是尽早发现疑似患者，以达到预防和控制疾病的目的。因此，希望尽可能多的居民参加筛查，筛查后呈阳性的居民都到医院就诊，并得到有效治疗。但是，在实际的筛查工作中，均是在采集到各个社区居民的体征指标(如，血压、体重、体脂等等)和社会学特征指标(如，年龄构成、文化水平、收入状况等等)之后，采用人工方式对采集的数据进行分析，以确定各个社区的不同类型的居民的患病及治疗情况，便于后续进一步观察。然而，这些操作均需要耗费大量的人力、物力，因此筛查效率较低，且对于执行筛查操作的机构(如，医院)的经营十分不利，从而降低筛查工作的执行积极性，影响筛查工作的顺利进行。有鉴于此，如何迅速地确定一个慢病社区的筛查方案是否高效，以便后续进行优化调整，便是当时需要解决的首要问题。
技术实现思路
本专利技术实施例提供一种慢病社区筛查方案的评估方法，用以迅速准确地确定各个慢病社区的筛查方案的合理性，便于后续制定相适应的优化方案。本专利技术实施例提供的具体技术方案如下：一种社区筛查方案的评估方法，包括：确定对应目标社区预设的筛查方案，以及该筛查方案包含的各项社区特征；基于获得的各个社区特征，采用预设的评估指标预测模型，获得所述目标社区对应的评估指标，其中，评估指标预测模型用于描述社区特征和评估指标之间的线性关联关系；基于获得的评估指标，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，其中，所述评估模型是采用基于海量样本数据训练获得的，用于描述多个评估指标的取值组合与筛查方案的评估值之间的关联关系。可选的，确定对应目标社区预设的筛查方案之前，设置所述评估模型，具体包括：对获得的海量样本数据中每一种类型的评估指标分别进行聚类，分别确定每一种类型的评估指标对应的至少一个隶属中心，其中，一条样本数据中包含了至少一个评估指标与相应的评估结果之间的对应关系，以及一个隶属中心对应一模糊子区间；分别针对每一条样本数据包含的每一个评估指标执行以下操作：确定一个评估指标相对于相应类型的每一个隶属中心中的隶属度；分别针对每一条样本数据执行以下操作：将一条样本数据包含的各个评估指标相对于各个隶属中心的隶属度进行相互组合，其中，每一种组合中包含有所述一条样本数据中的每一个评估指标相对于一个隶属中心的隶属度；分别计算每一种组合对应的第一支持度，其中，一种组合对应的第一支持度为所述一种组合中包含的每一个评估指标相对于一个隶属中心的隶属度的乘积；将第一支持度最高的一种组合包含的各个评估指标及其各自对应的隶属中心，以及所述一条样本数据对应的样本评估结果，作为所述一条样本数据对应的规则进行记录；将生成的所有规则进行汇总，生成相应的评估模型。可选的，将生成的所有规则进行汇总之后，在生成相应的评估模型之前，进一步包括：在生成的所有规则中筛选出相同的规则，并所述相同的规则对应的第一支持度相加，获得合并后的规则；或/和，在生成的所有规则中筛选出冲突的规则，保留第一支持度最大的规则，删除其余规则。可选的，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，包括：确定对应所述评估模型预设的若干规则，并分别针对每一条规则执行以下操作：确定一条规则包含的各个隶属中心，其中，一个隶属中心对应一种类型的评估指标；分别计算所述目标社区的筛查方案对应的每一个评估指标，与所述一条规则中相应类型的隶属中心的隶属度；计算各个评估指标的隶属度的乘积，作为所述筛查方案相对于所述一条规则的第二支持度；对各个规则对应的第二支持度进行加权平均，获得目标第二支持度；基于所述目标第二支持度，以及预设的目标第二支持度的取值和评估结果之间的映射关系，确定所述目标第二支持度对应的评估结果。可选的，计算出各条规则对应的第二支持度之后，在对各个规则对应的第二支持度进行加权平均之前，进一步包括：筛选出第二支持度达到设定阈值的规则，删除其余规则。可选的，进一步包括：根据评估结果，按照设定周期执行以下操作中的任意一种或任意组合对所述目标社区的筛查方案进行调整，直到目标小区的评估结果达到期望值为止：对目标小区的地理位置进行调整。对目标小区的筛查对象社会学特征进行调整，其中，所述筛查对象社会学特征至少包含以下一种或任意组合：人口总数、年龄构成、收入水平、文化程度；对目标小区的筛查机构采用的筛查方式进行调整，其中，所述筛查机构采用的筛查方式至少包含以下一种或任意组合：筛查人员调配方式、筛查时间、设备调配方式。一种社区筛查方案的评估装置，包括：确定单元，用于确定对应目标社区预设的筛查方案，以及该筛查方案包含的各项社区特征；第一处理单元，用于基于获得的各个社区特征，采用预设的评估指标预测模型，获得所述目标社区对应的评估指标，其中，评估指标预测模型用于描述社区特征和评估指标之间的线性关联关系；第二处理单元，用于基于获得的评估指标，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，其中，所述评估模型是采用基于海量样本数据训练获得的，用于描述多个评估指标的取值组合与筛查方案的评估值之间的关联关系。可选的，进一步包括：配置单元，用于在确定对应目标社区预设的筛查方案之前，设置所述评估模型，具体包括：对获得的海量样本数据中每一种类型的评估指标分别进行聚类，分别确定每一种类型的评估指标对应的至少一个隶属中心，其中，一条样本数据中包含了至少一个评估指标与相应的评估结果之间的对应关系，以及一个隶属中心对应一模糊子区间；分别针对每一条样本数据包含的每一个评估指标执行以下操作：确定一个评估指标相对于相应类型的每一个隶属中心中的隶属度；分别针对每一条样本数据执行以下操作：将一条样本数据包含的各个评估指标相对于各个隶属中心的隶属度进行相互组合，其中，每一种组合中包含有所述一条样本数据中的每一个评估指标相对于一个隶属中心的隶属度；分别计算每一种组合对应的第一支持度，其中，一种组合对应的第一支持度为所述一种组合中包含的每一个评估指标相对于一个隶属中心的隶属度的乘积；将第一支持度最高的一种组合包含的各个评估指标及其各自对应的隶属中心，以及所述一条样本数据对应的样本评估结果，作为所述一条样本数据对应的规则进行记录；将生成的所有规则进行汇总，生成相应的评估模型。可选的，将生成的所有规则进行汇总之后，在生成相应的评估模型之前，所述配置单元进一步用于：在生成的所有规则中筛选出相同的规则，并所述相同的规则对应的第一支持度相加，获得合并后的规则；或/和，在生成的所有规则中筛选出冲突的规则，保留第一支持度最大的规则，删除其余规则。可选的，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果时，所述第二处理单元用于：确定对应所述评估模型预设的若干规则，并分别针对每一条规则执行以下操作：确定一条规则本文档来自技高网...

