CN109872783B - 一种基于大数据的糖尿病文献信息标准数据库集分析方法 - Google Patents

Abstract

本发明公开了一种基于大数据的糖尿病文献信息标准数据库集分析方法，包括用于存储糖尿病文献信息标准数据库集和其他数据的存储模块、与存储模块通信连接且用于进行数据分析的分析模块和与分析模块通信连接且用于输出处理结果的显示模块，用于输入参数的输入模块，对糖尿病文献信息标准数据库集的数据进行进一步整理，得到数量函数G(γ_n，t，m)，排除干扰数据，方便以后使用数据。通过数量函数G(γ_n，t，m)，只需输入参数即可方便的对数据进行搜索。设置有多个功能单元，可方便的对数量函数G(γ_n，t，m)的数据进一步挖掘。

Description

一种基于大数据的糖尿病文献信息标准数据库集分析方法

技术领域

本发明涉及文献数据分析技术领域，具体涉及一种基于大数据的糖尿病文献信息标准数据库集分析方法。

背景技术

糖尿病是一组以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。中医文献是数千年来无数医家代代相传累积起来的医学理论与医疗经验的结晶，记录了数千年来防病治病的丰富经验，对现今的医疗实践和医疗科研仍有重要的指导作用和应用价值，因此中医文献的数字化具有重要意义。

在《时珍国医国药》，2015年06期中发表的名为《糖尿(消渴)病文献数字化方法的研究》的论文中，公开了一种糖尿病文献数字化方法，对古今文献进行了整理，对症状命名，症状量化进行规范化，同时还对辩证名称、方剂、药名进行规范化，并根据此方法建立了糖尿病文献信息标准数据库集，包含了医案数据和方剂数据。

在《时珍国医国药》2016年02期中发表的名为《一种基于演化的糖尿病疗效自适应动态评价模型》的论文中，公开了一种自适应动态评价模型，可根据病人病情的发展动态的调节参数，对治疗效果的好坏进行评价。

现有技术下，对于糖尿病中医文献信息的利用还属于空白阶段，无法让中医文献贡献出更大的价值。

发明内容

为了解决上述的技术问题，本发明的目的在于提供一种基于大数据的糖尿病文献信息标准数据库集分析方法。

本发明所要解决的技术问题为：

(1)如何对糖尿病文献信息标准数据库集中的数据进行进一步筛选；

(2)如何将筛选过的数据进行整理；

(3)如何利用整理过的数据。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的糖尿病文献信息标准数据库集分析方法，包括用于存储糖尿病文献信息标准数据库集和其他数据的存储模块、与存储模块通信连接且用于进行数据分析的分析模块和与分析模块通信连接且用于输出处理结果的显示模块，用于输入参数的输入模块，所述分析模块的处理步骤如下：

步骤一：分析模块对糖尿病文献信息标准数据库集中的所有案例数据进行整理，使每个患者对应有个人属性集Q＝{a，b，c，……}，同时使每个患者对应有个人诊断集D＝{S₁，S₂，S₃，……，S_x}，其中x为正整数，S₁中记录有第一次就医时的症状指标和第一次诊断证型，S₂中记录有第二次就医时的症状指标和第二次诊断证型，S₃中记录有第三次就医时的症状指标和第三次诊断证型，以此类推；

步骤二：分析模块根据患者的个人诊断集D中每次就医时的症状指标和自适应动态评价模型，计算患者每次诊断后的治疗效果P，进而得到患者的治疗评价集Z＝{P₁，P₂，P₃，……，P_x}，其中x为正整数，则P₁对应第一次就医时的症状指标，P₂对应第二次就医时的症状指标，以此类推，以诊断次数为x，治疗效果为y，建立方程组：

