企業(yè)員工是企業(yè)正常運轉(zhuǎn)、可持續(xù)發(fā)展的重要人力資本,但目前高壓力工作正嚴重影響著員工的健康狀況,甚至有超過一半的比例患有各種慢性病,糖尿病就是其中一種。我國糖尿病發(fā)病率高,而診斷率與治療率都較低,這就導(dǎo)致并發(fā)癥的患病率急速增高。糖尿病并發(fā)癥是糖尿病患者致死致殘的主要原因,嚴重影響著患者的生活質(zhì)量與健康水平。因此對員工進行積極的早期預(yù)防與診斷對延緩糖尿病并發(fā)癥的發(fā)生發(fā)展有著重要的意義。本文主要利用數(shù)據(jù)挖掘中的特征選擇以及分類方法構(gòu)建2型糖尿病并發(fā)癥風(fēng)險預(yù)測模型,來達到預(yù)防2型糖尿病并發(fā)癥的發(fā)生并控制其發(fā)展的目的,文章主要由以下幾個方面內(nèi)容組成:（1）采集M企業(yè)員工的生化檢查數(shù)據(jù),經(jīng)過數(shù)據(jù)預(yù)處理之后,保存為實驗數(shù)據(jù)。（2）運用特征選擇算法對數(shù)據(jù)集屬性進行規(guī)約處理,篩選出來的最佳子集中的屬性具有較強的預(yù)測性與獨立性,對構(gòu)建性能更優(yōu)的分類器有重要的意義。（3）基于特征選擇結(jié)果的最佳子集,應(yīng)用決策樹C4.5算法構(gòu)建分類器,即糖尿病并發(fā)癥的早期風(fēng)險預(yù)測模型。使用準確度、ROC曲線等指標進行模型分類性能的比較與評估,選擇適用于2型糖尿病并發(fā)癥的最佳預(yù)測模型。（4）在糖尿病并發(fā)癥預(yù)測模型的基礎(chǔ)上,以we... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 研究綜述
    1.3 研究內(nèi)容與研究方法
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
第2章 相關(guān)理論基礎(chǔ)
    2.1 特征選擇概述
        2.1.1 特征選擇基本概念
        2.1.2 特征選擇基本流程
        2.1.3 特征選擇模型
        2.1.4 CFS與Relief F方法概述
    2.2 數(shù)據(jù)挖掘概述
        2.2.1 數(shù)據(jù)挖掘的基本概念
        2.2.2 數(shù)據(jù)挖掘過程
    2.3 決策樹概述
        2.3.1 基本原理
        2.3.2 C4.5 算法概述
        2.3.3 決策樹分類方法的優(yōu)缺點
    2.4 分類器評估方法概述
        2.4.1 混淆矩陣
        2.4.2 一致性檢驗
        2.4.3 ROC曲線
    2.5 本章小結(jié)
第3章 M企業(yè)員工的糖尿病并發(fā)癥預(yù)測模型的構(gòu)建
    3.1 醫(yī)療數(shù)據(jù)預(yù)處理
        3.1.1 數(shù)據(jù)來源
        3.1.2 數(shù)據(jù)格式轉(zhuǎn)換
        3.1.3 數(shù)據(jù)集成
        3.1.4 數(shù)據(jù)清洗
        3.1.5 數(shù)據(jù)變換
        3.1.6 預(yù)處理結(jié)果
    3.2 基于CFS的決策樹風(fēng)險預(yù)測模型構(gòu)建
        3.2.1 CFS特征選擇算法的應(yīng)用
        3.2.2 C4.5 決策樹算法的應(yīng)用
        3.2.3 基于CFS的決策樹風(fēng)險預(yù)測模型實現(xiàn)
    3.3 基于Relief F的決策樹風(fēng)險預(yù)測模型構(gòu)建
        3.3.1 Relief F特征選擇算法的應(yīng)用
        3.3.2 基于Relief F的決策樹風(fēng)險預(yù)測模型實現(xiàn)
    3.4 基于Wrapper的決策樹風(fēng)險預(yù)測模型構(gòu)建
    3.5 本章小結(jié)
第4章 M企業(yè)員工糖尿病并發(fā)癥預(yù)測模型的評估及比較
    4.1 特征選擇結(jié)果的評估及比較
        4.1.1 特征選擇結(jié)果分析
        4.1.2 特征選擇結(jié)果的分類效果評估及比較
        4.1.3 特征選擇算法應(yīng)用的討論與分析
    4.2 并發(fā)癥模型的評估及比較
        4.2.1 并發(fā)癥模型的分類結(jié)果比較
        4.2.2 并發(fā)癥模型的Kappa系數(shù)比較
        4.2.3 并發(fā)癥模型的ROC曲線下面積比較
        4.2.4 基于決策樹C4.5 預(yù)測模型的討論與分析
    4.3 本章小結(jié)
第5章 M企業(yè)員工糖尿病并發(fā)癥管理平臺的構(gòu)建
    5.1 M企業(yè)員工糖尿病并發(fā)癥管理平臺背景
    5.2 M企業(yè)員工糖尿病并發(fā)癥管理平臺的需求分析
    5.3 M企業(yè)員工糖尿病并發(fā)癥管理平臺的構(gòu)建
        5.3.1 M企業(yè)員工糖尿病并發(fā)癥管理平臺的結(jié)構(gòu)設(shè)計
        5.3.2 M企業(yè)員工糖尿病并發(fā)癥管理平臺的流程設(shè)計
        5.3.3 M企業(yè)員工糖尿病并發(fā)癥管理平臺的功能設(shè)計
    5.4 M企業(yè)員工糖尿病并發(fā)癥管理平臺頁面的實現(xiàn)
    5.5 企業(yè)員工疾病防控管理對策
    5.6 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間承擔的科研任務(wù)與主要成果
致謝


