以患者为中心视角下基于数据挖掘的慢性病精准预防与管理模型构建

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71804183
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    18.5万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0405.健康管理与政策
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

The prevention and management of chronic diseases face three major challenges in China: the heavy burden of disease, the high management complexity, and the insufficient matching of service and residents' health needs. In response to these challenges, this study is designed to use a data-driven approach to identify disease risks among different subgroups of populations from a patient-centered perspective, and then stratifies disease risks among subpopulations so as to match and prioritize appropriate prevention services to different subgroups...Aim 1 uses predictive data mining to assess different disease risks among subgroups of population. Correlation-based feature selections will be used to select the subset of features that affect the disease risks. Rotation forest and alternating decision tree will be used as classification and predicting techniques. Aim 2 builds a Markov model based on life expectancy, to match appropriate and prioritized prevention services to subpopulations. Aim 3 implements chronic disease scenario models to simulate and evaluate the effect of our constructed precision prevention model for chronic diseases...The core of this study is to provide predictable, targeted and evidence-based chronic disease identification and prevention services to the population, to cope with the complexity and uncertainty of chronic disease management, and thus to make as accurate prediction and decision-making as possible. We expect the model constructed in this study will be able to responds to the health needs and expectations of population, and achieve the goal of patient-centered care.
在我国,慢性病的预防和管理面临三大挑战:疾病负担重、管理复杂性高、服务资源与居民健康需求匹配不足。应对挑战,本研究从患者为中心的角度出发,运用数据挖掘手段识别不同人群的疾病风险,据此对人群进行疾病风险的分层,进而匹配适宜的预防服务并排序优先级,从而做到预防与管理的精准化。第一部分采用预测型数据挖掘评估人群的疾病风险,运用基于关联规则的特征选择算法对影响疾病风险的特征子集进行选择,并采用旋转森林和交互式决策树作为分类和预测技术。第二部分构建基于预期寿命的马尔科夫模型,匹配适宜的预防服务并排序服务的优先级。第三部分采用慢性病情境模型对慢性病精准管理模式进行模拟和效果评价。本研究核心在于为人群提供可预测、有针对性、循证的慢性病识别和预防服务,克服慢性病管理的复杂性和不确定性,做出尽可能准确的预测和决策;并从居民的健康需求出发,真正实现以患者为中心的理念,满足我国居民多层次、个性化的健康需求。

结项摘要

我国已经进入慢性病的高负担期,在慢性病的预防和管理领域有重大的管理创新需求。当前慢性病的预防和管理面临三大挑战,包括疾病负担重、管理复杂性高、服务资源与居民健康需求匹配不足。本研究从患者为中心的角度出发,运用数据挖掘手段识别不同人群的疾病风险,据此对人群进行疾病风险的分层,进而匹配适宜的预防服务并排序优先级,从而做到预防与管理的精准化。本研究以精准健康管理经典理论作为指导,聚焦各人群子集的疾病风险进行及早和有目的性的干预,促进对慢性病危险因素的早期识别和预防,从根源防控慢性病的发生和蔓延。研究主要包括以下四方面的内容:(1) 人群健康的影响因素分析;(2) 数据挖掘模型构建及在健康管理中的应用;(3) 慢性病患者的健康管理服务;(4) 健康管理政策的分析。本研究核心在于为人群提供可预测、有针对性、循证的慢性病识别和预防服务,克服慢性病管理的复杂性和不确定性,做出尽可能准确的预测和决策;并从居民的健康需求出发,真正实现以患者为中心的理念,满足我国居民多层次、个性化的健康需求。研究成果所构建的模型可进一步转化成为具有应用性的开源软件,被各类医疗卫生机构利用,以鉴别人群的各类慢性病风险,对人群进行疾病风险的分层,及时采取有针对性的预防和管理措施、提升患者对干预的依从性、并大幅度提升有限的慢性病防控资源的合理配置。

项目成果

期刊论文数量(7)
专著数量(1)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Modifiable health risk factors, related counselling, and treatment among patients in health centres
健康中心患者的可改变的健康风险因素、相关咨询和治疗
  • DOI:
    10.1534/genetics.107.082982
  • 发表时间:
    2018
  • 期刊:
    Health & Social Care in the Community
  • 影响因子:
    2.4
  • 作者:
    Hailun Liang;May A.Beydoun
  • 通讯作者:
    May A.Beydoun
Data mining-based model and risk prediction of colorectal cancer by using secondary health data:A systematic review
基于数据挖掘的模型和利用二级健康数据的结直肠癌风险预测:系统评价
  • DOI:
    10.21147/j.issn.1000-9604.2020.02.11
  • 发表时间:
    2020
  • 期刊:
    Chinese Journal of Cancer Research
  • 影响因子:
    5.1
  • 作者:
    Liang Hailun;Yang Lei;Tao Lei;Shi Leiyu;Yang Wuyang;Bai Jiawei;Zheng Da;Wang Ning;Ji Jiafu
  • 通讯作者:
    Ji Jiafu
Cancer screening among racial/ethnic groups in health centers
在卫生中心对种族/族裔群体进行癌症筛查
  • DOI:
    10.1186/s12939-020-1153-5
  • 发表时间:
    2020
  • 期刊:
    International Journal for Equity in Health
  • 影响因子:
    4.8
  • 作者:
    De-Chih Lee;Hailun Liang;Nanqian Chen;Leiyu Shi;Ying Liu
  • 通讯作者:
    Ying Liu
Housing and Adult Health: Evidence from Chinese General Social Survey (CGSS)
住房与成人健康:来自中国综合社会调查(CGSS)的证据
  • DOI:
    10.3390/ijerph18030916
  • 发表时间:
    2021-01-21
  • 期刊:
    International Journal of Environmental Research and Public Health
  • 影响因子:
    --
  • 作者:
    Chen N;Shen Y;Liang H;Guo R
  • 通讯作者:
    Guo R
Health needs, utilization of services and access to care among Medicaid and uninsured patients with chronic disease in health centres
医疗补助和未参保慢性病患者在卫生中心的健康需求、服务利用和获得护理的机会
  • DOI:
    10.1177/1355819619836130
  • 发表时间:
    2019
  • 期刊:
    Journal of Health Services Research & Policy
  • 影响因子:
    2.4
  • 作者:
    Hailun Liang;May A.Beydoun;Shaker M.Eid
  • 通讯作者:
    Shaker M.Eid

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Evaluation and Application of Urban Traffic Signal Optimizing Control Strategy Based on Reinforcement Learning
基于强化学习的城市交通信号优化控制策略评估与应用
  • DOI:
    10.1155/2018/3631489
  • 发表时间:
    2018
  • 期刊:
    Journal of Advance Transportation
  • 影响因子:
    --
  • 作者:
    王一喆;杨晓光;刘洋东;梁海伦
  • 通讯作者:
    梁海伦
白菜型油菜种子芥酸、油酸和硫苷含量的变异及相关性
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    贵州农业科学
  • 影响因子:
    --
  • 作者:
    田恩堂;梁海伦;王均军;郭君;曹慧琳;林树春
  • 通讯作者:
    林树春

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

梁海伦的其他基金

主动健康行为机制驱动的老年脑健康管理策略研究
  • 批准号:
    72274201
  • 批准年份:
    2022
  • 资助金额:
    45 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码