数据挖掘在糖尿病住院患者病情分析中的应用研究

黄东瑾

【摘要】 目的：分析数据挖掘在糖尿病住院患者病情分析中的应用研究。方法：将2016年3月-2019年2月本院首发2型糖尿病住院治疗的832例患者作为研究对象，分析所有患者病案首页数据，将可能影响患者住院日的相关因素进行详细统计，并探讨糖尿病住院患者住院日的具体影响因素，明确数据挖掘在临床中的具体应用价值。结果：患者年龄、职业、付款方式、婚姻状况、住院次数、伴随疾病及慢性并发症、医院感染、手术治疗、治疗结局均会对其住院日造成一定程度的影响（P<0.05）。糖尿病患者住院日主要影响因素为年龄、付款方式、伴隨疾病、慢性并发症、医院感染、手术治疗及治疗结局（P<0.05）。结论：糖尿病住院患者住院日主要受诸多因素影响，通过数据挖掘可较为有效的明确主要影响因素，对后续治疗方案的制定及改善均具有重要意义，可考虑临床推广应用。

【关键词】 数据挖掘; 糖尿病; 影响因素; 住院日

Application of Data Mining in Disease Analysis of Diabetic Inpatients/HUANG Dongjin.//Medical Innovation of China，2019，16（26）：-154

【Abstract】 Objective：To analyze the application of data mining in the analysis of inpatients with diabetes mellitus.Method：A total of 832 patients with primary type 2 diabetes hospitalized in our hospital from March 2016 to February 2019 were selected as study objects，the first page data of all patients medical records were analyzed，and the relevant factors that might affect the hospital stay of patients were counted in detail，in addition，the specific influencing factors of inpatients with diabetes were discussed to clarify the specific application value of data mining in clinical practice.Result：The patients age，occupation，payment method，marital status，hospitalization frequency，concomitant diseases and chronic complications，nosocomial infection，surgical treatment and treatment outcome all affect the patients hospitalization date to some extent（P<0.05）.The major influencing factors for the length of hospitalization of diabetic patients were age，payment method，concomitant disease，chronic complications，nosocomial infection，surgical treatment and treatment outcome（P<0.05）.Conclusion：The inpatient length of hospitalization of diabetic patients is mainly affected by many factors，data mining can effectively identify the main influencing factors，which is of great significance to the formulation and improvement of follow-up treatment plans，and can be considered for clinical promotion and application.

【Key words】 Data mining; Diabetes; Influencing factors; Hospitalization day

First-authors address：Shantou Central Hospital，Shantou 515030，China

doi：10.3969/j.issn.1674-4985.2019.26.040

糖尿病是内分泌科临床治疗常见疾病，疾病的发生多与遗传因素及环境因素有关，患者在发病后多具有多饮、多尿、消瘦等临床表现，部分患者在患病期间可表现出肥胖症状[1]。糖尿病的发生对患者生活质量及身心健康均具有较大程度的影响，甚至对患者生命安全构成威胁，因此明确针对性治疗方案，稳定患者血糖水平，缩短其住院时间尤为重要[2]。糖尿病患者住院日在反映其病情严重程度的同时，还能变相的体现医院医疗、护理水平，对患者住院日进行有效控制可使其疾病得到及时治疗，并提高治疗总有效率，从而降低患者在院期间使用的医疗费用，减轻患者经济负担，另外还可提高医院整体医疗水平，进而更好地实现社会与经济效应[3-4]。随着现代化信息技术的飞速发展，医院科学化管理模式的不断开展，为医疗数据采集、患者病情分析等行为提供了有效的数据支持[5]。准确的数据分析除明确患者病情严重程度外，还可能预估其住院时间及具体的影响因素，对相应的治疗及护理措施的及时制定、患者治疗结局的预后的改善均具有重要意义[6]。鉴于此，本次研究选取832例患者进行研究分析，现报道如下。

1 资料与方法

1.1 一般资料 研究对象为2016年3月-2019年2月首发2型糖尿病住院治疗的832例患者，纳入标准：所有纳入本次研究的患者均符合《中国Ⅱ型糖尿病防治指南》中相关诊断标准[7]，患者入院后均进行血糖检测试验并结合具体临床表现确诊;患者年龄均≥18岁;研究开展前均未采用过常规降糖药物进行治疗。排除标准：心、肾等重要器官严重功能障碍者;意识障碍，无法进行正常沟通交流者;合并有全身性感染性疾病者;合并有恶性肿瘤疾病者;病历资料缺失，依从性偏低者。本组患者中男426例，女406例，年龄45～73歲，平均（60.14±7.22）岁，住院时间1～157 d，平均（15.68±2.04）d，住院费用426.3～213 520.6元，平均（10 251.4±1 214.8）元。所有入组患者均对研究内容与目的知情，自愿签署研究同意书;经伦理委员会批准许可本研究项目。

