數據倉庫技術在糖尿病健康教育中的應用研究

陳翔 劉春 楊銳

摘 要：闡述糖尿病健康教育對糖尿病病情治療的作用，介紹了數據倉庫技術和數據挖掘的概念及工作原理，探討數據倉庫技術在糖尿病健康教育系統中的智能分析與挖掘，以便為患者尋找最適合的健康教育方案，增強患者對病情的自我管理能力，從而提高糖尿病患者的生活質量。

關鍵詞：糖尿病；健康教育；數據倉庫；智能分析；挖掘

中圖分類號：TP311.13 文獻標識碼：B DOI：10.3969/j.issn.1006-1959.2018.20.001

文章編號：1006-1959（2018）20-0001-03

Abstract：Explain the role of diabetes mellitus health education in the treatment of diabetes，introduce the concept and working principle of data warehouse technology and data mining，and explore the intelligent analysis and mining of data warehouse technology in diabetes mellitus health education system，in order to find the most suitable health education for patients.The program enhances the patient's self-management ability to improve the quality of life of diabetic mellitus patients.

Key words：Diabetes mellitus；Health education；Data warehouse；Intelligent analysis；Mining

糖尿病（diabetes mellitus，DM）是一種典型的慢性終生疾病。為了全面、有效地控制該病，除了常規的臨床和藥物治療外，還必須對患者進行適當的健康教育[1]。目前，糖尿病患者的自我管理能力和水平僅處于中、低水平，患者在日常生活中經常出現各種急慢性并發癥，嚴重影響患者的生活質量。如何提高糖尿病患者自我管理的能力，減輕糖尿病對患者身心健康的影響，已成為國內外糖尿病相關學者的重要研究目標。積極開展糖尿病健康教育是提高患者自我管理能力和水平的最有效手段[2]。目前，國內外學者都在積極探索糖尿病健康教育的有效模式。健康教育在糖尿病治療中的作用越來越重要。通過讓患者掌握糖尿病的基本知識，可以有意識地進行飲食控制、相關運動治療、藥物治療和疾病監測。根據患者的實際情況，制定相應的健康教育計劃是控制糖尿病最有效、最長遠的科學措施[3]。本文基于數字化技術，通過糖尿病健康教育數據倉庫的構建，對患者的基本信息、臨床表現特征、所采用的教育手段、療效等一系列相關數據進行清理、導入與規范化處理，并使用現代化的數據統計與挖掘技術，實施智能分析與挖掘，尋找出對患者最適合的健康教育方案，增強患者對糖尿病自我管理的能力，從而提高患者的生活質量。

1數據倉庫

1.1概念 數據倉庫（Data Warehouse，DW）的定義首先W.H.NMOM提出[4]。DW是面向主題的、集成的、相對穩定的、依賴于時間的、歷史的、持久的、支持決策的數據集合，其存儲數據和管理資源的基本手段仍然沿用傳統的數據庫技術，分析數據和提取信息最為行之有效的方法仍然是統計分析技術，當今最為最流行的計分析技術是人工智能挖掘。DW與計算機網絡技術、并行計算技術、人工智能技術等相結合、相互滲透和集成應用，并應用于對相應決策制定過程的支持[5]。

1.2 DW的功能 DW在功能上應該具備多層次、多方位的數據挖掘與輔助決策的能力，能夠很好地助力于臨床與科研能力的提高。數據是進行糖尿病健康教育智能分析與挖掘的基礎，因此DW是支撐糖尿病健康教育智能分析與挖掘系統最基礎的工具。DW通過對HIS、LIS、PACS與EMR等系統中與糖尿病患者健康教育治療相關的數據提取出來，也就是將分散在各系統中難于訪問的數據，集中轉化為統一的且隨時可用的糖尿病健康教育信息。

1.3 DW的設計與創建 DW總體上分為基本功能層、管理層和環境支持層三個層次。通過設計過程的循環，從而實現對數據的選擇、變換、建模、評估、解釋、運用和鞏固，見圖1。

創建基于HIS、LIS、PACS、EMR等醫院信息系統的糖尿病健康教育數據倉庫，是從現有數據出發的一種設計方法，即一種“數據驅動”的系統設計方法。其基本思想是利用醫院的主要業務系統數據庫中的數據，按照糖尿病健康教育這個研究方向所對應的分析領域對數據與數據之間的聯系重新進行考慮，確定數據倉庫中的主題，并利用數據模型有效地識別數據與數據倉庫中的主體數據的“公共性”。

從數據倉庫的定義可以看出，構建一個糖尿病健康教育數據倉庫應該經歷以下幾個步驟：提取主題、組織數據、獲取并集成數據和構建應用。隨著數據倉庫中的數據量的增加，積累的數據相互之間是否存在某些潛在的、未知的關聯、模式或趨勢？然而，這些關聯、模式或趨勢不能通過我們的肉眼或簡單的計算方式就獲得，而必須通過對這些數據的一系列再處理和加工過程，需要利用數據挖掘技術。

