数据挖掘技术在糖尿病管理中的应用进展

数据挖掘(DM)是从大量不完整、有噪声、模糊、随机的实际应用数据中提取潜在有价值的信息和知识的过程。该项技术融合了人工智能、数据库、统计学等学科内容,为疾病管理相关研究的创新与发展提供极佳的便利。近年来,将数据挖掘技术运用于糖尿病管理,在糖尿病早期预防、糖尿病并发症预测及糖尿病的预后等方面已经取得了很大的成效。但目前国内将数据挖掘技术应用于糖尿病领域仍处于探索阶段,本文旨在通过对数据挖掘技术的分类,以及对数据挖掘技术在糖尿病筛查、糖尿病并发症预测和提升糖尿病患者管理质量中的应用及进展进行详细评述,使医务人员对数据挖掘技术在糖尿病管理中的应用有一个清晰直观的理解,并发现数据挖掘技术在糖尿病管理应用中存在的问题,为医务人员进行精细管理提供证据,以促进产生对患者和医务人员有益的研究成果。     

住院2型糖尿病患者健康素养水平及影响因素分析

目的:了解住院2型糖尿病患者的健康素养水平并分析相关影响因素,为住院2型糖尿病患者健康素养的评估和护理措施的制定提供参考.方法:采用方便抽样方法,于2019年8月至2020年1月对广州市、佛山市共294名住院2型糖尿病患者,应用中文版糖尿病健康素养量表进行现场调查.结果:共分析291份有效问卷.患者的功能性、互动性和评判性健康素养水平得分分别为(2.46±0.84)分、(2.61±0.76)分和(2.15±0.94)分,均处于较低水平;多因素方差分析结果,功能性健康素养水平在学历、饮酒史、主动接受糖尿病信息方面差异有统计学意义(P0.05),互动性健康素养水平在学历、英语水平、高盐饮食、高糖饮食、口服降糖药、中医治疗、实用信息、倾向图片易理解方面有统计学差异(P0.05),评判性健康素养水平在学历、高糖饮食、血糖监测、口服降糖药、中医治疗、并发症、实用信息方面有统计学差异(P0.05);在多元线性回归分析中,学历、饮酒史是功能性素养水平的负相关影响因素,高盐饮食、高糖饮食、血糖监测、中医治疗和倾向图片易理解为互动性素养水平的负相关影响因素,高糖饮食、血糖监测、中医治疗、实用信息、倾向图片易理解是评判性素养水平的负相关影响因素.结论:中文版健康素养量表可以有效地评估住院2型糖尿病患者的健康素养水平;住院2型糖尿病患者健康素养水平处于较低水平;住院2型糖尿病健康素养受学历、个人收入、自我管理和糖尿病教育等多种因素影响.