亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于FP-Growth算法的精神障礙患者用藥不良反應(yīng)預(yù)警App研究

        2022-06-11 07:06:27孫敏琦潘媛媛
        電腦知識與技術(shù) 2022年13期
        關(guān)鍵詞:移動醫(yī)療關(guān)聯(lián)規(guī)則精神障礙

        孫敏琦 潘媛媛

        摘要:隨著移動醫(yī)療技術(shù)的發(fā)展,人們熱衷于通過手機查詢疾病信息。為了防患精神障礙疾病患者在常規(guī)用藥過程中發(fā)生藥品不良反應(yīng)(Adverse Drug Reaction,ADR),采用FP-Growth算法對ADR風險因素進行挖掘,設(shè)計一種基于Android平臺的精神障礙患者用藥不良反應(yīng)預(yù)警的App。算法根據(jù)精神障礙患者ADR報告的最新數(shù)據(jù),挖掘頻繁出現(xiàn)的ADR-藥品-用藥人群組合,提取滿足最小支持度和最小置信度閾值的強關(guān)聯(lián)規(guī)則。根據(jù)強關(guān)聯(lián)規(guī)則對用戶輸入的一系列用藥信息進行預(yù)測判斷,以移動可視化界面的形式反饋給用戶,保障患者全過程安全用藥。

        關(guān)鍵詞:藥品不良反應(yīng)預(yù)警;精神障礙;FP-Growth算法;關(guān)聯(lián)規(guī)則;移動醫(yī)療

        中圖分類號:TP311 ? ? ?文獻標識碼:A

        文章編號:1009-3044(2022)13-0132-03

        1 引言

        根據(jù)中國疾控中心精神衛(wèi)生中心公示的一系列數(shù)據(jù)顯示,在中國總數(shù)超過1億數(shù)量的各類精神疾病患者中,有約640萬人患精神分裂癥,110萬人有雙相情感障礙。最新的一項涵蓋5萬多人的調(diào)查顯示,新冠肺炎疫情期間約有35%的公眾存在不同程度的情緒反應(yīng)。其中,居家的社區(qū)嚴重精神障礙患者的心理問題加重[1],老年人和一線工作人員等特殊人群的心理健康狀況受到多方關(guān)注。目前,全球范圍內(nèi)受精神健康問題困擾的人群逐年增加。據(jù)統(tǒng)計,截至今年,已有超十億人受到不同程度精神健康疾病的困擾,平均每40秒就有一人因受到精神疾病困擾而導(dǎo)致自殺。患病率日益上升的精神障礙疾病在我國存在著巨大的“治療缺口”,由于抗精神病藥品的藥理作用比較廣泛,不僅單純作用于神經(jīng)系統(tǒng)發(fā)揮作用,對泌尿、消化、心血管系統(tǒng)和皮膚及附屬器官也會產(chǎn)生影響[2],從而引起一系列藥品不良反應(yīng),對下一步的疾病治療造成阻礙。

        藥品不良反應(yīng)是指在正常用法、用量下使用合格藥品時出現(xiàn)的與用藥目的無關(guān)或意外的有害反應(yīng)。由于醫(yī)護人員在常規(guī)給患者使用藥品進行診療時,引起理想治療效果以外的不良反應(yīng)現(xiàn)象非常常見,為防止藥品不良反應(yīng)事件頻頻發(fā)生,部分學者展開了預(yù)警研究。葉明全[3]等人提出結(jié)合概念層次樹和多層關(guān)聯(lián)規(guī)則的挖掘方法,自頂向下或自底向上找出不同概念層次上ADR臨床癥狀與用藥人群、用藥情況等組合之間的強關(guān)聯(lián)規(guī)則,生成ADR預(yù)警規(guī)則庫,準確度達到89%。賀小紅[4]等人基于多維表達式(multi-dimensional expressions,MDX)對數(shù)據(jù)進行切片、切塊、鉆取等聯(lián)機分析處理,并用filter函數(shù)挑選出頻繁項集進而提取關(guān)聯(lián)規(guī)則。熊代琴[5]等人先對可能產(chǎn)生ADR的單因素進行篩查和共線性檢驗,再對影響因素使用多因素二元logistic回歸分析生成LR模型,基于該模型預(yù)測ADR發(fā)生風險。王艷[6]等人采用非條件最小二乘法進行參數(shù)估計,發(fā)現(xiàn)ARIMA為較優(yōu)模型,只需內(nèi)生變量即可進行建模而不需要考慮其他變量,可操作性好。張成[7]等人用貝葉斯置信傳播神經(jīng)網(wǎng)絡(luò)(BCPNN)挖掘舒金健藥丸ADR/AE風險預(yù)警信號,采用傾向評分法控制平衡混雜因素,可以很好地克服在獲取數(shù)據(jù)較少情況下因估計誤差大而致假陽性率高這一問題。

