时空大数据关联的慢病管理方法、存储介质和终端技术

一种时空大数据关联的慢病管理方法、存储介质和终端，所述方法包括：获取患者的慢病相关信息和个人生活习惯信息；对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；将所述个人活动与疾病之间的强规则结果集进行可视化并输出显示。上述的方案，可以提高慢病管理的准确性和效率。

Chronic Disease Management Method, Storage Medium and Terminal for Spatiotemporal Large Data Association

【技术实现步骤摘要】
时空大数据关联的慢病管理方法、存储介质和终端
本专利技术属于医疗
，特别是涉及一种时空大数据关联的慢病管理方法、存储介质和终端。
技术介绍
在大数据时代每个行业每天都产生海量的数据,医疗行业也不例外。随着强大的数据存储、计算平台及移动互联网的发展，现在的趋势是医疗数据的大量爆发及快速的电子数字化，驱动了医疗大数据在临床科研、健康慢病管理、公共卫生等核心领域广泛应用，使得医疗领域成为大数据领域的重要研究部分。利用大数据信息中丰富的资源挖掘出数据背后的意义，对于医疗行业有着不可估量的作用。例如，在诊断信息中存在信息和信息之间的关联关系，通过数据挖掘中的关联分析挖掘数据中隐藏的大量关联规则，对辅助医生做慢病管理方案具有重大意义。关联规则——是指根据数据库中数据项出现在记录中的频繁程度，得出的关于数据项的推导规则。关联规则最初提出的动机是针对购物篮分析(MarketBasketAnalysis)问题提出的，通过发现顾客放入“购物篮”中的不同商品之间的关联，分析顾客的购物习惯，这种关联的发现可以帮助零售商了解哪些商品频繁的被顾客同时购买，从而帮助他们开发更好的营销策略。同时关联规则也可以运用到慢病管理，帮助医生做出更好的慢病管理方案。一般的关联规则有两步，第一步根据最小支持度在全部数据中找出频繁项集，第二步在频繁项集中根据最小置信度找到强关联规则。数据显示，目前我国的慢性病患者已超过3亿人，慢性病致死人数已占到我国因病死亡人数的85％，导致的疾病负担已占到总疾病负担的70％。据预测，到2030年，全球慢病相关的总死亡人数将上升到世界总死亡人数的70％。目前中国65周岁以上老人人数约为1.4亿人，占总人口10.47％，老龄化比例逐年提高，潜在慢病人群基数势必继续扩大，社会将面临日益严重的慢病挑战。同时，以糖尿病为例的慢性病已呈现年轻化发展趋势，严重影响到居民的生活质量和身体健康，慢病管理刻不容缓。目前，国内外大数据在慢病管理的研究主要集中在临床诊断信息中基本信息和患病信息的挖掘，利用基本信息和患病信息来辅助慢病管理，这就影响了慢病管理的准确性和效率。
技术实现思路
本专利技术解决的技术问题是如何提高慢病管理的准确性和效率。为了达到上述目的，本专利技术提供一种时空大数据关联的慢病管理方法，所述方法包括：获取患者的慢病相关信息和个人生活习惯信息；对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；将所述个人活动与疾病之间的强规则结果集进行可视化并输出显示。可选地，所述方法还包括：向用户输出显示对应的慢病管理方案。可选地，所述对获取的患者的慢病相关信息和个人生活习惯信息进行预处理，包括以下至少一项：对所获取的患者的慢病相关信息和个人生活信息进行准确性审核；将非文字形式的患者的慢病相关信息和个人生活信息转换为文字形式的患者的慢病相关信息和个人生活信息；将所获取的患者的慢病相关信息和个人生活信息中的数值进行连续值的离散化处理和缺失值补齐处理。可选地，所述基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据，包括：从所述预处理后的患者的慢病相关信息和个人生活习惯信息中选取预设的慢病相关特征数据；将所选取的慢病相关特征数据进行特征转换，得到对应的训练数据。可选地，所述对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集，包括：对每个聚类下的训练数据进行关联分析，得到疾病1-疾病2的频繁项集；基于得到的疾病1-疾病2的频繁项集，得到个人活动与疾病1-疾病2之间的频繁项集；对所述个人活动与疾病1-疾病2之间的频繁项集进行筛选，得到对应的个人活动与疾病1-疾病2之间的最终频繁项集。可选地，所述对每个聚类下的训练数据进行关联分析，得到疾病1-疾病2的频繁项集，包括：计算每个聚类下的数据中每种疾病的出现概率；当疾病的出现概率大于预设的第一支持度阈值时，将对应的训练数据添加到对应的常见疾病候选集；计算所述常见疾病候选集中每两种疾病的第二支持度；当确定计算得到的第二支持度大于预设的第二支持度阈值时，将对应的训练数据添加到对应的疾病1-疾病2之间的频繁项集中。可选地，所述基于得到的疾病1-疾病2的频繁项集，得到个人活动与疾病1-疾病2之间的频繁项集，包括：计算所述疾病1-疾病2之间的频繁项集中每两种疾病与个人活动之间的第三支持度；当确定计算得到的第三支持度大于预设的第三支持度阈值时，将对应的训练数据添加到对应的个人活动与疾病1-疾病2之间的频繁项集中；个人活动与疾病1-疾病2之间的频繁项集包括个人活动到疾病1-疾病2的频繁项集和疾病1-疾病2到个人活动的频繁项集。可选地，所述基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集，包括：计算所述个人活动与疾病之间的强规则结果集中疾病1-疾病2-个人活动的置信度；当计算得到的置信度大于预设的置信度阈值时，将对应的训练数据添加到所述个人活动与疾病之间的强规则结果集中。本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一项所述的时空大数据关联的慢病管理方法的步骤。本专利技术实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一项所述的时空大数据关联的慢病管理方法的步骤。与现有技术相比，本专利技术的有益效果为：上述的方案，通过对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；由于按照时间和空间对生成的训练数据进行聚类分析，可以显著减少数据量，提高慢病管理的效率；同时，得到的个人活动与疾病之间的强规则结果集体现了个人活动与疾病之间的关系，可以对给予医生和患者提供准确的慢病管理建议。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例的一种时空大数据关联的慢病管理方法的流程示意图；图2是本专利技术实施例的一种时空大数据关联的慢病管理装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本专利技术实施例中有关方向性指示(诸如上、下、左、右、前、后本文档来自技高网...

