99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀健康大數(shù)據(jù)分析方法：關(guān)聯(lián)規(guī)則算法_數(shù)據(jù)分析師考試
健康大數(shù)據(jù)分析方法：關(guān)聯(lián)規(guī)則算法_數(shù)據(jù)分析師考試
2015-08-03
收藏

健康大數(shù)據(jù)分析方法：關(guān)聯(lián)規(guī)則算法_數(shù)據(jù)分析師考試



現(xiàn)在，隨著大數(shù)據(jù)技術(shù)和可穿戴健康監(jiān)測設(shè)備技術(shù)的不斷發(fā)展和普及，虛擬臨床試驗(yàn)和研究向我們走得越來越近，您看下面的最新案例。
1. 從大數(shù)據(jù)移動健康平臺說起
據(jù)《網(wǎng)易新聞》轉(zhuǎn)載《北京青年報(bào)》的報(bào)道：“3月10日，蘋果公司召開2015春季發(fā)布會，其中一款全新的醫(yī)療應(yīng)用ResearchKit瞬間聚焦了全球果粉的目光。在新產(chǎn)品的合作伙伴里，首都醫(yī)科大學(xué)宣武醫(yī)院作為首批并且唯一參與研究計(jì)劃的中國醫(yī)療機(jī)構(gòu)，與各種知名互聯(lián)網(wǎng)公司一同出現(xiàn)在大屏幕中?！睋?jù)了解，在此次蘋果公司搭建移動健康平臺，使移動醫(yī)療模式“入駐”可穿戴設(shè)備的設(shè)計(jì)中，曾做過不少前期調(diào)研。在選擇什么樣的疾病作為首先的切入點(diǎn)時，綜合考慮了病人數(shù)量、便于監(jiān)測與管理、適合移動醫(yī)療模式等因素后，決定將包括帕金森在內(nèi)的五種疾病監(jiān)測APP首批推出。
帕金森病（PD）又名震顫麻痹，是最常見的神經(jīng)退行性疾病之一。流行病學(xué)顯示，患病率為15～328/10萬人口，大于65歲人群約1%；發(fā)病率為10～21/10萬人口/年。PD病因及發(fā)病機(jī)制尚未明確，可能與社會因素、藥物因素、患者因素等有關(guān)，本病最大的危害在于患者生活質(zhì)量嚴(yán)重下降，生活不能自理，并常出現(xiàn)多種并發(fā)癥?？吹揭陨系臄?shù)據(jù)，我們不難理解為什么選擇帕金森病作為首選的五種疾病之一進(jìn)行大規(guī)模監(jiān)測了。
“依托蘋果手機(jī)和iwatch平臺，這套設(shè)備可以動態(tài)監(jiān)測追蹤病人的震顫、步態(tài)、動作快慢、發(fā)聲變化、基本生命體征以及生活相關(guān)信息。”通俗來說，作為疾病研究的工具，這套系統(tǒng)可以打破原本帕金森發(fā)病不定時的治療瓶頸，對于在診室里沒有發(fā)病的患者，可通過穿戴式設(shè)備的隨時監(jiān)測，動態(tài)地、連續(xù)地記錄發(fā)病時的數(shù)據(jù)，方便醫(yī)生收集，并提出更好的治療方案。通過這項(xiàng)研究，不僅可以解決以往沒有客觀的手段可以對疾病的輕重、病情的發(fā)展、藥物干預(yù)是否有效等問題進(jìn)行測量的缺憾，同時也可以更好地在提早發(fā)現(xiàn)帕金森預(yù)兆上發(fā)揮作用。“通過裝置反饋的數(shù)據(jù)，如果一些征兆不斷地向前發(fā)展，可以提早預(yù)警患者，該做什么檢查和治療，避免錯過最好的治療時機(jī)。”
我們相信，今后越來越多的類似項(xiàng)目會開展起來，原先的科研項(xiàng)目中未得到充分代表的群體將得以體現(xiàn)，數(shù)據(jù)收集速度將大幅加快、成本也會大幅下降，參與者退出的幾率也會降低不少。正如我們在先前的博文中提到的，有了這些更具代表性的大數(shù)據(jù)后，我們便可以進(jìn)一步開展“虛擬藥物臨床試驗(yàn)的大數(shù)據(jù)挖掘”工作了。
具體到大數(shù)據(jù)挖掘技術(shù)，目前常用的、在實(shí)踐中證明有效的已有不少了，我們會摘取一些加以介紹，今天介紹的是關(guān)聯(lián)規(guī)則技術(shù)。
2. 關(guān)聯(lián)規(guī)則發(fā)現(xiàn)大數(shù)據(jù)中的“規(guī)則”
在《數(shù)據(jù)挖掘技術(shù)與工程實(shí)踐》一書中，我們介紹了關(guān)聯(lián)規(guī)則的經(jīng)典應(yīng)用。下面我們摘錄書中一些關(guān)聯(lián)規(guī)則在醫(yī)學(xué)上的擴(kuò)展應(yīng)用。我們觀察一下事件A和事件B的并發(fā)組合，如表7-1所示。



