數(shù)據(jù)挖掘在合并癥患者管理中的應用進展*

四川大學商學院（610065） 羅 利 馮成蓉 練書豪 張峰祎

數(shù)據(jù)挖掘在合并癥患者管理中的應用進展*

四川大學商學院（610065） 羅 利△馮成蓉 練書豪 張峰祎

伴隨人口老齡化的加劇，我國疾病譜驟然巨變，慢阻肺、哮喘、糖尿病等疾病發(fā)病率逐年上升，不僅如此，越來越多的患者伴有更嚴重的合并癥。如果不能有效控制和監(jiān)管疾病的發(fā)展，未來將出現(xiàn)合并癥的增加而導致醫(yī)療費用的“井噴”，一方面給患者帶來身體和心理的痛苦，另一方面給國家、社會和家庭帶來巨大的經(jīng)濟負擔。

合并癥患者管理在我國仍未得到太多重視。除大型綜合醫(yī)療機構外，縣級、社區(qū)級醫(yī)療衛(wèi)生機構尚未認識到其中的嚴重性。即使一些醫(yī)院認識到合并癥的重要性，但并沒有建立真正的管理體系。原因可能是合并癥患者健康保健負擔較重，醫(yī)療決策共享受阻，使大多數(shù)醫(yī)生在管理合并癥患者上存在專業(yè)孤立感，同時對于常見的慢性疾病集群的臨床指南不足。

合并癥不單影響患者生存質(zhì)量和醫(yī)生臨床決策，是早期預后治療的顯著影響因素，甚至給醫(yī)療健康服務運營管理帶來諸多難題和挑戰(zhàn)。大多數(shù)研究表明，數(shù)據(jù)挖掘技術是提前發(fā)現(xiàn)合并癥的重要手段之一，在現(xiàn)代醫(yī)學診斷中具有廣泛的應用前景，同時也為現(xiàn)代醫(yī)學診斷開辟了新途徑。諸如DNA分析、醫(yī)學影像數(shù)據(jù)自動分析、多種生理參數(shù)監(jiān)護數(shù)據(jù)分析等都取得了突破性進展［1-2］。以數(shù)據(jù)挖掘方法為基礎的大數(shù)據(jù)分析方法體系的演進，為解決合并癥患者管理方面的研究提供了信息平臺和技術手段。本文梳理了數(shù)據(jù)挖掘技術在合并癥患者管理研究中的相關文獻，并就三個主要應用領域加以綜述、評價，即疾病關聯(lián)分析、合并癥對患者預后影響和合并癥患者醫(yī)療費用分析，介紹數(shù)據(jù)挖掘技術在合并癥患者管理中的重要作用，以及對正確認識合并癥、提高診療決策水平提出建設性意見。

疾病關聯(lián)分析

關聯(lián)是指兩個或多個變量的取值之間存在某種規(guī)律性。關聯(lián)分析就是用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中令人感興趣的聯(lián)系，所形成的聯(lián)系可以用項集的形式表示。最先被應用在商業(yè)交易數(shù)據(jù)庫分析，同時，醫(yī)學領域也存在這樣的關聯(lián)現(xiàn)象。

早期基于數(shù)據(jù)挖掘的疾病關聯(lián)分析是Tai等人［3］對18321例注意力缺陷多動障礙成年患者進行的分析，實驗首先驗證了臨床分類診斷的18種主要疾病與注意力缺陷多動障礙疾病的共病率和相對風險率，選定注意力缺陷多動障礙最常見伴發(fā)精神類疾病，然后對13種精神類特定疾病進行相對風險分析和關聯(lián)分析，依照事先確定的最小支持度和置信度，得出注意力缺陷多動障礙與發(fā)育遲緩、焦慮等六種精神疾病具有很強的關聯(lián)性。類似地，Kim［4］等與Valent［5］等為探究糖尿病常見合并癥，以健康管理數(shù)據(jù)為基礎建立了關聯(lián)規(guī)則模型，并引入卡方檢驗過程對結果進行論證，均得出原發(fā)性高血壓是糖尿病患者最常見的伴隨疾病。其他類似研究還可參考慢阻肺［6］、原發(fā)性高血壓［7］、糖尿病［8］等疾病的合并癥研究。數(shù)據(jù)挖掘技術在醫(yī)療領域的應用尚處于起步階段，關于合并癥疾病的研究相對較少，但研究思路基本類似。

