 |
| 多因素关联分析概述和实践意义 |
关联分析简介
关联分析是指在数据中找出不同事物的相关性，并借此从各种复杂的诸多模糊因素中找到最具易感性的若干主导因素，并在此基础上对项目进行精细化管理流程设计、实施和监控。关联分析的研究是人工智能、机器学习、知识发现和统计学习技术的研究热点，现在已经有相对成熟的过程设计和方法实践。
关联性分析，尤其是灰色关联系统，已经相对成熟地运用在工程学、医学统计学、循证医学、计量和技术经济学、精细化管理、市场决策系统等各个领域和方向。
关联分析的方法和工具
关联分析的通用办法是：对数据集采用机器学习、知识发现和统计学习技术的原理和方法，对数据聚类、分类、关联和相关性分析，发现数据之间的相互关系和相互作用现象，并从实践的角度对数据现象进行解释和分析，服务实践。
关联分析的实践意义
- 增加数据使用率 ：关联因素分析可以在以往分析的基础上更进一步，让数据的使用率提高，并可以对相关调查的数据通过时序、比对、交叉分析，让各种调查贯通，从更高的角度发现数据的潜在价值。
- 从调查数据中发现各因素之间的潜在联系 ：关联分析通过对数据的加工、分析和整理，寻找事物之间的潜在关联信息：
- 从多种因素中发现主导某一现象的几种或十几种易感关联组合，这种组合尊重事物之间的相互作用关系，因为，往往是若干因素相互作用的共同结果才能主导一种现象。（ e.g. 可以从调查数据中发现：主导医生选择药物的因素组合，医生对疾病亚型的诊断不清晰的若干主导原因等）
- 发现因素组和现象组的关联性和差异性，从数据组而不是单一数据的角度发现差异性。（ e.g. 医生担心副反应组和患者表现副反应组之间的差异性，以及影响这种差异的因素分析）
- 从调查数据中对某现象进行预测： 关联分析的一个运用就是将数据置于动态的响应系统中，通过监测主导这一现象的若干因素表达网络的变化，及时预测现象的变化趋势。（ e.g. 从监控主导医生药物选择的若干因素组合的每一因素，预测因素网络的变化趋势，进而预测医生药物选择变化趋势）
- 通过时序分析观测现象的变化趋势，分析影响趋势的若干因素： （ e.g. 从监控主导医生药物选择的变化，分析影响这种变化的若干因素）
- 通过对相关调查的分析，增强新项目的可控性，做更具针对性的调查，让项目间的衔接更有效。
以焦虑调查为例阐述关联分析的实践意义
“中国焦虑障碍 / 状态治疗现状调查”问题涉及的内容丰富，可以确定很多挖掘主题，以以下三个主题为例，具体阐述关联分析的实践意义 ：
- 通过分析医生药物选择和医生背景以及临床体会的关联性，挖掘出医生选择药物的主导因素，并在此基础上分析主导因素的表达网络，确定选择特定药物医生的特点等信息。
- 通过分析患者担心副作用和药物选择、医生治疗方案的相互关系，确定医生对副作用的考虑、治疗方案的确定和药物副作用相互影响因素，结合医生背景分析，寻找药物副作用和药物选择、治疗方案的关系。
- 将本次调查与相关调查结合，分析各种因素的时序和环境变化对医生认知、药物选择的影响。
“中国焦虑障碍 / 状态治疗现状调查”结果预估
- 医生药物选择的主导因素分析
- 从医生背景和临床认识的各种数据中获得影响医生药物选择的若干因素组合
- 分析这些因素主导下的医生药物选择情况，寻找医生药物选择的一般规律
- 绘制医生选择药物主导因素的因果关系图（相互作用图）
- 病人依从性的主导因素分析
- 从影响病人依从性的若干因素中，确定较为易感的几种因素组合
- 分析各种易感数据，分析依从性分布规律
- 绘制患者依从性主导因素相互作用图
- 焦虑症各亚型、共病的用药差异、治疗方法主导因素分析
- 将焦虑亚型和共病用药按照亚型分为不同类别，综合考察每份问卷的填写结果，找到影响差异的影响主导因素
- 绘制不同影响组的相关表达图谱
- 患者用药考虑的主导因素分析
- 患者用药考虑主导因素的筛查
- 主导因素分类和评估
- 药物安全性、副作用及其相关文献证据研究
- 医生药物选择时副作用、安全性考虑的具体关联因素分析
- 医生药物选择顺序及其影响因素研究
- 主导因素分析
- 相关文献相关证据研究
|