【技术保护点】
1.一种时空大数据关联的慢病管理方法，其特征在于，包括：获取患者的慢病相关信息和个人生活习惯信息；对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；将所述个人活动与疾病之间的强规则结果集进行可视化并输出显示。

【技术特征摘要】
1.一种时空大数据关联的慢病管理方法，其特征在于，包括：获取患者的慢病相关信息和个人生活习惯信息；对获取的患者的慢病相关信息和个人生活习惯信息进行预处理；基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据；按照时间和空间对生成的训练数据进行聚类分析，得到对应的多个聚类；对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集；基于个人活动与疾病之间的频繁项集，计算得到个人活动与疾病之间的强规则结果集；将所述个人活动与疾病之间的强规则结果集进行可视化并输出显示。2.根据权利要求1所述的时空大数据关联的慢病管理方法，其特征在于，还包括：向用户输出显示对应的慢病管理方案。3.根据权利要求1所述的时空大数据关联的慢病管理方法，其特征在于，所述对获取的患者的慢病相关信息和个人生活习惯信息进行预处理，包括以下至少一项：对所获取的患者的慢病相关信息和个人生活信息进行准确性审核；将非文字形式的患者的慢病相关信息和个人生活信息转换为文字形式的患者的慢病相关信息和个人生活信息；将所获取的患者的慢病相关信息和个人生活信息中的数值进行连续值的离散化处理和缺失值补齐处理。4.根据权利要求1所述的时空大数据关联的慢病管理方法，其特征在于，所述基于预处理后的患者的慢病相关信息和个人生活习惯信息，生成对应的训练数据，包括：从所述预处理后的患者的慢病相关信息和个人生活习惯信息中选取预设的慢病相关特征数据；将所选取的慢病相关特征数据进行特征转换，得到对应的训练数据。5.根据权利要求1所述的时空大数据关联的慢病管理方法，其特征在于，所述对所得到的多个聚类进行关联分析，得到个人活动与疾病之间的频繁项集，包括：对每个聚类下的训练数据进行关联分析，得到疾病1-疾病2的频繁项集；基于得到的疾病1-疾病2的频繁项集，得到个人活动与疾病1-疾病2之间的频繁项集；对所述个人活动与疾病1-疾病2之间的频繁项集进行筛选，得到对应的...

【专利技术属性】
技术研发人员：孙雁飞，许会芬，亓晋，何高峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32