得到斜率k₁，k₂，k₃，……，k_i-1，其中i为病人的总就医次数，k₁与第一次诊断证型相对应，k₂与第二次诊断证型相对应，以此类推；

步骤三：筛选出k值大于零的项，并计算数量，若没有k值大于零的项，则将该患者的个人属性集Q和对应的诊断证型标记为干扰例；

若k值大于零的项的数量为1，则将k值大于零的项对应的该患者的个人属性集Q和对应的诊断证型标记为确定例并存储至存储模块；

若k值大于零的项的数量大于1，则根据各项对应的诊断证型进行分组，同证型的分为一组，对同一组的项根据k值的大小进行排序，并筛选出各组k值最大的项，并将该k值对应的个人属性集Q和对应的诊断证型标记为确定例并存储至存储模块；

步骤四：分析模块对所有患者的个人属性集i进行并运算，得到属性总集h，并计算属性总集h内各个元素的在所有案例中出现的频率f，并选取f>80％的元素作为相关度因素γ，并进行编号为γ₁、γ₂、γ₃、……、γ_n，再根据实际需要对相关度因素γ进行手动设置分组，并将各分组编号为1、2、3、……、t，将糖尿病证型进行编号为1、2、3、……、m，其中t、n和m均为正整数；

步骤五：分析模块统计所有确定例的数量，建立确定例的数量函数G(γ_n，t，m)，分别统计同一相关度因素γ下，各分组对应的各证型的确定例数量，并存储至存储模块。

所述分析模块中还设有相关度因素比较单元，所述相关度因素比较单元将同一相关度因素γ_n下的各分组的所有证型的确定例数量相加，得到各分组糖尿病的确定例数量集V＝{V₁，V₂，……，V_t}，根据总体标准偏差公式，计算V的总体标准偏差，同时计算该相关度因素下确定例的总数，进而得到各个相关度因素γ的总体标准偏差，根据各个相关度因素γ的确定例总数，计算出公倍数，并根据相关度公式相关度＝总体标准偏差*公倍数/确定例总数，计算出各个相关度因素的相关度，根据相关度大小对相关度因素进行排序，将排名结果传输至显示模块。

所述分析模块中还设有糖尿病证型比较单元，所述糖尿病证型比较单元获取相关度因素γ_n下同一分组t下的各个证型的确定例数量，并计算各个证型的总和，进而计算各个证型与总和的比值，并将各证型的比值和分组t的信息传输至显示模块。

所述分析模块中还设有证型转化趋势单元，所述证型转化趋势单元筛选出k值既有大于零也有小于零的个人诊断集D，再从k值大于零的项中选出i值最小的k值，并获取该k值对应的诊断证型，作为初始证型，并筛选出初始证型对应的k_i之后的第一个小于零且k值对应的诊断证型与初始证型不相同的k值，并获取该k值对应的诊断证型，作为转化证型，计算同一初始证型的确定例的数量，筛选同一初始证型下，具有相同转化证型的确定例的数量Z，计算同一初始证型的确定例的数量与Z的比值，得到各种证型转化的可能性。

本发明的有益效果：

(1)对糖尿病文献信息标准数据库集的数据进行进一步整理，得到数量函数G(γ_n，t，m)，排除干扰数据，方便以后使用数据。

(2)通过数量函数G(γ_n，t，m)，只需输入参数即可方便的对数据进行搜索。

(3)设置有多个功能单元，可方便的对数量函数G(γ_n，t，m)的数据进一步挖掘。

具体实施方式

下面将对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本实施例提供了一种基于大数据的糖尿病文献信息标准数据库集分析方法，包括用于存储糖尿病文献信息标准数据库集和其他数据的存储模块、与存储模块通信连接且用于进行数据分析的分析模块和与分析模块通信连接且用于输出处理结果的显示模块，用于输入参数的输入模块，分析模块的处理步骤如下：