        盡管引起精神類疾病的因素日益增多,較高的發(fā)病率伴隨的卻是只有不到20%的治療率。得到治療的患者又因為精神疾病間容易共患,治療期間可能因為發(fā)生共患反過來影響藥物治療的選擇,這就需要及時調(diào)整用藥情況,規(guī)避再次產(chǎn)生藥品不良反應(yīng)的風險。因此,本研究提出一種基于移動平臺的用藥不良反應(yīng)預(yù)警App,幫助精神障礙患者在用藥前期避免不良反應(yīng)的發(fā)生。

        2 基于FP-Growth的關(guān)聯(lián)規(guī)則挖掘算法

        2.1 支持度和置信度

        設(shè)I={i1,i2,…,im}是一個總項集,其中包含m個不同項目,D={r1,r2,…,rm}為事務(wù)數(shù)據(jù)庫,每個事務(wù)ri(i=1,2,…,n)均對應(yīng)I上的一個子集,滿足ri?I,記為R。設(shè)X,Y為I中不同的項集,當X?Y,稱其為一條關(guān)聯(lián)規(guī)則,項集X為先決條件,項集Y為關(guān)聯(lián)結(jié)果[8]。衡量關(guān)聯(lián)規(guī)則是否標準常用以下兩個指標:支持度(support)和置信度(confidence)。支持度是事務(wù)數(shù)據(jù)集D中同時出現(xiàn)項集X、Y的概率,置信度是指在出現(xiàn)項集X的事務(wù)數(shù)據(jù)集D中,項集B是同時出現(xiàn)的概率。式(1)、(2)分別為支持度和置信度的公式概念。

        Support(X?Y)=P(X,Y)=[|{R|X?Y?R,R?D}|D] ? ? ? ? ? (1)

        Confidence(X?Y)=P(Y|X)=[PX,YPX]=[SupportX?YSupportX] ? ?(2)

        支持度從“數(shù)量”角度篩選普遍存在的關(guān)聯(lián)規(guī)則,如果X和Y同時出現(xiàn)得非常頻繁,說明X和Y總是相關(guān)的。置信度是反映關(guān)聯(lián)規(guī)則可靠性的評價指標,Confidence(X?Y)越接近1說明兩者關(guān)聯(lián)性越強。當關(guān)聯(lián)規(guī)則同時滿足最小支持度和最小置信度時,稱其為“強關(guān)聯(lián)規(guī)則”。

        2.2 FP-Growth算法流程

        關(guān)聯(lián)規(guī)則算法用來挖掘數(shù)據(jù)集內(nèi)部的相關(guān)聯(lián)性,考慮到Apriori算法需要對候選項集里的每一項各掃描一次,在數(shù)據(jù)集量很大時,算法存在效率低、運行時間長的缺點,本研究采用更加高效的FP-Growth算法,將數(shù)據(jù)集化為FP-tree這一數(shù)據(jù)結(jié)構(gòu),尋找頻繁項集的過程便是對這棵樹進行操作的過程。

        采用FP-Growth算法挖掘關(guān)聯(lián)規(guī)則的流程如圖1所示,其具體步驟如下:

        1)遍歷事務(wù)數(shù)據(jù)集D,統(tǒng)計每個項目的出現(xiàn)次數(shù),設(shè)定最小支持度MinS,剔除小于MinS的項目,對剩余的頻繁項降序排序。

