网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公務員期刊網(wǎng) 論文中心 正文

腫瘤臨床護理實踐中的數(shù)據(jù)挖掘技術應用

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了腫瘤臨床護理實踐中的數(shù)據(jù)挖掘技術應用范文,希望能給你帶來靈感和參考,敬請閱讀。

腫瘤臨床護理實踐中的數(shù)據(jù)挖掘技術應用

【關鍵詞】數(shù)據(jù)挖掘;腫瘤臨床護理;綜述

在腫瘤臨床護理實踐中,患者及醫(yī)護人員在疾病不同階段常面臨抉擇[1]。近年來,醫(yī)院信息系統(tǒng)(hospitalinformationsystem,HIS)、移動護理系統(tǒng)等產(chǎn)生海量的醫(yī)學數(shù)據(jù),發(fā)現(xiàn)潛藏在數(shù)據(jù)庫中的有效信息,并將其應用到臨床實踐,有助于為抉擇提供證據(jù)支持,同時又能兼顧患者偏好,進而提供個性化的診療護理服務。這種由數(shù)據(jù)驅(qū)動、個性化的臨床護理實踐,可最大限度地提高臨床療效,并可及早發(fā)現(xiàn)、有的放矢地干預治療不良反應或并發(fā)癥,或改善腫瘤患者生命末期的生活質(zhì)量。數(shù)據(jù)挖掘(datamin-ing,DM)也稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn),能夠從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)集中識別有效的、新穎的、潛在有用的以及最終可理解的知識[2],為腫瘤臨床護理實踐提供了新的思路。挖掘出醫(yī)學數(shù)據(jù)庫中潛在的數(shù)據(jù)價值是其得以有效應用的前提條件。本文針對數(shù)據(jù)挖掘技術在腫瘤臨床護理實踐中的應用做一綜述,以期為科研人員及臨床工作者更好地對腫瘤臨床護理數(shù)據(jù)進行挖掘提供參考。

1數(shù)據(jù)挖掘技術概述

1.1數(shù)據(jù)挖掘技術的特征

數(shù)據(jù)挖掘是一門涉及面很廣的交叉學科,技術來源包括機器學習、數(shù)理統(tǒng)計、數(shù)據(jù)庫、模式識別學等,其特點是處理大量數(shù)據(jù)時可兼容多種類型的原始數(shù)據(jù)(如時間序列的、空間的、文本的、多媒體的),將大量原始數(shù)據(jù)轉(zhuǎn)換成為更有價值且易于理解的知識,用于描述過去或預測未來的趨勢和規(guī)律,并做出快速響應,以指導臨床實踐和研究[3]。挖掘出的知識可以用規(guī)律、模式、規(guī)則等形式展現(xiàn),數(shù)據(jù)挖掘通常按模式的作用,分為描述性與預測性模式。描述性模式是對數(shù)據(jù)集中已經(jīng)存在的規(guī)則、規(guī)律、知識特征進行描述,而不進行任何預測(回顧性)[4];預測性模式是從已知的數(shù)據(jù)集中挖掘出某些特征信息,進而對未知的數(shù)據(jù)集進行預測(前瞻性)。數(shù)據(jù)挖掘本質(zhì)上也是一種高級、深層次的數(shù)據(jù)分析手段,成熟的相關技術加上高效的數(shù)據(jù)庫搜索引擎,利用數(shù)據(jù)挖掘技術可發(fā)現(xiàn)以往數(shù)據(jù)集的規(guī)則,進而利用這些規(guī)則預測未知數(shù)據(jù)集,達到科學預測的目的[5]。數(shù)據(jù)挖掘技術的流程主要包括數(shù)據(jù)的采集(根據(jù)研究主題從數(shù)據(jù)庫或醫(yī)院信息系統(tǒng)中選出需要分析的相關臨床數(shù)據(jù),構建數(shù)據(jù)集)、處理(缺失值、標準化術語、特征選取等)、分析(根據(jù)研究目的和數(shù)據(jù)特征選擇合適的算法并建立模型)和解釋(對所得模型性能進行評價)。有學者[6]認為,使用特定算法對臨床實踐數(shù)據(jù)(如當變量之間的關系復雜、多維和非線性時)進行挖掘,能夠提供一組有用的規(guī)則,區(qū)分一系列假定風險,在預測臨床結果方面比傳統(tǒng)統(tǒng)計技術更為精準[7]。

