首页资讯基于大数据老年多重慢性病风险预测模型构建探究

基于大数据老年多重慢性病风险预测模型构建探究

来源：泰然健康网时间：2024年11月24日 21:55

慢性病(简称“慢病”)患病率随年龄增长呈上升趋势，老年人成为慢病侵袭的重灾区[1]。全世界60岁以上人口占比将从2000年的11%增长至2050年的22%[2]，慢病占全球死亡人数的30%[3]。2018年末我国慢病患病人数约为3亿，≥65岁老年人的慢病患病率为50.00%，预计到2050年老年人口将超过4亿，老龄化水平达30%以上[4]。老年人慢病患病率及共病率高，需终身服药，卫生资源消耗巨大[5]。我国因慢病而死亡的人数比例已经高达85%，慢病已成为我国居民死亡的首要原因[6]。老年人身、心及社会3个方面的健康问题很多是由慢病导致的，而其中多数可通过采取健康行为来预防或延缓其发生。当前信息化技术迅猛发展，物联网、大数据及人工智能等技术推动了新一代的科技革命。目前人工智能广泛应用于临床，而机器学习是其重要的一个分支，已应用于疾病辅助诊断、影像学及肿瘤筛查等领域。本文对国内外老年慢病管理现状进行述评，就基于大数据老年多重慢病风险预测模型构建进行探讨。

1. 国内外老年慢病管理现状

1.1 国外老年慢病管理现状

随着对慢病管理质量的深入研究，国外学者开发了改善慢病管理质量的模型，其中慢性病照护模式(chronic care model，CCM)和慢性病创新照护(innovative care for chronic conditions，ICCC)框架被广泛推崇和应用[7]。CCM通过慢病患者、医务人员及医疗政策共同干预，在相应的时间和地点为患者提供精准照护[8]。ICCC框架包括宏观、中观及微观3个层次的内容，强调要关注质量和人群，重视慢病预防，要求宏观、中观和微观3个层面的协作配合[9]，美国、英国及澳大利亚等国广泛应用CCM和ICCC对慢病进行管理取得显著成效[10]。

信息技术的快速发展促进了卫生保健体系的改革，美国近90%的医院基于在线健康信息需求人群增加，开设了慢病自我管理门户网站[11]。研究[12]报道，利用互联网医疗对慢病患者进行管理和教育，可提高患者的治疗依从性。在新冠疫情大流行期间，中国、美国及意大利医疗专家运用互联网开展网上问诊、指导患者用药及康复训练取得了较好成效[13-15]。基于互联网的远程医疗已运用于高血压、糖尿病、冠心病及慢性肾脏病等疾病管理[16-18]。目前已有基于大数据在疾病诊断、治疗指导、预后判断和降低医疗成本等方面的研究报道[19-21]。

1.2 中国老年慢病管理现状

传统慢病管理(即契约式管理及自我管理)和互联网+慢病管理是我国现阶段老年慢病管理的主要模式。研究[22]报道, 对社区高血压患者采取慢病自我管理模式可提高患者血压达标率。但传统慢病管理模式缺乏对患者进行规律和全程随访，缺乏对患者提供个性化的健康教育[23]。而互联网+慢病管理模式可为慢病患者提供便捷、持续及个性化的精准服务[1]，在时间、空间和人力方面突破了传统慢病管理模式的限制。通过基本公共卫生服务项目，政府为老年人免费建立电子健康档案，每年为≥65周岁老年人提供免费体检[24]；通过建立科学合理的分级诊疗制度，形成“小病在基层、大病到医院、康复回基层”的合理就医格局[25]，目前我国慢病的主要防控地点已从医院转移到社区。

2. 物联网、大数据技术推动老年慢病管理模式的变革

通过可穿戴设备及智能设备将监测到的个人健康信息上传至云端，可为临床决策提供大数据支撑和依据, 实现从监测到预警到干预的全方位、立体化的健康管理，从而提升慢病患者自我管理质量[19, 26]。物联网的出现推动着医疗信息向高效率、高质量监管和精准定位方向发展[27]。国内已有基于大数据助力社区养老及老年人失能失智因素关联的研究报道[28-29]。

近期针对慢病筛查和管理的模型有美国国家综合癌症网络的肺癌筛查2020版[30], 日本乳腺癌学会乳腺癌筛查和诊断2018版[31]及澳大利亚2020版儿童和青少年2型糖尿病的筛查、评估和管理[32]。然而基于国外人群疾病风险评估模型并不完全适合中国人群，因此有必要构建适合中国人群自身特点的疾病风险评估模型。

慢病具有发病率高、病程长、知晓率低、控制率低、致残致死率高的特点[33]，因此，开发准确有效的早期诊断及筛检技术，建立完善的疾病普查制度、疾病风险评估和预警体系等是我国目前慢病防控的关键点。已有研究[34-35]报道，控制体重和降低吸烟率可使糖尿病和脑卒中患病率下降。故开展慢病危险因素评估及风险等级测量研究，实现疾病精准防控具有重要意义。

