数据分析方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术涉及数据分析领域，提供一种数据分析方法、装置、设备及计算机可读存储介质，通过对历史慢病患者的随时间推移而呈现数值变化的时序样本指标进行分析，识别出与疾病发展具有相关性的时序预测指标，并分析确定不同历史患者群体所对应的时序预测指标变化趋势，为慢病患者分群提供参考依据，然后将当前患者的时序检验指标随时间的变化趋势与历史患者群体所对应的时序预测指标变化趋势进行对比匹配，进而确定当前患者的分群结果；由于本发明专利技术实施例是根据患者的多次检验指标进行患者分群，因而降低了单次检验数据的偶然性和随机性对分群可靠性的不利影响，提高了患者分群的可靠性。

Data analysis method, device, equipment and computer readable storage medium

【技术实现步骤摘要】
数据分析方法、装置、设备及计算机可读存储介质
本专利技术涉及数据分析
，尤其涉及一种数据分析方法、装置、设备及计算机可读存储介质。
技术介绍
精准医疗的核心在于根据患者的个体差异提供个性化的治疗，这也是治疗最困难的地方。对于慢性疾病来说，如何把患者(比如的一亿糖尿病患者)分成若干的子群，为每个子群制定不一样的治疗方法，达到最佳的治疗效果，是个很大的挑战。对于慢病患者，往往需要多次就诊，持续观察，而目前已有的患者分群方法一般仅考虑当前单次的检验检查指标和基本信息，忽略了患者之前的指标与当次指标的相关性，因此现有的分群方法对慢性病而言具有偶然性和随机性，所得到的分群建议的可靠性不高。
技术实现思路
本专利技术的主要目的在于提供一种数据分析方法、装置、设备及计算机可读存储介质，旨在解决现有的患者分群结果可靠性不高的技术问题。为实现上述目的，本专利技术实施例提供一种数据分析方法，所述数据分析方法包括：访问预设数据库，从所述预设数据库中获取历史患者的时序样本指标，并通过显著性检验的方式在所述时序样本指标中本文档来自技高网...

【技术保护点】
1.一种数据分析方法，其特征在于，所述数据分析方法包括：/n访问预设数据库，从所述预设数据库中获取历史患者的时序样本指标，并通过显著性检验的方式在所述时序样本指标中筛选得到与所述历史患者的健康信息具有统计学关联的时序预测指标；/n分析所述时序预测指标的数值随时间的变化关系，获得所述变化关系对应的数值变化斜率均值；/n基于特征归因法和所述历史患者的历史分群结果分析所述数值变化斜率均值与历史分群结果之间的非线性关系，确定表征所述非线性关系的归类控制斜率，并根据所述归类控制斜率在预设坐标系模拟得到控制轨迹线；/n根据所述时序预测指标的指标类型获取当前患者的时序检验指标，并根据所述时序检验指标在所述预...

【技术特征摘要】
1.一种数据分析方法，其特征在于，所述数据分析方法包括：
访问预设数据库，从所述预设数据库中获取历史患者的时序样本指标，并通过显著性检验的方式在所述时序样本指标中筛选得到与所述历史患者的健康信息具有统计学关联的时序预测指标；
分析所述时序预测指标的数值随时间的变化关系，获得所述变化关系对应的数值变化斜率均值；
基于特征归因法和所述历史患者的历史分群结果分析所述数值变化斜率均值与历史分群结果之间的非线性关系，确定表征所述非线性关系的归类控制斜率，并根据所述归类控制斜率在预设坐标系模拟得到控制轨迹线；
根据所述时序预测指标的指标类型获取当前患者的时序检验指标，并根据所述时序检验指标在所述预设坐标系拟合得到对应的检验轨迹线；
将所述检验轨迹线与所述控制轨迹线进行位置比对，并根据所述检验轨迹线与所述控制轨迹线的位置关系、所述历史患者的历史分群结果确定所述当前患者的分群结果。


2.如权利要求1所述的数据分析方法，其特征在于，所述分析所述时序预测指标的数值随时间的变化关系，获得所述变化关系对应的数值变化斜率均值的步骤之前，还包括：
对所述时序预测指标进行稳定性筛选，得到满足预设变化规律的目标预测指标；
所述分析所述时序预测指标的数值随时间的变化关系，获得所述变化关系对应的数值变化斜率均值的步骤包括：
分析所述目标预测指标的数值随时间的变化关系，获得所述变化关系对应的数值变化斜率均值。


3.如权利要求2所述的数据分析方法，其特征在于，所述预设变化规律包括单调下降和/或单调上升，
所述对所述时序预测指标进行稳定性筛选，得到满足预设变化规律的目标预测指标的步骤包括：
通过第一公式对所述对所述时序预测指标进行稳定性筛选，得到满足单调下降规律的目标预测指标，所述第一公式为
max(x(i+1)-x(i))＜a，and
和/或，通过第二公式对所述对所述时序预测指标进行稳定性筛选，得到满足单调上升规律的目标预测指标，所述第二公式为
max(x(i+1)-x(i))＞b，and
其中，x(i+1)为i+1时刻的时序预测指标的数据值，x(i)为i时刻的时序预测指标的数据值；
a为大于零的常数，b为小于零的常数；
threshold1、threshold2均为大于零的常数。


4.如权利要求1所述的数据分析方法，其特征在于，所述基于特征归因法和所述历史患者的历史分群结果分析所述数值变化斜率均值与历史分群结果之间的非线性关系，确定表征所述非线性关系的归类控制斜率的步骤包括：
将所述数值变化斜率均值作为特征变量，将所述历史分群结果作为结局变量，其中所述特征变量形成全集N；
从所述N中选择一个特征变量作为当前变量α，确定出所述N的包括当前变量α的所有子集Ri(γ+α)，并确定Ri(γ+α)对应的不包括当前变量α的非α子集Ri(γ)；
通过预设算法分别计算各Ri(γ+α)对所述结局变量的贡献度F[Ri(γ+α)]，以及各Ri(γ)对所述结局变量的贡献度F[Ri(γ)]；
分别计算各F[Ri(γ+α)]与对应F[Ri(γ)]的贡献度差值ΔFi，并计算各ΔFi的...

【专利技术属性】
技术研发人员：赵惟，徐卓扬，左磊，孙行智，田静涛，胡岗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44