疾病危险因素

摘要： 血管性痴呆(VaD)是痴呆的第2位病因,发病率占痴呆患者的12%~20%。VD是血管性认知损害中较重的群体,目前国内外尚无以VaD为适应证的批准药物[1]。控制可控危险因素是防治该病的最根本办法。盐酸多奈哌齐是乙酰胆碱酯酶抑制剂,具有可逆和特异性,可改善VaD患者的记忆和精神状态[2]。VaD与多种脑血管疾病危险因素相关,早期识别和早期干预具有重要意义。中医学将VaD归属于“呆病”“健忘”等范畴,认为痰、瘀、肾虚是其发生的关键因素[3],痰瘀互结、肾精亏虚是主要病机,治疗以补肾益精、祛痰醒脑、消瘀通窍为原则。由此,拟方补肾祛痰消瘀汤与多奈哌齐合用治疗早期VaD患者,观察治疗效果,现总结如下。

摘要： 虽然艾滋病抗病毒治疗(antiretroviral therapy,ART)成功地降低了病死率,但HIV感染者/艾滋病患者(people with HIV,PWH)的平均期望寿命仍低于普通人群。因此,开展临床预防服务,实施个性化干预显得愈发重要。2015年世界卫生组织发布的《抗病毒药物治疗和预防艾滋病病毒感染综合指南》(第2版)推荐开展个人风险评估和提供个性化治疗方案。随着精准医学时代的到来,风险评分作为一种简便实用的辅助工具,广泛运用于疾病诊断、治疗方案选择、医疗卫生资源配置、健康状况自我测评、疾病危险因素收集和干预效果评价等领域。

摘要： 随着目前现代人群的饮食规划越来越丰富,而不良膳食结构的改变直接导致生活中,患上冠心病、动脉硬化等心血管疾病的人数越来越多。临床疾病危险因素概念的首次提出,始于1961年由FHS(健康科学学院)心脏学科研究小组中一名学者在实验过程中,发现在某种疾病中由于某些因素的特别存在,致使和因素有关的疾病,在生活中、临床中发病率显著升高。而这种危险因素被消除之后,患者该病实际发病概率便会受到控制。随着临床对于疾病性质的研究逐渐深入,各种不同的疾病常见危险致病因素被不断发现且经实验证实,在临床治疗中起到非常重要的作用。其中,针对心血管疾病,在临床中已经被证实的危险致病因素就有三百多种。但是临床学术界认为可以被划分为主要危险因素的,应该符合几点标准:1、在国内多数患者中存在率较高;2、可严重影响患者心血管疾病同时独立影响性大;3、经临床对症治疗后可以减少其危险性。

摘要： 神经内科疾病是根据我们大脑、脊髓和周围神经引起的疾病,主要包括我们大脑常见的脑血管病、脑梗塞、脑出血或脑炎、以及肌无力等肌肉疾病.作为严重影响人类生命健康的疾病种类之一,神经内科疾病的诊断治疗都较为复杂,因此,了解其致病因素,并进行及早预防诊断对临床诊疗、高危人群自我预防及社会公众科普都具有重大意义.本文先是对神经内科常见疾病进行了概述,又对神经内科常见疾病的诊断治疗方法进行了阐述,最后归纳总结了神经内科疾病的相关危险因素.

摘要： 健康管理是对个人或人群的健康危险因素进行全面监管的过程,其优势在于以最小的投入获取最大的健康目的.基层医师长期奋战于乡、镇、社区医疗机构,最主要的工作范围是基础医疗及保健服务.如果能够正确地对每一位就诊患者的健康状况进行评价,即根据个人的疾病危险因素进行长期个体指导,动态追踪危险因素并及时进行干预,可以大幅度减少患者因心脑血管疾病及并发症转入大医院急诊及抢救的几率.

摘要： [目的]利用结构方程模型分析客观指标数据,对与疾病相关的危险因素进行挖掘.[方法]利用文献研究、线性相关分析方法提取疾病危险因素,使用结构方程模型对这些危险因素进行分析;使用分类回归树(Classification And Regression Tree,CART)算法构建疾病诊断模型,利用诊断模型对危险因素进行定性、定量评价及对比分析.[结果]挖掘出9个与疾病相关的危险因素,经定量评价后,基于结构方程模型的疾病危险因素诊断模型各项指标均处于较高水平,且整体性能更好.[局限]实验数据量有限.[结论]基于结构方程模型的疾病危险因素能够提高疾病的早期诊断率,可以辅助临床决策.

