基于大数据分析的潜在高血压病预测研究

周彩云

【摘 要】在研究有关于高血压诊断的准确性和预测方面的问题，通常情况下要通过病人实际的情况，既包括生活习惯、腰部臀部的身体的特征状况、以及体质指数来进行综合的判断，最后能够实现对于潜在高血压的预测。往往在预测过程之中，由于每个人的体质、病理方面的特征复杂多样，会出现数据的属性单值产生突变的情况，最后导致对于高血压实际预测的准确性不是很高。因此，采用大数据分析隐藏的高血压，这种预测方法是很有必要的。

【关键词】高血压;数据;预测

【中图分类号】R544.1【文献标识码】A【文章编号】1005-0019（2020）06--02

高血压是当今社会比较常见的一种心血管疾病，伴随着人们的生活方式的转变、以及人们生活压力逐渐增加，有关于高血压的发病也表现出逐渐上升的状态，由于这个数量已经大到能够威胁到人们的身心健康，所以如果能够对于潜在的高血压进行精准的预测，就能够比较好的对高血压的早期治疗方面提供合理的依据。如今，常使用的預测方法有根据神经网络计算预测法，以及决策树算法预测法，还有关联规则算法预测法。通常，使用最多的是神经网络计算预测法，这种方法能够比较准确的预测高血压，能够满足对于医学检测的实际需要，所以被广泛关注，也有着比较好的发展前景。

但是此类方法在对于潜在高血压患者的预测过程之中，需要处理的数据量是十分庞大的，要通过对病人各方面的数据进行详细计算，由于个人体质以及病理特性比较少，会容易导致单值突变，并且没有考虑到各项参数对高血压的影响权重方面的考虑，也会导致对于预测高血压的精度大大降低。为了规避上述方法的缺点，我们基于大数据的方式来分析潜在的高血压。

1 潜在高血压的基本预测原理

对于高血压患病通常定义为舒张压力大于或者等于90mmHg，以及收缩压力大于或等于140mmHg。一般对于高血压的患者来说，在身体某方面的数据指标会与常人大不相同。通过对于大数据的分析相关联的理论和技术，在数量比较大的个体生理数据信息之中，能够寻找到有可能引发高血压症状，具有一定参考价值的相关数据，然后根据有关数据进行科学的处理和研究。

在病理的储存系统之中通常包含着海量的数据，对于高血压病症的预测有着不同权重的重要性。有时候还会有一些冗余数据，所以，在对于人体大生理参数情况进行详细分类的时候，要确保在系统分类标准不改变的情况之下，能够把一些无关紧要的数据进行针对性的删除，用来进一步的增加对于高血压预测系统的明晰程度，能够比较准确的对于分类的结果和标准的参数指标进行进一步的对比，从而能够实现对于高血压病症的有效预测。

其基本过程是首先通过数据采集、数据预处理进行标准的分层计算，然后对于其生理的参数属性进行进一步分类，以及获取外部血管的功能性参数的最佳分类。包括对于参数的分析和提取外部的血管评价指数和心功能的参数分析，通过判断矩阵进行心功能的评价提取。

最后对心血管的参数进行进一步的参数分析，以此来获得最佳分割平面，然后采用模糊数学，引入二维隶属度分析，最后进行潜在高血压的发病可能性评估。

2 根据大数据分析潜在高血压的预测过程简述

2.1 对于采集到的各项人体的生理数据处理

首先收集有关数据，进一步建立有关待测人员的个体生理信息数据库，一般包括其遗传史、体重、饮食状况、姓名、年龄、身高、饮酒史、血糖、血脂、抽烟史方面的信息情况，以及了解被测人员的生活方式、腰臀围、体质指数数据，然后进行检测预处理：①数据整理。对于被测人员的原始数据采集过程中，一定会有大量的无效数据以及不完整数据信息。所以有必要进行处理。②数据整合。对于高血压病的预测过程之中，要确定预测参考值和对应的属性，然后进一步的建立相关的生理数据对高血压的影响权重大小，最后在数据库中挑选所需要的各个数据属性。③ 数据转换。把隶属于非布尔属性人体基本特征数据转变成布尔数据属性，然后输入到另外新的数据库里，对转化之后的人体数据进一步离散化处理。

通过上述步骤处理可以过得对于被测人的各项数据，能够比较方便的开始对于高血压进行数据分析。

3 实验结果研究分析

信息数据来源于某医院，通过采集50多位高血压病人的基本信息，使用机器AUTOBIO A2000PLUS来进行高血压检验。其中患者的初始信息包括其遗传史、体重、饮食状况、姓名、年龄、身高、饮酒史、血糖、血脂、抽烟史，采用药物的批号为，肾素，批号190329，其质控批号2019022201以及醛固酮，批号190312其质控批号2019040401，样本的具体信息如下。

分别利用传统的方法和利用大数据的方法对与潜在的高血压进行预测，能够得到其拟合结果如表2

由上表对比可以看出，采用大数据方法对于高血压病的预测，比较至于传统方式来说，有着十分明显的提高。这说明了有关于大数据对于高血压病症的预测有着充分的优势。

通过实验可发现，当对于预测的对象比较少的时候，用传统方法预测和用大数据预测的结果保持相对一致性。但是随着预测对象的逐渐增加，通过大数据预测能过将准确度保持在一个相对稳定的水准，不会有十分强烈的波动性。然而，对于传统的方式来说，其准确性是随着测试数量的增加而会大幅度的降低。这也反映了利用大数据进行高血压病的预测有着十分明显的效果。

3 结束语

对于传统的高血压病的预测模式，由于人体的生理参数错综复杂，数据的数量比较巨大，而且过程相比较也十分的复杂，所以对预测的最终效果一般来说也会不理想。因此，在对于利用大数据分析潜在的高血压的方法。利用收集到的数据和信息进行进一步的数据整理、数据整合和数据转换来对被测人员的各种生理上的信息进行预处理，根据支持向量机的基本原理，然后根据数据的属性进行进一步的分类，以及计算各个生理参数的具体指标和高血压病症的相关权重，能够得到不同的属性对高血压疾病的影响程度，最后将其与标准的参数进行交叉比较，能够得到对于潜在的高血压疾病的预测结果。最终的实验结果显示，使用大数据方法进行潜在的高血压疾病方面的预测，能够比较大的增加预测的准确程度，具有比较突出的优势。

参考文献

官思发，朝乐门.大数据时代信息分析的关键问题、挑战与对策[J].图书情报工作，2015，59（03）：12-18+34.