基于丹東市碘缺乏病患病情況的大數(shù)據(jù)分析

文/王梓民 周欣

碘缺乏病是世界范圍的常見(jiàn)病，1970-1980年全國(guó)性普查結(jié)果顯示：29 個(gè)省、市、自治區(qū)存在碘缺乏病，1762 個(gè)縣有碘缺乏病，4.25 億人口生活在碘缺乏病地區(qū)，3500 萬(wàn)人口患地方性甲狀腺腫，25 萬(wàn)克汀病。基于流行病調(diào)查結(jié)果，環(huán)境因素中的碘營(yíng)養(yǎng)狀況是碘缺乏病發(fā)病因素之一，國(guó)際醫(yī)學(xué)界公認(rèn)：碘的攝入量與碘缺乏病的關(guān)系呈反比關(guān)系，即碘量攝入過(guò)少可使碘缺乏病的發(fā)病率升高。因此，摸清成人碘營(yíng)養(yǎng)狀況，有利于正確指導(dǎo)具有碘缺乏病患者科學(xué)用碘，以此降低碘缺乏病的患病率；本文以丹東地區(qū)碘缺乏病例2013年-2015年疾病預(yù)防控制機(jī)構(gòu)（CDC）年度統(tǒng)計(jì)數(shù)據(jù)為依據(jù)，進(jìn)行大數(shù)據(jù)分析、數(shù)據(jù)挖掘，得到全市碘缺乏病調(diào)查情況。

1 資料與方法

1.1 資料

資料來(lái)源于丹東市疾病預(yù)防控制中心2013-2015年碘缺乏病防治工作年度調(diào)查表。

1.2 應(yīng)用方法

1.2.1 大數(shù)據(jù)

麥肯錫全球研究所給出的定義是：一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類(lèi)型和價(jià)值密度低四大特征。即巨量數(shù)據(jù)集合，將掌握的龐大數(shù)據(jù)信息進(jìn)行專(zhuān)業(yè)化處理，通過(guò)“加工”實(shí)現(xiàn)數(shù)據(jù)的“增值”。

1.2.2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘方法利用了如下一些領(lǐng)域的思想：

（1）來(lái)自統(tǒng)計(jì)學(xué)的抽樣、估計(jì)和假設(shè)檢驗(yàn)。

（2）人工智能、模式識(shí)別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論。

（3）最優(yōu)化、進(jìn)化計(jì)算、信息論、信號(hào)處理、可視化和信息檢索。

數(shù)據(jù)庫(kù)系統(tǒng)提供有效的存儲(chǔ)、索引和查詢(xún)處理支持。源于高性能（并行）計(jì)算的技術(shù)在處理海量數(shù)據(jù)集方面常常是重要的，分布式技術(shù)也能幫助處理海量數(shù)據(jù)，并且當(dāng)數(shù)據(jù)不能集中到一起處理時(shí)更是至關(guān)重要。

1.2.3 ID3 算法

ID3 算法是一種貪心算法，用來(lái)構(gòu)造決策樹(shù)。ID3 算法起源于概念學(xué)習(xí)系統(tǒng)（CLS），以信息熵的下降速度為選取測(cè)試屬性的標(biāo)準(zhǔn)，即在每個(gè)節(jié)點(diǎn)選取還尚未被用來(lái)劃分的具有最高信息增益的屬性作為劃分標(biāo)準(zhǔn)，然后繼續(xù)這個(gè)過(guò)程，直到生成的決策樹(shù)能完美分類(lèi)訓(xùn)練樣例。ID3 決策樹(shù)構(gòu)造的相關(guān)理論如下：

信息熵：一個(gè)變量的變化情況可能越多，那么它攜帶的信息量就越大，信息熵值越大，該系統(tǒng)就越不穩(wěn)定，存在的不定因素就越多。

表1：碘缺乏病決策表

表2：丹東市碘缺乏病防治工作調(diào)查表（2013年）

圖1：2013-2015年丹東市各縣區(qū)碘缺乏病發(fā)病柱狀圖（%）

式中x 是一個(gè)隨機(jī)變量x={x1,x2,x3,...,xn}，P 是每一種渠道的概率{p1,p2,p3,...pn}，H(x)為x 的信息熵。

條件熵：用來(lái)解釋信息增益而引入的概念。隨機(jī)變量X 在給定條件下隨機(jī)變量Y 的條件熵，X 給定條件下Y 的條件概率分布的熵對(duì)x 的數(shù)學(xué)期望，在機(jī)器學(xué)習(xí)中為選定某個(gè)特征后的熵，公式如下：

信息增益：在決策樹(shù)算法中是用來(lái)選擇特征的指標(biāo)，信息增益越大，則這個(gè)特征的選擇性越好。待分類(lèi)的集合的熵和選定某個(gè)特征的條件熵之差，公式如下：

由表1中數(shù)據(jù)和（1）（2）（3）式可以計(jì)算出健康教育、專(zhuān)項(xiàng)投入、碘元素?cái)z入量各自的信息增益，其中當(dāng)是否患有碘缺乏病為作為目的節(jié)點(diǎn)時(shí)，碘元素?cái)z入量是信息增益最高的，其次是健康教育。故碘元素的攝入量對(duì)是否患碘缺乏病影響最大。

2 過(guò)程、結(jié)果

2.1 數(shù)據(jù)收集

如表2所示。

2.2 結(jié)果

如圖1，根據(jù)2013-2015年丹東市各縣區(qū)碘缺乏病發(fā)病情況數(shù)據(jù)顯示，元寶區(qū)、振興區(qū)、東港市的碘缺乏病患者比例為零；振安區(qū)、鳳城市的碘缺乏病患者比例幾乎沒(méi)有變化；寬甸滿(mǎn)族自治縣的碘缺乏病患者比例從2013年的0.2016%下降到2015年的0.1997%，人口基數(shù)雖然增加，但是碘缺乏病患者的數(shù)量并沒(méi)有增加。

3 結(jié)論

通過(guò)對(duì)上述數(shù)據(jù)的分析，我們可以發(fā)現(xiàn)，元寶區(qū)、振興區(qū)、振安區(qū)以及東港市的碘缺乏病患者幾乎為零，而鳳城市患碘缺乏病患者數(shù)量尤為突出。丹東市的東港市、鳳城市和寬甸縣自2009年起是中央補(bǔ)助地方公共衛(wèi)生專(zhuān)項(xiàng)地方病防治健康教育項(xiàng)目縣市 ，國(guó)家每年對(duì)每個(gè)項(xiàng)目縣市投入1.5 ～2 萬(wàn)，用以提高人民群眾對(duì)碘缺乏病的認(rèn)識(shí)?？梢?jiàn)健康教育可以有效提高碘缺乏病的公眾認(rèn)知度。當(dāng)前是“互聯(lián)網(wǎng)+”的時(shí)代，計(jì)算機(jī)在數(shù)據(jù)處理、數(shù)據(jù)挖掘等方面的技術(shù)日趨成熟。本文從丹東市地方病——碘缺乏病入手，通過(guò)對(duì)2013-2015年數(shù)據(jù)的分析、挖掘；最后與國(guó)家標(biāo)準(zhǔn)對(duì)比，得出普遍結(jié)論，從而為政府推行加碘鹽計(jì)劃決策提供理論依據(jù)。