1.2數(shù)據(jù)挖掘技術常用算法

數(shù)據(jù)挖掘中用于分類的常用算法有[5,8]:人工神經(jīng)網(wǎng)絡(artificialneuralnetwork,ANN)、支持向量機(supportvectorma-chine,SVM)、貝葉斯法(Bayes)、決策樹(decisiontree,DT)等。根據(jù)數(shù)據(jù)的特點選用合適的算法,能夠提取更為有效的內(nèi)容特征,挖掘出更有價值的信息,這在腫瘤臨床護理實踐中提高分類準確率方面具有十分重要的意義。ANN是一種非參數(shù)機器學習方法,模擬生物神經(jīng)系統(tǒng),由大量的節(jié)點(或稱神經(jīng)元)相互聯(lián)接構成。其通常有三層,即輸入層、中間層(隱藏層,可以有多個)和輸出層,所有的輸入層信息都以分層的方式傳遞到輸出層。輸入層既可以是第一層的原始數(shù)據(jù),也可以是另一層的輸出(輸出形式可以是數(shù)值數(shù)據(jù)、文字、圖像等)。SVM是一種按監(jiān)督學習對數(shù)據(jù)進行二分類的廣義線性分類器,其可以很好地應用于高維、高通量數(shù)據(jù),如用于癌癥基因組分類或子分類,尤其在識別復雜數(shù)據(jù)集中的細微模式方面功能非常強大。Bayes是檢驗多元關系的一種強有力的方法,通過直觀的圖形來可視化變量之間的相互關系,被廣泛地應用于基因組學和醫(yī)學領域,此外,可指導干預研究的設計。DT因其決策分支圖形和樹的枝干相似而得名。它采用樹枝狀解釋對象屬性與對象值之間的關系,樹中每個節(jié)點表示某個對象,而每個分叉路徑則代表某個可能的屬性值,具有根據(jù)數(shù)據(jù)的不同屬性歸為不同類別的特性。DT算法的優(yōu)點是不易受到噪聲、變量冗余屬性的影響?;诖?,筆者認為,根據(jù)不同的數(shù)據(jù)特點和研究目的,靈活選擇合適的分類算法,才能使數(shù)據(jù)挖掘技術在腫瘤臨床護理實踐中真正發(fā)揮作用。

2數(shù)據(jù)挖掘技術在腫瘤臨床護理實踐中的應用

2.1輔助最佳診療、護理方案的選擇

腫瘤患者的決策過程非常復雜,需要一個共同的決策過程,隨著醫(yī)療信息化不斷推進,數(shù)據(jù)正以多形式、前所未有的速度增長,借助數(shù)據(jù)挖掘技術從龐大的數(shù)據(jù)中去偽存真,提取有用的信息,在選擇診療、護理方案方面發(fā)揮著舉足輕重的作用。Wong等[9]在最新研究中,指導新診斷為前列腺癌的患者在密歇根泌尿外科改進合作組織(theMichiganUrologicalSurgeryImprovementCollaborative,MUSIC)開發(fā)的網(wǎng)絡系統(tǒng)--askMUSIC上完成自我評估(https://ask.musicurology.com/),隨后嵌套在系統(tǒng)里的算法為患者提供答案:“類似于我這種情況的患者選擇了什么治療和護理?”。askMUSIC讓患者感覺自己在控制、管理自己的疾病、治療和生活,有了客觀信息的證據(jù)支持,可以促進患者參與決策過程,改善體驗,提高護理滿意度。再如一些研究[10-11]利用影像學特征的ANN實現(xiàn)腫瘤反應的客觀和自動化評估,并發(fā)現(xiàn)高通量的成像生物標志物,建立了比傳統(tǒng)成像指標具有更高預測價值的模型,進而幫助實現(xiàn)更為精準的治療方案調(diào)整。Mantravadi[12]使用決策樹建模比較了基于《床頭抬高和誤吸風險指南》最佳實踐和常規(guī)(標準)護理干預老年癌癥幸存者吸入性風險的成本效益,證實了居住在專業(yè)護理機構的老年癌癥幸存者接受最佳護理實踐后吸入性風險有所降低,同時護理機構成本也有所減少。這些結果的提出,有助于患者與醫(yī)護人員共同選擇和調(diào)整最佳方案,既能使患者真正獲益,又能充分利用有限的醫(yī)療資源。

