- DOI：
10.13738/j.cnki.acc.qklw60536
- 专辑：
科学Ⅰ辑;信息科技
- 专题：
信息、科学;综合科技
- 分类号：
G90;N92
摘要：在当前大数据时代背景下，信息量呈指数级增长，数据挖掘技术已广泛渗透至众多学科领域，尤其在医学领域展现出巨大潜力。随着社会快速发展，人们生活品质提升，饮食结构转变，慢性肾脏病已然成为威胁人类健康的关键性公共卫生难题。本文以慢性肾脏病为例，探讨基于数据挖掘技术的医学数据分析方法，通过整合临床指标数据，采用数据挖掘算法中的Logistic回归分析模型，研究慢性肾脏病的关键影响因素。研究结果表明，钾、肌酐、红细胞压积、血小板比积及D-二聚体均为影响慢性肾脏病的因素，为慢性肾脏病的早期筛查与干预提供了科学依据，还可为临床决策支持系统提供有力支撑。
关键词：数据挖掘；慢性肾脏病；Logistic回归；影响因素分析
1、引言
随着时代信息技术的爆炸式发展，造就了大数据时代，它渗透到各个领域，尤其在医疗健康领域引发深刻变革。无纸化电子病历、健康档案、医学影像等医学数据正随时代技术的发展以指数级速度增长[1]，为疾病预防、诊断和治疗奠定了数据基石。
医学数据蕴含着个体生理、病理及环境交互的深层规律，其复杂性与异质性远超常规数据范畴。因此，从大量高维非结构医学数据中提取有效信息是研究的关键挑战。而数据挖掘技术如同一把精准的钥匙，开启了隐藏在医学数据背后的秘密之门。数据挖掘通过运用分类、聚类、关联规则及预测模型等多种技术手段，对临床等医学数据进行深入分析，挖掘病种的潜在规律和关键影响因素，为医生助力疾病早期预警、诊疗方案优化及药物研发加速，为科学和精准的临床决策提供强有力支撑[2]。
以慢性肾脏病（CKD）为例，它是一种进展隐匿、危害深远的疾病，其早期诊断与干预尤为关键。随着社会发展步伐的日益加速，人们生活方式的显著转变以及人口老龄化问题的日趋严峻，慢性肾脏病的发病率呈现出持续攀升的趋势，已然成为全球范围内一个不容忽视的公共卫生难题[3]。
本文基于数据挖掘在医学数据中的应用，以慢性肾脏病临床数据为例，对数据进行预处理后提取关键特征，采用回归分析方法研究慢性肾脏病的影响因素及发展规律，挖掘出临床指标与慢性肾脏病的强关联规则，进一步验证了多因素协同作用对疾病的显著影响，为疾病的早期干预提供了可量化的科学依据。
2、数据挖掘
数据挖掘是指从海量的冗余数据中提取潜藏且有价值信息的探索过程[4]，其本质是一个在数据中寻找规律的技术，主要分为三个步骤：数据准备、数据挖掘与规律表示[4-5]。数据准备包括数据清洗、集成、变换与规约，旨在提升数据质量与一致性；数据挖掘是利用分类、回归、聚类等算法从数据中提取潜在规律的核心环节；规律表示则将发现的规律以可视化方式呈现，便于理解与决策。
2.1 医学数据采集
本研究的医学数据主要从我院2024年10月-2025年10月收治的疑似慢性肾脏病患者资料中采集，均行生化检验、血液体液检验，筛选确诊为慢性肾脏病患者的331例患者作为 CKD组，92例确诊为非 CKD患者作为非 CKD组。数据涵盖性别、婚史、年龄等基本信息，以及检验指标：丙氨酸氨基转移酶（ALT）、碱性磷酸酶（ALP）、总胆汁酸（TBA）、总蛋白（TP）、白蛋白（ALB）、总胆固醇（TC）、钾（K）、钠（NA）、钙（Ca）、尿素（Urea）、肌酐（CR）、谷草/谷丙（AST/ALT）、铁（Fe）、白细胞计数（WBC）、淋巴细胞百分比（LYMPH%）、中性分叶粒细胞百分比（NEUT%）、红细胞计数（RBC）、血红蛋白（HGB）、红细胞压积（HCT）、平均红细胞体积（MCV）、平均红细胞血红蛋白量（MCH）、血小板比积（PCT）、D-二聚体（D-Dimer）。数据采集过程中严格遵循伦理审查要求，确保患者隐私保护。
2.2 数据预处理
在医学数据中，很多医学概念没有进行统一的定义，数据比较冗杂，且存在缺失值、异常值及术语不一致等问题。本文结合临床知识对指标进行分类与筛选，保留与慢性肾脏病相关的关键变量，降低噪声干扰，为后续关联分析奠定基础。
2.3数据挖掘算法
在本研究中，我们采用Logistic回归分析方法挖掘慢性肾脏病的关键影响因素，Logistic回归方法是一种广泛应用于医学研究中的统计分析方法，能有效处理分类因变量与自变量关系。
3、实验与结果
本文采用 SPSS 26.0 软件进行数据分析，通过单因素分析方法初步筛选出CKD与非CKD的不同因素，计数指标以率（%）形式表示，组间比较采用χ²检验；计量指标则以平均值±标准差（x±s）表示，组间比较采用独立样本t检验。此外，采用Logistic回归分析上一步筛选出的因素。若P＜0.05，则认为差异有统计学意义。
