數(shù)學建模血常規(guī)指標論文

1、尿常規(guī)檢查中各項指標對患者健康狀況的影響分析摘 要：本文對附件中患者所患疾病進行分類，通過患者尿常規(guī)各項指標的檢測值與該指標的正常值范圍進行比較，綜合各項指標來判斷該患者是否患有某種疾病，應用Excel ，MATLAB和SPSS軟件判別哪些指標是影響患者健康狀況的主要因素，由主要因素討論得出尿常規(guī)檢查結果對患者健康狀況的影響。 對于問題一，我們篩選出所有的查體患者，利用Excel將各項檢驗結果與其正常值進行比較，得出其差值，然后通過統(tǒng)計處理差值來判斷該查體患者是否患病，并結合超標指標的數(shù)量得出結果，從而評估“查體患者”健康狀況。 對于問題二，首先我們將所有的疾病進行歸類，針對每種疾病患者的檢查

2、結果利用Excel統(tǒng)計處理求解，得出各項指標的權重，然后對所有疾病數(shù)據(jù)利用SPSS軟件Z標準化，然后將每種病標準化后的數(shù)據(jù)在MATLAB中求出該疾病的取值范圍，建立一個描述健康狀況的函數(shù)定量模型。最后用SPSS軟件的主成分分析法求出各影響指標在患病人員中的主要影響指標，將尿常規(guī)檢查結果與主要影響指標聯(lián)系，討論得出對患者健康的影響。 對于問題三，我們以炎癥患者為主要研究對象，利用Excel和MATLAB對其進行分析，得出超標指數(shù)，然后分析患病原因，最后給出合理的健康保健的建議。關鍵字：Excel MATLAB SPSS Z標準化 判別分析法 因素分析法 比較法 尿常規(guī)檢查中各項指標對患

3、者健康狀況的影響分析模型一、問題重述尿液是人體新陳代謝的產(chǎn)物，它在一定程度上能夠反映身體器官的代謝正常與否，但是尿液中的成分眾多，無法定性確切的疾病，如果能夠依據(jù)尿檢結果提前預測和診斷某些疾病，將對疾病的治療起到關鍵的作用，從而改善人們的健康狀況?，F(xiàn)在有一份醫(yī)院的尿常規(guī)檢查數(shù)據(jù)，我們要對數(shù)據(jù)進行分析、比較，從而對“查體患者”的健康狀況進行評估。然后需要建立一個數(shù)學模型來描述尿常規(guī)的檢查結果與患者健康狀況的關系，并針對主要影響因素描述尿常規(guī)檢查結果對患者健康的影響。最后以炎癥患者為主要的研究對象，給出一份健康保健的報告。二、模型假設與符號說明模型假設假設男女老少的體質一樣，不考慮年齡和性別造成的

4、某些指標的偏移；不考慮由于檢驗機器不同而造成檢驗指標的范圍波動；不考慮檢驗結果中不確定的疾病及數(shù)量稀少的疾病；假設患者無特殊體質，不會對實驗結果造成影響；符號說明白細胞計數(shù)中性粒細胞絕對值紅細胞計數(shù)淋巴細胞絕對值血紅蛋白單核細胞絕對值紅細胞平均體積嗜酸細胞絕對值平均紅細胞HGB含量嗜堿細胞絕對值平均紅細胞HGB濃度紅細胞分布寬度(SD)血小板計數(shù)紅細胞分布寬度(CV)血小板平均體積大血小板比率血小板體積分布寬度紅細胞壓積血小板壓積查體患者1查體患者29中性粒細胞相對值n尿常規(guī)指標超標個數(shù)淋巴細胞相對值一個指標與其參考值之間的相對誤差值單核細胞相對值B權重矩陣嗜酸細胞相對值A標準化后各項指標形成