2.2早期識別并治療不良反應,預測并發(fā)癥

在腫瘤臨床護理實踐中,對于不良反應、疾病或治療相關并發(fā)癥的早期識別,進而采取防范措施,將有利于提高醫(yī)治效果,改善患者生活質(zhì)量。利用數(shù)據(jù)挖掘技術可從大量數(shù)據(jù)中發(fā)現(xiàn)各種癥狀、檢查結果與不良反應或并發(fā)癥之間的相關性,及早提醒醫(yī)護人員可能出現(xiàn)的情況,從而實施早期干預。Carmona等[13]利用決策樹模型對癌癥合并肺栓塞患者的嚴重并發(fā)癥(包括死亡、急性呼吸衰竭、心力衰竭、腎功能衰竭和大出血等)進行預測,進而將患者分為低、中、高并發(fā)癥風險組,模型結果顯示進展期腫瘤或因無法評估反應而有進展風險的患者發(fā)生嚴重并發(fā)癥的風險更高,這提示醫(yī)護人員需要對這部分患者進行持續(xù)監(jiān)測,及時處理。腫瘤患者在接受治療后,需重點觀察治療效果及不良反應,護士的職業(yè)特性決定了護士處在觀察并及時發(fā)現(xiàn)不良反應的最佳位置。如淋巴水腫是乳腺癌治療最痛苦的不良反應之一,對患者生活造成嚴重的負面影響,其發(fā)生的時間點(可在術后、術后幾個月或幾年等)具有極大個體差異,早期發(fā)現(xiàn)可以幫助患者得到及時的干預,從而有效地管理淋巴水腫,然而在繁忙的臨床實踐中,護士分身乏術,難以同時對大量患者尤其是出院患者進行實時監(jiān)測,數(shù)據(jù)挖掘技術則有望突破這一瓶頸。Fu等[14]評估了基于癥狀實時報告的多種技術(ANN、SVM和DT等)檢測淋巴水腫狀態(tài)的準確性、敏感性和特異性,結果顯示,ANN取得較好的實時精確預測,準確率為93.75%,靈敏度為95.65%,特異性為91.03%,可作為目前除常用的生物阻抗分析等評估方法外的有效補充,這可以降低淋巴水腫進展為慢性或嚴重階段的風險。此外,也有研究者發(fā)現(xiàn),數(shù)據(jù)挖掘技術在預測腫瘤患者焦慮抑郁狀態(tài)、認知功能受損風險,從而指導個性化干預等方面也有較大優(yōu)勢[15]。運用數(shù)據(jù)挖掘技術分析臨床實踐的相關數(shù)據(jù),可以發(fā)現(xiàn)影響不良反應、并發(fā)癥發(fā)生的因素,識別出高危人群,有助于前瞻性地制訂相應的干預措施減少不良反應、并發(fā)癥的發(fā)生[16]。

