›› 2009, Vol. 29 ›› Issue (12): 1512-.
程雪峰, 敖华飞, 顾 建, 王 勤, 毛小慧
CHENG Xue-feng, AO Hua-fei, GU Jian, WANG Qin, MAO Xiao-hui
摘要:
目的 对特发性突聋的风险预测进行数据挖掘,并形成关联规则。方法 收集517例特发性突聋患者的临床资料,包括19项特征属性,分别为性别、年龄、季节、高血压、糖尿病、心脏病、高胆固醇血症、动脉粥样硬化、长期抽烟、酗酒、精神紧张、失眠、体质弱、长期卧床、感染、先天性畸形、创伤、肿瘤和自身免疫性疾病。将源数据库进行数据清洗后,映射为挖掘数据库;设置最小支持度为0.1,最小置信度为0.9,进行关联规则分析。结果 共形成106个强关联规则,这些强关联规则中蕴含特发性突聋与19项特征属性之间的关联关系。结论 本方法有利于将抽象的数理统计理论转变为实用的关联规则来指导疾病预防控制实践。