步骤一：分析模块对糖尿病文献信息标准数据库集中的所有案例数据进行整理，使每个患者对应有个人属性集Q＝{a，b，c，……}，每个案例中记录的个人属性的数量和种类均不同，如一个案例中，记载了一个患者的年龄、性别、体重，而另一个案例中记载了另一个患者的身高，居住地点，年龄，其中年龄、性别、体重、身高、居住地等都可以描述个人的属性，因此属于个人属性集Q中的元素，同时使每个患者对应有个人诊断集D＝{S₁，S₂，S₃，……，S_x}，其中x为正整数，S₁中记录有第一次就医时的症状指标和第一次诊断证型，S₂中记录有第二次就医时的症状指标和第二次诊断证型，S₃中记录有第三次就医时的症状指标和第三次诊断证型，以此类推；每个患者在治疗的过程中，均会就医多次，每个患者根据自身情况，就医的次数不同，每一次都会有一个就医的记录，S₁，S₂，S₃分别对应每次的就医记录，其中就医记录记载了每次就医时的症状的类别和轻重，还有病人病情的诊断结果，以证型的形式表现。

步骤二：分析模块根据患者的个人诊断集D中每次就医时的症状指标和自适应动态评价模型，计算患者每次诊断后的治疗效果P，进而得到患者的治疗评价集Z＝{P₁，P₂，P₃，……，P_x}，其中x为正整数，则P₁对应第一次就医时的症状指标，P₂对应第二次就医时的症状指标，以此类推，P₁可表达为治疗时的身体情况，P的值越高，表示身体情况越好，病越轻，以诊断次数为x，治疗效果为y，建立方程组：

得到斜率k₁，k₂，k₃，……，k_i-1，其中i为病人的总就医次数，k₁与第一次诊断证型相对应，k₂与第二次诊断证型相对应，以此类推；其中k大于0说明治疗有效，病人情况正在好转，说明诊断的证型正确，而k小于0则说明病情恶化，导致病人情况变差。

步骤三：筛选出k值大于零的项，并计算数量，若没有k值大于零的项，则将该患者的个人属性集Q和对应的诊断证型标记为干扰例；k值都为负，说明治疗效果差，可能的原因较多，无法排除是否是证型诊断出错的原因，因此需要将此案例排除。

若k值大于零的项的数量为1，则将k值大于零的项对应的该患者的个人属性集Q和对应的诊断证型标记为确定例并存储至存储模块；一个患者的治疗过程中只有一个k值为正，说明只有k值为正的这次治疗有明显的疗效，因此选取对应的诊断证型作为数据，较为可靠。

若k值大于零的项的数量大于1，则根据各项对应的诊断证型进行分组，同证型的分为一组，对同一组的项根据k值的大小进行排序，并筛选出各组k值最大的项，并将该k值对应的个人属性集Q和对应的诊断证型标记为确定例并存储至存储模块；一个患者的治疗过程中情况一直在好转，说明每次就医的诊断和治疗都较为合适，考虑到患者的病情可能会发生转化，证型也可能会改变，因此需要比较每次就医时的证型，若记录有多个证型，需要将多个证型分别记录。k值最大的项说明治疗效果最好，数据的可靠性也越强。

步骤四：分析模块对所有患者的个人属性集i进行并运算，得到属性总集h，并计算属性总集h内各个元素的在所有案例中出现的频率f，并选取f>80％的元素作为相关度因素γ，并进行编号为γ₁、γ₂、γ₃、……、γ_n，再根据实际需要对相关度因素γ进行手动设置分组，并将各分组编号为1、2、3、……、t，将糖尿病证型进行编号为1、2、3、……、m，其中t、n和m均为正整数；统计所有出现过的个人属性，并选出出现频率较多的几个元素，保证样本数量足够，进一步保证准确性，例如一共出现了十种个人属性，超过80％的案例中均记载的属性有四个，分别为年龄、性别、体重、身高，因此相关度因素中γ₁＝年龄、γ₂＝性别、γ₃＝体重、γ₄＝身高，对各个相关度因素γ进行细分，如年龄分为四组，0-20岁为1组，20-40岁为2组，40-60岁为3组，60以上为4组，体重分三组，瘦为1组、标准为2组、超重为3组。而糖尿病证型按糖尿病文献信息标准数据库集中记载的标准进行分类。

步骤五：分析模块统计所有确定例的数量，建立确定例的数量函数G(γ_n，t，m)，分别统计同一相关度因素γ下，各分组对应的各证型的确定例数量，并存储至存储模块。确定因素类型、组的编号和证型种类，可得到对应的确定例的数量。方便对数据信息的进一步挖掘。

