数据挖掘技术在构建非酒精性脂肪肝患者自我管理关联规则中的应用
吸烟史,慢性病,1对象和方法,2结果,3讨论
林秀丽,鲍少蕊,黄海萍,舒美春温州医科大学附属第一医院,浙江 温州 325015,1.感染内科;2.神经内科
非酒精性脂肪性肝病(non-alcoholic fatty liver disease,NAFLD)是以肝实质细胞脂肪变性和脂肪贮积为主要特征的肝病[1],患病率在临床上仅次于慢性病毒性肝炎。近年来,NAFLD患病率高达15%~30%[2],成为全世界面临的严重健康负担。对于单纯使用药物治疗NAFLD的效果并不理想且存在争议[3-4]。2017年亚太地区非酒精性脂肪性肝病诊疗指南指出:成功的生活方式干预可有效改善NAFLD相关的生理指标[5],可见患者的自我管理能力在NAFLD治疗中起着重要作用。关联规则挖掘技术[6]是通过Apriori关联规则挖掘频繁项集的算法,找出各项目集之间的关联性以及内在联系,基于数据分析,发现数据模式及特征,帮助人们做出预测。本研究基于临床大数据的收集,挖掘诊疗数据库中与NAFLD患者自我管理相关的数据,分析其相关影响因素,建立关联规则及自我管理评价体系,以改善NAFLD患者的预后。
1 对象和方法
1.1 对象 选取2020年11月至2021年9月入住温州医科大学附属第一医院感染内科的NAFLD患者为研究对象。纳入标准:根据非酒精性脂肪肝防治指南[7]诊断为NAFLD患者;年龄≥18岁,≤65岁;不饮酒或无过量饮酒史(过去12个月每周饮用乙醇男性<210 g,女性<140 g);患者自愿加入并签署知情同意书。排除标准:因精神障碍等因素不能合作的患者;合并其他肝脏疾病。本研究经本院伦理委员会批注(2016246)。
1.2 调查工具
1.2.1 基线调查表:设计NAFLD患者一般基线调查表,包括患者的基本资料,居住情况、医疗付费情况、工作情况、吸烟史、脂肪肝程度、NAFLD家族史、合并慢性病数量 ......
您现在查看是摘要页,全文长 7033 字符。