表7-1 A、B事件的并發(fā)組合大數(shù)據(jù)
作為事件A和事件B的并發(fā)組合一共四種情況：
001：前件A->后件B
002：前件A->后件非B
003：前件非A->后件B
004：前件非A->后件非B
其中“非A”表示事件A沒有出現(xiàn)，“非B”表示事件B沒有出現(xiàn)。如果我們將以上每種情況的支持度和置信度簡化為高低兩個取值，則不同支持度和置信度下的事件A和事件B并發(fā)組合總共有16種，如表7-2所示。



表7-2 A、B事件的并發(fā)組合情況大數(shù)據(jù)
2.1對不同并發(fā)模式的興趣
不同支持度和置信度的并發(fā)組合模式分為如下幾種：
HH模式：高支持度高置信度
HL模式：高支持度低置信度
LH模式：低支持度高置信度
LL模式：低支持度低置信度
第一種HH模式是很常見的應(yīng)用，前面談過很多了，這里我們不再討論了。我們主要看一下后面三種模式在醫(yī)學(xué)上的應(yīng)用。
1.HL模式
在合并癥研究中，關(guān)聯(lián)規(guī)則模型的支持度高時，說明該合并癥病例的基數(shù)很大，置信度雖然可能不高，但因?yàn)椴±幕鶖?shù)大，事件A（合并癥A）伴隨事件B（合并癥B）出現(xiàn)的情況也是一個常見的情況。比如某種代謝病的基數(shù)很大，伴隨出現(xiàn)酮癥酸中毒癥雖然置信度不高，但是因?yàn)榇x病的基數(shù)大，酮癥酸中毒癥伴隨代謝?。ɑ蛘哒f代謝病合并酮癥酸中毒癥），也算是一個常見的情況，需要加以注意。
2.LH模式
這是一種低支持度和高置信度的模式。因?yàn)檫@種模式的置信度高，所以伴隨現(xiàn)象從前件推知后件的正確概率很高。這樣的模式見于一些少見疾病的特殊伴隨現(xiàn)象。這種特殊伴隨現(xiàn)象作為一個特征，可以用來發(fā)現(xiàn)和提示少見疾病的特殊伴隨現(xiàn)象的出現(xiàn)，比如傷寒和相對緩脈的同時出現(xiàn)?；蛘呤浅Ｒ娂膊〉纳僖姲殡S現(xiàn)象，通過前件來推測后件的出現(xiàn)，如感冒引發(fā)病毒性心肌炎。
3.LL模式
低支持度和低置信度模式看似無用，但是在醫(yī)學(xué)這種特殊行業(yè)（當(dāng)然其他行業(yè)也可能有類似情況），會有一些很少見的伴隨現(xiàn)象，卻具有極高危險(xiǎn)性，如某癥狀A(yù)引發(fā)急性心肌梗塞這樣的情況。低的置信度是因?yàn)檫@種情況下，心肌梗塞不表現(xiàn)出典型的癥狀，而是以少見的癥狀A(yù)為表現(xiàn)。如果沒有想到癥狀A(yù)后面的心梗，則會耽誤救治的最佳時機(jī)，可能是一個致命的疏漏。LL模式主要應(yīng)用于尋找這類擁有高破壞力后件的少見伴隨現(xiàn)象。
2.2負(fù)模式規(guī)則和零模式規(guī)則
如表7-1中所示，我們將001（前件A->后件B）這樣的關(guān)聯(lián)規(guī)則，稱為關(guān)聯(lián)規(guī)則的“正模式”；將002（前件A->后件非B）或003（前件非A->后件B）這樣的關(guān)聯(lián)規(guī)則，稱為關(guān)聯(lián)規(guī)則的“負(fù)模式”；將004（前件非A->后件非B）這樣的關(guān)聯(lián)規(guī)則，稱為關(guān)聯(lián)規(guī)則的“零模式”。
