聚类分析法在糖尿病临床护理中应用.docVIP

聚类分析法在糖尿病临床护理中应用 　　【摘要】 通过分析数据挖掘算法――聚类分析在糖尿病临床护理中的应用，探索护理学临床的分析方法，对笔者所在医院收治的52例糖尿病患者的临床资料进行聚类分析；同时，对聚类分析结果进行总结，对不同类别患者提出相应的护理措施，以增强护理经验，有效提高糖尿病患者的护理质量，从而提高护理水平。 　　【关键词】 聚类分析法； 糖尿病； 临床护理 　　中图分类号 R473.5 文献标识码 B 文章编号 1674-6805（2014）33-0157-03 　　糖尿病是受遗传因素或环境因素所导致的一种全身性、代谢性、慢性疾病，全世界至少有一亿多人患有此病。我国的患病率已达成3%，发病人数近4000万。在糖尿病的防治中，医护人员的角色尤为重要[1]。这也要求护理人员在掌握医学知识的同时，也要学习和应用与护理相关的边缘学科知识，更新知识结构，提高护理水平。数据挖掘算法――聚类分析已广泛应用于经济学、管理学、社会学、医学等众多领域，本文将结合笔者所在医院收治的52例糖尿病患者的临床资料，分析聚类算法在临床护理中的应用。 　　1 聚类分析 　　聚类分析是本文采用的数据分析处理方法。它无需先验知识，也可以不确定分类标准，能够自动地把待分析的数据按照一定的处理规则完成数据分类。其处理规则有制定数据中心点的距离或其他亲密程度[2]。数据经过处理的结果是相同类具有相似性，不同类数据具有明显的区别。按照“相关系数”分类的称为R型聚类法，按照“距离”分类的称为Q型聚类法[3]。常用的聚类分析方法有三种：层次聚类法、快速聚类法、两步聚类法。 　　1.1 层次聚类法 　　第一步骤，将待分类数据拟定为N类；第二步骤，用指定的距离或相似系数将最相关的两类数据归并为一类，其余数据集不发生聚类；第三步骤，重复进行第二步骤，依此减少数据类别，直到最后所有数据完成归类；第四步骤，根据相应的指标来确定最为合适的类别数量[4]。 　　1.2 快速聚类法 　　又称作K-均值聚类法。第一步骤，拟定分类群数，确定初始类中心点；第二步骤，计算所有分类数据点到类中心点的欧氏距离，把靠近类中心点的数据聚集，完成一次迭代过程；第三步骤，再完成上述过程后重新计算每类中各个变量的变量值平均数，用此均值点作为新的类中心点[5]。重复前面步骤，直到完成终止迭代的判别要求或达到指定的迭代次数。这种聚类法由于不存储距离矩阵或基本数据，因而不出现多个相互嵌套的聚类结果，整个分析过程使用迭代的方式进行，所以计算速度快。 　　1.3 两步聚类法 　　顾名思义整个聚类过程需要进行两个步骤。第一步骤，规划一个最大群，这些数据要按照相应的规则处理成N群；第二步骤，采用层次聚类法，把N群中最为接近的子群进行归并，达到拟定的标准时停止处理，形成最终的群数，作为聚类结果。这种方法特点：能做大数据集处理、能做多类型数据处理、能做异常数据值处理、无需在处理开始前指定个数、能从几种聚类方案中选择出最佳方案等[6]。它是基于人工智能的发展起来的智能聚类方法。 　　2 分析工具 　　本文使用的专业数据分析工具软件是SPSS 15.0。SPSS（Statistics Package for Social Science）是聚类分析常用的工具软件。运行环境：Windows系统；运用范围：医疗卫生、教育科研、企业管理、通讯等行业领域；软件功能：数据整理、数据分析、结果输出；分析方法：基本统计分析、相关分析、回归分析、方差分析、聚类分析与判别分析、时间序列分析、信度分析、主成分与因子分析等类别。SPSS优点在于采用易于操作的窗口界面，对数据能进行统计分析、图表展示、管理与输出，因此成为目前使用最为广泛的专业数据分析工具。 　　3 分析步骤 　　3.1 临床资料 　　糖尿病的典型症状；三多一少，即多食、多饮、多尿，体重减少。其中，大部分患者属无症状型糖尿病。糖尿病引起的并发症：酮症酸中毒、高渗性昏迷、血管损害、神经系统损害等。糖尿病的发展一般经过高危人群阶段、血糖增高阶段、糖尿病等三个阶段[7]。 　　选取笔者所在医院2009年4月-2012年3月收治的52例糖尿病患者，其相关临床资料作为分析数据源。所有患者全部符合1997年WHO提出的糖尿病诊断标准。其中男30例，女22例。年龄46～71岁，平均62岁，以55～65岁最多，占61.2%。并发糖尿病足2例，糖尿病肾病5例，糖尿病视网膜病变4例，糖尿病周围神经病变17例。 　　3.2 方法 　　3.2.1 量表编制 量表名称为“糖尿病临床护理诊断量表”，该量表所采用的护理诊断指标均符合北美护理诊断协会（NANDA）对护理诊断的定义。用李科特5级量表形式，从0～4来反映指标高低程度：如“感染危险”指标为4，表明危险度高；如