CN104462744B - 适用于心血管远程监测系统的数据质量控制方法 - Google Patents

Abstract

本发明公开了一种适用于心血管远程监测系统的数据质量控制方法，包括：S1、对数据采集阶段提取的心电图数据的QRS波群的完整性，数据存储与管理阶段的数据的完整性、准确性、一致性和时效性，以及数据处理与分析阶段的数据的分类复杂度进行质量检测，判断数据质量是否符合标准；S2、当数据采集阶、数据存储与管理阶段及数据处理与分析阶段中的某个或几个的数据质量不符合标准时，采取相应的控制措施以使各个阶段的数据符合标准；对于质量达标的数据，提供最合适的分类模型以及数据预处理的建议。本发明实现了不同数据阶段的数据质量集成控制。

Description

适用于心血管远程监测系统的数据质量控制方法

技术领域

本发明涉及信息质量控制领域，特别涉及一种适用于心血管远程监测系统的数据质量控制方法。

背景技术

根据国家心血管病中心发布的《中国心血管病报告 2013》，我国目前心血管疾病患者人数高达2.9亿，每年死于心血管疾病的人数约350万人，居各种死因的首位。心血管疾病具有早期诊断困难、发病突然、致死率高等特点，并严重影响病人的日常生活质量。采用心血管远程监测系统对病情相对稳定或行动不便的病人实施远程家庭监护，不仅可以24小时监测患者的关键生理参数以便及早发现异常并预警，还可以节省患者的医疗费用、改善其生活质量、缓解医院的床位压力，以及提高医疗服务覆盖的患者人数。

尽管心血管远程监测系统有着上述的诸多优势，但在我国的使用率和普及率远远低于欧美发达国家。除了使用成本和配套设施等方面的原因外，有一个至关重要的原因是缺乏对这类系统中的数据质量进行控制，监测到的病人生理数据因各种原因而产生失真，导致较高的误报警率，使得整个系统的有效性、实用性和可信度大大降低。

在心血管远程监测领域，数据质量控制技术主要集中在数据采集阶段和数据预处理阶段。在数据采集阶段，传感器定期自动检测(self-testing)和自动标定(self-calibration)技术能够在一定程度上保证传感器的精度和准确度。在数据预处理阶段，基于不同生理参数在时间、空间或者模式上的相关性的数据预处理技术能够在一定程度上解决由环境噪声或者人为因素而产生的数据失真问题。

虽然已经有不同的方法来控制心血管远程监测系统的数据质量，但是仍然存在以下的问题有待解决：

1）对心血管远程监测系统的数据质量缺乏有效的评估模型；

2）不同阶段的数据质量控制技术各自为政，没有进行有效的集成。

发明内容

本发明的主要目的在于，针对上述现有技术中的不足，提供一种适用于心血管远程监测系统的数据质量控制方法。

本发明解决现有技术问题所采用的技术方案是：一种适用于心血管远程监测系统的数据质量控制方法，包括：

S1、对数据采集阶段提取的心电图数据的QRS波群的完整性，数据存储与管理阶段的数据的完整性、准确性、一致性和时效性，以及数据处理与分析阶段的数据的分类复杂度进行质量检测，判断数据质量是否符合标准；

S2、当数据采集阶段、数据存储与管理阶段及数据处理与分析阶段中的某个或几个的数据质量不符合标准时，采取相应的控制措施以使各个阶段的数据符合标准；对于质量达标的数据，提供最合适的分类模型以及数据预处理的建议。

