CN107085661A - 一种老年人身体机能量化计算方法 - Google Patents

Abstract

本发明涉及一种基于PageRank的老年人身体机能量化计算方法，属于生物医学技术领域。本发明首先利用协方差矩阵表示属性与属性的相关性，将其作为PageRank算法的输入，获得身体机能各维属性的权值，通过线性加权的方法获得老年人身体机能得分，并以百分制的形式予以反馈。最后利用单变量分析的方法，从性别、年龄、文化、居住地、月收入文化程度等多个方面验证身体机能得分的合理性。结果表明本发明能够有效地对老年人进行量化计算，为老年人身体机能的改善提供了依据。

Description

一种老年人身体机能量化计算方法

技术领域

本发明涉及一种老年人身体机能量化计算方法。从应用场景的角度讲，属于生物医学技术领域；从技术实现的角度来讲，亦属于计算机科学与生物信息处理技术领域。

背景技术

我国人口基数大，已成为世界上老年人人口最多的国家，也是人口老龄化发展速度最快的国家之一，中国已进入并将长期处于人口老龄化社会。年轻人口的相对减少，意味着中国劳动力的缺失，对于我国社会的可持续发展势必造成深远的影响。身体机能是指人的整体及组成的各器官，系统所表现的生命活动，老年人身体机能的好坏，不仅与个人的身体健康息息相关，还关系到家庭的幸福。因此，提高老年人的身体机能，不但能改善老年人晚年的生活质量，而且能促进家族的欣欣向荣。身体机能的研究成为当前亟需要解决的课题，更对人类的生存和发展起着举足轻重的作用，具有重要的现实意义。

目前，对于身体机能的研究，国外的研究成果较多，主要采用量表法，也有较少的采用评估方法。量表法首先进行人群调查，其后通过分析结果用统计方法筛选条目，对量表进行修订，形成正式量表。而评估方法对于评价内容，建立以评估属性为基础的评估指标体系，通过预处理的步骤和属性的转化，利用算法的映射获得老年人身体机能得分。

对于身体机能评估研究方向，国外通常采用的是由世界卫生组织提出的《国际功能、残疾和健康分类》量表，又称国际功能分类(ICF)。

ICF由两大部分组成，第一部分是功能和残疾，包括身体功能和身体结构、活动和参与；第二部分是背景性因素，主要指环境因素。它本身是一个研究工具，用于测量健康状态结果。身体功能简表存在第一部分中，包括精神功能、感觉功能和疼痛、发声和言语功能、心血管、免疫和呼吸系统功能、消化、代谢和内分泌系统功能、泌尿生殖和生育功能、神经肌肉骨骼和运动有关的功能以及皮肤和有关结构的功能八项内容。根据上述八项内容，医生可以根据患者的反映信息，判定身体功能或结构损伤的程度，分为无残疾、轻度残疾、中度残疾、严重损伤、完全损伤、未特指和不适用七种情况。该结果能够统一和标准的反映所有与人体健康有关的功能和失能的状态，为后续医生指导患者提供了依据。

在综合评估方法中，因子分析法和层次分析法使用的较为普遍，通常是为了获得评估属性的权值。

因子分析法是通过线性方程，经过线性变换，不仅将原始特征映射到真正表达事物本质的因子上，而且能够在工程上提高生成模型的速度。因子分析法利用原始特征到所有因子的重要性来比较出原始属性的重要性程度大小，但不能将其作为衡量原始属性的绝对大小。另外，在使用因子分析之前需要做KMO检验，如果KMO数值大于等于0.6才适合使用因子分析方法。

层次分析法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初提出的，将一个核心目标拆分成没有相互交集的组成部分，再将其组成部分继续往下拆，直到到达需求层次。然后依据专家对某个领域的认识依次给出由底层到高层，各个组成部分的优先级，最后根据专家的定性判断，构造判断矩阵，经过一系列的迭代运算，获得各维属性的重要性权值。层次分析法本身具有相对完整的层次体系，但很多时候引入了人们的主观判断，定量的信息相对少了些。因此各维属性的权值并不是从头到尾完全由数学公式推导出来的，缺少严格的证明；其次，在同一个目标下，层次分析法所包含的各个组成部分的个数是不能超过七个，有一定的局限性。

以量表的形式对身体机能进行评估，将评估属性权值视为等同，其本质是默认每维属性对身体机能的贡献程度一样，但是每维属性对身体机能起的作用不同，会造成评估身体机能结果的偏差，因此获得身体机能的各维评估属性权值就显得至关重要。而层次分析法首先将人的主观意念引入到评估属性权值的信息中，获得了每维属性的重要性程度的结果。因子分析法并不能准确地获得各维属性的权值大小，只能获得其相对大小，因此并不能将其结果作为评估属性的权值。在医学上，属性不是孤立的，而是相互关联的，如何将这一关联信息，引入到评估属性结果中，成为了研究中的关键。