關聯(lián)規(guī)則（association rule m ining，ARM）是疾病關聯(lián)分析最常用工具，它包含兩個主要階段，先從大量數(shù)據(jù)中找出高頻項集，然后由頻繁項集產(chǎn)生關聯(lián)規(guī)則［9］。關聯(lián)分析在醫(yī)學領域中具有很大的實用價值，尤其是對大型醫(yī)保數(shù)據(jù)庫的合并癥患者管理研究，對疾病輔助診斷，減少主觀判斷的失誤，科室之間的合理設置，方便患者管理，提高醫(yī)院的服務競爭力都有很大幫助。但是，此法也有一定的局限性，如支持度、置信度和提升度的閾值設定缺乏統(tǒng)一的標準，有時會產(chǎn)生多余的模式［10］。在實際中，學者可根據(jù)研究假設及醫(yī)學資料對模型進行適當?shù)母倪M，提高結果可信度，但應注意把握好模型的精確性（擬合程度）和簡潔性（可操作性），盡可能充分地利用實際數(shù)據(jù)，建立合適的模型，從而得出科學有據(jù)的結論，提供合理的決策依據(jù)。

合并癥對患者預后影響

臨床研究發(fā)現(xiàn)合并癥對患者生存率及預后有明顯影響，在老年患者中發(fā)生率較高。合并癥的存在增加了術后局部和全身性并發(fā)癥的發(fā)病率［11］，這些并發(fā)癥是輔助治療延誤的主要影響因素［12］。同時，多合并癥患者與單合并癥患者在術后發(fā)病率和資源占用都有明顯差別［13］。

早在1987年Charlson［14］等在總結臨床經(jīng)驗的基礎上將合并癥加權創(chuàng)建評分系統(tǒng)，形成查爾森合并癥指數(shù)（Charlson comorbidity index），對合并癥患者預后質(zhì)量進行評價。當前，大多數(shù)研究以Cox回歸模型評估合并癥對患者預后影響。Cox比例風險回歸模型以生存結局和生存時間為因變量，可同時分析眾多因素對生存期的影響。Sarfati［15］等在調(diào)整年齡、性別、種族、地區(qū)、吸煙、疾病狀態(tài)等因素后，在合并癥總數(shù)、查爾森合并癥指數(shù)和特定合并癥三種情況下進行討論，建立Cox基準模型，并通過似然比檢驗來評估三種情況下合并癥對結腸癌患者特異性死亡率和全因死亡率的影響。Detema［16］等對1371名新診斷的頭頸部鱗狀細胞癌患者追蹤分析，發(fā)現(xiàn)合并癥的發(fā)病率達到36．4%，合并心血管疾病、呼吸系統(tǒng)疾病、胃腸道疾病和糖尿病的癌癥患者總體生存率和短期死亡風險都較高。夏俊［17］等發(fā)現(xiàn)，合并COPD是行手術治療老年肺癌術后并發(fā)癥發(fā)生率高的獨立危險因素，影響肺癌患者術后12個月生存率。何丹［18］等使用趨勢檢驗和多元線性回歸模型對孕產(chǎn)婦死因構成指標逐年變化趨勢進行分析，指出內(nèi)科合并癥致死已成為孕產(chǎn)婦主要死因之一，并強調(diào)多學科合作管理降低孕產(chǎn)婦死亡率。總之，合并癥從根本上影響患者生理負擔和治療選擇，最后影響患者生存，臨床上應積極預防和治療，并盡可能做到專科治療，以提高療效［19-20］。