进一步地，所述对数据采集阶段提取的心电图数据的QRS波群的完整性进行质量检测的具体方法为：

依次对心电图数据进行低通滤波、高通滤波、幅值平方、移动窗积分、取门限等信号处理步骤，提取QRS波群；

如果从采集到的心电图数据中能够提取完整的QRS波群，则该心电图数据的数据质量符合标准。

进一步地，所述数据存储与管理阶段的数据的完整性、准确性、一致性和时效性的质量检测方法为：

完整性：完整性从属性和记录两个层面考虑；假设数据集的总记录数为，就属性层面而言，对于第个属性，其取值缺失的记录数为，则该属性的完整性的计算公式为：

就记录层面而言，假设数据集中有属性缺失的记录为，则数据集完整性的计算公式为：

完整性和的取值越高，说明数据的完整性越好；当和超过预定的门限值，则该数据的完整性达到标准；

准确性：准确性从属性和记录两个层面考虑；假设数据集的总记录数为，就属性层面而言，对于第个属性，其取值与真实值不符合的记录数为，则该属性的准确性的计算公式为：

就记录层面而言，假设数据集中有属性取值与真实值不符合的记录为，则数据集准确性的计算公式为：

准确性和的取值越高，说明数据的准确性越好；当和超过预定的门限值，则该数据的准确性达到标准；

一致性：心血管远程监测系统的最终目的是对被监测者的心脏健康状况做出准确判断，即实现准确的模式分类；从这一角度考虑，数据集的一致性体现在各属性取值相同的记录，其类别属性的取值应该一致；假设数据集的总记录数为，各属性取值相同而类别属性取值不一致的记录数为，则数据集的一致性的计算公式为：

一致性的取值越高，说明数据的一致性越好；当超过预定的门限值，则该数据的一致性达到标准；

时效性：时效性衡量数据在真实世界中发生变化与这种变化录入数据并影响数据使用之间的时滞程度；对于以模式分类为最终使用目的的数据集，假设用于分类模型训练的记录数为，用于该模型验证的记录数为，则数据集的实效性的计算公式为:

时效性的取值越低，说明数据的时效性越好；当低于预定的门限值，则该数据的时效性达到标准；

在数据存储与管理阶段，当用完整性、准确性、一致性、时效性组成的数据质量模型检测数据质量时，如果其中有两个或者两个以上的指标不达标，则说明该数据的质量不达标。

进一步地，所述数据处理与分析阶段的数据的分类复杂度的质量检测方法为：

分类复杂度从数据混叠度、数据可分性两个方面衡量数据质量是否达标，其中，数据混叠度包括最大Fisher判别率（F1）、数据取值变化率（F2），而数据可分性则包括线性可分性（L）和非线性可分性（N）；

(1) 最大Fisher判别率（F1）：F1为数据中各属性的Fisher判别率最大的那个值，计算公式如下：

其中对于第个属性，，，，分别指类别1、类别2的均值与方差，类别1为心脏健康状况正常，类别2为心脏健康状况异常，而；

最大Fisher判别率是通过不同类别属性取值的概率分布情况来衡量数据的混叠情况，F1值越高在一定层面反映了数据混叠轻微，可分性好；当F1超过预定的门限值，则表明F1指标达标；

(2) 数据取值变化率（F2）：设，分别为类别（例如：心脏健康状况正常或者异常）中属性的最大、最小取值，则F2的计算式如下:

数据取值变化率：

其中：

F2是通过不同类别属性取值的情况来衡量数据的混叠情况，F2值越低反映了数据混叠轻微，可分性好；当F2低于预定的门限值，则表明F2指标达标；

（3）线性可分性（L）：用线性分类器：

对数据进行分类，数据的线性可分性(L)就是该分类器的错分率，L值越低在一定程度上反映数据的线性可分性好；当L低于预定的门限值，则表明L指标达标；

（4）非线性可分性（N）：用非线性分类器（最近邻分类器）对数据进行分类，数据的非线性可分性(N)就是该分类器的错分率，低的N值在一定程度上反映数据的非线性可分性好，当N低于预定的门限值，则表明N指标达标；

在数据处理与分析阶段，用F1, F2, L, N组成的分类复杂度检测数据质量时，如果其中有两个或者两个以上的指标不达标，则说明数据质量不达标。

进一步地，所述数据采集阶段的数据质量不符合标准时，采取的相应的控制措施为：会发出警告，要求重新采集数据，同时把质量不合格的数据删除；

所述数据存储与管理阶段的数据质量不符合标准时，采取的相应的控制措施为：会发出警告，要求对不合格的数据采取相应的补救措施、或者要求增加新的数据，同时删除不合格的数据；

