基于數據挖掘技術的2型糖尿病患病風險預測研究.pdf

1、糖尿病已成為繼心腦血管疾病、惡性腫瘤后的第三大威脅人類健康的慢性病。隨著我國人民生活水平的普遍提高以及生活節(jié)奏的加快，糖尿病患病者數量正在以驚人的速度增長，且向低齡化發(fā)展。最新調查顯示，我國成年糖尿病患者高達1.14億，呈現高發(fā)病率狀態(tài)，然而知曉率、治療率和達標率偏低。沒有得到及時治療與控制的糖尿病患者可能有心腦血管以及糖尿病足等各種并發(fā)癥，這不僅嚴重影響了糖尿病患者的生活質量，也為家庭和社會帶來了沉重的負擔。因此，預防和控制2型糖尿病

2、的發(fā)生，對于節(jié)約醫(yī)療資源、降低我國醫(yī)療支出具有重要戰(zhàn)略意義。
　　本研究基于數據挖掘分類技術和分類器評估等相關理論，首先到秦皇島市屬醫(yī)院進行原始數據采集，并利用相關的數據預處理技術進行了數據的清洗；其次，針對單一分類器的局限性，本文綜合比較多個分類器(包括決策樹C5.0，人工神經網絡和支持向量機)的優(yōu)勢和劣勢，運用多個評估工具進行模型的預測性能評價和質量評價，通過比較獲得適合2型糖尿病患病風險預測的最優(yōu)參數下的最佳分類器；第三，針

3、對模型的可操作性和實用性，本文運用決策樹C5.0算法，分別在簡單個人水平、簡單臨床和復雜臨床數據集下建立患病風險預測模型，以實現不同情況下為2型糖尿病的預警和干預提供幫助；最后，由于醫(yī)療數據的復雜性和醫(yī)療臨床決策中對分類精度和算法穩(wěn)定性的高度要求，采用Weka和Eclipse軟件建立集成分類器，增強模型的魯棒性，最終建立一個穩(wěn)定性良好、學習速度快、分類效果最佳的數據挖掘模型。模型的評估結果表明，在單一分類器中，決策樹C5.0模型在復雜臨