除回歸模型外，人工神經(jīng)網(wǎng)絡、決策樹、邏輯回歸和隨機森林等也逐漸在患者預后風險評估、健康改善狀況評估等方面發(fā)揮價值。臨床上，對于患者疾病診斷及治療策略的制定、患者預后改善，合并癥患者的有效管理都有重要參考價值。

合并癥患者醫(yī)療費用分析

合并癥患者除了承受疾病痛苦外，還增加了各項醫(yī)療資源的使用，給社會和家庭造成了巨大的經(jīng)濟負擔。費用往往是國家和個人對醫(yī)療資源使用情況的重要衡量指標，準確地預測相關費用是解決這一問題關鍵性的一步。早期研究人員聚焦于經(jīng)典的回歸模型預測總醫(yī)療費用［21-22］。隨著現(xiàn)代信息技術的迅猛發(fā)展和醫(yī)院信息系統(tǒng)的逐步完善，數(shù)據(jù)挖掘成為準確識別高費用患者和預測醫(yī)療成本一強大而有效的工具［23］。Konnopka［24］等曾對531名背部疼痛患者進行回訪，采用隨機系數(shù)模型和Bootstrap回歸技術分析合并精神病對患者醫(yī)療費用的影響，結果顯示合并精神疾病的背部疼痛患者需要承擔更多的治療費用。其另一項研究通過Bootstrap回歸技術分析患者在有無伴隨精神病的情況下，分析背部疼痛患者椎間盤切除術醫(yī)療費用的差異，結果表明，由于受個體心理健康的影響，臨床醫(yī)師應該考慮精神疾病對患者帶來的困擾以及取得心理健康專業(yè)人士的支持［25］。合并癥使患者面臨更昂貴的醫(yī)療費用［26-27］，承受極大心理障礙，對整個社會經(jīng)濟和資源的使用都有消極作用。

當前我國醫(yī)療費用和人口老齡化的快速增長，使醫(yī)療保險基金面臨日益嚴峻的收支形勢。合并癥加重了患者的醫(yī)療負擔，占據(jù)更多衛(wèi)生資源。在這樣的大環(huán)境下，最優(yōu)的選擇應該是著眼于大數(shù)據(jù)驅動的數(shù)據(jù)挖掘技術在醫(yī)療領域的應用，有效利用計算機技術輔助我們解決醫(yī)療費用的管理問題，解決患者的經(jīng)濟負擔等問題。

小結與展望

隨著老齡人口的不斷增加，預計未來多合并癥患者也將持續(xù)增加。合并癥嚴重影響患者疾病發(fā)病和預后情況，對社會造成極大的經(jīng)濟負擔和健康保健負擔，而且醫(yī)生在治療合并癥患者過程中面臨各種挑戰(zhàn)，臨床決策共享受阻，許多醫(yī)師還表示在管理多合并癥患者中存在專業(yè)孤立感。因此，如何使治療決策更有利于患者病情的發(fā)展，制定以患者為中心的最佳治療方案并實現(xiàn)信息決策共享，如何通過患者自我疾病管理，改善預后，減輕患者經(jīng)濟負擔，建立一套適用于中國醫(yī)療服務行業(yè)的醫(yī)療保健體系，也是國內(nèi)醫(yī)療工作者應該關注的課題。

關于數(shù)據(jù)挖掘在合并癥患者管理的相關研究已涉及許多常見的高發(fā)疾病，從挖掘隱藏的疾病關系，到預測發(fā)病幾率，再到降低醫(yī)療費用，優(yōu)化醫(yī)療資源等各層次。但還需要進一步分析疾病的病例特征、治療方式的選擇、臨床分期等變量的影響。由于醫(yī)學數(shù)據(jù)的特殊性，在一定程度上加大了數(shù)據(jù)挖掘的難度和速度。如何通過進一步的研究和臨床實踐明確不同疾病合并癥的發(fā)病機制、診斷和治療，優(yōu)化醫(yī)療資源，正確進行醫(yī)療決策，將是國內(nèi)外合并癥研究的重點。除此之外，合并癥患者管理的相關研究還需要在以下兩個方面獲取新的發(fā)展：