所述数据处理与分析阶段的数据质量不符合标准时，采取的相应的控制措施为：会发出警告，或者要求增加新数据，或者提供对数据进行补救的建议。

本发明的有益效果是：1）根据不同阶段的数据特点和数据使用目的建立不同的数据质量评估模型，确保对数据质量进行准确、有效的评估，克服了现有技术中缺乏有效的数据质量评估模型的缺点；2）借助于云计算技术和两种不同的数据质量控制模式，将不同阶段的数据质量评估模型、数据质量控制方法集成到统一的平台中，实现心血管远程监测系统的数据质量的按需检测、分段评估、集中控制，弥补了现有技术中不同阶段的数据质量控制方法各自为政的不足。

附图说明

图1是数据质量评估模型构成图；

图2是数据质量控制模式I（单个阶段控制模式）的流程图；

图3是数据质量控制模式II（集成控制模式）的流程图；

图4是适用于心血管远程监测系统的数据质量控制方法的技术方案框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

以下将结合附图及具体实施例详细说明本发明的技术方案，以便更清楚、直观地理解本发明的发明实质。

参照图1至图4所示，本发明实施例提供了一种适用于心血管远程监测系统不同数据阶段的数据质量集成控制方法。心血管远程监测系统与数据质量控制相关的主要有三个阶段：数据采集阶段、数据存储与管理阶段、数据处理与分析阶段。针对不同阶段中数据自身的特点和数据质量检测目的，采用不同的数据质量评估模型和数据质量控制技术。此外，借助于云计算技术，将不同阶段的数据质量评估模型和数据质量控制方法集成到统一的云平台，并根据使用者的不同要求采用相应的数据质量控制集成策略，能够实现心血管远程监测系统的多层面数据质量控制任务，降低监测系统的误报警率，提升整个系统的有效性、实用性和可信度。

具体的，该适用于心血管远程监测系统的数据质量控制方法，包括以下步骤：

S1、对数据采集阶段提取的心电图数据的QRS波群的完整性，数据存储与管理阶段的数据的完整性、准确性、一致性和时效性，以及数据处理与分析阶段的数据的分类复杂度进行质量检测，判断数据质量是否符合标准；

S2、当数据采集阶段、数据存储与管理阶段及数据处理与分析阶段中的某个或几个的数据质量不符合标准时，采取相应的控制措施以使各个阶段的数据符合标准；对于质量达标的数据，提供最合适的分类模型以及数据预处理的建议。

在步骤S1中，不同阶段的数据质量采用不同的检测评估模型，具体如下：

数据采集阶段:

数据特点：此阶段的数据主要都是通过接触式（或者非接触式）传感器采集到人体生理参数，如心电图等。

数据质量检测目的：确保采集到的心电图数据质量能够达标，即监测系统或者医护人员能够根据这些数据对被监测者的心脏的健康状况做出准确和科学的分析和诊断。

数据质量评估模型：心电图数据中提取完整的QRS波群。心电图的QRS波群是准确计算心率、判断心脏是否健康的关键。如果从采集到的心电图数据中能够提取完整的QRS波群，则该心电图的数据质量是达标的。

实现方法：依次对心电图数据进行低通滤波、高通滤波、幅值平方、移动窗积分、取门限等信号处理步骤，提取QRS波群：

如果从采集到的心电图数据中能够提取完整的QRS波群，则该心电图数据的数据质量符合标准。

数据存储与管理阶段:

数据特点：此阶段的数据包括数据采集阶段得到的心电图数据、从心电图数据中提取的主要特征（R波平均幅值、R-R间距、心率等）、以及其它的特征数据（如被监测者的身高、体重、性别、年龄等等）。本阶段的数据既包含有同一个被监测者在不同时间段的信息，也包含有不同的被监测者的信息。

数据质量检测目的： 此阶段的数据一般都由数据库管理系统（如MySQL、SQLServer等）存储和管理。为了给后续的数据处理和分析提供准确、有效的数据，此阶段的数据质量检测侧重于衡量数据在完整性、准确性、一致性和时效性四个方面。

数据质量评估模型： 完整性、准确性、一致性和时效性。完整性是数据质量最基本的保障，完整性达标的数据是没有任何数据缺失的。准确性关注数据记录中是否存在与真实值不符合的记录，是否存在异常的信息。一致性通常指关联数据在逻辑关系上是否矛盾。时效性衡量数据在真实世界中发生变化与这种变化录入数据并影响数据使用之间的时滞程度。

