生活自理能力指標

Classifications

• • G—PHYSICS
  • G06—COMPUTING; CALCULATING; COUNTING
  • G06Q—DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
  • G06Q10/00—Administration; Management
  • G06Q10/06—Resources, workflows, human or project management, e.g. organising, planning, scheduling or allocating time, human or machine resources; Enterprise planning; Organisational models
  • G06Q10/063—Operations research or analysis
  • G06Q10/0639—Performance analysis
  • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
• • G—PHYSICS
  • G06—COMPUTING; CALCULATING; COUNTING
  • G06Q—DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
  • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
  • G06Q50/10—Services

Abstract

本发明涉及一种老年人生活自理能力量化计算方法，属于生物医学技术领域。本发明首先将生活自理能力划分为生活自理能力基线量化值和生活自理能力状态量化值，通过参考文献选择生活自理能力基本因素并计算生活自理能力基线量化值，应用Boruta算法量化属性对生活自理能力的影响程度，选择生活自理能力关键影响因素，采用逻辑回归模型，预测个体的生活自理概率，进而获得个体相对的生活自理概率并百分化为生活自理状态量化值；应用加权融合的方法综合计算生活自理能力量化值。实现对个体生活自理能力的评价并以百分制的形式反馈，可以体现个体个性化的特征,达到细致划分人群的目的，为个体的个性化干预提供指导意见。

Description

老年人生活自理能力量化计算方法

技术领域

[0001] 本发明涉及一种老年人生活自理能力量化计算方法。从应用场景的角度讲，属于 生物医学技术领域;从技术实现的角度来讲，亦属于计算机科学与生物信息处理技术领域。

背景技术

[0002] 伴随着我国老年人口数量的增加，我国已进入老龄化社会。社会养老问题也就成 为国家面临的巨大挑战。生活自理能力是老年人保证独立生活的最基本能力。一旦自理能 力丧失，老年人的生活就需要有外力的介入。这无疑会给家庭乃至社会带来负担。为此，对 生活自理能力进行深入研究，衡量并描述老年人的生活自理能力，有助于提前发现并采用 合理的手段来避免或者延缓生活自理能力的丧失，不仅可以提高老年人晚年生活质量，对 于国家和社会也具有重要的医疗经济学意义。

[0003] 生活自理能力通常分为日常生活自理能力和工具性生活自理能力两种。日常生活 自理能力主要是指完成吃饭、穿衣、上厕所、修饰、室内活动等日常基本生活活动的能力，它 反映了老年人躯体功能和最低层次的认知功能的健康水平。此外还有一个指标是工具性生 活自理能力，强调的是生活中利用或借助工具完成生活活动的能力，包括做家务，洗衣服、 理财、购物、乘车、吃药、打电话等活动，它反映个体更高层次的认知功能的健康水平。这两 种生活自理能力的衡量则均以量表的形式出现，量表是一种特殊的调查问卷，针对问卷中 的项目会分配不同权重，同一项目又会分配不同得分选项，综合后获得最终的生活自理能 力描述。

[0004] 基本日常生活活动能力在1963年由Katz提出的，包含6项基本功能:洗澡，穿衣，上 厕所，室内活动，自制力，吃饭。主要是为了描述人类由儿童时代逐渐获得的基本能力，对认 知能力要求不高。随着基本生活自理能力的提出，多种关于基本生活自理能力的量表也就 雨后春笋般的出现。

[0005] 这些量表构建的目的可以划分为3类:描述，预测和评估。描述性量表主要是为了 呈现个体在当前时刻的身体状况，其结果用于和其他人的对比。常见的描述性量表有ADL Index，PULSES Profile，Barthel Index。这些量表可以将个体划分为生活自理能力受损和 生活自理能力完好的人群，同时可以给出生活自理能力受损的严重程度。预测性量表是为 了给个体设定一个基线标准，实质就是预测一个未来的可能状态。最具代表性的量表就是 Klein-Bell ADLs，它可以准确的预测人群是应该安置在社区还是健康医疗机构。同时Law& Usher关于Klein-Bell量表应用在儿科的研究证明了其有效性。评估性量表是为了随时监 测个体的状态来评定相应个体在生活自理能力方面的变化。常见的评估性量表有ADL Index，Barthel Index ,Donaldson ADL评估量表，Kenny 自理评估量表，LORS-II评估量表 (Revised Level of Rehabilitation Scale)。

[0006] 基本生活自理能力是老年人能够自理基本生活活动的条件，但如果独立生活则需 要更加复杂的活动，比如做饭，管理财务等。因此为了研究老年人独立生活的能力，工具性 生活自理能力（IADL)也随着ADL的发展兴起。

[0007] 常见的工具性生活自理能力量表中Lawton IADL，IDDD，Bristol ADL，DAD，B-ADL， ADLQ，ADCS-ADL等属于评估性量表，BIessed DS，CSADL，ADL-IS，ADCS-ADL-Sev等属于描述 性量表，ADL-PI量表属于预测性量表。相比ADL而言，IADL的研究更加专注并多集中 (58.4%)于评估性量表，用于评定个体的变化情况；关于预测性的量表则相对较少 (8.3% );描述性量表则相对适中（33.3% )。

