[發明專利]一種基于網格化協變量因素的患病風險等級評估方法

在審

• 申請號: 202011160509.4
• 申請日: 2020-10-27
• 公開（公告）號: CN112331342A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 龍華;張亞楠;邵玉斌;杜慶治
• 申請（專利權）人: 昆明理工大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/50
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 王月松

1.一種基于網格化協變量因素的患病風險等級評估方法，其特征在于：

S1網格化處理：將研究區域進行網格劃分，更有助于各網格患病風險的判別。網格化處理過程分為兩個步驟：建立網格、數據網格化預處理；

S2構建模型：假設模型，提取研究區域的平均相對風險，提取各個網格中的空間結構化效應項、空間非結構隨機效應項以及網格中對患病有影響的協變量因素項，確定模型。確定各參數的先驗分布，為進行參數后驗分布的計算與分析做準備；

S3計算模型參數的后驗分布：得到可以分析的模型后，通過以下九個步驟進行模型參數的后驗分布計算和分析。分別為：導入模型、檢查模型、數據加載和編譯、初始值設定、模型退火、患病風險變量監控、模型迭代、患病風險變量結果輸出、收斂性判別；

S4網格空間患病風險等級劃分。

2.根據權利要求1所述的一種基于網格化協變量因素的患病風險等級評估方法，其特征在于：網格化處理，包括兩個步驟：建立網格、數據網格化預處理；

S1.1建立網格：就是將研究區域進行網格劃分。對研究區域按地區，劃分成不同的網格，將以上網格用編號依次順序標記。

S1.2數據網格化預處理：劃分網格后，根據網格各自的空間位置，將已有的疾病數據進行調整劃分，把研究區域的疾病數據按網格收集整理。

3.根據權利要求1所述的基于網格化協變量因素的患病風險等級評估方法，其特征在于：提取參數構建模型，具體包括：

S2.1模型假設：針對研究疾病的特點，假設是服從某種分布的模型。

S2.2研究區域的平均相對風險：整個研究區域患病的平均相對風險

S2.3網格空間非結構隨機效應項：與各個網格的空間位置無關，隨機效應項可用于表示其它對患病風險有影響，但沒有包含在假設的模型中的自變量的影響效應。通常其先驗分布假定為是服從一個均值為0，方差為的正態分布。

S2.4網格空間結構化效應項：考慮空間鄰近網格之間的相互關系，通常其先驗分布假定為是一個條件自回歸過程；

S2.5網格中對患病有影響的協變量因素項：考慮對網格患病風險有影響的相關的協變量包含到模型中?？紤]對網格內患病風險有影響的人口流動量、人口經濟水平、特殊人群比例、受教育程度以及醫療水平因素

S2.6確定以上參數的先驗分布。

4.根據權利要求1所述的一種基于網格化協變量因素的患病風險等級評估方法，其特征在于：計算模型參數的后驗分布，包括以下步驟：

S3.1導入并檢查模型：將建立好的數學模型，用OpenBUGS的語言進行編寫和導入，檢查模型是否存在語法錯誤。

S3.2數據加載和編譯：檢查數據是否按正確語法導入。

S3.3初始值設定：對建立的模型中的相關參數進行后驗分布的估計計算前，對各參數的初始值進行賦值。

S3.4模型退火：為了消除初始值對抽樣的影響，拋去前面的部分抽樣。

S3.5患病風險變量監控：選擇需要觀察統計的變量，并監控該變量名。

S3.6模型迭代：對模型進行迭代運算。

S3.7患病風險變量結果輸出：模型迭代結束后，查看在模型迭代前指定需要的參數，獲得參數的后驗分布統計量。

S3.8收斂性判別：通過迭代軌跡圖和迭代歷史圖，觀察迭代軌跡和迭代歷史是否趨于穩定，驗證模型是否收斂。

5.根據權利要求1所述的基于網格化協變量因素的患病風險等級評估方法，其特征在于：網格空間患病風險等級劃分。確定患病風險變量，對各個網格患病風險的均值，以適合風險值的精度進行分段劃分。確定患病風險等級，得到不同網格的患病風險等級。