3、1 单因素分析
表1 CKD与非CKD组的单因素分析
组别 | 非CKD组 | CKD组 | t/χ2 | P | 组别 | 非CKD组 | CKD组 | t/χ2 | P |
性别 | 3.650 | 0.056 | 钙(mmol/L) | 2.04±2.39 | 2.01±0.70 | 0.143 | 0.886 | ||
女 | 39（42.39） | 105（31.72） | 尿素(mmol/L) | 22.90±38.90 | 24.56±14.82 | -0.631 | 0.528 | ||
男 | 53（57.61） | 226（68.28） | 肌酐(umol/L) | 98.14±113.33 | 762.33±937.76 | -6.774 | ＜0.001 | ||
已婚 | 0.286 | 0.593 | 谷草/谷丙 | 1.40±0.83 | 1.27±1.33 | 0.939 | 0.348 | ||
否 | 16（17.39） | 50（15.11） | 铁（umol/L） | 120.81±212.75 | 113.56±198.96 | 0.305 | 0.761 | ||
是 | 76（82.61） | 281（84.89） | 白细胞计数（×10^9/L) | 12.16±12.72 | 35.58±437.51 | -0.513 | 0.608 | ||
年龄 | 51.00±25.94 | 52.63±16.53 | -0.725 | 0.469 | 淋巴细胞百分比(%) | 15.25±13.41 | 17.38±8.83 | -1.807 | 0.072 |
丙氨酸氨基转移酶(U/L） | 33.85±36.42 | 25.64±50.37 | 1.460 | 0.145 | 中性分叶粒细胞百分比(%) | 74.57±16.50 | 72.27±11.89 | 1.498 | 0.135 |
碱性磷酸酶(U/L） | 109.66±87.30 | 97.03±63.87 | 1.540 | 0.124 | 红细胞计数（×10^12/L) | 3.69±1.04 | 28.76±440.32 | -0.546 | 0.586 |
总胆汁酸（umol/L） | 7.11±17.94 | 4.68±17.77 | 1.158 | 0.248 | 血红蛋白（g/L） | 145.78±84.31 | 139.84±95.51 | 0.541 | 0.589 |
总蛋白（g/L) | 57.33±10.62 | 57.20±17.01 | 0.067 | 0.947 | 红细胞压积（%） | 34.75±8.66 | 31.82±8.96 | 2.789 | 0.006 |
白蛋白(g/L) | 39.03±43.12 | 91.18±388.31 | -1.285 | 0.200 | 平均红细胞体积（fL) | 90.69±10.56 | 89.72±7.15 | 1.021 | 0.308 |
总胆固醇（mmol/L） | 4.07±1.49 | 3.84±1.29 | 1.440 | 0.151 | 平均红细胞血红蛋白量（pg) | 29.81±3.73 | 29.82±2.77 | -0.041 | 0.967 |
钾(mmol/L) | 3.97±0.47 | 4.57±1.79 | -3.225 | 0.001 | 血小板比积 | 0.25±0.12 | 0.20±0.08 | 4.695 | ＜0.001 |
钠(mmol/L) | 139.63±12.56 | 141.85±51.49 | -0.411 | 0.682 | D-二聚体（ug/ml FEU） | 7.80±13.49 | 1.74±3.09 | 7.512 | ＜0.001 |
本文采用单因素分析方法，比较两组指标，结果见表1，钾、肌酐、红细胞压积、血小板比积以及D-二聚体等指标的水平差异均呈现出显著的统计学意义（P＜0.05），提示这些指标在两组间存在显著差异，可能与CKD的发生存在相关性。
3.2 Logistic 回归分析
将是否为慢性肾脏病设为因变量，将表1中单因素分析结果显示具有统计学意义的变量指标作为自变量，纳入Logistic回归模型进行分析。
表2 Logistic回归分析结果