        2)再次遍歷事務(wù)數(shù)據(jù)庫,對排序后的頻繁項建立頻繁項頭表,同時建立FP-tree,根節(jié)點記為NULL,讀入頻繁項集并將其添加到一條已存在的路徑中,若該路徑不存在則新建一條路徑。

        3)對于每個頻繁項,按照頻繁項表自下而上的順序訪問FP-tree,找尋該頻繁項的前綴路徑和路徑計數(shù)值,生成條件模式基。

        4)利用條件模式基構(gòu)建相應(yīng)頻繁項的條件FP-tree,遞歸調(diào)用樹結(jié)構(gòu),若是單路徑結(jié)構(gòu),跳至步驟5);若是多路徑結(jié)構(gòu)則不斷迭代調(diào)用樹的過程,直到形成單路徑為止。

        5)每一次遞歸都要對前綴路徑中的支持度計數(shù)減1和刪除小于最小支持度的項目,把條件頻繁項集和該頻繁項取并集生成最終的頻繁模式。

        2.3 FP-Growth算法應(yīng)用案例

        以蕪湖市某三甲醫(yī)院精神科室2016~2020年統(tǒng)計的藥品不良反應(yīng)記錄為例。對初始的1916條記錄進行數(shù)據(jù)預(yù)處理,先清除異常和重復(fù)的數(shù)據(jù),由于FP-Growth算法只能處理布爾型數(shù)據(jù),為保證數(shù)據(jù)格式標準化,將字符型數(shù)據(jù)二值化處理,得到可用于實驗的1800條記錄,即1800個事務(wù)組成的事務(wù)數(shù)據(jù)集,主要包括:序列號、性別、年齡、所患疾病名稱、用藥名稱、ADR名稱、ADR結(jié)果。表1為精神障礙患者用藥不良反應(yīng)二值化前的事務(wù)數(shù)據(jù)集。

        通過FP-Growth算法挖掘預(yù)處理后的頻繁項集,性別、年齡、所患疾病名稱、用藥名稱作為先決條件,ADR名稱作為關(guān)聯(lián)結(jié)果,尋找ADR、藥品和用藥人群之間的關(guān)聯(lián)關(guān)系。設(shè)最小支持度為0.02,最小置信度為0.75,提取所有置信度達0.5以上的關(guān)聯(lián)規(guī)則組成預(yù)警規(guī)則集,表2為置信度較高的10條關(guān)聯(lián)規(guī)則。當患者是女性且患有精神分裂癥時,由數(shù)據(jù)挖掘的分析結(jié)果可知,預(yù)警規(guī)則集給出4條預(yù)警信息,分別是精神分裂癥女性服用利培酮片有81%的可能發(fā)生自主神經(jīng)功能紊亂,精神分裂癥女性服用氯氮平片有81%的可能發(fā)生心律異常;精神分裂癥女性服用阿立哌唑片有80%的可能發(fā)生錐體外系反應(yīng);精神分裂癥女性服用利培酮片有76%的可能發(fā)生錐體外系反應(yīng)。

        3 基于FP-Growth的精神障礙患者ADR預(yù)警App設(shè)計

        本App以Android Studio作為開發(fā)平臺,采集服務(wù)和服務(wù)端采用Intellij IDEA集成開發(fā)環(huán)境并使用同一個MySQL數(shù)據(jù)庫系統(tǒng)。開發(fā)過程先后經(jīng)過對軟件功能分析與設(shè)計、數(shù)據(jù)庫設(shè)計、客戶端設(shè)計和后臺管理功能設(shè)計。軟件提供健康檔案、用藥記錄、藥品不良反應(yīng)預(yù)警和健康報告功能,圖2為軟件總體功能模塊設(shè)計圖。

        3.1 健康檔案模塊

        用戶首次登錄時需先注冊賬號,軟件推送“我的資料”界面,在其中填寫姓名、年齡、性別、身高、體重和手機號。圖3為App首頁界面,“健康檔案”模塊可從首頁進入,如圖4所示,每一條檔案信息包括姓名、性別、年齡、疾病,可對其進行添加、刪除、修改操作。考慮到軟件的使用人群不全是精神障礙患者和醫(yī)護人員,有替他人預(yù)測用藥不良反應(yīng)風險的可能,所以這里再次記錄性別、年齡信息。

        3.2 用藥記錄模塊

        用戶輸入藥名,用藥時間一欄同步手機當前時間,也可以自行調(diào)整。對于一天多次用藥的情況,以天為單位合并數(shù)據(jù),最終形成每日的用藥記錄。圖5為錄入藥名和用藥時間的頁面設(shè)計。

        3.3 精神障礙用藥ADR預(yù)警模塊

        收集從醫(yī)院獲取到精神障礙患者藥品不良反應(yīng)數(shù)據(jù)預(yù)處理,采用基于FP-Growth算法的數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則的方法,構(gòu)建抗精神障礙藥品不良反應(yīng)早期預(yù)警模型,將此模型數(shù)據(jù)導(dǎo)入到MySQL數(shù)據(jù)庫中。用戶使用軟件時,只需輸入疾病和患者的年齡、性別、用藥名稱,系統(tǒng)在預(yù)警模型數(shù)據(jù)庫中搜索對應(yīng)的不良反應(yīng),結(jié)合置信度大小分析不良反應(yīng)的風險程度并反饋給用戶。系統(tǒng)規(guī)定置信度達0.80以上的不良反應(yīng)屬于高風險,置信度在0.65~0.80內(nèi)的不良反應(yīng)屬于較高風險,置信度在0.50~0.65內(nèi)為中風險不良反應(yīng)。預(yù)警界面如圖6所示。

        3.4 健康報告模塊

        考慮到部分抗精神障礙藥品具有單一性和不可調(diào)整性,患者短期內(nèi)找不到可替代現(xiàn)成的、會導(dǎo)致不良反應(yīng)的藥品,不得不服用現(xiàn)有藥物,這將導(dǎo)致預(yù)警系統(tǒng)推送不良反應(yīng)的發(fā)生風險和情況描述。軟件整理預(yù)警系統(tǒng)分析出的藥品不良反應(yīng)情況,形成日報和周報。日報通過選擇日期,顯示某天是否有不良反應(yīng)的發(fā)生,周報收集一周的預(yù)警信息,沒有發(fā)生不良反應(yīng)給出“優(yōu)”等級,發(fā)生1或2次不良反應(yīng)給出“良”等級,不良反應(yīng)發(fā)生2次以上則是“差”等級。圖7、圖8分別為健康周報、健康日報的設(shè)計界面。

        4 結(jié)束語

        本文在研究國內(nèi)外藥品不良反應(yīng)預(yù)警相關(guān)算法的基礎(chǔ)上,針對目前精神障礙患者人群擴張、疾病種類和藥品數(shù)量增多的現(xiàn)狀和實際需求設(shè)計開發(fā)了一款基于FP-Growth算法的精神障礙患者用藥不良反應(yīng)預(yù)警App。算法根據(jù)精神障礙患者用藥不良反應(yīng)的呈報數(shù)據(jù),挖掘頻繁出現(xiàn)的ADR-藥品-用藥人群組合,提取滿足最小支持度和最小置信度的強關(guān)聯(lián)規(guī)則。軟件根據(jù)關(guān)聯(lián)規(guī)則智能預(yù)警不良反應(yīng)的發(fā)生風險,為用戶提供健康檔案、健康報告和智能預(yù)警功能,以達到令患者在用藥前期防控到位、提高疾病治療效果的目的,若將其利用到精神障礙疾病臨床治療上,其應(yīng)用前景和作用是巨大的。

        參考文獻:

        [1] 李世明,楊雀屏,馮為,等.常態(tài)化疫情防控下社區(qū)嚴重精神障礙患者管理服務(wù)現(xiàn)狀與建議[J].中國公共衛(wèi)生管理,2021,37(6):764-766.

        [2] 莊紅艷,劉珊珊,果偉,等.某精神??漆t(yī)院115例新的藥品不良反應(yīng)的回顧性分析[J].中國藥房,2018,29(23):3259-3263.

