发明内容
为解决以上现有技术存在的问题,本发明提出了一种基于电子病历数据特征选择的保险定价方法,该方法包括:获取用户的电子病历数据,将获取的电子病历数据输入到保险定价模型中,得到该用户的保险定价结果;
采用保险定价模型对用户的电子病历数据进行处理的过程包括:
S1:将用户的电子病历数据输入到基于均匀设计的混合采样模型HSUD中,得到平衡数据集;并采用特征选择模型对平衡数据集中的特征进行选择,得到最优的特征;
S2:根据选取的最优特征采用随机森林机器学习算法进行用户患病风险预测,得到用户患病风险概率;
S3:根据用户患病风险概率进行保险定价。
优选的,采用混合采样模型对用户的不平衡电子病历数据进行特征选择处理的过程包括:
S11:初始化混合采样模型,包括设置过采样参数(Pn,Pm)、采样区域Cs以及采样次数R,采样参数设计点满足其中,Pn表示少样本采样参数,Pm表示多样本采样参数,s表示采样区域的维数;
S12:在采样区域中随机选取R组设计点,组成均匀设计点,即选取的R组设计点均匀的分布在采样区域中;设置一轮采样参数(P1n,P1m);
S13:在均匀设计点中,计算每个均匀设计点的CL2-偏差准则,并选出最优的均匀设计点;CL2-偏差准则的计算表达式为:
其中,U*表示最优的均匀设计点,UR(R2)表示均匀设计点组,R表示采样次数,U表示选取的均匀设计点;
S14:根据最优的均匀设计点获取少数群体抽样的比例参数M(over)和多数类抽样的比例参数为M(under);
S15:根据少数群体抽样的比例参数M(over)对不平衡数据集种的数据进行过采样,根据多数类抽样的比例参数为M(under)对不平衡数据集种的数据进行随机欠采样,得到平衡数据集;
S16:将平衡数据集中的特征输入到特征选择模型中进行特征选择,输出特征选择结果以及特征的评价结果AUC值和Risk值;
S17:对不同采样参数的评价结果进行比较,当AUC值最高且Risk值最低时,停止迭代,输出这一轮最优采样参数(P1n*,P1m*);
S18:根据均匀设计原则对第一轮最优采样参数(P1n*,P1m*)的附近点设置第二轮采样参数(P2n,P2m),重复步骤S12~S17;
S19:得到新一轮最优采样参数(P2n*,P2m*)与评价结果,当所有的不平衡电子病历数据的特征选择完,输出最优特征。
进一步的,采用特征选择模型对平衡数据集中的数据进行特征选择的过程包括:
S161:提取平衡数据集中的特征,并对提取的特征进行筛选,得到初始特征,将所有的初始特征进行集合,得到特征子集;
S162:以特征子集作为搜索起点,采用搜索策略从平衡数据集未选择的特征中选取一个特征,加入到特征子集;
S163:采用评价函数对选取的特征进行评价,若评价结果满足终止条件,则输出特征子集,若不满足终止条件,则返回步骤S32;
S164:将特征子集中的特征输入到机器学习模型中,计算特征子集中每个特征集合的AUC值和Risk值;
S165:各个特征集合根据AUC值和Risk值进行比较,将AUC值和Risk值最低的特征集合作为最优特征。
进一步的,对平衡数据集中的特征进行筛选,包括提取出平横数据集中与任务相关的特征,将提取出的相关特征进行剔除冗余特征和去噪处理,将去噪后的特征进行集合,得到特征集。
进一步的,特征集中的特征包括:用户的电子病历建档时间、用户的基本信息、建档时的身体状况以及该用户的病史;其中用户的基本信息包括用户的年龄和用户的受教育程度,用户建档时的身体状况包括用户的BMI指数、舒张压、三脂检测值以及高密度脂蛋白值。
优选的,采用搜索策略从平衡数据集中未选择的特征中选取一个特征的过程包括:采用基于过滤器(Filter)的随机森林特征选择算法对特征进行选择,其步骤包括:
步骤1611:设置特征选取阈值m;
步骤1612:计算平衡数据集中的未选择特征的数据误差;
步骤1613:随机对未选择特征数据加入噪声干扰,并再次计算加入噪声干扰后特征的数据误差errOOB2;
步骤1614:根据数据误差errOOB1和errOOB2,计算该特征的重要性度量;
步骤1615:根据重要性度量计算每个特征的重要性,进而设置特征剔除比例;
