您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览270 | 下载52

目的 使用关联规则的数据挖掘方法研究一些慢性病之间的关联性及关联强度.方法 将调查的4858名社区居民的患病情况作为数据集,使用SPSS Clementine 12.0软件中的Apriori modeling算法对数据集进行分析.结果 在4585名调查人群中,患病率排在前三位的疾病分别为高血压(16.51%)、高血脂(11.20%)、痛风及骨关节病(10.44%).关联规则分析的结果为,在筛选出的10条强关联中,按置信度大小排在前三位的分别为高血脂→高血压,置信度为50.18%、规则支持度为5.62%、提升比为3.04;糖尿病→高血压,置信度为48.81%、规则支持度为2.94%、提升比为2.96;脂肪肝等肝脏疾病→高血脂,置信度为40.98%、规则支持度为2.76%、提升比为3.66.结论 高血压、糖尿病和高血脂不仅三者之间存在关联,而且与其他疾病也存在广泛的关联,提示在患有这三种疾病的情况下应注意与之相关联的疾病的筛查和预防.

作者:任仙龙;胡冬梅;王文娟;刘博佳;刘启贵;邹丽华

来源:中国卫生统计 2013 年 30卷 6期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:270 | 下载:52
作者:
任仙龙;胡冬梅;王文娟;刘博佳;刘启贵;邹丽华
来源:
中国卫生统计 2013 年 30卷 6期
标签:
关联规则 慢性病 数据挖掘 患病率 Association rule Chronic disease Data mining Prevalence
目的 使用关联规则的数据挖掘方法研究一些慢性病之间的关联性及关联强度.方法 将调查的4858名社区居民的患病情况作为数据集,使用SPSS Clementine 12.0软件中的Apriori modeling算法对数据集进行分析.结果 在4585名调查人群中,患病率排在前三位的疾病分别为高血压(16.51%)、高血脂(11.20%)、痛风及骨关节病(10.44%).关联规则分析的结果为,在筛选出的10条强关联中,按置信度大小排在前三位的分别为高血脂→高血压,置信度为50.18%、规则支持度为5.62%、提升比为3.04;糖尿病→高血压,置信度为48.81%、规则支持度为2.94%、提升比为2.96;脂肪肝等肝脏疾病→高血脂,置信度为40.98%、规则支持度为2.76%、提升比为3.66.结论 高血压、糖尿病和高血脂不仅三者之间存在关联,而且与其他疾病也存在广泛的关联,提示在患有这三种疾病的情况下应注意与之相关联的疾病的筛查和预防.