經(jīng)典的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的是表7-1的ID-001的部分。當(dāng)事件A出現(xiàn)時事件B也出現(xiàn)，且具有高支持度和高置信度，如某種疾病的高血壓癥狀和高血膽固醇癥狀的伴隨出現(xiàn)具有高置信度和支持度。這樣的關(guān)聯(lián)規(guī)則我們稱之為“正模式”規(guī)則。ID-002和ID-003是另外一種關(guān)聯(lián)形式，淺灰色的是事件A出現(xiàn)時事件B不出現(xiàn)，如買了A品牌啤酒的顧客不買B品牌啤酒，再如有高血壓癥狀的病人沒有高血膽固醇癥狀的伴隨出現(xiàn)。深灰色的是事件A不出現(xiàn)時事件B出現(xiàn)，如沒有買A品牌啤酒的顧客購買B啤酒，再如沒有高血壓癥狀的病人卻有高血膽固醇癥狀的出現(xiàn)。這樣的關(guān)聯(lián)規(guī)則我們稱之為“負(fù)模式”規(guī)則。ID-004是又一種模式，沒有出現(xiàn)事件A時事件B也沒有出現(xiàn)，如沒有購買A啤酒的顧客也不會買B啤酒，再如沒有高血壓癥狀的病人也沒有高血膽固醇癥狀的出現(xiàn)。這樣的關(guān)聯(lián)規(guī)則我們稱之為“零模式”規(guī)則。
醫(yī)學(xué)數(shù)據(jù)的特點(diǎn)與購物數(shù)據(jù)不同。醫(yī)學(xué)數(shù)據(jù)的非A（非B）不是購物籃中的沒有購買，而是可能某醫(yī)學(xué)指標(biāo)處于正常范圍、低于某值、高于某值或未出現(xiàn)某癥狀等這些非異常的狀況。
1.負(fù)模式規(guī)則
應(yīng)用負(fù)模式規(guī)則是一種特殊的伴隨現(xiàn)象，在醫(yī)學(xué)上的用途之一是可以發(fā)現(xiàn)致病因素或疾病的保護(hù)因素。當(dāng)非A事件與疾病伴隨出現(xiàn)時，尤其是非A事件與疾病的伴隨是LL模式時，提示事件A可能是個保護(hù)性因素。當(dāng)然這只是個現(xiàn)象和可能，具體事件A是不是該病的保護(hù)性因素還需要大量的醫(yī)學(xué)驗(yàn)證。而相反，如果事件B是對某疾病有益的因素，當(dāng)事件A與非B事件伴隨出現(xiàn)時，A可能作為某疾病的危險(xiǎn)因素而出現(xiàn)。另外，當(dāng)發(fā)現(xiàn)某種癥狀不出現(xiàn)時而能確診某疾病，這樣的情況可以發(fā)現(xiàn)、排除診斷某種疾病的特征維度（癥狀）。
2.零模式規(guī)則
應(yīng)用零模式也是一種特殊的伴隨現(xiàn)象，醫(yī)學(xué)上的用途之一是可以發(fā)現(xiàn)某疾病的致病因素或保護(hù)因素。在合并癥的研究中，當(dāng)非A事件與不利的非B事件伴隨出現(xiàn)時，非A事件可能是個保護(hù)因素。如事件B是“高密度脂蛋白在正常范圍”，非A事件與非B事件“高密度脂蛋白不足”伴隨出現(xiàn)，事件A有可能是個保護(hù)因素。如果非A事件與有利的非B事件伴隨，則事件A可能是個致病因素或危險(xiǎn)因素。
當(dāng)然，我們提出的負(fù)模式規(guī)則應(yīng)用和零模式規(guī)則應(yīng)用絕不能向前面討論的這樣簡單操作，實(shí)際情況遠(yuǎn)遠(yuǎn)比我們想象的要復(fù)雜，我們需要將所有的影響因素考慮進(jìn)去。這里，我們給大家提供比經(jīng)典關(guān)聯(lián)規(guī)則應(yīng)用更寬泛的應(yīng)用思路。

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗(yàn)證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }