高血壓是危害我國公共健康的重大問題。我國城鄉(xiāng)居民每年有近70萬人死于心腦血管疾病,超過因病致死總人數(shù)的40%。在所有死亡病例中,有70%的腦卒中病例和50%的心肌梗死病例與高血壓密切相關。鑒于高血壓疾病的高患病率和后期致死率,我國對高血壓患者采取了定期隨訪策略。由基層醫(yī)療衛(wèi)生機構的隨訪醫(yī)師為轄區(qū)內的高血壓患者提供專業(yè)的降壓指導,旨在提高高血壓患者的生存質量。然而,人體血壓水平受多方面因素的復雜影響,既可能由于外部環(huán)境因素的影響發(fā)生偶發(fā)性變化,也可能由于長期的藥物治療或生活方式干預發(fā)生根本性改變,并且,各影響因素反映在不同患者身上又有所差異。只依據(jù)隨訪醫(yī)師個人的從醫(yī)經驗為患者制定降壓計劃,可能會有所疏漏,無法保證高血壓患者的隨訪管理效果。針對這一問題,本文以山東省某市高血壓患者的隨訪記錄為基礎,探究了降壓治療措施、外部環(huán)境等多方面因素對患者血壓水平的綜合作用,首次建立了能夠定量輸出在多方面因素影響下患者血壓水平的高血壓患者血壓預測模型。該模型能夠在隨訪醫(yī)師為高血壓患者制定個性化降壓策略時提供有力的數(shù)據(jù)支撐。本文主要研究內容及獲得的主要成果如下:(1)采集并處理了患者血壓水平影響因素的相關...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

圖3-1原始高血壓患者隨訪記錄Figure3-1Unprocessedfollow-uprecordsofpatientswithhypertension

那?蚪】檔蛋附換還蠶砥教ǘ越櫻?湊鍘豆娣丁分幸?笊洗?009年以來的隨訪數(shù)據(jù)。本文所使用的高血壓患者門診隨訪記錄來源于山東省中某市的區(qū)域健康檔案交換共享平臺。記錄囊括了2015年8月至2017年4月該市160多家社區(qū)服務衛(wèi)生中心對轄區(qū)內高血壓患者的門診隨訪數(shù)據(jù)，使用了70余個數(shù)據(jù)....

圖3-2天氣原始記錄Figure3-2Unprocessedweatherrecords

青島科技大學研究生學位論文23圖3-2天氣原始記錄Figure3-2Unprocessedweatherrecords3.2數(shù)據(jù)預處理數(shù)據(jù)預處理是將采集到的原始數(shù)據(jù)加工成契合研究目標需求的高質量數(shù)據(jù)集的過程。良好的數(shù)據(jù)預處理工作能夠有效提高后續(xù)數(shù)據(jù)建模與數(shù)據(jù)分析的效率[67]。本....

圖3-4原始高血壓患者特征數(shù)據(jù)集Figure3-4Unprocessedhypertensionpatientcharacteristicdataset

青島科技大學研究生學位論文25壓影響因素的相關字段一部分存儲在高血壓患者門診隨訪原始記錄中，另一部分存儲在天氣原始記錄中，后續(xù)的數(shù)據(jù)建模工作可能需要多次抽取患者血壓影響因素的數(shù)據(jù)，每次抽取均要對門診原始隨訪記錄表和天氣原始隨訪記錄表做笛卡爾積運算，會花費大量的時間成本。因此，本文....

圖3-5預處理完成后的高血壓患者特征數(shù)據(jù)集Figure3-5Characteristicdatasetsofprocessedhypertensivepatients

虼耍??訟??魘?值型患者特征由于量綱的差異所帶來的不利影響，本文基于z-score方法[70]對數(shù)值型患者特征進行標準化處理，在不改變特征之間相關系數(shù)的前提下，使得各個特征處于同一量級，易于高血壓患者血壓預測模型的接收與學習。而對于短文本型的患者特征，并不能被模型直接識別，需要....

本文編號：3927817