实现方法：

完整性：完整性从属性和记录两个层面考虑。假设数据集的总记录数为，就属性层面而言，对于第个属性，其取值缺失的记录数为，则该属性的完整性的计算公式为：

就记录层面而言，假设数据集中有属性缺失的记录为，则数据集完整性的计算公式为：

完整性和的取值越高，说明数据的完整性越好。当和超过预定的门限值，则该数据的完整性达到标准；

准确性：准确性从属性和记录两个层面考虑。假设数据集的总记录数为，就属性层面而言，对于第个属性，其取值与真实值不符合的记录数为，则该属性的准确性的计算公式为：

就记录层面而言，假设数据集中有属性取值与真实值不符合的记录为，则数据集准确性的计算公式为：

准确性和的取值越高，说明数据的准确性越好。当和超过预定的门限值，则该数据的准确性达到标准；

一致性：心血管远程监测系统的最终目的是对被监测者的心脏健康状况做出准确判断，即实现准确的模式分类。从这一角度考虑，数据集的一致性体现在各属性取值相同的记录，其类别属性的取值应该一致。假设数据集的总记录数为，各属性取值相同而类别属性取值不一致的记录数为，则数据集的一致性的计算公式为：

一致性的取值越高，说明数据的一致性越好。当超过预定的门限值，则该数据的一致性达到标准；

时效性：时效性衡量数据在真实世界中发生变化与这种变化录入数据并影响数据使用之间的时滞程度。对于以模式分类为最终使用目的的数据集，假设用于分类模型训练的记录数为，用于该模型验证的记录数为，则数据集的实效性的计算公式为:

时效性的取值越低，说明数据的时效性越好。当低于预定的门限值，则该数据的时效性达到标准。

在数据存储与管理阶段，当用完整性、准确性、一致性、时效性组成的数据质量模型检测数据质量时，如果其中有两个或者两个以上的指标不达标，则说明该数据的质量不达标。

数据处理与分析阶段:

数据特点：此阶段的数据特点与数据存储和管理阶段的数据特点相同；

数据质量检测目的： 心血管远程监测系统的主要功能是对被监测者的心脏健康状况做出判断。从数据处理与分析的角度来说，就是要根据被监测者及其同类患者的相关数据对其心脏健康状况进行模式分类。因此，本阶段的数据质量检测侧重于衡量数据是否能够用于建立准确有效的分类模型，即数据的分类复杂度是否能够达标。

数据质量评估模型：分类复杂度。分类复杂度从数据混叠度、数据可分性两个方面衡量数据质量是否达标。其中，数据混叠度包括最大Fisher判别率（F1）、数据取值变化率（F2），而数据可分性则包括线性可分性（L）和非线性可分性（N）。

实现方法：

(1)最大Fisher判别率（F1）：F1为数据中各属性的Fisher判别率最大的那个值，计算公式如下：

其中对于第个属性，，，，分别指类别1（心脏健康状况正常）、类别2（心脏健康状况异常）的均值与方差，而；

F1是通过不同类别属性取值的概率分布情况来衡量数据的混叠情况。高的F1值在一定层面反映了数据混叠轻微，可分性好。当F1超过预定的门限值，则表明F1指标达标；

(2) 数据取值变化率（F2）：设，分别为类别（例如：心脏健康状况正常或者异常）中属性的最大、最小取值，则F2的计算式如下:

数据取值变化率：

其中：

F2是通过不同类别属性取值的情况来衡量数据的混叠情况，F2值越低反映了数据混叠轻微，可分性好；当F2低于预定的门限值，则表明F2指标达标；

（3）线性可分性（L）：用线性分类器：

对数据进行分类，数据的线性可分性(L)就是该分类器的错分率，L值越低在一定程度上反映数据的线性可分性好。当L低于预定的门限值，则表明L指标达标；

（4）非线性可分性（N）：用非线性分类器（最近邻分类器）对数据进行分类，数据的非线性可分性(N)就是该分类器的错分率，低的N值在一定程度上反映数据的非线性可分性好，当N低于预定的门限值，则表明N指标达标。