【參考文獻】：
期刊論文
[1]基于Logistic模型對心血管疾病風(fēng)險的預(yù)測[J]. 王曼怡,朱家明,孔昊.  齊齊哈爾大學(xué)學(xué)報(自然科學(xué)版). 2017(05)
[2]基于人工神經(jīng)網(wǎng)絡(luò)的高血壓預(yù)測模型[J]. 黃薇,康起明,容芷君,梁亞洲.  廣東醫(yī)學(xué). 2017(15)
[3]基于CFS算法研究腎癌中的關(guān)鍵基因[J]. 張夢瑩,盧易,鈕冰,蘇強.  轉(zhuǎn)化醫(yī)學(xué)電子雜志. 2017(06)
[4]利用時間序列模型分析預(yù)測遼寧手足口病疫情趨勢[J]. 王伶,姚文清.  中國衛(wèi)生統(tǒng)計. 2016(05)
[5]決策樹模型用于結(jié)核病治療方案的分類和預(yù)判[J]. 張琪,周琳,陳亮,張晉昕,溫興煊,何賢英.  中華疾病控制雜志. 2015(05)
[6]廣州市家系高血壓與2型糖尿病和血脂異常關(guān)系的研究[J]. 吳雪霽,潘冰瑩,陳雄飛,利耀輝,梁會營.  中國熱帶醫(yī)學(xué). 2014(11)
[7]基于粗糙集和C4.5決策樹的臨床病例數(shù)據(jù)分類研究[J]. 王卓.  軟件導(dǎo)刊. 2014(05)
[8]2型糖尿病患病因素對血糖影響的定量分析[J]. 陳松景,羅森林,潘麗敏,張鐵梅,韓龍飛,趙海秀.  北京理工大學(xué)學(xué)報. 2014(02)
[9]基于支持向量機的特征選擇算法綜述[J]. 代琨,于宏毅,馬學(xué)剛,李青.  信息工程大學(xué)學(xué)報. 2014(01)
[10]糖尿病腎病與非糖尿病腎病維持性血液透析患者血鈣、血磷及甲狀旁腺激素水平的分析[J]. 張曉玲,白久旭,韓敬明,王東輝,崔漢民,曹寧.  現(xiàn)代生物醫(yī)學(xué)進展. 2013(30)

博士論文
[1]Logistic回歸、決策樹和神經(jīng)網(wǎng)絡(luò)在預(yù)測2型糖尿病并發(fā)末梢神經(jīng)病變中的性能比較[D]. 李長平.中國人民解放軍軍事醫(yī)學(xué)科學(xué)院 2009

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的2型糖尿病并發(fā)癥預(yù)測模型的研究[D]. 李攀.廣州中醫(yī)藥大學(xué) 2016
[2]胱抑素C在早期糖尿病腎病中的臨床應(yīng)用[D]. 汪丹丹.皖南醫(yī)學(xué)院 2015



本文編號：3654823