本文關鍵詞：基于Spark平臺的高血壓藥物推薦及療效預測研究

  更多相關文章： 高血壓 Spark平臺 預測分析 案例推理 時間序列

【摘要】：高血壓是最常見的心血管疾病,危害巨大,它是冠心病、心肌梗塞的主要誘因,不僅具有較高的致殘率和致死率,而且嚴重消耗了我國的醫(yī)療資源,位居引起死亡的十大危險因素之首。高血壓具有一次得病、終生吃藥的特點,有效控制患者血壓是預防心腦血管等并發(fā)癥的重要因素。目前,高血壓主要是通過藥物治療,但高血壓患者的知曉率、治療率、控制率卻一直非常低,如何有效提高高血壓患者的知曉率、治療率及控制率具有重要的研究意義。移動互聯(lián)網(wǎng)新技術的發(fā)展促使了高血壓傳統(tǒng)醫(yī)療模式的改變,將傳統(tǒng)的血壓監(jiān)測設備與大數(shù)據(jù)等移動互聯(lián)網(wǎng)尖端技術創(chuàng)新融合,通過無線或藍牙將移動終端APP和專業(yè)血壓監(jiān)測設備連接的方式,幫助用戶完成從“測量數(shù)據(jù)-解讀數(shù)據(jù)-分享數(shù)據(jù)-靠近健康”的一個完整解決人體健康需求的閉環(huán)。在給用戶帶來方便快捷的同時,積累了海量數(shù)據(jù),挖掘出海量數(shù)據(jù)中的價值具有重要的研究意義。針對以上問題,本文首先對高血壓領域、數(shù)據(jù)挖掘以及大數(shù)據(jù)領域進行深入研究和分析,提出了基于Spark平臺的高血壓藥物推薦及療效預測研究,具體來說,主要完成了以下工作:(1)針對高血壓治療率低的問題,研究了結合案例推理與貝葉斯推理的高血壓患者藥物推薦模型,首先通過案例推理得到大量相似案例,之后由貝葉斯推理得到藥物列表。案例推理是藥物推薦的常用模型,具有簡單、高效的特點,但其對大量相似案例處理能力不足,而貝葉斯推理具有豐富的概率表達能力。通過融合案例推理與貝葉斯推理的優(yōu)點,輔助醫(yī)師決策,提高了高血壓患者藥物準確率。(2)針對高血壓控制率低的問題,提出了分層時間序列聚類藥物療效預測模型,通過引入分層模型,有效解決了時間序列聚類藥物療效預測模型存在的準確率不高、時間復雜度高的問題。首先,通過分層模型閾值控制時間序列聚類的高血壓電子病歷,之后,將每一位高血壓患者用藥周期的血壓水平建立時間序列曲線,采用兩階段聚類分析方法,根據(jù)兩條曲線的結構相似度劃分為多個匹配度高的片段并計算所有匹配片段的值差異和作為聚類的依據(jù)。最后通過對患者時間序列曲線聚類從而預測患者藥物療效。(3)針對單機對海量數(shù)據(jù)處理的時間性能不足問題,研究了上述高血壓藥物推薦模型及藥物療效預測模型在Spark平臺下的并行化設計及實現(xiàn)。主要設計并實現(xiàn)了并行化貝葉斯算法與并行化K-Means聚類算法,并與單機及Hadoop平臺對比分析,提高了數(shù)據(jù)處理效率及時間性能。實驗表明,高血壓患者藥物推薦模型及療效預測模型具有良好的準確率及實用性。通過在Spark平臺上的并行化實現(xiàn),大大提高了模型算法的執(zhí)行時間及性能。另外,通過課題組的實驗研究,研發(fā)了高血壓患者藥物預測平臺,將藥物推薦模型及療效預測模型集成到平臺中,大大簡化了操作復雜度并可以方便的輔助醫(yī)師決策。
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.13;TP391.3

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 董燕;劉永紅;蔣琰;;高血壓藥物的臨床應用[A];2008年中國藥學會學術年會暨第八屆中國藥師周論文集[C];2008年

2 陳良華;;高血壓藥物的相互作用[A];海南省藥學會二○一○年學術年會會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前8條

1 編譯 姚立新;全球高血壓藥物大公司各執(zhí)一詞[N];醫(yī)藥經(jīng)濟報;2010年

2 實習生 楊玉紅 本報記者 耿興敏;高血壓藥物治療同時還應相應配合非藥物療法[N];中國婦女報;2013年

3 北京大學航天臨床醫(yī)學院心內(nèi)科主任醫(yī)師 靳維華;高血壓藥物如何選擇[N];健康報;2007年

4 張旭;高血壓藥物市場復方制劑有前景 創(chuàng)新劑型受青睞[N];農(nóng)村醫(yī)藥報（漢）;2006年

5 本報記者　 張旭　吳浩良;高血壓藥物市場新變化[N];中國醫(yī)藥報;2006年

6 邵建國;倍博特且行且珍惜[N];醫(yī)藥經(jīng)濟報;2014年

7 一言;高血壓自白[N];大眾衛(wèi)生報;2001年

8 中南大學湘雅醫(yī)學院附二院 肖軼雯;常用高血壓藥物及分類[N];大眾衛(wèi)生報;2001年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 車晉強;基于Spark平臺的高血壓藥物推薦及療效預測研究[D];太原理工大學;2016年

2 胡辰;普通高血壓藥物緩釋制劑用材料的制備技術與釋藥機理研究[D];重慶理工大學;2014年

，

本文編號：1273471