发明内容

本发明的目的是：在身体机能评估中，针对现有量表法将评估属性权值视为等同，忽略了属性与属性之间的相关性，造成身体机能评估结果偏差的问题，提出一种老年人身体机能量化分析方法。老年人身体机能评估结果以百分制的形式展示，从而达到量化身体机能的目的。

本发明的设计原理如图1所示，具体为：首先，依据国际量表，并结合中国人具体的实际情况，选出身体机能评估的属性；然后，利用PageRank法获得各维属性的权值；其次，将预处理后的数据归一化并线性加权，得到每一个老年人的身体机能得分，从而可以分析老年人之间的个体差异；最后从性别、年龄、居住地、文化程度、月收入、目前健康状况和生活规律等方面验证身体机能得分的合理性。

本发明的技术方案是通过如下步骤实现的：

步骤1，结合专家意见，筛选老年人身体机能评估属性，完成属性值的转化和数据预处理，具体实现方法为：

步骤1.1，依据国际量表，结合中国人的具体情况，并与专家讨论，选出身体机能评估的属性，构成老年人身体机能评价体系；

步骤1.2，获取清理后待分析数据构成的数据集，构成m乘n的矩阵，行向量表示每一条样本的信息，列向量表示样本的属性信息，数据集用字母X表示。

步骤2，获得经过预处理后的数据集X＝{x_ij},利用PageRank法，计算各维评估属性对身体机能的重要性大小，即属性权值大小，具体实现过程如下：

步骤2.1，利用预处理后的数据构造协方差矩阵Y＝{y_ij}，将其作为PageRank算法的输入,y_ij表示的是属性i与属性j的协方差，用来衡量属性i与属性j的相关性大小；

步骤2.2，计算各维评估属性的权值。由于PageRank算法的输入是协方差矩阵，算法输出的物理意义表示各维属性的权值，当前后两次各维属性的权值之差小于等于一定阈值时，算法运行结束。

步骤3，数据归一化和线性加权，得到老年人身体机能得分，具体实现过程如下：

步骤3.1，对原始数据归一化：

步骤3.2，利用归一化后的数据和PageRank算法获得的权值进行线性加权，得到老年人身体机能得分：

步骤4，查看在不同方面、层次老年人身体机能得分分布趋势，具体实现过程如下：

步骤4.1，统计不同性别、年龄、文化程度、居住地、月收入、目前健康状况和生活规律等方面的身体机能均分，查看它们得分的分布趋势是否符合客观规律。

有益效果

相比于现有量表评估方法，本发明提出的基于PageRank算法的老年人身体机能量化方法，弥补了量表法将评估属性权值视为等同的不足，使老年人身体机能的评估结果更加准确、精确。

相比于基于层次分析法的老年人身体机能评估，考虑了属性与属性之间的相关性，减少了人为因素，节约了人力成本。评估结果是通过真实数据反映出来的，更具有客观性，该方法的适用范围更广，具有一定的使用价值。

本发明所提方法，突破了现有量表法将评估属性权值视为等同的局限性，为医生指导患者提供相关性建议，同时也是数据挖掘在医学应用上的一次有意义的尝试，为老年人身体机能的方法学提供借鉴。

附图说明

图1为本发明提出的老年人身体机能量化计算方法原理图；

具体实施方式

为了更好的说明本发明的目的和优点，下面结合附图和实例对本发明方法的实施方式做进一步详细说明。

测试数据为2011～2012年北京医院联合全国7省市13家医院的调查数据，采用调查问卷的方式进行数据采集，调查问卷是由中国卫生部行业基金老年健康综合评估课题组和中国老年人保健及疾病防治联盟联合设计，其内容主要包括：基本情况、躯体健康评估、躯体功能评估、生活行为与社会功能评估、心理健康、认知功能、医疗情况、老年人失能等级评估表、辅助检查等9个大类145个小项，共计482个问题的检查。最终经过整合形成具有9503条样本、共524维属性的数据库。