步骤1616:根据特征剔除比例对平衡数据集中的特征进行剔除;
步骤1617:重复步骤1612~步骤1616,直到平衡数据集中的特征数量达到设置的特征选取阈值m为止,得到特征集。
进一步的,计算特征的重要性度量公式为:
其中,S表示特征的重要性度量值,X表示特征,errOOB1表示特征X的数据误差,errOOB2表示特征X的数据误差,N表示选择特征的总数。
优选的,计算每个特征的AUC值的过程包括:采用机器学习模型对特征子集中的特征分类;特征子集中的样本分为少类样本和多类样本,少类样本和多类样本的分类预测结果为:少类正确分类结果、少类错误分类结果、多类正方分类结果以及多类错误分类结果四种;根据分类结果,计算预测类的结果为真阳率和假阳率;根据真阳率和假阳率构建ROC曲线;计算ROC曲线的面积,该面积为AUC值;其中真阳率的概率和假阳率的概率计算公式为:
其中,TPR表示真阳率的概率,TP表示少类正确分类结果,FN表示少类错误分类结果,FPR表示假阳率的概率,FP表示多类错误分类结果,TN表示多类正方分类结果。分类器的AUC值为其对应的ROC曲线下的面积,面积越大,则认为分类器的性能越好。
优选的,计算每个特征Risk值的公式为:
其中,N表示输入特征的总数,yl表示输入的特征的原始类别,表示分类模型预测后的类别,/>表示第i个分类器对输入特征xl的预测结果。
优选的,根据用户患病风险概率进行保险定价的计算公式为包括:给定预期的人数N,M1为预测为少类的保险费用,M2为预测为多类的保险费用,且M1>M2;C1为人均所需要提供的赔偿费用如疾病诊断的收费标准、C2为其他成本以及C3为合理利润;预测为少类的保险费用的计算表达式为:
M1=qC1+M2
预测为多类的保险费用的计算表达式为:
其中,M1>M2,q表示分层保险的价差,p1为特殊人群患病的比率,p2为患病的比率,C1为人均所需要提供的赔偿费用如疾病诊断的收费标准、C2为其他成本,C3为合理利润,TP表示少类正确分类结果,FN表示少类错误分类结果,FPR表示假阳率的概率,FP表示多类错误分类结果,TN表示多类正方分类结果。
本发明的有益效果:
本发明采用混合采样模型(HSUD),对基于电子病历数据中的不平衡数据集进行处理,得到平衡数据集,提高了数据处理准确度;本发明采用特征选择模型,对平衡数据集中的特征进行筛选,并通过计算特征AUC值和Risk值的方式筛选出最优的特征集合,根据最优特征预测用户患病的风险概率,提高了预测的准确度;本发明通过预测用户患病风险概率,对保险进行了精准定价。
具体实施方式
下面将结合本发明实施例中的附图,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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于电子病历数据特征选择的保险定价方法,如图4所示,该方法包括:获取用户的电子病历数据,将获取的电子病历数据输入到保险定价模型中,得到该用户的保险定价结果。
采用保险定价模型用户的电子病历数据进行处理的过程包括:
S1:将用户的电子病历数据输入到基于均匀设计的混合采样模型HSUD中,得到平衡数据集;并采用特征选择模型对平衡数据集中的特征进行选择,得到最优的特征;
S2:根据选取的最优特征采用随机森林机器学习算法进行用户患病风险预测,得到用户患病风险概率;
S3:根据用户患病风险概率进行保险定价。
采用混合采样模型对用户的不平衡电子病历数据进行特征选择处理的过程包括:
S11:初始化混合采样模型,包括设置过采样参数(Pn,Pm)、采样区域Cs以及采样次数R,采样参数设计点满足其中,Pn表示少样本采样参数,Pm表示多样本采样参数,s表示采样区域的维数;
S12:在采样区域中随机选取R组设计点,组成均匀设计点,即选取的R组设计点均匀的分布在采样区域中;设置一轮采样参数(P1n,P1m);
S13:在均匀设计点中,计算每个均匀设计点的CL2-偏差准则,并选出最优的均匀设计点;CL2-偏差准则的计算表达式为:
其中,U*表示最优的均匀设计点,UR(R2)表示均匀设计点组,R表示采样次数,U表示选取的均匀设计点;