5、的矩陣嗜堿細胞相對值X歸一化處理后的數(shù)據(jù)Y健康函數(shù)值P各項超標指標所占的比重W各項指標的權重三、問題分析問題(1)的分析1）結合檢查結果對附件中給出尿檢結果進行數(shù)據(jù)的優(yōu)化處理，篩選出查體患者的數(shù)量，在查找出正常人的各項指標的正常范圍的前提下，將查體患者尿檢的各項指標與其正常范圍進行比較；2）因為一個健康人的各項指標一定是在一個正常的范圍里面波動，一旦某項指標超出該項指標的正常范圍，就有可能對應好幾種疾病，所以為了更簡單的歸類，無論有多少項超標，只要超標一項，我們就將此定義為不健康，所以最終的健康狀況評估結果只有2個，一個是健康，一個是不健康。3）將查體患者的各項指標與正常指標做比較，可以得出超

6、標指標的總個數(shù)，從而評估他的健康狀況。3.2問題(2)的分析1）尿常規(guī)的檢驗結果中有附件當中所提供的24項指標，而判斷它與患者健康狀況的關系必然會涉及到這些指標與該指標正常范圍的比較。就健康狀況本身而言，這本身就是一個模糊的概念，除過通過判斷各項指標是否都在正常范圍內(nèi)來說明該患者健康和不健康外，我們還需要進一步分析比較來劃分不健康的程度，此時必然要建立一個具體的數(shù)學模型來評價，但是24項指標每項指標所表示的意義不同，無法統(tǒng)一衡量，為此我們需要進行指標變量的標準化處理。然后再繼續(xù)求解相關量之間的函數(shù)關系。2）針對主要影響因素討論問題的前提是在這24項指標中找出主要影響指標，將尿檢結果與主要影響因

7、素聯(lián)系后，通過討論來確定影響是要通過該尿檢結果來判斷出疾病種類還是要說明患疾病的嚴重程度。檢查結果的超標量多少與健康狀況的程度如何，某一項指標對健康狀況的影響程度如何，某一項指標的重要的程度等都是我們需要定性或者定量求解的問題。3.3問題(3)的分析1）把炎癥患者歸類統(tǒng)計后，對數(shù)據(jù)分析，觀察他們各項指標的有無異常，有無共同點，找出共性或者相似點2）在篩選出炎癥患者的基礎上，將其對應的各項指標帶入問題（2）得出的模型中，得出炎癥患者的健康狀況，結合所查資料，寫出一份對應的健康保健報告。四、模型建立與求解4.1模型準備在建立一個描述尿常規(guī)的檢查結果與患者健康狀況的數(shù)學模型中，首先要進行的是對數(shù)據(jù)的

8、篩選處理，找出典型的病癥，將其分類匯總。剔除那些發(fā)病率極低的病癥，接下來再繼續(xù)找出查體患者，并給患者進行編號，為問題一的模型建立做準備。然后在查找相關資料的基礎上得出正常人的尿檢結果的各項指標的正常范圍。4.2問題（1）的模型建立與求解 4.2.1 數(shù)據(jù)處理首先我們對數(shù)據(jù)進行了篩選和編號，通過查閱相關資料整理出尿常規(guī)24項指標的參考值：指標白細胞計數(shù)紅細胞計數(shù)血紅蛋白紅細胞平均體積平均紅細胞HGB含量平均紅細胞HGB濃度參考值4.0-10.0 109/L4.0-5.50 1012/L110.0-160.0 g/l83.9-99.1 fl27.0-31.0 pg320.0-360.0 g/l指標

9、血小板壓積紅細胞壓積大血小板比率中性粒細胞相對值單核細胞相對值血小板體積分布寬度參考值0.11-0.2835.0-50.0 %13-43 %43-75 %3-8 109/L9-18.1指標血小板平均體積紅細胞分布寬度(CV)紅細胞分布寬度(SD)嗜酸細胞相對值嗜堿細胞相對值中性粒細胞絕對值參考值6.5-12.0 fL11.0-16.00 %37.00-54.00 Fl0.5-5.0 %0.00-1.50 %2.0-7.0 109/L指標淋巴細胞絕對值嗜酸細胞絕對值嗜堿細胞絕對值血小板計數(shù)淋巴細胞相對值單核細胞絕對值參考值0.80-4.00 109/L0.00-0.80 109/L0.00-0.