以下测试的实验环境均为同一台计算机，其配置为：2.93GHz CPU，4.0GB内存，Windows7操作系统。

第一环节

本环节使用数据源为原始数据源。详细说明老年人身体机能评估指标体系构建和评估过程以及身体机能评估结果的验证过程。具体实施步骤如下：

步骤1.1，分析国际量表关于身体机能的属性，结合中国的实际人群情况，考虑专家意见，获得身体机能7维评估属性：步速、认知功能、睡眠质量、二便、慢性病、视力、听力；

步骤1.2，对原始数据进行空缺值删除和属性选取，最终得到7维评估属性的5887条数据。

第二环节

第二环节使用第一环节处理后获得的数据源。详细说明老年人身体机能评估属性转化以及计算评估属性权值过程。具体实施步骤如下：

步骤2.1，将具有7维评估属性的5887条数据构造协方差矩阵，作为PageRank算法的输入；

步骤2.2，经过多次迭代后，当数值满足一定的阈值条件，算法运行结束。表1评估属性权重

第三环节

第三环节使用的数据源为第一环节获得的数据源。详细阐述老年人身体机能量化得分的计算过程。具体实施步骤如下：

步骤3.1，将步骤1.2得到的数据归一化；

步骤3.2，将步骤3.1归一化后的数据与PageRank算法获得的权值进行线性加权，得到老年人身体机能得分。

第四环节

查看在不同方面、不同层次身体机能得分的变化规律：

步骤4.1，从6个不同角度验证老年人身体机能均分是否符合常识。

表2以5岁为间隔男、女身体机能均分分布情况

表3不同居住地的身体机能均分的分布情况

表4不同收入的身体机能均分分布情况

表5不同生活规律的身体机能均分分布情况

表6文化程度不同的身体机能均分分布情况

表7目前健康状况身体机能均分分布情况

本发明针对当前研究主要以量表的形式进行综合评估，将同一级属性权重大小视为等同的问题，其次针对层次分析法中引入主观因素的问题导致精确性不足的问题，以及因子分析法并不能提供准确的评估属性权值的问题，提出了一种老年人身体机能量化计算方法。通过老年人身体机能量化计算实践证明，本方法可以将个人的身体机能评估以量化得分的结果予以展示，同时在赋予评估属性权值时，考虑了属性与属性之间的相关性，使评估结果更加客观、合理。同时该方法为医生指导患者提供相关性建议，同时也是数据挖掘在医学应用上的一次有意义的尝试，为老年人身体机能的方法学提供借鉴。

Claims (4)

1.一种老年人身体机能计算方法，其特征在于，所述方法包括以下步骤：

步骤1，结合专家意见，筛选老年人身体机能评估属性，完成属性值的转化和数据预处理；

步骤2，获得经过预处理后的数据集X＝{x_ij},利用PageRank法，计算各维评估属性对身体机能的重要性大小，即属性权值大小；

步骤3，数据归一化和线性加权，得到老年人身体机能得分；

步骤4，查看在不同方面、层次老年人身体机能得分分布趋势。

2.根据权利要求1所述的方法，其特征在于，所述老年人身体机能评估属性赋权的步骤具体包括：

步骤2.1，利用预处理后的数据构造协方差矩阵Y＝{y_ij}，将其作为PageRank算法的输入,y_ij表示的是属性i与属性j的协方差，用来衡量属性i与属性j的相关性大小；

步骤2.2，计算各维评估属性的权值，由于PageRank算法的输入是协方差矩阵，算法输出的物理意义表示各维属性的权值，当前后两次各维属性的权值之差小于等于一定阈值时，算法运行结束。

3.根据权利要求1所述的方法，其特征在于，所述老年人身体机能量化得分计算的步骤具体包括：

步骤3.1，对原始数据归一化：

<mrow> <msubsup> <mi>y</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>=</mo> <msubsup> <mi>x</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>/</mo> <mi>max</mi> <mi> </mi> <msub> <mi>x</mi> <mi>j</mi> </msub> </mrow>

步骤3.2，利用归一化后的数据和PageRank算法获得的权值进行线性加权，得到老年人身体机能得分：

<mrow> <mi>s</mi> <mi>c</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> <mrow> <mo>(</mo> <msup> <mi>x</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <mo>=</mo> <mn>100</mn> <mo>&amp;CenterDot;</mo> <munder> <mi>&amp;Sigma;</mi> <mi>j</mi> </munder> <msubsup> <mi>y</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>&amp;CenterDot;</mo> <msub> <mi>w</mi> <mi>j</mi> </msub> </mrow>

其中，i＝1，2，…，n，score_i为单个老年人生活环境的量化得分。

4.根据权利要求1所述的方法，其特征在于，所述老年人身体机能得分验证步骤具体包括：

步骤4.1，统计不同性别、年龄、文化程度、居住地、月收入、目前健康状况和生活规律等方面的身体机能均分，查看它们得分的分布趋势是否符合客观规律。