摘要： 【目的】利用结构方程模型分析客观指标数据,对与疾病相关的危险因素进行挖掘。【方法】利用文献研究、线性相关分析方法提取疾病危险因素,使用结构方程模型对这些危险因素进行分析;使用分类回归树(Classification And Regression Tree,CART)算法构建疾病诊断模型,利用诊断模型对危险因素进行定性、定量评价及对比分析。【结果】挖掘出9个与疾病相关的危险因素,经定量评价后,基于结构方程模型的疾病危险因素诊断模型各项指标均处于较高水平,且整体性能更好。【局限】实验数据量有限。【结论】基于结构方程模型的疾病危险因素能够提高疾病的早期诊断率,可以辅助临床决策。

摘要： 冠心病(CHD)是主要的死亡原因,心血管健康(CRF)和血液甘油三酯/高密度脂蛋白比值(TG:HDL比)是冠心病死亡的有力预测因子。最近两项新研究强调了CRF在继发心血管疾病和死亡风险方面的重要性,为成年人和儿童中达到中等到高水平的CRF的重要性提供了实质性的证据。

摘要： 《老友》专家门诊:我前些时验血发现尿酸589.3umol/L、尿素氮11.5mmol/L、肌酐96.4umol/L,都超高。医师要我内服别嘌呤醇片,同时补充服用碳酸氢钠片并多饮水。1个月后复查,尿酸降至249umol/L,尿素氮降至5mmol/L,肌酐降至88umol/L,均已恢复到正常水平。为此我感到欣慰。那么,请问:高尿酸血症是一发现就要治疗吗?服药治疗需要注意些什么?南昌市李××李××同志:你前不久血检发现尿酸增高,达到589.3umol/L,

摘要： 得了糖尿病怎么办？正确的做法不是急着降血糖、降血压、调血脂，而是首先应该对病情（尤其j 并发症）进行一下评估。因为糖尿病绝不只是单纯的高血糖，而是包含多种其他疾病危险因素的复杂疾病；

摘要： 本发明提供可以将疾病罹患容易程度及进展容易程度等作为疾病危险度而正确地判定、可以用于疾病的预防及治疗的疾病危险度判定方法、在判定该疾病危险度等中使用的确定疾病危险度判定用基因多态的方法、判定中使用的阵列、基因多态分析用试剂盒以及疾病危险度判定装置等。疾病危险度的判定的主要特征为，判定中使用与疾病具有负(抵抗性)相关性的基因多态或基因多态组；特别是将与疾病具有负相关性的基因多态或基因多态组，与具有正相关性的基因多态或基因多态组组合起来使用。

摘要： 本发明公开了一种基于机器学习的胃食管反流疾病危险因素确定方法及系统，解决现有技术中采用统计学确定胃食管反流疾病危险因素时精确率低的问题。首先构建包含胃食管反流疾病危险因素的用户信息集，并对用户信息集中的因素进行量化处理，得到量化数据矩阵；其次对量化数据矩阵进行标准化，采用主成分分析算法对标准化后的矩阵进行降维处理；然后采用层次聚类算法对处理后的数据集中的数据聚类，得到层次聚类树状图；再者根据层次聚类树状图确定的聚类数目，并根据聚类数目对处理后的数据集中的数据进行聚类划分，得到多个类簇；最后计算每个类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素。

摘要： 本发明公开一种基于混合模型的疾病危险因素重要性分析方法，应用于数据处理领域，针对现有的疾病危险因素分析方法可靠性较低的问题，本发明首先使用聚类算法划分初始危险因素，然后通过神经网络与ReliefF算法结合的混合模型分别分析危险因素类权重和类内危险因素权重，并进行权值融合获得危险因素的全局权重，最后使用逐级分类方法分析危险因素的有效性，并对危险因素之间的联合作用进行分析，提升方法的可靠性。

摘要： 本发明公开了一种骨髓血液疾病危险因素贡献率计算及风险预测系统，包括危险因素筛选模块，基于获取的骨髓血液疾病相关变量，通过逐步筛选方法得到危险因素；患病概率预测请求模块，接收用户的患病概率预测请求，调取所述用户危险因素相应的取值，基于骨髓血液疾病患病概率预测模型进行求解；危险因素贡献率计算模块，针对各个危险因素，依次计算不具有该危险因素时的骨髓血液疾病发病概率，结合患病概率预测请求模块得到的患病概率，得到每个危险因素对患骨髓血液疾病事件的贡献率。本发明不仅能够实现骨髓血液疾病发病概率的预测，还能对影响患病概率的危险因素的影响程度进行分析，能够更好的为用户健康提供引导。