1.2 方法

1.2.1 研究方法 通过对所有研究对象病案首页信息进行查阅后，对患者病案资料进行分析及完善，所完善的资料项目包括：患者入院接受治疗时病情严重程度及患者既往糖尿病史等，有关糖尿病患者住院日的主要影响因素包括：性别、年龄、职业、婚姻、入院情况、伴随疾病、慢性并发症、入院后首次检测血糖值、医院感染、付款方式、手术治疗与否、抢救、住院次数、出入院诊断符合情况、转科、治疗结局等。

1.2.2 评价方法 首先对患者住院时间具体统计数据进行正态化处理，并对可能影响患者住院日的相关因素进行统计学分析，最后筛查出对患者住院时间有明显影响的单因素项目纳入多因素Logistic回归方程，最终明确糖尿病患者住院日具体影响因素。

1.3 影响因素分类 将纳入统计项目的临床病案资料进行条件分类，主要分为社会学因素、疾病因素及临床因素。其中社会学因素包括：性别、年龄、职业、付费方式、婚姻状况及住院次数;疾病因素包括：入院情况、首诊原因、伴随疾病、慢性并发症及入院首次检测血糖水平;临床因素包括：医院感染、手术治疗与否、抢救情况、出入院诊断符合情况、转科、治疗结局等。

1.4 统计学处理 所得数据由双人录入Excel 2010软件，数据不一致时检查录入，数据完全一致后导入SPSS 22.0软件进行统计分析。符合正态分布的计量资料以（x±s）表示，方差齐的计量资料用两样本t检验，非正态分布或方差不齐的计量资料用秩和检验，多组计量资料采用统计检定值F检验;计数资料以率（%）表示，比较采用字2检验，以P<0.05为差异有统计学意义;因素可采用单因素与多因素Logistic分析，以P<0.05为差异有统计学意义;并逐步法拟合条件Logistic回归方程，变量筛查入组的概率标准P<0.05，剔除模型概率>0.10，计算变量因素的偏回归系数优势比，评价变量因素之间相对重要性。

2 结果

2.1 社会学因素分析 社会学因素中的年龄、职业、付款方式及婚姻状况、住院次数均会对糖尿病患者住院日造成一定程度的影响（P<0.05），见表1。

2.2 疾病因素分析 疾病因素中的伴随疾病及慢性并发症均会对糖尿病患者住院日造成一定程度的影响（P<0.05），见表2。

2.3 临床因素分析 临床因素中的医院感染、手术治疗、治疗结局均会对糖尿病患者住院日造成一定程度的影响（P<0.05），见表3。

2.4 Logistic回归分析 多因素分析结果显示，患者年龄、付款方式、伴随疾病、慢性并发症、医院感染、手术治疗及治疗结局均属于糖尿病患者住院日主要影响因素（P<0.05），见表4。

3 讨论

糖尿病属于对患者生命质量威胁程度较大的慢性疾病，因该病病程较长，患者往往需要长期在院治疗，因此制定的相应的治疗及干预措施缩短患者住院时间显得尤为重要。有学者认为，缩短患者住院治疗时间能够有效提高医院医疗服务工作质量，帮助患者减轻经济负担，从而增加满意度，当前社会背景下采取该措施有利于促进医院管理持续发展[8-9]。随着信息化技术的进步与现代医疗的发展，医疗数据的采集在患者病情分析中应用越来越多。

为明确糖尿病患者住院时间对治疗效果的影响，探究数据挖掘在糖尿病住院患者病情分析中的应用价值，本研究对832例患者展开调查分析，结果显示：社会学因素中的年龄、职业、付款方式及婚姻状况、住院次数;疾病因素中的伴随疾病及慢性并发症;临床因素中的医院感染、手术治疗、治疗结局均会对糖尿病患者住院日造成一定程度的影响，而后续进行的多因素分析则证实了患者年龄、付款方式、伴随疾病、慢性并发症、医院感染、手术治疗及治疗结局均属于糖尿病患者住院日延长的主要影响因素。上述结论与文献[10-11]研究中所述基本一致，笔者为进一步分析数据挖掘在糖尿病患者住院日长短分析中的具体价值，参考了多学者相关研究结论进行综合分析：郭燕周等[12]就曾在研究中提出，糖尿病患者发病因素较为复杂，患者入院后可能在多种因素的影响下导致治疗效果偏低，因此住院时间通常也将受到多项因素影响。就社会学因素进行分析，患者在伴随着年龄增长的同时，住院时间将不断增加，考虑造成该项结果的原因为：患者年龄增长，机体多项重要器官功能衰退，因此在院治疗期间风险程度更高，需长时间留院观察;而在具体医疗援助前提下，患者费用意识较薄弱，可能导致不合理消费情况发生，部分患者通常会生成无效住院日，最终导致其住院时间延长[13-14]。就疾病因素进行分析，伴随有其他疾病及慢性并发症的患者因需另外对其他疾病进行不同时间的治疗，逐渐延长了住院时间，因此通过制定各种合理的预防及治疗措施对慢性并发症及疾病的发生进行控制，可有效降低患者在院治疗期间疾病的发生风险[15]。而就临床因素进行分析，医院感染风险的增加会一定程度延长患者住院时间，因此合理对患者感染情况进行防控在缩短患者住院日的同时还能较好的提高医院医疗质量[16];接受手术治疗的患者因术后大多需要卧床休息，因此住院时间延长，针对此类患者要做好术后并发症的防护及不良反应的及时处理，进而最大程度改善患者治疗结局[17];疗效对患者住院日的影响是显而易见的，不良疗效的患者为取得更好的疗效大多会在院接受后续治疗，因此其住院时间一定程度延长，而针对此类患者需鼓励其进行康复治疗，进而在减少医院床位占用的同时促进患者后期康复[18]。

