摘要：糖尿病因高医疗费用、高致残率和高死亡率的特征，已成为世界各国的公共健康问题。对糖尿病患者住院记录的原始数据进行处理，提取多次入院患者的HbA1C变化量、葡萄糖血清变化量、再入院率作为评价因子，分别选取0-1矩阵函数和梯度下降函数作为隶属函数，将筛选后的数据进行定量分析求得模糊综合判断矩阵；通过熵权法求得权重，将权重与模糊评价矩阵合成得到模糊综合结果。将结果与评语集对应，并针对降低再入院率给出建议。
关键词：模糊综合评价法；熵权法；再入院率；效果评价
数据集简介
本文数据来源是美国 Cerner 公司开发的健康实例数据库，包含了美国130临床护理医院10年（1999-2008）内的糖尿病患者住院记录。该数据库包括的41张表中共有117项属性。该数据库包括74036643条记录，对应于17880231位患者和2889571其他数据供应源[1]。
1数据处理
糖尿病作为一种慢性病，治疗周期长，容易引发多种并发症如肾病、眼病，病情反复等特点。糖尿病患者在治疗过程中，会产生大量的临床数据，这些数据隐藏着许多有关糖尿病诊断及治疗的规律，对于掌握糖尿病发病与治疗效果的预测有着重要的意义[2]。
在进行糖尿病的数据分析研究前，需要先对数据集进行处理，避免异常缺失数据对后续分析产生影响。首先，用Excel分析数据的完整性，得到变量的缺失情况表，剔除相应的不具有统计学意义及不合理的变量。
2评价系统指标初步分析
为了找到能够评价治疗效果的指标，对整体数据进行了筛选，发现许多病人多次入院的情况。首先统计患者们住院次数与人数，即可得住院次数的治愈率和再次入院率统计表。可以看出大部分糖尿病患者在两次入院后并未再次入院。
再入院率是国际上普遍使用的评价医疗服务质量的重要指标，可以用来探知医疗服务质量是否存在问题。选定再入院率作为评价治疗效果的一个指标。
入院来源分析：数据集中admission_source_id数据项为患者的入院来源，根据美国的医疗机构实际情况将入院来源分为八类。按照不同的入院来源统计新的住院次数，从中可知，住院次数为1次的患者入院来源主要时一类和七类。也就是说由医生、健康组织、急救室和急诊室而来患者大多数能在一次住院后不再入院，表现出的治疗效果较好。
统计可知，入院来源为第三类和第四类来源的一次入院治疗效果较好，而第七类最差。第七类在住院次数大于7次时，治疗效果最好，而第六类由社会和司法救济而来治疗的患者治疗效果普遍不好，可能是由于患者自身情况导致的，与医院治疗方案无关。
3模糊综合评价体系的建立
3.1确定医院对糖尿病治疗效果的因素集
设定连续两次住院的HbA1C检测值变化量、葡萄糖血清检测变化量、再入院率为评价因子。设评价因子集为：u=（X1，X2，X3） 。
3.2确定医院对糖尿病治疗效果的评价集
为了更好地评价医院对糖尿病的治疗效果，将因子集中各评价因子分为三个等级，即评价集。其中忽略特殊体质的人HbA1C的正常范围的差异。
3.3建立因素评价的隶属函数
先根据HbA1C变化量的三级标准，作出三个级别的隶属函数。由于HbA1C变化量的评价指标是以0为分界点评价好坏，其函数如式1建立HbA1C的0-1矩阵函数，同理可得葡萄糖血清测试值变化量的隶属函数。
其中评价因子中再入院率的评价指标是以数值最小为最优，建立再入院率的降半梯形分布隶属函数。 将经过筛选后的数据进行定量分析，代入隶属函数可求得评价医院治疗效果的三大因素的模糊综合判断矩阵
3.4建立评价因素的权重集
因为糖尿病住院病人的HbA1C变化量、葡萄糖血清值变化量以及再入院率等因素对糖尿病患者住院治疗效果的反应程度不同，故对各个指标赋以不同的权重。根据不同因素对糖尿病治疗效果的影响大、权重大的原则确定权重的大小。
熵权法是按照评价体系中各指标的差异程度，利用信息熵的方法计算出各指标的熵权，通过熵权对评价指标的权重进行修正，得到客观的指标权重。熵权值反映该指标在不同评价方案中的差异度，揭示了客观数据所蕴含的有效信息。熵权法是确定多指标综合评价问题中各指标权重的有效方法。本文采用熵权法确定各指标权重。
计算第j个指标下的第i个项目的指标值的比重：
将结果与治疗效果模糊评价集{好，一般，差}进行对应，得出医院治疗效果评价。
4相关建议
糖尿病是一种常见的慢性病，控制不好会引发系列并发症，甚至危及患者的性命。而且住院治疗花费很高，根据对医院糖尿病治疗模式的分析，对于如何降低再次入院率提出了以下建议：
1）应普及HbA1C检测，对于糖尿病病人，测量的结果越高但入院率比较低,可作为再入院率的预测指标。
2）对各年龄段患者选择不同的治疗模式，提高对中老年人的重视。
3）深入研究糖尿病治疗有关的药物，明确各药物作用及服药量的不同会对患者产生什么效果。明确不可同时使用的糖尿病药物。
4）对于有多次就诊入院记录的患者，可给予适当的提醒，注意身体素质的提升，提前预防，尽可能避免糖尿病及其并发症的产生。
参考文献
[1]何禹德. 基于数据挖掘技术的糖尿病临床数据分析[D].长春工业大学,2016.
[2]陈潋. 面向糖尿病的临床大数据分析研究与应用[D].东华大学,2016.
论文作者:李蕊杉1,2 毕玉1,3 李含莹1,4
论文发表刊物:《新材料·新装饰》2018年8月上
论文发表时间:2019/3/13
标签：评价论文; 治疗效果论文; 糖尿病论文; 权重论文; 数据论文; 指标论文; 患者论文; 《新材料·新装饰》2018年8月上论文;