摘要： 本发明公开了一种基于分布聚类的胃食管反流疾病危险因素提取方法及系统。首先构建包含胃食管反流疾病危险因素的用户信息集；其次对用户信息集量化处理得到量化数据集，并将量化后的数据存放在Hadoop大数据分析平台的HDFS分布式文件系统中，形成序列文件；接着利用Hadoop大数据分析平台的MapReduce计算框架，采用K均值聚类算法和Canopy聚类算法对存储的数据进行聚类得到多个类簇；最后计算每个类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素。本发明利用分布式框架和改进的K均值聚类算法高效精准的筛选出引发胃食管反流疾病的危险因素，降低发病率。

摘要： 本发明公开了一种基于聚类与分类相结合的疾病危险因素提取方法。该方法包括以下步骤：根据用户调查问卷，构建用户信息矩阵与标签向量；将用户信息矩阵进行属性分割，获得若干个用户信息矩阵子集与原始用户信息矩阵；对每个用户矩阵进行标准化处理；对标准化用户矩阵进行降维处理，获得降维矩阵；对降维矩阵进行聚类，获得不同类别的聚类人群；对每一类聚类人群构造一棵决策树，并采用集成的思想对所有决策树进行统计，之后依据层次系数大小获得疾病危险因素。相较于目前医学领域中危险因素提取方法中的回归统计方法，本发明通过结合聚类与分类两种方法，不仅能充分利用原始数据，同时降低了由单独一棵决策树得出结论的错误率。

摘要： 本发明公开了一种基于精准聚类的胃食管反流疾病危险因素提取方法及系统。首先构建包含胃食管反流疾病危险因素的初始患者信息集；其次对初始患者信息集中的因素进行数据量化处理，得到量化数据矩阵；然后采用层次聚类算法对量化数据矩阵中的每个样本点进行聚类处理，得到层次聚类树状图；再者根据层次聚类树状图确定聚类数目，并将聚类数目与K‑Means聚类算法结合，对量化数据矩阵中的元素进行聚类，得到多个类簇；最后计算每个类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素。本发明将两种聚类方法相结合，高效的筛选出引发胃食管反流疾病的危险因素，降低发病率。

摘要： 本发明公开了一种基于机器学习的胃食管反流疾病危险因素确定方法及系统，解决现有技术中采用统计学确定胃食管反流疾病危险因素时精确率低的问题。首先构建包含胃食管反流疾病危险因素的用户信息集，并对用户信息集中的因素进行量化处理，得到量化数据矩阵；其次对量化数据矩阵进行标准化，采用主成分分析算法对标准化后的矩阵进行降维处理；然后采用层次聚类算法对处理后的数据集中的数据聚类，得到层次聚类树状图；再者根据层次聚类树状图确定的聚类数目，并根据聚类数目对处理后的数据集中的数据进行聚类划分，得到多个类簇；最后计算每个类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素。

摘要： 本发明公开了一种基于属性权重聚类的疾病危险因素提取方法，该方法包括以下步骤：首先根据用户调查问卷，构建用户信息矩阵与标签向量；之后对用户信息矩阵进行标准化处理；然后对标准化用户信息矩阵进行特征选择，获得特征排名向量；之后根据特征排名向量构建属性权重向量；最后按权重排名依次增加属性并进行改进的K均值聚类分析，计算聚类准确率，若某项属性增加引起聚类准确率上升，则将该项属性加入危险因素集合，最终危险因素集合中的所有元素确定为疾病危险因素。相对于目前医学领域中危险因素提取方法中的频率论方法，本发明的方法根据聚类准确率曲线获得疾病危险因素，其效率、准确率更高。

摘要： 本发明公开了一种基于改进K均值聚类的疾病危险因素提取方法，该方法包括以下步骤：首先根据疾病的用户调查问卷，构建用户信息矩阵与标签向量；其次对用户信息矩阵进行标准化；然后对标准化用户信息矩阵进行特征选择，采取卡方检验与去除方差最小的方法取交集，得到相关特征，构建问题特征数据矩阵；之后结合改进的Canopy算法与K均值算法，对问题特征数据矩阵中的特征属性进行聚类分析，获得不同的类簇；最后对每个类簇进行相关系数分析，取相关指数最大的特征作为该类簇代表特征，加入危险因素集合。本发明的方法相对于目前医学领域中危险因素提取方法中的频率论方法，能够更高效、准确地提取疾病危险因素。