依據(jù)聯(lián)合國人口老齡化國家的判定標準(老年人人口占比7%),我國社會在2000年就邁入了老齡化時代;預計到2030年我國60歲以上的老年人口比例將超過25%,到2050年這一比例將達到33.3%,這意味著我國將進入深度老齡化時代,甚至在未來步入重度老齡化階段。同時,當前我國醫(yī)療養(yǎng)老資源供不應求,二孩政策與延遲退休政策成效尚不顯著,如此嚴峻的養(yǎng)老形勢對于家庭和社會來說都構成了沉重的負擔。因此,本文借助新興技術設計能夠提高醫(yī)療養(yǎng)老資源利用率的居家養(yǎng)老服務模式,為我國居家長者實施智能化精準服務以減輕家庭負擔,提供了解決人口老齡化和空巢化問題的方案,具有重要戰(zhàn)略意義。首先,本文根據(jù)當前居家養(yǎng)老服務所面臨的困境,提出一種多方參與、共享醫(yī)療養(yǎng)老資源為基礎的業(yè)務運營模式。定義服務模式中的參與角色,設計出服務模式的信息流向、整體邏輯以及服務具體實施流程,完成醫(yī)養(yǎng)結合型服務模式的構建。同時結合物聯(lián)技術搭建生命體征監(jiān)測環(huán)境,明確物聯(lián)網(wǎng)設備的使用及數(shù)據(jù)采集方式,設計數(shù)據(jù)庫存儲模式。為后續(xù)基于物聯(lián)網(wǎng)技術的居家養(yǎng)老智能化功能設計奠定基礎,提高服務的質量與效率。其次,本文對物聯(lián)網(wǎng)設備能夠采集的體征數(shù)據(jù)進行處理并篩選出影響心臟病發(fā)作的重要因素,分別建立單一分類器和集成分類器的健康預測模型對心臟病發(fā)病情況進行預測。得出在較為復雜的指標集下,CART決策樹的分類效果要好于SVM的分類效果,boosting集成算法對于單一分類器預測性能的提升要強于Bagging算法,而將兩種集成算法思想結合起來,融合多個強學習器優(yōu)勢的Stacking算法分類準確率最高、誤差最小、穩(wěn)定性最好,在此基礎上構建健康預警機制,完整地設計并實現(xiàn)了基于物聯(lián)網(wǎng)技術的智慧居家養(yǎng)老模式的重要服務內容。最后,本文通過網(wǎng)站服務器和移動APP端實現(xiàn)服務模式的部分功能。并從加強人才隊伍建設、規(guī)范服務質量評價體系、拓展資金渠道和加大宣傳力度四方面給出具體的服務保障措施,完善智慧居家養(yǎng)老服務內容,提高服務質量。
【學位單位】：燕山大學
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：R197.1;D669.6
【部分圖文】：

燕山大學管理學碩士學位論文-36-的斜率、(12)使用熒光染色法測定的主血管數(shù)、(13)THAL值(一種地中海貧血的血液疾病)、(14)患病情況。在863例數(shù)據(jù)中患病數(shù)據(jù)為394例，占總數(shù)據(jù)比例的45.65%。本文以此數(shù)據(jù)為樣本，建立并訓練包括居家長者在內的不排除更廣泛人群的心臟病預測模型，其中原始數(shù)據(jù)集中存在空缺值、數(shù)據(jù)值不正確、數(shù)據(jù)格式不統(tǒng)一等問題。因此本文通過刪除空缺值、數(shù)據(jù)轉換、數(shù)據(jù)歸約等方式對數(shù)據(jù)進行處理。(1)空缺值處理。空缺值是指與某些屬性相對應的值是空缺的，在數(shù)據(jù)分析的過程中，空缺值會影響分析結果。因此在對原始數(shù)據(jù)進行分析整理后需要對空缺值進行處理，其中缺失的數(shù)值屬性用均值替代，缺失的屬性值用眾數(shù)替代。(2)數(shù)據(jù)轉換。數(shù)據(jù)轉換就是將數(shù)據(jù)轉換成更適用于數(shù)據(jù)分析的格式。使數(shù)據(jù)分析的結果更加準確。其主要針對非連續(xù)型變量，例如性別(sex)值用0，1替代，其中0代表女性，1代表男性；胸痛類型的級別分別用1、2、3、4表示，數(shù)值1為典型心絞痛，數(shù)值2為非典型心絞痛，數(shù)值3為非心絞痛，數(shù)值4表示為無癥狀；空腹血糖值若大于120mg/dl則用1(true)表示，反正則用0(false)表示；thal值表示一種地中海貧血的血液疾病的嚴重程度，分別用數(shù)字3,6,7表示其嚴重程度，數(shù)值3表示正常，數(shù)值6表示有固定缺陷，數(shù)值7表示缺陷可逆轉。(3)數(shù)據(jù)歸約。能夠在縮減數(shù)據(jù)量的同時保證數(shù)據(jù)指標的有效性和完整性，提高分類模型的運算效率。對在原始數(shù)據(jù)中的患病情況指標進行約減，將患病情況指標中數(shù)值為1的情況定義為患病，數(shù)值為0的情況定義為未患病，經過預處理后斷面截取的部分的數(shù)據(jù)如圖4-1所示，特征含義如表4-1所示。圖4-1預處理之后的部分數(shù)據(jù)