S14:根据最优的均匀设计点获取少数群体抽样的比例参数M(over)和多数类抽样的比例参数为M(under);
S15:根据少数群体抽样的比例参数M(over)对不平衡数据集种的数据进行过采样,根据多数类抽样的比例参数为M(under)对不平衡数据集种的数据进行随机欠采样,得到平衡数据集;
S16:将平衡数据集中的特征输入到特征选择模型中进行特征选择,输出特征选择结果以及特征的评价结果AUC值和Risk值;
S17:对不同采样参数的评价结果进行比较,当AUC值最高且Risk值最低时,停止迭代,输出这一轮最优采样参数(P1n*,P1m*);
S18:根据均匀设计原则对第一轮最优采样参数(P1n*,P1m*)的附近点设置第二轮采样参数(P2n,P2m),重复步骤S12~S17;
S19:得到新一轮最优采样参数(P2n*,P2m*)与评价结果,当所有的不平衡电子病历数据的特征选择完,输出最优特征。
采用特征选择模型对平衡数据集中的数据进行特征选择的过程包括:
S161:提取平衡数据集中的特征,并对提取的特征进行筛选,得到初始特征,将所有的初始特征进行集合,得到特征子集;
S162:以特征子集作为搜索起点,采用搜索策略从平衡数据集未选择的特征中选取一个特征,加入到特征子集;
S163:采用评价函数对选取的特征进行评价,若评价结果满足终止条件,则输出特征子集,若不满足终止条件,则返回步骤S32;终止条件为AUC值最高且Risk值最低;
S164:将特征子集中的特征输入到机器学习模型中,计算特征子集中每个特征集合的AUC值和Risk值;
S165:各个特征集合根据AUC值和Risk值进行比较,将AUC值和Risk值最低的特征集合作为最优特征。
采用搜索策略,从平衡数据集中未选择的特征中,选取一个特征,其过程包括:采用基于过滤器(Filter)的随机森林特征选择算法,对特征进行选择,其步骤包括:
步骤1611:设置特征选取阈值m;
步骤1612:计算平衡数据集中的未选择特征的数据误差,即使用Bootstrapping方法的袋外错误率(errOOB1);其具体的计算公式为:
errOOB1=被分类错误的数/总数。
步骤1613:随机对未选择特征数据加入噪声干扰,并再次计算加入噪声干扰后特征的数据误差errOOB2;
步骤1614:根据数据误差errOOB1和errOOB2,计算该特征的重要性度量;
步骤1615:根据重要性度量,计算每个特征的重要性,进而设置特征剔除比例;
步骤1616:根据特征剔除比例,对平衡数据集中的特征进行剔除;
步骤1617:重复步骤62~步骤66,直到平衡数据集中的特征数量达到设置的特征选取阈值m为止,得到特征集。
一种基于电子病历数据特征选择的保险定价方法的具体实施方式,以妊娠期糖尿病为例;妊娠糖尿病的发生率为1%~6.6%;妊娠糖尿病分娩数占总分娩率0.64%,数值在不断上升,妊娠糖尿病系高危妊娠,它严重危害母儿的健康;本发明根据孕妇的检查的历史数据,利用混合采样模型(HSUD),进行不平衡数据的处理,使之更符合机器学习的方法规则;随后确定特征变量的重要性排序及选取,利用Ranger,XGBoost,Caret及回归模型算法进行特征变量排序,确定最优的特征变量结果的选取,其中Ranger算法的分类预测结果AUC值最高,Risk值最低。在本文提出的GDM系统中,利用该模型得到特征变量的最优个数选取及预测结果,有利于在前期早期预测妊娠期糖尿病(GDM),及时采取预防措施,减少发病率。
选取的特征包括:孕妇建档时间(第几孕周)、第一次建档时体重增重值、年龄、受教育程度、受孕方式、孕前BMI、家庭肥胖史、舒张压、高甘油三脂血症、高密度脂蛋白值和病史。
如图1所示,采用混合采样模型(HSUD),对用户的妊娠糖尿病的电子病历数据进行处理,其过程包括:构建混合采样模型(HSUD)框架,该框架包括不平衡数据的采样参数设置均匀设计(UD)和特征变量的选择两个部分;首先根据混合采样模型(HSUD)采样后的数据,在机器学习模型中,确定数据集的特征变量重要性排序,进而用依次递减的方式,选择特征变量集合,最终得到效果最好的特征变量选择的集合(AUC,Risk)。