10、10 109/L100-300 109/L20-40 %0.10-1.00 109/L表4-2-1 各項指標參考值將查體患者的各項指標與正常人的各項指標作比較，得出每項指標的差值，比較看有無某個查體患者的各項指標的=0，若為0則說明該查體患者的各項指標都在正常的范圍內(nèi)，是健康的，若不為0則說明查體患者某項指標超出正常范圍，是不健康的。4.2.2計算方法：在Excel中將指標進行由小到大排序，將在范圍參考范圍內(nèi)的數(shù)據(jù)改為零，由的定義可知，的求解是：a.用參考范圍的最小值減去小于參考范圍的數(shù)值求出，b.用超過參考范圍的數(shù)據(jù)減去參考值的最大值求解，即 a:超標數(shù)據(jù)=超標數(shù)據(jù)-max參考值 b:超標數(shù)

11、據(jù)=min參考值-超標數(shù)據(jù)以查體患者的白細胞計數(shù)為例，的=9.84，而的正常取值范圍是4,10,所以=0；以此方法得出的-的所有，進而得出所有查體患者-的所有。將數(shù)據(jù)整理后得出的評估結果見下圖：圖4-2-1 數(shù)據(jù)超標圖（查體患者源數(shù)據(jù)見附頁）由圖4-2-1和圖4-2-可以得到查體患者4號、5號為健康，考慮到參考值的誤差，若超標數(shù)值遠遠小于該參考值則視為為超標，即超標越小則越接近正常范圍，則為健康，若超標值很大，則視為不健康。將各項指標參考值擴大5%，然后重新進行求值，將未超標的指標記為0，超標的記為1，可以得到下圖： 由圖可以得到健康“查體患者”有9位，編號分別為3號、4號、6號、117號、1

12、41號、146號和185號 不健康“查體患者”有20位，分別為10號、11號、13號、14號、16號、18號、21號、30號、32號、70號、77號、120號、125號、126號、177號、178號、183號、186號、191號、205號有查體患者中1號、4號、5號和17號身體健康，其余查體患者為不健康。4.3解法一：問題（2）的模型建立與求解模型24.3.1模型準備因為體檢的結果有24項指標，即x1，x2,x3，x24，我們由問題1知將其分成健康和不健康2類，A代表健康，B代表不健康，yo有9組數(shù)據(jù)，y1有20種數(shù)據(jù)，我們把這些數(shù)據(jù)如下分類：A的數(shù)據(jù)（xa11，xa12,，xa124），（x

13、a21，xa22，xa224），（xa241，xa242，xa2424）B的數(shù)據(jù)（xb11，xb12,，xb124），（xb21，xb22，xb224），（xb241，xb242，xb2424）假定用Y=k1*x1+k2*x2+k24*x24作為判別函數(shù)，則組A的數(shù)值對應的判別值為；Ya1= k1*x1+k2*x2+k24*x24；Ya2= k1*x1+k2*x2+k24*x24；Ya9= k1*x1+k2*x2+k24*x24；組B對應的判別值為：Yb1= k1*x1+k2*x2+k24*x24；Yb2= k1*x1+k2*x2+k24*x24；Yb20= k1*x1+k2*x2+k24*x

14、24；又作Ya的平均值=Yb的平均值=即是組A 的判別值的代表，是組B 的判別值的代表4.3.2模型求解1）先將待見患者的原始數(shù)據(jù)寫成矩陣形式，組A的數(shù)據(jù)矩陣組B的數(shù)據(jù)矩陣：矩陣w0和矩陣w1的列平均數(shù)分別是（，），（，）2）算各組數(shù)據(jù)的平均值 3）作新的矩陣A,B及兩組的離差矩陣S1，S2S1=,S2=,S=S1+S2在matlab中解出S1結果的如下：然后解出s2的結果4)最優(yōu)判別函數(shù)c1，c2,，c24為下述方程組的解=即=寫出判別函數(shù)Y=C1*x1+C2*x2+C24*x24在matlab中具體求解如下圖所示：Ci(i=1,2,24) =6.7669,-5.9103,-0.4025,-