燕山大學管理學碩士學位論文-38-可看出年齡、靜息血壓、血漿類固醇含量、最高心率的連續(xù)值分布較為合理。圖4-2數(shù)據(jù)初步描述性統(tǒng)計為提高分析結果的精度和可讀性，本文以患病情況(target)參數(shù)值為指標，若target值大于等于1，則確定為患病，對應數(shù)值默認為1；若target值為0，則為非患玻其中60歲以上患者266例，65歲以上患者120例，分別占總樣本的30.82%、13.9%。在患病數(shù)據(jù)中（target）>=1）中男性患者有324例，女性樣本70例。如圖4-3所示，橫坐標表示患者的年齡，縱坐標表示患病數(shù)量，不同顏色代表患病與否，不難看出，未患有心臟病的人群隨著年齡的增長而不斷減少，患病人群呈現(xiàn)不明顯的遞增態(tài)勢，未患病人數(shù)隨著年齡的增大呈明顯的遞減趨勢，而患病人數(shù)在55歲-67歲之間到達峰值，總體上呈遞增趨勢。為更直觀的體現(xiàn)心臟病的發(fā)作規(guī)律，本文以年齡為橫坐標，患病的人數(shù)百分比為縱坐標，繪制出在病例數(shù)據(jù)中患病人數(shù)隨年齡變化的趨勢圖。如圖4-4所示，對于患病人群的年齡分布趨勢可以看出：經過數(shù)據(jù)預處理后的患病比率與未患病比率呈正態(tài)分布，且發(fā)病的人群主要集中在55-65歲之間。進一步來看，本文根據(jù)病例信息繪制出各年齡患病概率統(tǒng)計圖，由圖4-5所示，心臟病發(fā)生的概率沒有隨著年齡增長而呈現(xiàn)遞增的趨勢。綜合來看，心臟病的發(fā)病情況與年齡不是簡單的線性相關，更多地受到隨著年齡增長而變化的各項身體指標的影響。由此可知，心臟病發(fā)作是由多種復雜因素導致，因此本文將在下文中對13類影響指標進行分析篩眩

第4章基于數(shù)據(jù)挖掘技術的健康預警功能設計-39-圖4-3年齡-患病情況病例數(shù)量統(tǒng)計圖圖4-4以年齡為參考的患病人數(shù)分布的統(tǒng)計圖圖4-5考慮年齡影響的患者患病概率統(tǒng)計圖
【參考文獻】

相關期刊論文 前10條

1 丁露露;吳美珍;;“醫(yī)養(yǎng)結合”下民營養(yǎng)老機構的醫(yī)療個性化服務的研究[J];經營管理者;2015年23期

2 沈婉婉;鮑勇;;上海市養(yǎng)老機構“醫(yī)養(yǎng)結合”優(yōu)化模式及對策研究[J];中華全科醫(yī)學;2015年06期

3 嚴妮;;城鎮(zhèn)化進程中空巢老人養(yǎng)老模式的選擇:城市社區(qū)醫(yī)養(yǎng)結合[J];華中農業(yè)大學學報(社會科學版);2015年04期

4 紀嬌;王高玲;;協(xié)同理念下醫(yī)養(yǎng)結合養(yǎng)老機構創(chuàng)新模式研究[J];中國社會醫(yī)學雜志;2014年06期

5 高鵬;鄭超;任岐鳴;張浩;李德文;秦文華;;ARM和ZigBee的智能家居監(jiān)控網(wǎng)絡設計[J];計算機測量與控制;2014年10期

6 黃佳豪;孟昉;;“醫(yī)養(yǎng)結合”養(yǎng)老模式的必要性、困境與對策[J];中國衛(wèi)生政策研究;2014年06期

7 高小芬;于衛(wèi)華;;基于患者需求的醫(yī)養(yǎng)結合老年科護理工時測量及分析[J];中國實用護理雜志;2014年11期

8 吳蕾蕾;;現(xiàn)代物聯(lián)網(wǎng)技術在居家養(yǎng)老服務中的應用——以杭州上城區(qū)智慧養(yǎng)老為例[J];當代社科視野;2014年03期

9 王素英;張作森;孫文燦;;醫(yī)養(yǎng)結合的模式與路徑——關于推進醫(yī)療衛(wèi)生與養(yǎng)老服務相結合的調研報告[J];社會福利;2013年12期

10 尹紀庭;袁佳;焦志曼;吳斌;張在房;余建波;;基于ARM和ZigBee的智能家居控制系統(tǒng)研究與開發(fā)[J];計算機測量與控制;2013年09期

相關博士學位論文 前1條

1 陳淑慧;分類方法在中醫(yī)辨證診斷應用中的比較研究[D];廣州中醫(yī)藥大學;2008年

本文編號：2893176