采用均匀设计的方法寻找最优的采样参数包括:在处理不平衡数据(x.y)过程中,本发明提出一种与混合采样相结合的过采样和采样方法,该方法有助于平衡两种数据组成部分:对少数采样过多,对多数采样过少的问题。过采样的组件由改编自合成少数过采样技术(SMOTE)的欠采样分量,并对欠采样分量进行随机欠采样调整得到。
在采样过程中,采用均匀设计来寻找最优解,其中(Pn,Pm)为过采样参数的设计点,采样及其区域为[0.1]。采用均匀设计的方法,可以在寻找最优点时减小运行次数UR(Rs),其中R为运行大小,s=2为两个参数。预先设置的给定运行大小,在实验区域内,均匀地布置实验点能最大化实验点的“均匀分布”。在实践中,设计要点是对SMOTE的采样参数设置缩放。少数群体抽样的比例参数为M(over)=1000Pn。多数类抽样的比例参数为M(under)=1000Pm。在特征变量的选择中,根据机器学习算法得到的特征变量重要性排序,选择不同的特征变量排序集合(3,5,7,9,11),以回归模型的算法作为基础比较算法。训练和测试中的评价指标是AUC值和Risk值,目标是找出最优的特征变量排序集合。
采用SMOTE过采样与随机欠采样相结合的混合采样方式,对数据进行处理。SMOTE算法是一种合成少类数据的过采样算法,常用于数据集样本不平衡的采样方法。由于随机过采样是简单复制少类样本,这样容易产生模型过拟合的问题。所以提出了随机过采样的升级版—SMOTE;该算法的基本思路是,对少类样本进行分析,然后根据少类样本人工合成新样本,并添加到数据集中,从而到达少类与多类样本的均衡。SMOTE算法的具体原理如下:假设某一不平衡数据集,对于少类样本集中的每一个样本x,计算其至少类样本集中其他所有样本的欧氏距离,搜索得到k个近邻。根据样本的不平衡比例,设置一个采样的比例,确定采样的倍率N,对于少类样本中的每一个x,从其k近邻中选择若干个样本,假设选择的近邻为xN.对选出的每一个随机选出的近邻xN,按照插值公式构建新样本。将这些新合成的少类样本与初始的少类样本集组合,即可产生新的训练集插值公式:
其中,x表示少类样本;rand(0,1)为[0,1]区间内随机生成的一个实数,表示x的最近邻样本。
过采样的算法是一种线性插值方法,它在样本x和它的邻居之间的直线上随机插值值。相关的参考文献中,没有表明如何找到(Pn,Pm)的最优解。这里使用均匀设计来寻找最优解。
采用均匀设计方法,求抽样中参数(Pn:Pm)的最优解的过程包括:设定实验区域为矩形,记为Cs=[0,1)s=[0,1)×...×[0,1);s=2是指二维的参数设置,计UR(RS)的目标是选择一组R点,这些点均匀分布在Cs,Cs表示试验因子的可行域。设定U*∈UR(R2)上的一组均匀设计点,满足UR(R2)上最小的CL2-偏差准则,CL2-偏差准则的表达式为:
其中,U*表示最优的均匀设计点,U表示试验设计的构造表,UR表示总共要做R次实验,R2表示在2维实数域内。
设Y是在在实验中的响应,抽样参数满足Y=f(U)是实验区域Cs的模型。U的经验累积分布函数f2(U)。UR的非均匀性的L2-偏差定义为:
其中,D2表示非均匀性的L2-偏差,f2(U)表示U内经验累积分布函数,f(U)表示在试验区域Cs中设计点的累积分布函数。
设计点必须缩放到区域[0,1],因为参数(0<Pn,Pm<1)。基于上述CL2-偏差准则的均匀设计在混合采样参数域上产生均匀分散的设计点。在设计点数量有限的情况下,该方法减少了实验运行次数。
特征选择是从原始特征空间中选出对结果影响好的特征,剔除不好的特征。首先利用混合采样模型(HSUD)对不平衡数据进行数据平衡化处理。随后再利用随机森林进行特征变量选择,可以进行有效的特征选择,减少冗余变量,从而提升机器学习的运算速度。
如图2所示,GDM特征选择框架包括了生成特征子集,评价特征子集,停止条件和验证结果这四个过程。