综上所述，数据挖掘在糖尿病住院患者病情分析中的应用可较为准确的明确其住院日长短的具体影响因素，为患者后续治疗方案的制定及改善提供数据支持，在缩短其住院时间、改善其治疗结局的同时进一步提高了医院医疗水平，对医院的稳定发展有促进价值。

参考文献

[1]乔莉，郑慧，杨丽霞，等.基于CNKI数据挖掘分析黄芪多糖治疗糖尿病的文献特征和研究现状[J].西部中医药，2017，30（3）：56-59.

[2] Hirst J A，Aronson J K，Feakins B G，et al.Short- and medium-term effects of light to moderate alcohol intake on glycaemic control in diabetes mellitus：a systematic review and meta-analysis of randomized trials[J].Diabetic Medicine，2017，34（5）：604-611.

[3] Sohn D，Oh H.Gender-dependent Differences in the Relationship between Diabetes Mellitus and Ambient Air Pollution among Adults in South Korean Cities[J].Iranian Journal of Public Health，2017，46（3）：293-300.

[4]黄利兵，陈霞波，齐方洲，等.基于数据挖掘法的王晖教授治疗糖尿病用药规律研究[J].浙江中医药大学学报，2018，42（1）：55-59，63.

[5]沈鸣雁，王华芬，封秀琴，等.住院跌倒患者的数据挖掘与跌倒防范对策分析[J].中华护理杂志，2017，52（9）：1087-1091.

[6]曾慧妍，赵玲，张锦明，等.基于数据挖掘的早中期脾肾阳虚型糖尿病肾病中药复方汤剂用药规律研究[J].中医药导报，2018，15（7）：60-63.

[7]中华医学会糖尿病学分会.中国2型糖尿病防治指南（2010年版）[J/OL].中国医学前沿杂志（电子版），2011，3（6）：54-109.

[8] Valent F，Tonutti L，Grimaldi F.Does diabetes mellitus comorbidity affect in-hospital mortality and length of stay？Analysis of administrative data in an Italian Academic Hospital[J].Acta Diabetologica，2017，54（Suppl 1）：1-10.

[9] Yamamotohonda R，Takahashi Y，Mori Y，et al.Changes in Antidiabetic Drug Prescription and Glycemic Control Trends in Elderly Patients with Type 2 Diabetes Mellitus from 2005-2013：An Analysis of the National Center Diabetes Database（NCDD-03）[J].Internal Medicine，2018，57（9）：1229-1240.

[10]周熙舫，趙会林.应用病案首页数据挖掘影响妊娠糖尿病患者住院时长的相关因素[J].检验医学与临床，2018，15（3）：317-319.

[11]张军鹏，徐学功，徐变玲，等.基于数据挖掘方法的冠心病心绞痛合并糖尿病患者理化指标与气阴两虚证诊断模式的建立[J].中国中医基础医学杂志，2018，17（1）：65-68.

[12]郭燕周，张蕾，王小雨，等.基于数据挖掘的2型糖尿病肾病用药规律分析[J].解放军医药杂志，2018，30（1）：9-12.

[13]张倩，许琳，王晓骁，等.2 206例糖尿病患者临床联合使用丹红注射液的用药分析[J].中国医院药学杂志，2017，37（21）：2201-2205.

[14] Oliveira G L A D，Júnior A A G，Godman B，et al.Cost-effectiveness of vildagliptin for people with type 2 diabetes mellitus in Brazil;findings and implications[J].Expert Review of Pharmacoeconomics & Outcomes Research，2017，17（2）：109-119.

[15]曹雯，王琦威，喻嵘，等.基于文献调查研究分析中医治疗糖尿病周围神经病变的用药规律[J].辽宁中医杂志，2017，21（6）：1121-1123.

[16]苏镜旭，蔡寸，张蕾，等.基于中医传承辅助系统治疗糖尿病肾病方剂用药规律分析[J].中国中西医结合肾病杂志，2017，18（1）：34-37.

[17]邢晨，赵玲，黄少芳，等.基于中医传承辅助平台的赵玲教授治疗糖尿病周围神经病变用药规律分析[J].中国医药导报，2018，15（9）：109-113.

[18]谷雨明，刘秀枝，冯博，等.基于中医传承辅助系统的治疗糖尿病视网膜病变组方规律分析[J].山东中医药大学学报，2017，23（6）：531-535.

（收稿日期：2019-05-27） （本文编辑：张爽）