基于模糊綜合評(píng)價(jià)法下的精準(zhǔn)醫(yī)療

裴嶼然 楊欣怡 王越洋

【摘 要】大數(shù)據(jù)時(shí)代下，利用大數(shù)據(jù)終端的服務(wù)支持整合分析病人服藥記錄以及電子病歷等數(shù)據(jù)以實(shí)現(xiàn)精準(zhǔn)醫(yī)療。通過(guò)分析各類(lèi)數(shù)據(jù)為確定合理的糖尿病評(píng)價(jià)指標(biāo)體系，我們將指標(biāo)分為三類(lèi)，利用層次分析法確定每個(gè)評(píng)價(jià)因子的權(quán)重進(jìn)而得出權(quán)向量。之后建立模糊數(shù)學(xué)評(píng)價(jià)模型，將分類(lèi)后的評(píng)價(jià)因子利用模糊矩陣方法進(jìn)行單因素評(píng)價(jià)，最后利用模糊綜合評(píng)價(jià)得到糖尿病治療效果的評(píng)價(jià)體系

【關(guān)鍵詞】模糊綜合評(píng)價(jià);層次分析法;大數(shù)據(jù)

1數(shù)據(jù)處理

評(píng)價(jià)治療效果的指標(biāo)眾多，它們錯(cuò)綜復(fù)雜且并不完全獨(dú)立，因此我們的關(guān)鍵是將問(wèn)題系統(tǒng)化，建立合適的評(píng)價(jià)體系使指標(biāo)更好反映治療效果。在這里，我們利用層次分析法，把因素層次化，最終確立一個(gè)因素遞階層次結(jié)構(gòu)模型。也就是一個(gè)評(píng)價(jià)模型包括了幾個(gè)因素這些因素按照某種關(guān)系形成多個(gè)層次，最終形成層次結(jié)構(gòu)模型。

首先我們通過(guò)分析數(shù)據(jù)以及詢(xún)問(wèn)醫(yī)師選取了較有代表性的10個(gè)指標(biāo)作為評(píng)價(jià)醫(yī)療效果的因素，將此問(wèn)題分為三個(gè)層次，即目標(biāo)層、準(zhǔn)則層、方案層。

其中目標(biāo)層為治療效果，準(zhǔn)則層為治療強(qiáng)度、復(fù)發(fā)時(shí)間間隔、治療時(shí)間、治療結(jié)果，方案層為選定的10個(gè)評(píng)價(jià)指標(biāo)

2一致性檢驗(yàn)

得出判斷矩陣后我們要對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，同時(shí)計(jì)算判斷矩陣對(duì)應(yīng)的最大特征值的特征向量作為同層對(duì)于上層的相對(duì)重要性的權(quán)重排序。

利用MATLAB可以求得該矩陣的最大特征值λ=4.2306，之后我們進(jìn)行正互反矩陣的一致性檢驗(yàn)。

利用公式計(jì)算一次性指標(biāo)CI：

查找平均一致性指標(biāo)RI，對(duì)于n=1...9，根據(jù)satty的隨機(jī)一致性給出了RI的值

當(dāng)λ=4.2306時(shí)，RI=0.90，CI=0.077，所以一致性比率為：

通過(guò)了一致性比率。

之后我們進(jìn)行歸一化來(lái)消除指標(biāo)間的差異，算出權(quán)向量：

Step1：將A的每一列向量歸一化得

Step2：將按行展開(kāi)求積并開(kāi)n次方。

Step3：將歸一化

Step4：計(jì)算，作為最大特征根的近似值。用MATLAB計(jì)算后得到權(quán)向量：

即4個(gè)準(zhǔn)則層因子對(duì)目標(biāo)層的影響效果權(quán)重為（0.09110，0.3113，0.4364，0.3634）

4.1.2基于層次分析法建立模糊評(píng)價(jià)模型

4.1.2.1問(wèn)題分析

確定評(píng)價(jià)事物的影響指標(biāo)集合

確定評(píng)價(jià)等級(jí)集合

其中依次表示差、中、良、優(yōu)秀。

利用之前層次分析法得出的歸一化權(quán)向量（0.09110，0.3113，0.4364，0.3634）

3模型求解

下面確定評(píng)價(jià)等級(jí)的隸屬度即被評(píng)價(jià)事物從整體上看對(duì)Q等級(jí)子集的隸屬程度并得到準(zhǔn)則層每個(gè)因素的評(píng)價(jià)矩陣。

我們通過(guò)調(diào)查問(wèn)卷的形式收集大量關(guān)于10個(gè)指標(biāo)的評(píng)分?jǐn)?shù)據(jù)（假設(shè)滿(mǎn)分為50分）并對(duì)數(shù)據(jù)求平均值得出對(duì)患者的治療效果的評(píng)價(jià)結(jié)果。

得準(zhǔn)則層每個(gè)因素的評(píng)價(jià)模糊關(guān)系矩陣：

之后利用合適的模糊算子合成因素權(quán)重的w和各被評(píng)事物的模糊矩陣R，得到各準(zhǔn)則層的模糊關(guān)系矩陣：

由各個(gè)準(zhǔn)則層的模糊關(guān)系子矩陣得出模糊關(guān)系總矩陣：

再通過(guò)權(quán)向量矩陣與評(píng)價(jià)矩陣經(jīng)過(guò)模糊變換得到模糊評(píng)價(jià)集Q

我們選取的最優(yōu)的算法來(lái)計(jì)算：

得到Q=WR=（0.8124 0.3371 0.6947 0.2668）

實(shí)際上常用的最大隸屬度原則，但我們此問(wèn)題中被評(píng)價(jià)事物的指標(biāo)較多，選取最大隸屬度可能會(huì)丟失重要信息，因此我們選用求平均求隸屬等級(jí)的方法可以較為全面的評(píng)價(jià)所選事物，使結(jié)果更準(zhǔn)確。

我們求得平均隸屬等級(jí)為0.5227，此數(shù)值接近0.6947，故近似判斷此醫(yī)院的患者的治療效果為“良”。

參考文獻(xiàn)：

[1]黃小龍，羅旭，汪鵬，吳昊.健康醫(yī)療大數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)醫(yī)療實(shí)施進(jìn)展[J].醫(yī)學(xué)信息學(xué)雜志，2017，38（09）：17-21.

[2]楊夢(mèng)潔，楊宇輝，郭宇航，王家亮.大數(shù)據(jù)時(shí)代下精準(zhǔn)醫(yī)療的發(fā)展現(xiàn)狀研究[J].中國(guó)數(shù)字醫(yī)學(xué)，2017，12（09）：27-29.

[3]黃小龍. 綜合性醫(yī)院大數(shù)據(jù)需求分析與應(yīng)用模式研究[D].第三軍醫(yī)大學(xué)，2017.

（作者單位：1.華北理工大學(xué);2.北京師范大學(xué)）