整个特征选择的过程是:首先使用全集当作搜索起点,也即原始的已选特征子集;然后使用前向搜索策略,从未选特征中选择一个特征加入到已选特征子集中(或使用后向搜索策略从已选特征子集中删除一个特征);已选特征子集每加入(或每删除)一个特征,都需要进行评估;如果终止条件成立,则停止搜索,并用学习算法验证其性能,否则继续使用前向搜索(或后向搜索),进行特征选择。根据机器学习算法,得出特征变量重要性排序,采用评价准则,给每个特征打分,根据得分对特征排序,选择前k个特征作为特征子集(或者设置一个阈值,选择所有大于阈值的特征作为特征子集),最后用特征子集训练学习器,验证子集的优劣。再按照特征变量的重要性排序,按照3,5,7,9,11个特征变量生成特征集合,得到预测结果并进行对比,从而得出较优的特征集合。
解决不平衡数据集的特征选择,首先运用基于均匀设计的过采样和欠采样混合采样模型(HSUD)来处理数据,随后根据随机森林算法(Ranger),输出GDM数据集的各个特征变量重要性排序。最后根据特征变量的重要性,在super Learner框架中的机器学习模型中,输入不同集合的特征变量(本文中的集合变量为3,5,7,9,11),根据得到的AUC,Risk值,确定效果最好的特征变量,从而判定那些特征变量对结果具有坏的影响,在特征选择中进行删除。
进行妊娠期糖尿病(GDM)的预测诊断过程中,孕妇在0~5周确认怀孕时,可进行两个选择:“1”做妇科检查进行B超,妇科三合诊等检查,如出现问题可及时治疗;“2”不进行妇科检查,那么需要在孕12周时建档进行各项检查。特征变量的重要性排序以及选取对于医疗决策支持非常重要的。在大数据中,数据的特征增多,存在着大量的冗余数据,无关数据等,提升了管理者的决策难度,也造成机器学习分类预测的准确度性能不好。运用机器学习对特征变量重要性排序,找出大量数据中影响决策好坏预测模型的重要因素。可提升机器学习预测准确度,给医疗决策提供科学支撑。
对于不平衡医疗数据的特征选择是一个寻找最优特征子集的过程:给定一个机器学习算法ML,一个不平衡的数据集D=(x1,x2,...,xn,y),y是类别标记。如妊娠糖尿病的预测,它是糖尿病的一种特殊类型,即指确定妊娠后,若发现有各种程度的糖耐量减低或明显的糖尿病,不论是否需用胰岛素或仅使用饮食治疗,也不论分娩后这一情况是否持续,均可认为是妊娠糖尿病。寻找一个最优的特征子集xtop符合最优的评价标准。基于Filter的特征选择使用变量排序作为特征选择的准则,本质是对特征变量进行打分,通过实现中设置的阈值删除分数小的变量,一些不相关的变量可以被过滤掉。基于Filter的随机森林特征选择算法基本步骤如下:
步骤1.特征重要性度量。对每一颗决策树,选择相应的袋外数据(out of bag,OOB)计算袋外数据误差,记为errOOB1;随后对随机对袋外数据OOB所有样本的特征X加入噪声干扰(可以随机改变样本在特征X处的值),再次计算袋外数据误差,记为errOOB2;最后计算特征X的重要性。
计算特征X的重要性公式为:
其中,S表示特征的重要性度量值,X表示特征,errOOB1表示特征X的数据误差,errOOB2表示加入噪声干扰后的特征X的数据误差,N表示选择特征的总数。
步骤2.特征选择。在特征重要性度量的基础上计算每个特征的重要性,确定要剔除的比例,依据特征重要性剔除相应比例的特征,得到一个新的特征集;用新的特征集重复上述过程,直到剩下m个特征(m为提前设定的值);根据上述过程中得到的各个特征集和特征集对应的袋外误差率,选择袋外误差率最低的特征集。
GDM数据集是一个二分类数据集,删除数据集中缺失。具体信息如表1所示。
表1GDM数据集信息
本实例中GDM数据集少类与多类的比例约为3:7。利用HSUD采样后的数据在随机森林算法(Ranger),XGBoost,Caret三种机器学习方法下得到的AUC,Risk值与原数据的结果对比,采样后的结果好于采样前的结果。对原数据与采样数据进行对比,AUC值提高了47.69%。
通常在平衡样本中使用准确率来评价模型的分类效果,但在不平衡数据中评价结果不再那么准确。由于传统算法追求最大准确率而忽略少类的结果,某实证研究证明准确度的追求导致少类的性能下降。因此,本发明选用的AUC值和Risk值适用于不平衡数据的评价。运用同一种算法,不与其他算法比较时,当AUC值最高且Risk值最低时,停止迭代;当存在多种算法相比较时,需取均值,AUC均值最高且Risk均值最低时,停止迭代,即获得不平衡数据的特征选择结果。