15、0.9853,2.2414,-0.0122,-0.0130,0.1076,0.2173,8.7360,-0.0800,-0.0860,-0.0823,-0.5487,2.6334,-6.2210,-6.5237,-8.3215,1.3485,-47.2081,-0.0927,0.4105,-0.1507,2.01895）寫出組A,組B的平均值的判別值;=c1*+c2*+c24*=c1*+c2*+c24*臨界值為：y0=求出的臨界值y0即為正常與否的判斷標準>> y0=(8*c+20*d)/20y0 = 10.50154.4.解法二：問題（2）的模型建立與求解在問題（1）的基礎上我們

16、對數(shù)據(jù)進行歸類處理，并在Excel中求出每種類型疾病的指標平均值（數(shù)據(jù)見附錄1）則可以求出24項指標在疾病中超標所占的比重，統(tǒng)計每項指標在所有疾病的超標次數(shù)，并求出總超標次數(shù)。計算權重公式為：權重=X指標超標的次數(shù)/指標超標次數(shù)綜合 則可得到下表：X1X2X3X4X5X6X7X8X9X10X11X12N833882812956P(W)0.07840.02940.02940.07840.07840.01960.0780.00980.01960.08820.0490.0588X13X14X15X16X17X18X19X20X21X22X23X24N1421473010403P(W)0.13730.

17、01960.00980.03920.06860.029400.009800.039200.0294表4-3-1 各項指標的權重和比重建立一個評判模型的前提是各評價指標具有相同的單位量，即數(shù)據(jù)的歸一化處理是首先需要解決的問題，我們在查閱相關資料后，決定采用Z標準化。Z標準化公式： X=（表示所有樣本的平均值，表示所有樣本數(shù)據(jù)的標準差）疾病minmaxAve肺炎-1.179228.708813.7648扁桃體炎-0.91091.08830.0887支氣管炎-0.38480.97130.29325白血病-1.49254.676626.5923異位妊娠-0.38620.3737-0.00625出血-0

18、.80891.08740.13925ITP-0.63240.31-0.1612非霍奇金淋巴瘤-1.13612.02010.442腭裂-0.72460.92180.0986腹瀉-1.30930.8274-0.24095過敏性紫癜-0.46720.79860.1657乳腺惡性腫瘤-0.88330.88720.00195腫瘤-0.97980.9113-0.03425月經(jīng)失調(diào)-0.74750.5065-0.1205炎癥-0.70061.02010.15975術后-0.47040.4513-0.00955皮膚病-0.55880.67410.05765消化不良-0.74951.38980.32015呼吸道

19、感染33.507184.283858.89545發(fā)熱0.09252.54451.3185正常值-0.80390.6716-0.06615 表4-4-2 同單位轉化表在SPSS下將所有數(shù)據(jù)都進行標準化處理可以得到下圖：圖4-4-1 SPSS對所有數(shù)據(jù)的標準化處理 (各項指標值的描述性統(tǒng)計資料見附錄4)1在將患某類疾病的數(shù)據(jù)集中起來處理的時候，我們通過數(shù)據(jù)統(tǒng)計得出這類疾病的主要影響因素，由假設3知，我們對附件中的疾病處理后的數(shù)目是20。2通過因素分析法，找出各種影響指標在總的患病指標中所占的患病權重。3將每類疾病所對應的某項指標與該指標在步驟2中求出的患病權重相乘，得到該類疾病的健康函數(shù)值。將其和