分析模块中还设有相关度因素比较单元，相关度因素比较单元将同一相关度因素γ_n下的各分组的所有证型的确定例数量相加，得到各分组糖尿病的确定例数量集V＝{V₁，V₂，……，V_t}，根据总体标准偏差公式，计算V的总体标准偏差，同时计算该相关度因素下确定例的总数，进而得到各个相关度因素γ的总体标准偏差，根据各个相关度因素γ的确定例总数，计算出公倍数，并根据相关度公式相关度＝总体标准偏差*公倍数/确定例总数，计算出各个相关度因素的相关度，根据相关度大小对相关度因素进行排序，将排名结果传输至显示模块。相关度的值越大，说明数组波动越明显，说明该因素与糖尿病的关系越大。

分析模块中还设有糖尿病证型比较单元，糖尿病证型比较单元获取相关度因素γ_n下同一分组t下的各个证型的确定例数量，并计算各个证型的总和，进而计算各个证型与总和的比值，并将各证型的比值和分组t的信息传输至显示模块。

分析模块中还设有证型转化趋势单元，证型转化趋势单元筛选出k值既有大于零也有小于零的个人诊断集D，再从k值大于零的项中选出i值最小的k值，并获取该k值对应的诊断证型，作为初始证型，并筛选出初始证型对应的k_i之后的第一个小于零且k值对应的诊断证型与初始证型不相同的k值，并获取该k值对应的诊断证型，作为转化证型，计算同一初始证型的确定例的数量，筛选同一初始证型下，具有相同转化证型的确定例的数量Z，计算同一初始证型的确定例的数量与Z的比值，得到各种证型转化的可能性。如一个患者有五次就医记录，且k₁<0，k₂>0，k₃<0，k₄>0，则选出k₂和对应的诊断证型为a作为初始证型，再对比k₃，因为小于0不符合，k₄对应的诊断证型为b与初始证型不相同，则符合作为转化证型，得到所有初始证型为a的确定例总数，进一步统计转化证型为b的确定例数量Z，可计算出a转化为b的概率，同理可计算出任意种类初始证型转化为任意转化证型的概率。

本实施例的具体工作过程如下：

1)通过分析模块对糖尿病文献信息标准数据库集中的数据进行整理，获得每个患者的Q和D；

2)通过分析模块计算出P，并用k来表示P的变化趋势，进而表现患者的治疗情况；根据k值对数据进行筛选，排除不确定的数据，留下可靠性较强的数据，作为相关度对比的数据。

3)对Q进行筛选，保留样本数量较多的属性，作为相关度因素，并进行细分，建立确定例的数量函数G(γ_n，t，m)，通过输入模块，设置γ_n，t，m的参数，即可得到对应的确定例的数量。

4)通过相关度因素比较单元得到相关度因素与糖尿病的关联程度，通过糖尿病证型比较单元得到相关度因素各组中的证型分布情况，证型转化趋势单元得到糖尿病在治疗过程中的转化趋势，实现对数据的进一步挖掘。

对糖尿病文献信息标准数据库集的数据进行进一步整理，得到数量函数G(γ_n，t，m)，排除干扰数据，方便以后使用数据。通过数量函数G(γ_n，t，m)，只需输入参数即可方便的对数据进行搜索。设置有多个功能单元，可方便的对数量函数G(γ_n，t，m)的数据进一步挖掘。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.一种基于大数据的糖尿病文献信息标准数据库集分析方法，包括用于存储糖尿病文献信息标准数据库集和其他数据的存储模块、与存储模块通信连接且用于进行数据分析的分析模块和与分析模块通信连接且用于输出处理结果的显示模块，用于输入参数的输入模块，其特征在于，所述分析模块的处理步骤如下：

步骤一：分析模块对糖尿病文献信息标准数据库集中的所有案例数据进行整理，使每个患者对应有个人属性集Q＝{a，b，c，……}，同时使每个患者对应有个人诊断集D＝{S₁，S₂，S₃，……，S_x}，其中x为正整数，S₁中记录有第一次就医时的症状指标和第一次诊断证型，S₂中记录有第二次就医时的症状指标和第二次诊断证型，S₃中记录有第三次就医时的症状指标和第三次诊断证型，以此类推；