在数据处理与分析阶段，用F1, F2, L, N组成的分类复杂度检测数据质量时，如果其中有两个或者两个以上的指标不达标，则说明数据质量不达标。对于数据质量达标的数据，可以提供分类模型和数据预处理方法的建议。

在上述的三个不同阶段的数据质量检测中，如果出现数据质量不达标的现象，则步骤S1停止，进入步骤S2。

在步骤S2中，有两种控制模式可供选择：

控制模式I（单个阶段控制模式）：在该控制模式下，系统只根据单个阶段的数据质量检测结果来采取相应的控制策略。在数据采集阶段，当检测到数据质量不达标时，系统会发出警告，要求重新采集数据，同时把质量不合格的数据删除。在数据存储和管理阶段，当检测到数据质量不达标时，系统会发出警告，要求对不合格的数据采取相应的补救措施、或者要求增加新的数据，同时删除不合格的数据。在数据处理和分析阶段，当检测到数据质量不达标时，系统会发出警告，或者要求增加新数据，或者提供对数据进行补救的建议，而对于质量达标的数据，系统会提供最合适的分类模型以及数据预处理的建议；

控制模式II（集成控制模式）：在该控制模式下，系统会依次完成三个不同阶段的数据质量检测，最终的数据质量整体评估根据用户选定的主要控制因素进行，然后根据总体检测结果提供相应的集成控制建议。

本发明提出的数据质量评估模型（包括数据采集阶段、数据存储和管理阶段、数据处理与分析阶段）和相应的数据质量控制策略全部在云计算环境中实现（即数据质量控制云平台）。心血管远程监测系统的三个数据阶段都可以和数据质量控制云平台进行数据传输。数据质量控制根据数据所处的阶段和选定的数据质量控制模式对数据进行质量检测，当数据质量不达标时，选取合适的数据质量控制策略并通知心血管远程监测系统加以实施。当数据质量达标时，评估最佳的分类（心脏健康状况正常或者异常）模型和数据预处理方法，同时给心血管远程监测系统提供数据预处理和数据分类技术的建议。

综上所述，与现有技术相比，本发明具有以下优点：

根据不同阶段的数据特点和数据使用目的建立不同的数据质量评估模型，确保对数据质量进行准确、有效的评估，克服了现有技术中缺乏有效的数据质量评估模型的缺点；

借助于云计算技术和两种不同的数据质量控制模式，将不同阶段的数据质量评估模型、数据质量控制方法集成到统一的平台中，实现心血管远程监测系统的数据质量的按需检测、分段评估、集中控制，弥补了现有技术中不同阶段的数据质量控制方法各自为政的不足。

以上所述仅为本发明的优选实施例，并非因此限制其专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种适用于心血管远程监测系统的数据质量控制方法，其特征在于，包括：

S1、对数据采集阶段提取的心电图数据的QRS波群的完整性，数据存储与管理阶段的数据的完整性、一致性、准确性和时效性，以及数据处理与分析阶段的数据的分类复杂度进行质量检测，判断数据质量是否符合标准；

S2、当数据采集阶段 、数据存储与管理阶段及数据处理与分析阶段中的某个或几个的数据质量不符合标准时，采取相应的控制措施以使各个阶段的数据符合标准；对于质量达标的数据，提供最合适的分类模型以及数据预处理的建议；