【技术保护点】
1.一种社区筛查方案的评估方法，其特征在于，包括：确定对应目标社区预设的筛查方案，以及该筛查方案包含的各项社区特征；基于获得的各项社区特征，采用预设的评估指标预测模型，获得所述目标社区对应的评估指标，其中，评估指标预测模型用于描述社区特征和评估指标之间的线性关联关系；基于获得的评估指标，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，其中，所述评估模型是采用基于海量样本数据训练获得的，用于描述多个评估指标的取值组合与筛查方案的评估值之间的关联关系。

【技术特征摘要】
1.一种社区筛查方案的评估方法，其特征在于，包括：确定对应目标社区预设的筛查方案，以及该筛查方案包含的各项社区特征；基于获得的各项社区特征，采用预设的评估指标预测模型，获得所述目标社区对应的评估指标，其中，评估指标预测模型用于描述社区特征和评估指标之间的线性关联关系；基于获得的评估指标，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，其中，所述评估模型是采用基于海量样本数据训练获得的，用于描述多个评估指标的取值组合与筛查方案的评估值之间的关联关系。2.如权利要求1所述的方法，其特征在于，确定对应目标社区预设的筛查方案之前，设置所述评估模型，具体包括：对获得的海量样本数据中每一种类型的评估指标分别进行聚类，分别确定每一种类型的评估指标对应的至少一个隶属中心，其中，一条样本数据中包含了至少一个评估指标与相应的评估结果之间的对应关系，以及一个隶属中心对应一模糊子区间；分别针对每一条样本数据包含的每一个评估指标执行以下操作：确定一个评估指标相对于相应类型的每一个隶属中心中的隶属度；分别针对每一条样本数据执行以下操作：将一条样本数据包含的各个评估指标相对于各个隶属中心的隶属度进行相互组合，其中，每一种组合中包含有所述一条样本数据中的每一个评估指标相对于一个隶属中心的隶属度；分别计算每一种组合对应的第一支持度，其中，一种组合对应的第一支持度为所述一种组合中包含的每一个评估指标相对于一个隶属中心的隶属度的乘积；将第一支持度最高的一种组合包含的各个评估指标及其各自对应的隶属中心，以及所述一条样本数据对应的样本评估结果，作为所述一条样本数据对应的规则进行记录；将生成的所有规则进行汇总，生成相应的评估模型。3.如权利要求2所述的方法，其特征在于，将生成的所有规则进行汇总之后，在生成相应的评估模型之前，进一步包括：在生成的所有规则中筛选出相同的规则，并所述相同的规则对应的第一支持度相加，获得合并后的规则；或/和，在生成的所有规则中筛选出冲突的规则，保留第一支持度最大的规则，删除其余规则。4.如权利要求2或3所述的方法，其特征在于，采用预设的评估模型，获得所述目标社区的筛查方案的评估结果，包括：确定对应所述评估模型预设的若干规则，并分别针对每一条规则执行以下操作：确定一条规则包含的各个隶属中心，其中，一个隶属中心对应一种类型的评估指标；分别计算所述目标社区的筛查方案对应的每一个评估指标，与所述一条规则中相应类型的隶属中心的隶属度；计算各个评估指标的隶属度的乘积，作为所述筛查方案相对于所述一条规则的第二支持度；对各个规则对应的第二支持度进行加权平均，获得目标第二支持度；基于所述目标第二支持度，以及预设的目标第二支持度的取值和评估结果之间的映射关系，确定所述目标第二支持度对应的评估结果。5.如权利要求4所述的方法，其特征在于，计算出各条规则对应的第二支持度之后，在对各个规则对应的第二支持度进行加权平均之前，进一步包括：筛选出...

【专利技术属性】
技术研发人员：于路，常耀斌，王威，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团公司，
类型：发明
国别省市：北京,11