第一，綜合干預措施改善合并癥患者機能。目前，許多合并癥的治療還是以控制主要疾病為主，對于合并癥的用藥尚沒有明確臨床指南。英國國家健康調(diào)查機構正在研究綜合干預措施對合并癥患者的作用，主要包括對患者生活質(zhì)量的評估，疾病狀態(tài)衡量，最佳藥物治療方案等。合并癥的影響因素也很多，尤其是外界因素，諸如患者吸煙狀態(tài)、季節(jié)等。有時候單純藥物治療也不能達到治療疾病效果，需要更多的臨床實驗認識其復雜性，尤其對于慢性疾病及其合并癥一直都是醫(yī)學界關注的重點。隨著醫(yī)療信息系統(tǒng)的不斷健全，利用數(shù)據(jù)挖掘技術構建先進的醫(yī)療決策信息系統(tǒng)和有效的診斷方案，對提升醫(yī)院管理能力具有重大意義。

第二，建立健全合并癥醫(yī)學科研體系。數(shù)據(jù)挖掘最早起源于歐美國家，由于他們較早地應用前沿智能信息技術開展醫(yī)學方面的研究，已經(jīng)有一套比較成熟的理論和技術，并建立了一套完善的醫(yī)學診療體系，產(chǎn)生了巨大的經(jīng)濟效益和社會效益。我國學者關于數(shù)據(jù)挖掘的理論和技術的意識比較傳統(tǒng)和局限，專業(yè)的數(shù)據(jù)挖掘人才對于醫(yī)學專業(yè)知識了解甚微。因此，相對缺少醫(yī)學上應用數(shù)據(jù)挖掘的復合型人才。面對這一情形，數(shù)據(jù)挖掘亟待成為解決我國醫(yī)學研究領域的重要技術。

合并癥患者治療過程復雜，需要建立適合本土的合并癥患者醫(yī)學科研體系，確保醫(yī)生能實時把握患者的健康狀況，為醫(yī)學科研和臨床工作搭建一個好的平臺，將最新的理論和技術應用于醫(yī)學科研工作中。這種健全的醫(yī)學科研系統(tǒng)有望提高醫(yī)生的診斷水平，對合并癥的管理和研究也必有幫助。

［1］侯玉梅，朱亞楠，朱立春，等．決策樹模型在2型糖尿病患病風險預測中的應用．中國衛(wèi)生統(tǒng)計，2016，33（6）：976-978．

［2］瞿愛珍，莊天戈．計算機輔助醫(yī)學診斷系統(tǒng)的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)研究．國外醫(yī)學生物醫(yī)學工程分冊，2002，25：97-102．

［3］Tai YM，Chiu HW．Comorbidity study of ADHD：applying association ruem ining（ARM）to National Health Insurance Database of Taiwan．International Journal of Medical Informatics，2009，78（12）：e75-e83．

［4］Kim HS，Shin AM，Kim KK，et al．Comorbidity study on type 2 diabetesmellitus using data m ining．Korean Journal of Internal Medicine，2012，27（2）：197-202．

［5］Valent F，Tillati S，Zanier L．Prevalence and comorbidities of known diabetes in northeastern Italy．Journalof Diabetes Investigation，2013，4（4）：355-360．

［6］Sode BF，Dahl M，Nordestgarrd BG．Myocardial infarction and other co-morbidities in patients w ith chronic obstructive pulmonary disease：A Danish Nationw ide Study of 7．4 m illion individuals．European Heart Journal，2011，32（19）：2365-2375．

［7］Shin AM，Lee IH，Lee GH，et al．Diagnostic Analysis of Patientsw ith Essential Hypertension Using Association Rule M ining．Healthcare Informatics Research，2010，16（2）：77-81．

［8］余輝，張力新，劉文耀，等．醫(yī)學數(shù)據(jù)挖掘系統(tǒng)研究-糖尿病并發(fā)癥流行病學知識發(fā)現(xiàn)．計算機工程與應用，2006，42（18）：229-232．

［9］Saxena P，Jain R．Association rule m ining．International journal of computer science and engineering，2014，2（5）：153-158．

