数据挖掘技术对IgA肾病数据资料初步探索性研究.pdfVIP

gA肾病数据资料的初步探索性研究 A_97数据挖掘技术对l 李靖徐冰高菁北京中医药大学东直门医院100700 摘要：数据挖掘可以从海量的数据中抽取有价值的知识和信息。关联规则挖掘是数据挖掘中的 一种，它可以从大量的数据中挖掘出有价值的数据项之间相互联系。本文通过关联规则分析201例 Igh肾病患者辨证分型与临床症状、肾穿病理检查结果等临床资料的规律，探讨Igh肾病中医证候 与临床及病理的相关性，更好的判断预后及指导临床治疗。 主题词：Igh肾病：数据挖掘：关联规则 Igh肾病是一种常见的肾小球疾病，诊断依靠肾脏病理诊断疾病，其主要病理表现为肾小球系膜 增生、基质增多伴沉积，是我国发病率最高的肾小球疾病，在我国约占原发性肾小球疾病26％-34％， 是导致终末期肾衰竭最常见的原因之一，不少学者从不同角度对IgA肾病的病因病机、辨证分型 及治疗等方面进行了火量的研究，但对其有效合理的治疗方法还没有定论。随着数字化信息时代的 发展和中医药研究的现代化，数据挖掘技术这种能够从海量的信息中快速寻找有价值知识的方法， 被逐渐应用到中医药研究领域上来，本研究拟通过数据挖掘技术中的关联规则，对201例IgA患者的 辨证分型与临床症状、肾穿病理检查结果等临床资料进行研究，探讨Igh肾病中医证候与临床及病理 的相关性，更好的判断预后及指导临床治疗。首先将本研究中用到的数据挖掘技术中关联规则的相 关知识简介如下： 1．数据挖掘的相关知识 1．1数据挖掘(DataMining)主要是指从大量的、不完全的、有噪声的、模糊的、随机的数据集 中识别有效的、新颖的、潜在有用的以及最终可理解模式的过程。它可以发现隐含在数据当中，可 以为人们所用的知识。数据挖掘所能发现的知识有如下几种：①广义型知识，反映同类事物共同性质 的知识②特征型知识，反映事物各方面的特征知识③差异型知识，反映不同事物之间属性差别的知 识④关联型知识，反映事物之间依赖或关联的知识⑤预测型知识，根据历史的和当前的数据推测未 来数据⑥偏离型知识，揭示事物偏离常规的异常现象。 1．2从挖掘任务和挖掘方法的角度看，有数据抽取、分类、聚类和关联规则等。 1．3数据挖掘过程一般可分为5个步骤：①问题定义：了解相关领域的背景和知识，明确用户要 求和任务。②数据提取：根据要求从数据库或数据仓库等数据源中提取相关数据。③数据预处理： 包括数据清理、数据集成、数据规约和数据变换，主要任务是对数据进行再加工，检查数据的完整 性及一致性，对其中的噪音数据进行处理，对丢失的数据进行填补。④数据挖掘：运用选定的知识 发现算法，从数据中提取出用户所需要的知识。⑤知识评估：将发现的知识以用户能理解的方式呈 现，并根据需要对知识发现过程中的某些处理阶段进行优化，直到满足要求…。见下图： 逻辑数 极选挣 段处理 被转按 被抽取 妓l·a化 据库 的数据 的投挺 的彳=息 躬姒识 后的救 据 选择l l预处理 l l转换 l I挖掘 l 1分析和同化 2．关联规则 关联规则挖掘作为数据挖掘技术中的一种常用方法，已被广泛的应用于各种领域，目前已初步 涉足于中医药方面的研究。它的本质是一种对条件概率、联合概率的方法的简化，并在这个简化过 程中注意了对数据库扫描次数和效率的改进，从而使算法更加实用化。 2．IX联规则中的相关概念 一个关联规则包括9部分：规则编号、前件、后件、最小支持度、实际支持度、最小置信度、实 际置信度、规则类编码、源样本量。支持度(sup)是对关联规则重要性的衡量，表示了规则的频度， 反映关联是否是普遍存在的规律。“=”之前称为前件， “=”之后的称为后件，支持度用于度量 一个项集的出现频率。置信度(conf)是对关联规则准确度的衡量，或者说表示了该规则的强度，反 映了关联规则前件成立的条件下结果成功的概率。其中，最小支持度和最小置信度是指为输出规则 结果所设定的支持度和置信度阈值；实际支持度是指规则前件发生的概率；实际置信度是指在规则 前件己发生的前提下规则后件发生的概率。规则类编码是对规则的特征化数字