结果如表2所示，钾、肌酐、红细胞压积、血小板比积及D-二聚体均为影响CKD的因素（P＜0.05），其中钾和肌酐为危险因素，红细胞压积、血小板比积、D-二聚体呈负向关联，提示其水平升高对CKD具有保护作用。
指标 β SE Wald p OR OR（95%CI） | |||||||
钾(mmol/L) | 0.783 | 0.174 | 20.255 | ＜0.001 | 2.188 | 1.556 | 3.077 |
肌酐(umol/L) | 0.008 | 0.001 | 39.068 | ＜0.001 | 1.008 | 1.005 | 1.010 |
红细胞压积（%） | -0.052 | 0.018 | 8.747 | 0.003 | 0.949 | 0.917 | 0.983 |
血小板比积 | -5.910 | 1.786 | 10.955 | 0.001 | 0.003 | 0.001 | 0.090 |
D-二聚体（ug/ml FEU） | -0.236 | 0.043 | 30.186 | ＜.001 | 0.790 | 0.726 | 0.859 |
4、分析与讨论
本文基于数据挖掘算法在医学数据中的研究应用，能够有效识别关键生物标志物与疾病进展之间的关联模式，分析了慢性肾脏病的影响因素。通过单因素分析和 Logistic 回归分析，结果显示，钾、肌酐、红细胞压积、血小板比积、D-二聚体在CKD发展过程中表现出显著性统计学差异，并在Logistic回归模型中展现出独立预测价值。肌酐是评估慢性肾脏病的关键指标[6]，本文中肌酐与钾同时作为CKD危险因素，其异常变化直接反映肾功能损害程度。有文献表明红细胞压积与 CKD 进展有密切的相关性[7-8]，本文研究结果发现红细胞压积与CKD呈负相关，提示其水平升高可能延缓疾病进展，对CKD具有潜在保护作用。此外，血小板比积与D-二聚体水平升高亦呈现对CKD的保护趋势，可能与其参与调节炎症反应及微循环状态有关，提示凝血功能相关指标在慢性肾病发展中的潜在干预价值。
综上，本研究利用数据挖掘算法有效挖掘慢性肾脏病的关键影响因素，揭示了肾功能指标及血液学参数在疾病进程中的复杂关联。这些发现为临床早期识别高风险患者及个体化干预策略的制定提供了数据支持，同时也拓展了对CKD病理生理机制的理解。未来结合机器学习模型动态预测疾病进展趋势，有望进一步提升慢性肾脏病的管理水平。
[1] 参考文献：
[2] 齐慧颖,周珂.医学大数据分析[M].北京:高等教育出版社,2022:1-11,265.
[3] Li Z, Fu Z, Li W, et al. Prediction of Diabetic Macular Edema Using Knowledge Graph[J]. Diagnostics, 2023,13(11): 1858.
[4] Webster AC，Nagler EV，Morton RL，et al. Chronic Kidney Disease [J]. Lancet，2017，389（10075）：1238-1252.
[5] 刘波.浅谈数据挖掘技术在临床医学领域中的应用[J].电子世界,2017,(12):30.DOI:10.19353/j.cnki.dzsj.2017.12.018.
[6] HAN J, KAMBER M. Data Mining Concepts and Techniques[M].California:Morgankaufmann Publishers,2011, pp.149-167.
[7] Stevens, L. A., Coresh, J., Greene, T., & Levey, A. S. Assessing kidney function—measured and estimated glomerular filtration rate [J]. New England Journal of Medicine, 2006, 354(23): 2473-2483.
[8] 陈伟业, 谢佳毅, 欧阳芬, 等. 慢性肾脏病 3~5 期红细胞参数特征分析[J]. 蚌埠医学院学报, 2022, 47(6): 802-806.
[9] 唐瑞.基于院内信息系统的慢性肾脏病筛查及预测模型的研究[D].电子科技大学,2025.DOI:10.27005/d.cnki.gdzku.2025.001011.
相关文献推荐
- 节点文献
- 读者推荐
- 相关基金文献
- 关联作者
- 相关视频
- 批量下載