2.3輔助終末期照護品質(zhì)的提升

在疾病晚期,某些腫瘤患者即使接受了最佳治療,其預期壽命也相對較短,及時、準確的臨終期判斷有助于患者和醫(yī)護人員在姑息治療和其他治療之間做出選擇,從而制定個性化的診療、咨詢服務、隨訪計劃或臨床護理,最大程度改善終末期患者的生活質(zhì)量[17]。有研究[18]表明,對于臨終期癌癥患者,早期接受臨終關懷和姑息治療可以顯著減輕疼痛,減少心理痛苦,改善生命末期的生活質(zhì)量。一項針對胰腺癌患者的研究[19]顯示,通過ANN能準確預測胰腺癌患者7個月的生存期,其敏感性為91%,這一結果的提出,可使醫(yī)護人員根據(jù)特定于個體患者的信息為患者提供轉(zhuǎn)診建議或強化的隨訪。Chan等[20]在不增加晚期癌癥患者評估負擔的基礎上,利用電子數(shù)據(jù)挖掘晚期癌癥患者在接受姑息治療時所處的不同狀態(tài),以便更好地提供臨終護理(如軀體癥狀管理、心理護理、情緒咨詢、體育鍛煉、精神支持、志愿者探訪和娛樂活動等),使患者在住院期間體驗有意義的生活質(zhì)量,并最終體驗“善終”。Almasalha等[21]發(fā)現(xiàn),使用關聯(lián)挖掘、聚類和分類技術識別隱藏信息,可為改善腫瘤患者臨終護理的質(zhì)量和效率提供強有力的技術支持。如當系統(tǒng)通過分類和訓練發(fā)現(xiàn)與數(shù)據(jù)庫中歷史數(shù)據(jù)相匹配的癥狀時,發(fā)出警報,并適時提出最佳護理實踐建議。當前,加速采用電子病歷的激勵政策將會導致臨床數(shù)據(jù)的數(shù)量和可用性不斷增加,電子病歷有望成為知識發(fā)現(xiàn)的潛在金礦。然而,目前姑息治療機構能夠充分代表住院患者標準化語言護理的電子病歷較為缺乏,導致其數(shù)據(jù)的可用性成為數(shù)據(jù)挖掘技術實施推廣的瓶頸,今后有待完善標準化的電子數(shù)據(jù)錄入,以利于利用數(shù)據(jù)挖掘技術最大限度地挖掘?qū)εR終期癌癥患者護理最為有意義的信息。

3展望

數(shù)據(jù)挖掘技術(如ANN、SVM、DT等)給腫瘤臨床護理實踐帶來了極大的發(fā)展動力,在輔助最佳診療、護理方案選擇、早期識別不良反應、預測并發(fā)癥、提升臨終期照護品質(zhì)等方面取得了較大的成果。相信在大數(shù)據(jù)的時代背景下,信息化的不斷發(fā)展,腫瘤領域與信息化的不斷深入結合,會給涵蓋腫瘤患者健康生命全周期的護理實踐帶來新的發(fā)展契機,同時為護理科研工作的開展提供更為有力的技術支持。目前,盡管我國護士工作站相關系統(tǒng)已廣泛普及應用,但是較之國際上現(xiàn)有標準化護理術語集,國內(nèi)很多護理記錄術語仍不夠標準,導致數(shù)據(jù)需要經(jīng)過大量的預處理后方能成為數(shù)據(jù)挖掘的原始數(shù)據(jù)。因此,如果想要充分挖掘腫瘤臨床護理實踐中產(chǎn)生的數(shù)據(jù),形成新的護理知識,并有效指導臨床實踐,那么發(fā)展標準化護理術語集,實現(xiàn)護理記錄的標準化則是關鍵的前提基礎?;诖耍窈蟮难芯考皩嵺`重點應包括:首先,將數(shù)據(jù)挖掘技術植入統(tǒng)一標準化的醫(yī)療信息平臺,整合各個醫(yī)療信息系統(tǒng),創(chuàng)建統(tǒng)一的數(shù)據(jù)庫,降低數(shù)據(jù)融合難度;其次,探索多學科協(xié)作模式(醫(yī)療、護理、計算機、數(shù)據(jù)分析師等),開展大樣本、多中心的前瞻性研究,進一步提高、驗證數(shù)據(jù)挖掘技術在腫瘤臨床護理實踐中的前瞻性、精準性和高效性,實現(xiàn)數(shù)據(jù)利用率的最大化;最后,由于腫瘤患者大多具有較長的居家康復期,需自主、持續(xù)進行疾病和癥狀的自我管理,隨著電子化醫(yī)療和護理系統(tǒng)的普遍覆蓋,對腫瘤患者院內(nèi)、外聯(lián)動數(shù)據(jù)的正確存儲、挖掘及利用具有很大空間和潛力,可進一步開展數(shù)據(jù)挖掘技術在分析腫瘤患者疾病特征、癥狀及癥狀群與生活質(zhì)量之間復雜關系的研究,并證實、細化最佳的數(shù)據(jù)挖掘算法,進而推動前瞻性、個體化、全程性的癥狀管理,改善患者體驗,從而優(yōu)化腫瘤臨床護理實踐。

作者:覃盛媚 周潔 耿朝輝 單位:上海中醫(yī)藥大學

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表