[发明专利]一种用于治未病的医疗数据挖掘方法

权利要求书

1.一种用于治未病的医疗数据挖掘方法，其特征在于具体包括如下步骤：

步骤1.使用插值法获得时间序列均匀一致的体征数据表，具体的实现过程如下：

参数变量定义：

orig：原始数据表；c_orig：时间序列体征数据表；

I：人员编号；Inter：时间间隔常数；

or＝orig[i]：第i号人员的原始数据；cr＝c_orig[i]：第i号人员的时间序列体征数据；

or_p：当前人员在原始数据表中的第几次体检数据；

cr_p：当前人员在时间序列体征数据表中的第几个体征数据；

c_time：当前人员在时间序列体征数据表中的第cr_p个体征数据对应的时间；

or.record[or_p].value：当前人员在原始数据表中的第or_p次体检数据；

cr.value[cr_p]：当前人员在时间序列体征数据表中的第cr_p个体征数据；

or.record[or_p].time：当前人员在原始数据表中的第or_p次的体检时间；

next_ov、base：临时变量；p、q：常量，其中p为长期均线周期数，q为短期均线周期数，且p>q；

cr.length：当前人员在时间序列体征数据表中的体征数据个数；

or.length：当前人员在原始数据表中的体检个数；

or.ill_time：当前人员在原始数据表中的发病时间；

arv_p：中间变量，用于记录时间序列体征数据表中第cr_p-p+1个到第cr_p个体征数据的均值；

arv_q：中间变量，用于记录时间序列体征数据表中第cr_p-p+1个到第cr_p个体征数据的均值；

arv_p’：中间变量，用于记录时间序列体征数据表中第cr_p-p个到第cr_p-1个体征数据的均值；

arv_q’：中间变量，用于记录时间序列体征数据表中第cr_p-p个到第cr_p-1个体征数据的均值；

表1:疾病g对应的体征指标A的原始数据表orig

其中id字段为被跟踪人员的编号，发病时间为该人员在发现患病后估算得到的初始发病时间，length字段表示该人员总共测量体征指标A的次数；每个record[]字段都记录一次测量体征指标A的结果，每个record有测量时间time和测量得到的值value两个域；其中time表示从格林威治时间1970年01月01日00时00分00秒起至测量采样时为止的总秒数；

步骤1-1.创建时间序列体征数据表c_orig，表格形式参看表2；初始化人员编号i＝0；inter赋值为时间间隔常数；

表2.时间序列体征数据表c_orig

步骤1-2.获得第i号人员的原始数据or＝orig[i]和时间序列体征数据cr＝c_orig[i]；并初始化or_p＝0、cr_p＝0；

步骤1-3.将or.record[or_p].value、or.record[or_p].time分别赋值到cr.value[cr_p]和c_time；

步骤1-4.针对第or_p+1次体检，将or_p+1赋值给or_p，即or_p＝or_p+1；如果or_p大于等于or.length，则跳转到步骤1-10；否则将or.record[or_p].value赋值给next_ov；

步骤1-5.计算时间序列体征数据表中的第cr_p+1个体征数据对应的时间c_time+inter，并将时间c_time+inter赋值到c_time，即c_time＝c_time+inter，如果赋值后的c_time大于等于or.record[or_p].time，则跳转到步骤1-8；

步骤1-6.计算cr.value[cr_p+1]，具体的：

cr.value[cr_p+1]＝inter*(next_ov-cr.value[cr_p])/(or.record[or_p].time-c_time)；

cr_p＝cr_p+1；

步骤1-7.跳转到步骤1-5；

步骤1-8.如果c_time等于or.record[or_p].time，则将next_ov赋值给cr.value[cr_p+1]；

步骤1-9.跳转到步骤1-4；

步骤1-10.将cr_p赋值给cr.length，然后针对下一个人员，即i＝i+1；若i小于等于n，n为原始数据表中人员个数，则跳转到步骤1-2；否则结束；

步骤2.对基础体征进行处理

步骤2-1.初始化人员编号，即i＝0；

步骤2-2.获得第i号人员的原始数据or＝orig[i]和时间序列体征数据cr＝c_orig[i]；并初始化or_p＝0、cr_p＝0；

步骤2-3.初始化base＝0；

步骤2-4.如果or.ill_time>0且or.record[or_p].time>or.ill_time，则直接跳转到步骤2-11；

步骤2-5.将base+or.record[i].value赋值给base，同时or_p＝or_p+1；

步骤2-6.如果or_p<or.length，则跳转到步骤2-4；

步骤2-7.如果base不等于0，则base＝base/or_p；

步骤2-8.初始化cr_p＝0；

步骤2-9.将cr.value[cr_p]-base赋值给cr.value[cr_p]；

步骤2-10.对cr_p累加，即cr_p＝cr_p+1；再对cr_p进行判断，如果cr_p<cr.length，则跳转到步骤2-9；

步骤2-11.对i进行累加，即i＝i+1；再对i进行判断,如果i<n，则跳转到步骤2-2；

步骤3.任取时间序列体征数据表中的一行，即某个人员的时间序列体征数据cr，并对cr进行预警判断，具体如下：

步骤3-1.初始化cr_p＝p+1；

步骤3-2.计算

arv_p＝(cr.value[cr_p-p+1]+cr.value[cr_p-p+2]+...+cr.value[cr_p])/p；

步骤3-3.计算

arv_q＝(cr.value[cr_p-q+1]+cr.value[cr_p-q+2]+...+cr.value[cr_p])/q

步骤3-4.计算

arv_p’＝(cr.value[cr_p-p]+cr.value[cr_p-p+1]+...+cr.value[cr_p-1])/p

步骤3-5.计算

arv_q’＝(cr.value[cr_p-q]+cr.value[cr_p-q+1]+...+cr.value[cr_p-1])/q

步骤3-6.若arv_q>arv_q’且arv_p>arv_p’且arv_q>arv_p且

cr.value[cr_p]>arv_q，则对该人员进行预警，并结束；

步骤3-7.对cr_p进行累加，即cr_p＝cr_p+1，然后对cr_p进行判断，如果cr_p<cr.length，则跳转到步骤3-2，否则结束。