所述对数据采集阶段提取的心电图数据的QRS波群的完整性进行质量检测的具体方法为：

依次对心电图数据进行低通滤波、高通滤波、幅值平方、移动窗积分、取门限信号处理步骤，提取QRS波群；

如果从采集到的心电图数据中能够提取完整的QRS波群，则该心电图数据的数据质量符合标准；

所述数据存储与管理阶段的数据的完整性、准确性、一致性和时效性的质量检测方法为：

完整性：完整性从属性和记录两个层面考虑，假设数据集的总记录数为，就属性层面而言，对于第个属性，其取值缺失的记录数为，则该属性的完整性的计算公式为：

就记录层面而言，假设数据集中有属性缺失的记录为，则数据集完整性的计算公式为：

完整性和的取值越高，说明数据的完整性越好，当和超过预定的门限值，则该数据的完整性达到标准；

准确性：准确性从属性和记录两个层面考虑，假设数据集的总记录数为，就属性层面而言，对于第个属性，其取值与真实值不符合的记录数为，则该属性的准确性的计算公式为：

就记录层面而言，假设数据集中有属性取值与真实值不符合的记录为，则数据集准确性的计算公式为：

准确性和的取值越高，说明数据的准确性越好，当和超过预定的门限值，则该数据的准确性达到标准；

一致性：心血管远程监测系统的最终目的是对被监测者的心脏健康状况做出准确判断，即实现准确的模式分类，从这一角度考虑，数据集的一致性体现在各属性取值相同的记录，其类别属性的取值应该一致，假设数据集的总记录数为，各属性取值相同而类别属性取值不一致的记录数为，则数据集的一致性的计算公式为：

一致性的取值越高，说明数据的一致性越好，当超过预定的门限值，则该数据的一致性达到标准；

时效性：时效性衡量数据在真实世界中发生变化与这种变化录入数据并影响数据使用之间的时滞程度，对于以模式分类为最终使用目的的数据集，假设用于分类模型训练的记录数为，用于该模型验证的记录数为，则数据集的实效性的计算公式为:

时效性的取值越低，说明数据的时效性越 好，当低于预定的门限值，则该数据的时效性达到标准；

在数据存储与管理阶段，当用完整性、准确性、一致性、时效性组成的数据质量模型检测数据质量时，如果其中有两个或者两个以上的指标不达标，则说明该数据的质量不达标。

2.根据权利要求1所述的适用于心血管远程监测系统的数据质量控制方法，其特征在于，所述数据处理与分析阶段的数据的分类复杂度的质量检测方法为：

分类复杂度从数据混叠度、数据可分性两个方面衡量数据质量是否达标，其中，数据混叠度包括最大Fisher判别率（F1）、数据取值变化率（F2），而数据可分性则包括线性可分性（L）和非线性可分性（N）；

(1) 最大Fisher判别率（F1）：F1为数据中各属性的Fisher判别率最大的那个值，计算公式如下：

其中对于第个属性，，，，分别指类别1、类别2的均值与方差，类别1为：心脏健康状况正常，类别2为心脏健康状况异常，而；

最大Fisher判别率是通过不同类别属性取值的概率分布情况来衡量数据的混叠情况，F1值越高在一定层面反映了数据混叠轻微，可分性好；当F1超过预定的门限值，则表明F1指标达标；

(2) 数据取值变化率（F2）：设，分别为类别中属性的最大、最小取值，则F2的计算式如下:

数据取值变化率：

其中：

F2是通过不同类别属性取值的情况来衡量数据的混叠程度，F2值越低反映了数据混叠轻微，可分性好；当F2低于预定的门限值，则表明F2指标达标；

（3）线性可分性（L）：用线性分类器：

对数据进行分类，数据的线性可分性(L)就是该分类器的错分率；L值越低在一定程度上反映数据的线性可分性好；当L低于预定的门限值，则表明L指标达标；

（4）非线性可分性（N）：用非线性分类器对数据进行分类，数据的非线性可分性(N)就是该分类器的错分率，低的N值在一定程度上反映数据的非线性可分性好；当N低于预定的门限值，则表明N指标达标；

在数据处理与分析阶段，用F1, F2, L, N组成的分类复杂度检测数据质量时，如果其中有两个或者两个以上的指标不达标，则说明数据质量不达标。

3.根据权利要求1所述的适用于心血管远程监测系统的数据质量控制方法，其特征在于，所述数据采集阶段的数据质量不符合标准时，采取的相应的控制措施为：会发出警告，要求重新采集数据，同时把质量不合格的数据删除；

所述数据存储与管理阶段的数据质量不符合标准时，采取的相应的控制措施为：会发出警告，要求对不合格的数据采取相应的补救措施、或者要求增加新的数据，同时删除不合格的数据；

所述数据处理与分析阶段的数据质量不符合标准时，采取的相应的控制措施为：会发出警告，或者要求增加新数据，或者提供对数据进行补救的建议。