        [3] 葉明全,蘇洋,童九翠.基于多層關(guān)聯(lián)規(guī)則挖掘的ADR風險檢測與預(yù)警研究[J].池州學院學報,2020,34(3):23-26.

        [4] 馮秀珍,賀小紅,馮變玲.基于關(guān)聯(lián)規(guī)則的ADR預(yù)警系統(tǒng)及實證研究[J].科技管理研究,2012,32(9):194-197.

        [5] 熊代琴,馬雪英,滕亮,等.利用全面觸發(fā)工具建立住院患兒頭孢菌素類藥品不良反應(yīng)主動監(jiān)測預(yù)警模型[J].中國藥物警戒,2021,18(7):663-668.

        [6] 王艷,張麗.自回歸移動平均模型在藥品不良反應(yīng)監(jiān)測預(yù)警中的應(yīng)用[J].臨床醫(yī)學研究與實踐,2018,3(21):7-8,14.

        [7] 張成,李盼盼,王連心,等.基于自發(fā)呈報系統(tǒng)舒筋健腰丸不良反應(yīng)/事件預(yù)警分析[J].中國中藥雜志,2020,45(15):3533-3538.

        [8] 陳玲萍.基于FP-Growth的高校學業(yè)預(yù)警系統(tǒng)設(shè)計與實現(xiàn)[J].無線互聯(lián)科技,2018,15(24):39-40,45.

        【通聯(lián)編輯:謝媛媛】

        猜你喜歡
        移動醫(yī)療關(guān)聯(lián)規(guī)則精神障礙
        自擬醒腦湯聯(lián)合體外反搏治療癲癇所致精神障礙的效果
        奧氮平治療老年2型糖尿病伴發(fā)精神障礙臨床觀察
        糖尿病的移動醫(yī)療分析
        關(guān)聯(lián)規(guī)則,數(shù)據(jù)分析的一把利器
        數(shù)據(jù)挖掘在高校課堂教學質(zhì)量評價體系中的應(yīng)用
        醫(yī)院移動助醫(yī)APP的應(yīng)用及效果評價
        科技資訊(2016年18期)2016-11-15 18:03:58
        關(guān)聯(lián)規(guī)則挖掘Apriori算法的一種改進
        中國市場(2016年36期)2016-10-19 04:10:44
        “互聯(lián)網(wǎng)+”背景下醫(yī)學信息學課程教學改革
        基于關(guān)聯(lián)規(guī)則的計算機入侵檢測方法
        面向移動醫(yī)療的私有云平臺設(shè)計與實現(xiàn)
        科技視界(2016年5期)2016-02-22 12:58:21
        久久九九av久精品日产一区免费| 国产产区一二三产区区别在线| 中文字幕av一区二区三区人妻少妇 | 99在线视频这里只有精品伊人| 亚洲丁香婷婷久久一区二区| 亚洲欧美色一区二区三区| 成人爽a毛片在线视频| 精品少妇ay一区二区三区| 中字无码av电影在线观看网站| 美女黄频视频免费国产大全| 亚洲精品女同在线观看| 五月婷婷开心五月激情| 国产午夜在线视频观看| 亚洲av无码专区在线观看成人| 国产va在线观看免费| 日韩手机在线免费视频| 精品久久久久一区二区国产| 中文亚洲成a人片在线观看| 国产av精品一区二区三区视频| 日本不卡的一区二区三区中文字幕| 亚洲中文字幕无码av永久| av人摸人人人澡人人超碰妓女| 成年在线观看免费视频| 日本熟妇hd8ex视频| 亚洲中文字幕乱码在线视频| 亚洲国产女性内射第一区二区 | 毛片网站视频| 人妻尤物娇呻雪白丰挺| 精品一区二区三区久久| 无码人妻精品一区二区三区蜜桃| 久久国产精品久久久久久| 四虎国产精品永久在线无码| 超碰日韩AV在线| 青青草是针对华人绿色超碰| 国产自拍精品一区在线观看 | 人与嘼交av免费| 国产亚洲视频在线观看播放| 91精品福利一区二区三区| 美女露出自己的性感大胸一尤内衣| 国产成人精品午夜视频| 国产美女遭强高潮网站|