AUC值根据混淆矩阵的结果得出,混淆矩阵将数据分为4类:混淆矩阵将数据分为4类:TP表示正确分类的少类;TN表示正确分类的多类;FN表示错误分类的少类;FP表示错误分类的多类。
表2混淆矩阵
ROC(Receiver Operating Characteristic)曲线是根据真阳率与假阳率得出的,最理性的情况为真阳率100%,假阳率0%,则说明分类器全部分类正确。具体计算公式如下:
由于ROC曲线难以得出准确数值,AUC值为其提供了具体数值。分类器的AUC值为其对应的ROC曲线下的面积,面积越大,那么被认为分类器的性能越好。从图3可以看到具体的AUC值及ROC曲线的位置。
Risk值是super Learner中的交叉验证风险,采用Risk值之前需先估计均方预测误差(MSPE)的估计。具体公式如下:
其中,数据集O={(xl,yl)|l=1,...,N},是第i个分类模型;/>是对xl.的预测。
均方预测误差为:
其中,N表示选用模型个数,yl表示数据集中结果变量,表示对xl.预测。
利用机器学习算法得到的不同特征变量排序并选取不同个数的特征变量代入机器学习模型中得出的AUC值与Risk值进行比较,步骤包括:
步骤1:从随机森林算法(Ranger)得到的不同特征变量排序,再根据排序的重要性选择不同的特征变量集合代入机器学习框架中得出的AUC与Risk值;
步骤2:利用回归模型,得到特征变量重要性排序,进而选择不同的特征变量集合,代入机器学习框架中,得到AUC值与Risk值。
表3基于随机森林算法(Ranger)选择的特征集合的性能
注:随机森林算法(Ranger)得到的特征变量重要性排序为:孕妇建档时间(第几孕周)(X1),高密度脂蛋白值(X2),第一次建档时体重增重值(X3),受教育程度(X4),孕前BMI(X5),年龄(X6),舒张压(X7),高甘油三脂血症(X8),病史(X9),家庭肥胖史(X10),受孕方式(X11)。
表3根据随机森林算法(Ranger)得到不同的特征变量排序。根据得到的AUC与Risk值的比较,Ranger算法在选择7个变量时结果最好,AUC和Risk值都已达到稳定。这7个特征变量:孕妇建档时间(第几孕周)、高甘油三脂血症、第一次建档时体重增重值,受教育程度,孕前BMI,年龄,舒张压。
在本发明中可选择多种算法,根据输入的数据即可得出预测的概率及结果,如果根据数据得出的预测值1(YES)的数值较高,则说明该患者更容易得妊娠期糖尿病,那么商业保险公司的决策支持系统为孕妇在孕早期建档时提供医疗保险定价时就较高。
给定预期的人数N,M1为预测为少类的保险费用,M2为预测为多类的保险费用,M1>M2;C1为人均所需要提供的赔偿费用如疾病诊断相关分组(DRG)收费标准、C2为其他成本,以及C3为合理利润等。
表2保险定价分析的混淆矩阵
对孕妇进行分层保险定价,构建方程:
M1*(TP*p1*N+FN*p2*N)+M2*(FP*p1*N+TN*p2*N)
–(C1+C2+C3)*p1*N–(C2+C3)*p2*N=0
其中,(FP+TP)=1,(FN+TN)=1,p1+p2=1,其中p1为人群中妊娠期糖尿病(少类)的孕妇比率,即孕前无糖尿病而后期诊断出糖尿病,p1为非妊娠期糖尿病(多类:正常)的比率;。通过以上方程,求解得到:
其中,FP表示假阳性率,即在建档时非糖尿病患者中,根据所选择的特征预测GDM不发生,但实际会发生的人群患病率。TP分别表示真阳率,即在建档时非糖尿病患者中,根据所选择的特征预测GDM发生,且实际会发生的人群患病率。
为进一步确定M1和M2值,引入保险价差约束:M1-M2=qC1。解得:
M1=qC1+M2
其中,参数q的设置目的是为分层保险的价差,且M2>0。
以上所举实施例,对本发明的目的、技术方案和优点进行了进一步的详细说明,所应理解的是,以上所举实施例仅为本发明的优选实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。