［10］Li J，F(xiàn)u AW，F(xiàn)ahey P．Efficient discovery of risk patterns in medical data．Artificial Intelligence Medicine，2009，45：77-89．

［11］Janssen-Heijnen ML，Mass HA，Houterman S，et al．Comorbidity in older cancer patients：influence on patient care and outcome．European Journal of Cancer，2007，43（15）：2179-2193．

［12］Tetsche MS，Dethlefsen C，Pedersen L，et al．The impact of comorbidity and stage on ovarian cancermortality：a nationw ide Danish cohort study．BMC Cancer，2008，8（1）：1-9．

［13］Suh HS，Lee KH，Kim HC，et al．The postoperative impact of comorbidity in colorectal cancer surgery．The Korean society of coloproctology，2003，19（5）：299-306．

［14］Charlson ME，Pompei P，Ales KL，etal．A new method of classifying prognostic comorbidity in longitudinal studies：development and validation．Journal of Chronic Diseases，1987，40（5）：373-383．

［15］Sarfati D，Hill S，Blakely T，et al．The effect of comorbidity on the use of adjuvant chemotherapy and survival from colon cancer：a retrospective cohort study．BMC Cancer，2009，9（1）：1-10．

［16］Datema FR，F(xiàn)errier MB，Schroeff M，et al．Impact of comorbidity on short-term mortality and overall survival of head and neck cancer patients．Head＆Neck，2010，32（6）：728-736．

［17］夏俊，于在誠，聶弘，等．合并慢性阻塞性肺疾病對老年肺癌患者術后并發(fā)癥及預后的影響．中國老年學雜志，2015，35（11）：3066-02．

［18］何丹，楊莉，王嵐，等．2004-2013年重慶市孕產(chǎn)婦死亡率變化趨勢及影響因素分析．中國衛(wèi)生統(tǒng)計，2016，33（3）：433-434．

［19］劉冬生，邵燕，歐陽菊香，等．腦梗死預后影響因素的累積logit模型分析．中國衛(wèi)生統(tǒng)計，2010，27（4）：381-382．

［20］Land LH，Dalton SO，Jensen MB，et al．Influence of comorbidity on the effect of adjuvant treatment and age in patients w ith early-stage breast cancer．British Journal of Cancer，2012，107（11）：1901-1907．

［21］Zhao Y，Ellis RP，Ash AS，et al．Measuring population health risks using inpatient diagnoses and outpatient pharmacy data．Health Services Research，2001，36：180-193．

［22］Zhao Y，Ash AS，Ellis RP，et al．Predicting pharmacy costs and other medical costs using diagnoses and drug claims．Medical Care，2005，43（1）：34-43．

［23］Bertsimas D，Bjamadottir MV，Kane MA，et al．Algorithmic prediction of health care costs and discovery ofmedical know ledge．Operations Research，2007，56（6）：1382-1392．

［24］Konnopka A，Lobner M，Luppa M，et al．Psychiatric comorbidity as predictor of costs in back pain patients undergoing disc surgery：a longitudinal observational study．BMC Musculoskeletal Disorders，2012，13（1）：472-480．

［25］Konnopka A，Heinrich S，Zieger M，et al．Effects of psychiatric comorbidity on costs in patients undergoing disc surgery：a cross-sectional study．The Spine Journal，2011，11（7）：601-609．

［26］Sayers S，Hanrahan N，Kutney A，et al．Psychiatric Comorbidity and Greater Hospitalization Risk，Longer Length of Stay，and Higher Hospitalization Costs in Older Adults with Heart Failure．Journal of the American Geriatrics Society，2007，55（10）：1585-1591．

［27］Hochlehnert A，Niehoff D，Wild B，et al．Psychiatric comorbidity in cardiovascular inpatients：Costs，net gain，and length of hospitalization．Journal of Psychosomatic Research，2011，70：135-139．

（責任編輯：郭海強）

國家自然科學基金重點項目（71532007；71131006）

△通信作者：羅利，E-mail：chengrong9211＠163．com