步骤二：分析模块根据患者的个人诊断集D中每次就医时的症状指标和自适应动态评价模型，计算患者每次诊断后的治疗效果P，进而得到患者的治疗评价集Z＝{P₁，P₂，P₃，……，P_x}，其中x为正整数，则P₁对应第一次就医时的症状指标，P₂对应第二次就医时的症状指标，以此类推，以诊断次数为x，治疗效果为y，建立方程组：

得到斜率k₁，k₂，k₃，……，k_i-1，其中i为病人的总就医次数，k₁与第一次诊断证型相对应，k₂与第二次诊断证型相对应，以此类推；

步骤三：筛选出k值大于零的项，并计算数量，若没有k值大于零的项，则将该患者的个人属性集Q和对应的诊断证型标记为干扰例；

若k值大于零的项的数量为1，则将k值大于零的项对应的该患者的个人属性集Q和对应的诊断证型标记为确定例并存储至存储模块；

若k值大于零的项的数量大于1，则根据各项对应的诊断证型进行分组，同证型的分为一组，对同一组的项根据k值的大小进行排序，并筛选出各组k值最大的项，并将该k值对应的个人属性集Q和对应的诊断证型标记为确定例并存储至存储模块；

步骤四：分析模块对所有患者的个人属性集Q进行并运算，得到属性总集h，并计算属性总集h内各个元素的在所有案例中出现的频率f，并选取f>80％的元素作为相关度因素γ，并进行编号为γ₁、γ₂、γ₃、……、γ_n，再根据实际需要对相关度因素γ进行手动设置分组，并将各分组编号为1、2、3、……、t，将糖尿病证型进行编号为1、2、3、……、m，其中t、n和m均为正整数；

步骤五：分析模块统计所有确定例的数量，建立确定例的数量函数G(γ_n，t，m)，分别统计同一相关度因素γ下，各分组对应的各证型的确定例数量，并存储至存储模块。

2.根据权利要求1所述的一种基于大数据的糖尿病文献信息标准数据库集分析方法，其特征在于，所述分析模块中还设有相关度因素比较单元，所述相关度因素比较单元将同一相关度因素γ_n下的各分组的所有证型的确定例数量相加，得到各分组糖尿病的确定例数量集V＝{V₁，V₂，……，V_t}，根据总体标准偏差公式，计算V的总体标准偏差，同时计算该相关度因素下确定例的总数，进而得到各个相关度因素γ的总体标准偏差，根据各个相关度因素γ的确定例总数，计算出公倍数，并根据相关度公式相关度＝总体标准偏差*公倍数/确定例总数，计算出各个相关度因素的相关度，根据相关度大小对相关度因素进行排序，将排名结果传输至显示模块。

3.根据权利要求1所述的一种基于大数据的糖尿病文献信息标准数据库集分析方法，其特征在于，所述分析模块中还设有糖尿病证型比较单元，所述糖尿病证型比较单元获取相关度因素γ_n下同一分组t下的各个证型的确定例数量，并计算各个证型的总和，进而计算各个证型与总和的比值，并将各证型的比值和分组t的信息传输至显示模块。

4.根据权利要求1所述的一种基于大数据的糖尿病文献信息标准数据库集分析方法，其特征在于，所述分析模块中还设有证型转化趋势单元，所述证型转化趋势单元筛选出k值既有大于零也有小于零的个人诊断集D，再从k值大于零的项中选出i值最小的k值，并获取该k值对应的诊断证型，作为初始证型，并筛选出初始证型对应的k_i之后的第一个小于零且k值对应的诊断证型与初始证型不相同的k值，并获取该k值对应的诊断证型，作为转化证型，计算同一初始证型的确定例的数量，筛选同一初始证型下，具有相同转化证型的确定例的数量Z，计算同一初始证型的确定例的数量与Z的比值，得到各种证型转化的可能性。