基于丹東市碘缺乏病患病情況的大數據分析

文/王梓民 周欣

碘缺乏病是世界范圍的常見病，1970-1980年全國性普查結果顯示：29 個省、市、自治區存在碘缺乏病，1762 個縣有碘缺乏病，4.25 億人口生活在碘缺乏病地區，3500 萬人口患地方性甲狀腺腫，25 萬克汀病?；诹餍胁≌{查結果，環境因素中的碘營養狀況是碘缺乏病發病因素之一，國際醫學界公認：碘的攝入量與碘缺乏病的關系呈反比關系，即碘量攝入過少可使碘缺乏病的發病率升高。因此，摸清成人碘營養狀況，有利于正確指導具有碘缺乏病患者科學用碘，以此降低碘缺乏病的患病率；本文以丹東地區碘缺乏病例2013年-2015年疾病預防控制機構（CDC）年度統計數據為依據，進行大數據分析、數據挖掘，得到全市碘缺乏病調查情況。

1 資料與方法

1.1 資料

資料來源于丹東市疾病預防控制中心2013-2015年碘缺乏病防治工作年度調查表。

1.2 應用方法

1.2.1 大數據

麥肯錫全球研究所給出的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。即巨量數據集合，將掌握的龐大數據信息進行專業化處理，通過“加工”實現數據的“增值”。

1.2.2 數據挖掘

數據挖掘方法利用了如下一些領域的思想：

（1）來自統計學的抽樣、估計和假設檢驗。

（2）人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論。

（3）最優化、進化計算、信息論、信號處理、可視化和信息檢索。

數據庫系統提供有效的存儲、索引和查詢處理支持。源于高性能（并行）計算的技術在處理海量數據集方面常常是重要的，分布式技術也能幫助處理海量數據，并且當數據不能集中到一起處理時更是至關重要。

1.2.3 ID3 算法

ID3 算法是一種貪心算法，用來構造決策樹。ID3 算法起源于概念學習系統（CLS），以信息熵的下降速度為選取測試屬性的標準，即在每個節點選取還尚未被用來劃分的具有最高信息增益的屬性作為劃分標準，然后繼續這個過程，直到生成的決策樹能完美分類訓練樣例。ID3 決策樹構造的相關理論如下：

信息熵：一個變量的變化情況可能越多，那么它攜帶的信息量就越大，信息熵值越大，該系統就越不穩定，存在的不定因素就越多。

表1：碘缺乏病決策表

表2：丹東市碘缺乏病防治工作調查表（2013年）

圖1：2013-2015年丹東市各縣區碘缺乏病發病柱狀圖（%）

式中x 是一個隨機變量x={x1,x2,x3,...,xn}，P 是每一種渠道的概率{p1,p2,p3,...pn}，H(x)為x 的信息熵。

條件熵：用來解釋信息增益而引入的概念。隨機變量X 在給定條件下隨機變量Y 的條件熵，X 給定條件下Y 的條件概率分布的熵對x 的數學期望，在機器學習中為選定某個特征后的熵，公式如下：

信息增益：在決策樹算法中是用來選擇特征的指標，信息增益越大，則這個特征的選擇性越好。待分類的集合的熵和選定某個特征的條件熵之差，公式如下：

由表1中數據和（1）（2）（3）式可以計算出健康教育、專項投入、碘元素攝入量各自的信息增益，其中當是否患有碘缺乏病為作為目的節點時，碘元素攝入量是信息增益最高的，其次是健康教育。故碘元素的攝入量對是否患碘缺乏病影響最大。

2 過程、結果

2.1 數據收集

如表2所示。

2.2 結果

如圖1，根據2013-2015年丹東市各縣區碘缺乏病發病情況數據顯示，元寶區、振興區、東港市的碘缺乏病患者比例為零；振安區、鳳城市的碘缺乏病患者比例幾乎沒有變化；寬甸滿族自治縣的碘缺乏病患者比例從2013年的0.2016%下降到2015年的0.1997%，人口基數雖然增加，但是碘缺乏病患者的數量并沒有增加。

3 結論

通過對上述數據的分析，我們可以發現，元寶區、振興區、振安區以及東港市的碘缺乏病患者幾乎為零，而鳳城市患碘缺乏病患者數量尤為突出。丹東市的東港市、鳳城市和寬甸縣自2009年起是中央補助地方公共衛生專項地方病防治健康教育項目縣市 ，國家每年對每個項目縣市投入1.5 ～2 萬，用以提高人民群眾對碘缺乏病的認識?？梢娊】到逃梢杂行岣叩馊狈Σ〉墓娬J知度。當前是“互聯網+”的時代，計算機在數據處理、數據挖掘等方面的技術日趨成熟。本文從丹東市地方病——碘缺乏病入手，通過對2013-2015年數據的分析、挖掘；最后與國家標準對比，得出普遍結論，從而為政府推行加碘鹽計劃決策提供理論依據。