[发明专利]基于递归分区计算的高血压用药推荐模型及其构建方法

摘要

本发明公开了基于递归分区计算的高血压用药推荐模型及其构建方法，包括步骤：通过ICD编码获取高血压数据集合，并将数据集解析、处理为标准化的文本病历格式；文本病历格式化为含高血压用药特征的分类变量，并定义模型框架；数据集合通过年龄的分层抽样方法划分为测试样本集和验证样本集；基于测试样本集，利用递归分区算法计算模型的拟合度、判断用药节点的复杂度；建立模型参数池、设定参数组成；通过验证样本集，求解最优模型参数，实现高血压用药推荐模型的构建与优选。本发明通过大数据分析的手段，解析不同用药方案在高血压患者个体化应用中的识别方法，根据患者治疗分类特征实现单一用药或联合用药方案的快速选择。

主权项

1.基于递归分区计算的高血压用药推荐模型及其构建方法，其特征在于，包括以下步骤：/nS1、通过ICD编码获取高血压数据集合，并将数据集解析并处理为标准化的文本病历格式；/nS2、将步骤S1中的文本病历格式化为多个分类变量，将数据集合通过基于年龄的分层抽样方法分为测试样本集和验证样本集；/nS3、通过决策树框架、定义高血压用药推荐模型；/nS4、通过测试样本集，计算模型的拟合度，具体包括：S41、高血压用药特征参数的评估：选择一个预测变量将测试样本分为单一用药和联合用药两类，通过递归分区算法实现单一用药和联合用药两类之间的拟合度最大化；S42、各类别内输出变量之间数值变异最小化：对于每个子类，重复步骤S41的操作，直到各类别内的输出变量不能被精准区分为止；/nS5、判断S4中初始高血压用药节点的复杂度；/nS6、建立模型参数池，设定参数组合的集合；/nS7、求解模型最优参数：S71、遍历S6步骤得到的所有参数组合，通过交叉验证测试样本集数据获得的模型来预测验证样本集数据的用药推荐结局，并与验证样本集数据的实际结局方案进行比较，计算错分率，S72、得到错分率最低的参数组合作为最优参数组合进行输出；/nS8、模型构建及预测：S81、模型构建：通过步骤S4、S5、S6、S7的步骤，将测试集中每个样本归类到终端节点的用药方案，并根据终端节点中本单元用药方案的众数判断节点的属性；S82、样本预测：对于验证集中的每一个样本执行高血压用药推荐模型，得到其终端节点，并根据S81得到模型预测的所属用药方案，从而实现模型的评价与校验。/n