一种基于大数据的慢性病自动跟踪评估方法技术

本发明专利技术公开了一种基于大数据的慢性病自动跟踪评估方法，其特征在于：包括以下步骤：1）收集各年龄段的慢性肺心病患者作为在库患者，跟踪在库患者一段时间，记录在库患者在这一段时间内的体征数据、运动数据和检查数据并将记录的数据录入数据库；2）提取在库患者体征数据和运动数据中影响慢性肺心病的体征数据和运动数据作为影响因子；3）根据提取的影响慢性肺心病的影响因子，建立慢性肺心病风险预测模型。本申请的技术方案通过收集各年龄段的慢性肺心病患者的体征数据、运动数据和检查数据并对这些数据进行分析，得到可信度较高的慢性肺心病评估模型，通过慢性肺心病评估模型对患者的病情进行评估，预估患者的病情发展情况。

【技术实现步骤摘要】
一种基于大数据的慢性病自动跟踪评估方法
本专利技术涉及一种基于大数据的慢性病自动跟踪评估方法，属于数据分析领域。
技术介绍
慢性病全称是慢性非传染性疾病，不是特指某种疾病，而是对一类起病隐匿，病程长且病情迁延不愈，缺乏确切的传染性生物病因证据，病因复杂，且有些尚未完全被确认的疾病的概括性总称。常见的慢性病主要有心脑血管疾病、癌症、糖尿病、慢性呼吸系统疾病，其中心脑血管疾病包含高血压、脑卒中和冠心病。慢性病的危害主要是造成脑、心、肾等重要脏器的损害，易造成伤残，影响劳动能力和生活质量，且医疗费用极其昂贵，增加了社会和家庭的经济负担。慢性病的治疗需要在日常生活中控制生活习惯，降低慢性病的发病。对于慢性病的发展评估，基本上依靠医生的个人经验，但是慢性病的病情发展由多种因素造成，单纯依靠医生的个人经验，特别是在落后地区医疗资源相对较缺乏的情况下，医生难以对慢性病患者的病情给出较准确的判断并进行针对性的治疗。
技术实现思路
针对现有技术存在的不足，本专利技术提供一种基于大数据的慢性病自动跟踪评估方法，通过收集各年龄段的慢性肺心本文档来自技高网...

【技术保护点】
1.一种基于大数据的慢性病自动跟踪评估方法，其特征在于：包括以下步骤：/n1)收集各年龄段的慢性肺心病患者作为在库患者，跟踪在库患者一段时间，记录在库患者在这一段时间内的体征数据、运动数据和检查数据并将记录的数据录入数据库；/n2)提取在库患者体征数据和运动数据中影响慢性肺心病的体征数据和运动数据作为影响因子；/n3)根据提取的影响慢性肺心病的影响因子，建立慢性肺心病风险预测模型；/n4)收集待测患者一段时间内的体征数据和运动数据；/n5)提取待测患者的体征数据和运动数据中影响慢性肺心病的影响因子，使用步骤3)建立的慢性肺心病风险预测模型对待测患者进行风险预测；/n6)将风险预测结果推送给待测...

【技术特征摘要】
1.一种基于大数据的慢性病自动跟踪评估方法，其特征在于：包括以下步骤：
1)收集各年龄段的慢性肺心病患者作为在库患者，跟踪在库患者一段时间，记录在库患者在这一段时间内的体征数据、运动数据和检查数据并将记录的数据录入数据库；
2)提取在库患者体征数据和运动数据中影响慢性肺心病的体征数据和运动数据作为影响因子；
3)根据提取的影响慢性肺心病的影响因子，建立慢性肺心病风险预测模型；
4)收集待测患者一段时间内的体征数据和运动数据；
5)提取待测患者的体征数据和运动数据中影响慢性肺心病的影响因子，使用步骤3)建立的慢性肺心病风险预测模型对待测患者进行风险预测；
6)将风险预测结果推送给待测患者。


2.根据权利要求1所述的基于大数据的慢性病自动跟踪评估方法，其特征在于：步骤2)中，通过专家合议评审的方式，以影响因子对慢性肺心病病情加重的影响大小为依据，对各个影响因子分配一个权重比例数值。


3.根据权利要求2所述的基于大数据的慢性病自动跟踪评估方法，其特征在于：在步骤3)中，建立慢性肺心病风险预测模型的过程为：
以影响因子的权重数值为输入、以慢性肺心病的某一检查项目的数值为输出，构建预测基础模型，将预测基础模型设定为：Yi＝Ai+Bi·Xt，其中Yi为慢性肺心病的第i项检查项目的数值，xt为第t个影响因子的实际测量值，σt为第t个影响因子对第i项检查项目的影响的权重比例数值，Ai为第i项检查项目的基础值，Bi为第t个影响因子对第i项检查项目的累积权值；
搜索数据库中步骤1)中记录的数据，将数据库中不同在库患者的第t个影响因子的实际测量值形成集合xt＝{xt1,xt2,…,xtn}，将数据库中不同在库患者的慢性肺心病的第i项检查...

【专利技术属性】
技术研发人员：周昌发，
申请(专利权)人：成都吱吖科技有限公司，
类型：发明
国别省市：四川;51