[0008] 综上分析，生活自理能力的众多研究中均采用活动量表的形式，通过观察或者调 查受试者特定活动的完成情况给定相应的量化值。这种方式无论量表项目多少，每个项目 划分多少级别，分析结果终究是分级离散的，也就会出现不同的状况的个体获得相同的量 化值，其实质还是定性的将人群进行了划分；同时在实际测试中，大多数人均能较好的完成 所有活动。基于以上两点会导致人群结果过于集中，造成生活自理能力分析结果粒度粗，难 以体现个体的个性化特征，不利于对个体开展有针对性的干预或理疗措施，难以达到延缓 个体生活自理能力的下降或者维持现有生活自理能力的目的。

发明内容

[0009] 本发明的目的是:针对目前老年人生活自理能力分析结果粒度粗难以针对个性提 供服务的问题，提出一种老年人生活自理能力量化分析方法。达到多层级、有针对性地评 定老年人个体的生活自理能力的目的。

[0010] 本发明的设计原理为：分析当前研究获得生活自理能力研究领域公认的基本因 素，计算生活自理能力基线量化值。以此为基础采用一种基于boruta算法的生活自理能力 关键影响因素提取方法，选择生活自理能力关键影响因素。基于关键影响影响因素，构建逻 辑回归模型，预测个体生活自理概率，进而计算归一化自理概率并构建获得连续的生活自 理状态量化值;最后应用加权融合的方法综合生活自理能力基线量化值和生活自理状态量 化值获得连续的生活自理能力量化值。本发明可以针对个体状态给出一个百分制的量化 值，充分体现个体的个性化特征，达到细化人群划分的目的。

[0011] 本发明的技术方案是通过如下步骤实现的：

[0012]步骤1，分析并筛选生活自理能力基本因素，获取清理后待分析数据构成数据集， 计算生活自理能力基线量化值，并标定生活自理状态，具体实现方法为：

[0013] 步骤1.1，综合分析生活自理能力研究领域内较为认同的研究成果对生活自理能 力的描述属性，选择其交集属性作为生活自理能力的基本因素。

[0014] 步骤1.2，获取清理后待分析数据构成数据集，其中每条数据包含m维生活自理能 力基本因素，和M-m维生活自理能力影响因素，以影响因素为列向量，不同样本对应的属性 值为行向量，构建数据集S标记为[Snm]。

[0015]步骤1.3，基于数据的m维生活自理能力基本因素，计算生活自理能力基线量化值， 计算公式为：

[0016]

[0017]其中，Sb1即为第i个样本生活自理能力基线量化值，代表第i个样本第j维生活 自理能力基本因素。

[0018] 步骤1.4，基于生活自理能力基线量化值标定数据的生活自理状态，生活自理能力 量化值满分代表m种基本活动能力均完好(标记为1)，而其他量化值则说明活动能力有所下 降(标定为〇)，获得标定后数据S1。

[0019] 步骤2,对步骤1获得数据集S1，应用boruta算法，计算每维影响属性对生活自理能 力的影响程度，基于该量化作用程度结合属性采集难度和专家经验选择生活自理能力关键 影响因素，具体实现方法为：

[0020] 步骤2.1，设定参数，针对数据集Sl，克隆随机p组属性作为副本属性，并对其进行 重排，以消除其与对应属性的相关性。重组数据集SI'。

[0021 ]步骤2.2，基于数据集SI'，构建随机森林训练，根据设定参数，训练构建一棵分类 回归树，计算获得每棵树对应的带外数据的均方残差，记为:MSEn，其中n G 1，2…num，由此 对于n棵树可以获得原始带外数据均方残差向量[MSE1，MSE2，'"MSE num]。

[0022] 步骤2.3，基于步骤2.2得到的残差[MSE1，MSE2，"_MSE_]与对应的属性计算相应的 Z值，确定Z值最大的副本属性，同时标记比其值大的属性，作为重要属性，而对应比其Z值小 的属性则标记为非重要属性并从数据集中删除。最后删除所有副本属性。

[0023] 步骤2.4，重复以上步骤2.1至步骤2.3，直至达到设定的终止条件。

[0024] 步骤2.5,基于属性重要性排序靠前的属性，并参考专家经验删除冗余属性，考虑 属性采集难度删除部分属性，获得生活自理能力关键影响因素。

[0025]步骤3，基于生活自理能力关键影响因素，构建逻辑回归模型，计算个体生活自理 概率，计算归一化自理概率并构建生活自理能力状态量化值，具体实现方法为：

[0026]步骤3.1，对生活自理能力关键影响因素的属性值进行标准化，计算方法为：

，其中是第i个样本第1维关键影响因素原始值，是第i个样本第1维 关键影响因素的标准化值，meanU1)和SdU1)则分别为样本的第1维关键影响因素的均值和 标准差。

[0027] 步骤3.2，构建逻辑回归模型，基于训练获得的逻辑回归模型，以个体标准化数据， 计算个体生活自理概率Pi。

[0028]步骤3.3，基于个体的自理概率，计算生活自理能力状态量化值，计算方法为：

[0029]

[0030]其中，Sti即为生活自理状态量化值，min (P)和max (P)则分别为自理概率的最小值 和最大值。

[0031]步骤4，应用加权融合的方法，综合生活自理能力基线量化值和生活自理状态量化 值，计算获得生活自理能力量化值，具体实现方法为：

[0032]步骤4.1，以生活自理能力基线量化值sb和生活自理状态量化值st分别计算均方 差，计算方法：

[0033]

[0034]

[0035]其中mean (Sb)及mean (St)分别对应生活自理能力基线量化值和生活自理能力状态量 化值的均值，N为样本数量； 步骤4.2，基于步骤4.1获得的均方差，计算生活自理能力基线量化值和生活自理能力 状态的相对信息量λΐ，λ2，计算方法为：