2數據挖掘

2.1概念 數據挖掘（data mining ，DM）是指從一個大量的、隨機的、不完整的、模糊的及有噪聲的數據中提取隱藏在這些數據中未被人們事先獲知但又潛在有用的信息和知識的過程[6]。DM在決策支持應用過程中起著非常重要的作用，它主要基于人工智能、機器學習、模式識別、統計、數據庫、可視化等技術對現有數據進行自動分析，并利用歸納推理挖掘出潛在的、有價值的信息，從而輔助決策者作出正確的決策。

2.2 DM常用的算法 DM的常用算法有決策樹、關聯規則、粗糙集、神經網絡、統計分析、支持向量機、基于事例推理、模糊聚類、可視化技術和貝葉斯預測。決策樹和人工神經網絡是輔助臨床診斷中的經常用到的方法。其中，決策樹是一種非常有效的機器學習分類算法。

決策樹學習通常是從一組無序和不規則事例中推測出決策樹表示的分類規則。它采用自頂向下遞歸的方法，首先比較決策樹內部節點的屬性值，然后根據不同的屬性值判斷節點的向下分支，最后在決策樹的葉節點得到最終結論。從根到葉節點的每個路徑對應于一則連接規則，因此整個決策樹對應于一組析取表達式的規則。決策樹學習算法的最大優點是：在學習過程中，用戶不需要了解對其太多的背景知識。它只需要知道怎么訓練實例和用屬性-結論的方式來表達就可以使用該方法來進行學習。本研究所采用的糖尿病健康教育挖掘算法就是決策樹技術。

2.3 DM的應用 首先建立糖尿病決策樹，然后根據患者信息、臨床表征等判斷出患者所患糖尿病的類型，最后根據對以往同類患者的治療方案及療效等推算出最適合的健康教育方案。如果起點是高血糖，第一個分支決定是否是妊娠期，答案“YES”，決策樹就直接歸為妊娠期糖尿病，然后根據以往對妊娠期糖尿病的歷史治療方案及療效推算出對當前患者最適合的健康教育方案；答案是“NO”，則將其歸屬于其他類型糖尿病，然后再根據的年齡、是否有自發性酮癥、病因和病情輕重緩急等條件判斷該患者是1型糖尿病還是2型糖尿病，再根據以往對該類型糖尿病治療所取得較好療效的健康教育方案，使用智能挖掘算法來找出最適合患者的方案。

3糖尿病健康教育系統結構設計

3.1設計思路 遵循著“在合適的時間對當前的患者提供正確的健康教育方案”的設計理念，利用數據挖掘技術對以往歷史積累的海量糖尿病臨床表征、健康教育方案以及治療效果等信息進行分析與挖掘，為糖尿病患者提供科學智能的健康教育方案。

3.2總體架構 系統總體框架結構分為3個層次：支撐層、分析層和應用層。①支撐層：由糖尿病患者數據和糖尿病健康教育知識庫構成。其中糖尿病患者的數據主要包括患者的基本信息、主要自訴、臨床輔助檢查信息、臨床診斷等；糖尿病健康教育知識庫主要是針對不同的糖尿病提供與之相對應的健康教育方案，為系統提供數據來源和業務規則支撐。②分析層：對患者信息、臨床表征、教育手段、療效等數據進行清理、導入與規范化處理，并使用現代數據統計、挖掘技術，實施智能分析與挖掘。③應用層：根據分析層提供的智能分析與挖掘的結果，最后為患者尋找到輔助治療效果最佳的糖尿病教育方案，并提高給患者，見圖2。

4結論

糖尿病健康教育系統采用了當下較為先進的數

據倉庫及數據挖掘技術，實踐表明：該系統能夠從海

量的糖尿病治療的相關信息中提出有價值的信息，幫助臨床醫生快速準確地為患者提供合最適合的健康教育方案，增強患者對糖尿病自我管理的能力，提高患者生活的質量，充分體現了“以病人為中心，以健康教育為指導”的理念，從而為廣大糖尿病患者帶來了福音。

參考文獻：

[1]王一東，王慶梅.中醫糖尿病健康教育對2型糖尿病患者血糖控制情況的影響[J].糖尿病新世界，2014（7）：261-262.

[2]劉瑩.健康教育在糖尿病臨床治療中的實施效果分析[J].中國醫藥指南，2017，15（21）：29-30.

[3]宋偉，劉春，忻凌.基于真實世界的糖尿病健康教育數據倉庫的設計[J].醫學信息，2017，30（2）：1-2.

[4]李韜，馮佳莉，張屹，等.數據倉庫技術在醫院信息化建設方案實現中的應用價值[J].中國醫藥導報，2016，13（4）：160-163.

[5]趙妍，王穎，閆國濤，等.基于數據倉庫的臨床決策支持系統在我院的應用[J].中國醫療設備，2016，31（7）：95-97.

[6]李文萱，李文.數據挖掘技術在醫院信息系統中的應用研究[J].中國管理信息化，2018（4）：143-144.

收稿日期：2018-6-2；修回日期：2018-6-11

編輯/李樺