3. 基于大数据老年多重慢病风险预测模型构建探究

随着信息通信技术的迅猛发展，医疗卫生健康领域产生了大量关于患者的电子病历、临床诊断、治疗、检查及药品等医源性复杂数据。通过收集患者电子病历和电子健康档案中的人口学资料、慢病信息、检查(检验)结果、诊断及用药信息，为医生决策提供数据支撑和依据，从而及时调整诊疗方案，可提高慢病控制率，降低医疗费用[36]。

3.1 机器学习在临床诊疗中的应用

机器学习是指利用算法使机器在大量数据中学习，获得对新数据分析和研究的方法，其训练过程包括特征提取、数据预处理、模型优化等步骤[37]。目前机器学习已被广泛用于医学影像处理及病理识别[36, 38]，乳腺癌及冠心病辅助诊断[39-40]，以及脑梗死风险模型构建[41]。

3.2 搭建老年慢病健康管理机器学习云平台

利用大型综合性医院及社区卫生服务中心电子信息系统，采集与获取老年慢病数据，如健康档案、个人饮食、运动、生命体征、睡眠、血压、体重、血糖、诊断、治疗、病史及家族史等，搭建老年慢病健康管理大数据云平台。然后由软件开发团队通过对数据进行清理分析、特征提取，构建机器学习模型进行智能预测和挖掘潜在的病例信息，设计并实现老年慢病健康管理机器学习云平台。该平台为基于大数据老年多重慢病风险预测模型的构建奠定了基石，为对患者进行慢病高危因素筛查及慢病风险等级评估提供支撑数据，见图 1。

3.3 构建基于大数据老年多重慢病风险评估预测模型

已有应用机器学习方法对CKD4期患者进行中医慢病管理疾病预测模型建立并验证的研究报道[42]。还有基于AI的慢病高危管理系统研究及应用的报道，该系统运用人工智能对慢病个人健康档案进行健康状况评估，实施个性化慢病管理，此举可有效提高慢病管理效率和效果，从而降低死亡率，节约大量医疗费用[43]。赵笑颜等[44]通过研究指出，利用大数据，通过云计算与数据挖掘等技术可对具有相同危险因素人群做到“个体化”健康管理，为慢病高危者进行预警，从而指导其采取针对性的干预措施，有效降低慢病的发生。目前已有基于医疗大数据的肿瘤疾病模式分析与研究及基于云计算与医疗大数据的FP-Growth算法的优化研究报道[45-46]。

医疗决策支持是智慧医疗的核心技术，以实时获取和临床积累的各种数据为基础，通过大数据技术对海量医疗数据进行数据的收集、整合、存储、分析，采用机器学习技术，分析常见老年慢病危险因素，提取出关键特征，然后采用逻辑回归、决策树、深度学习等机器学习模型训练出老年慢病风险评估预测模型，将老年慢病风险进行分级分层，见图 2。

3.4 基于大数据老年多重慢病风险评估预测模型的应用前景

慢病发病机制复杂、病程长，监测产生的大量数据远远超出传统慢病管理和统计分析能力。基于大数据分析、云计算、人工智能等信息技术，进行自动分析诊断和医疗决策，可大大缓解庞大慢病患者对健康的需求。利用机器学习技术，进行有效医疗数据挖掘，不仅能对疾病进行辅助诊断，还可通过构建老年多重慢病风险评估预测模型，对慢病风险进行分级分层，促使老年慢病预防/干预关口前移，对转变慢病管理模式，提升慢病管理质量，提高老人健康水平具有重要的现实意义。

王伟娜等[47]报道基于大数据慢病管理平台可实现居民慢病高危因素筛查、慢病自我管理、个性化诊疗和慢病管理效果评估的无缝衔接。基于大数据慢病管理还可提高医务人员的工作效率，提高其临床辅助决策能力，提升医生慢病诊疗效率。此外，基于大数据老年多重慢病风险评估预测模型的应用能更好地为患者提供优质医疗护理服务，最终实现以患者为中心的个体化、精准化的慢病管理。该技术的推广应用尤其适合基层全科医生团队对社区老年慢病患者慢病危险因素筛查、评估及分层，从而提供个性化诊疗服务，为实现老年慢病患者少发病、早发现，慢病管理的全覆盖，管理过程的全监控提供有效支撑。

4. 小结

老年慢病健康管理大数据云平台的搭建为临床决策提供数据支撑和依据；运用云计算、机器学习技术实现数据采集、清理、分析、特征提取、管理及服务。构建老年多重慢病风险评估预测模型，对个体慢病风险因素进行分级分层管理，可促使老年慢病预防/干预关口前移，从而实现老年慢病管理个体化、精准化。

基于大数据老年多重慢病风险评估预测模型对老年慢病健康管理目前仍有一些亟待完善之处，如样本小、样本不平衡、数据质量及标准化差、模型适应性差等问题[37, 39]；还存在数据安全性、隐私保护关键技术、隐私保护法律法规等[48]问题。故迫切需要建立完善的慢病云数据库，加强医疗数据共享，研究样本医学数据处理的模型优化和过拟合的解决方法，智能诊断算法优化等，促使数据采集、存储、处理技术快速发展，最终实现大数据背景下老年多重慢病风险预测模型的健康管理模式。