20、excel相結合，對各類疾病進行分析處理，利用matlab算出各個矩陣所對應的值后，計算結果如下表所示：體檢指標平均值標準偏差歸一化處理后的各項指標值x18.1885.6775X1=(x1-C2)/D2x24.391.8596X2=(x2-C3)/D3x3123.4622.144X3=(x3-C4)/D4x486.1567.9881X4=(x4-C5)/D5x528.3932.8386X5=(x5-C6)/D6x6329.5212.339X6=(x6-C7)/D7x7250.55131.402X7=(x7-C8)/D8x89.9391.0517X8=(x8-C9)/D9x911.872.568

21、X9=(x9-C10)/D10x10.2575.11519X10=(x10-C11)/D11x1149.79020.3869X11=(x11-C12)/D12x1238.38719.1514X12=(x12-C13)/D13x139.5905.6709X13=(x13-C14)/D14x141.6241.6733X14=(x14-C15)/D15x15.6051.1070X15=(x15-C16)/D16x163.89332.77225X16=(x16-C17)/D17x173.23354.20341X17=(x17-C18)/D18x18.7240.52221X18=(x18-C19)/D1

22、9x19.1155.12874X19=(x19-C20)/D20x20.0302.02897X20=(x20-C21)/D21x2143.1097.1965X21=(x21-C22)/D22x2214.2082.1249X22=(x22-C23)/D23x2324.9118.0071X23=(x23-C24)/D24x2437.406.240X24=(x24-C25)/D25 表4-4-3 數(shù)據(jù)的歸一化處理表就可以得出每類疾病它的健康函數(shù)值Y的范圍，這樣我們就建立了一個以健康函數(shù)值Y為評價指標的模型，即 Y=(，,，)×B以腹瀉病為例，在MATLAB中，我們求出患腹瀉病的2名患者24

23、項指標的每項平均值，將其做成一個1*24的矩陣A:A=8.754，4.58，120，20.8，26.35，326.5，9.85，11.95，0.385，15.45，68.05，13.35，2.55，0.6，1.265，6.153，1.045，0.225，0.045，50.15，17.9，24.8，36將權重做成一個24*1的矩陣B:B=0.0784,0.0294,0.0294,0.0784,0.0784,0.0196,0.078,0.0098,0.0196,0.0196,0.082,0.049,0.0588,0.1373,0.0196,0.0096,0.0392,0.686,0.0294,0,

24、0.009得出腹瀉病的均值函數(shù)值C=A*B=68.6257MATLAB的編程如下：圖4-3-2 程序計算但是考慮到某項疾病的函數(shù)值是在一個范圍內(nèi)波動，所以為了更好的分析數(shù)據(jù)，我們將該類疾病的最小值矩陣和最大值矩陣分別與其所對應的權重矩陣相乘，得到該類疾病的波動范圍：Yi=Cmin,Cmax。可以根據(jù)化驗結果得到其所對應的Y值，每類疾病都有其Y值范圍，而每類指標也有其對應的浮動范圍，正常人的Y值也在一個固定的范圍內(nèi)浮動，無論某種疾病或正常的Y都有其隸屬區(qū)間，這樣，我們只需要看求出的Y屬于哪個區(qū)間，更接近哪種疾病的平均Y值線，這樣，我們就能說明該化驗結果趨近于某種疾病的可能程度更大。患某種某類型的

25、病的概率更大，這樣我們得到如下的圖表： 4-4-4 Y值范圍表1.對尿檢的24個指標進行主成分分析（1）：指標選取原則本文所選取的數(shù)據(jù)來自附件中131個患病人數(shù)，（2）主成分分析法在spss中的具體操作步驟運用spss統(tǒng)計分析軟件FACTOR過程對尿檢131個例子的每個例子的24項指標進行主成分分析，具體操作步驟如下：1， AnalyzeData Reduction-Factor Analysis，彈出Factor Analysis對話框2， 把x1-x24選入Variables框3， Descriptives Conelation Matrix 框組中選中Cofficients。然后點擊Co

26、ntinue，返回Factor Analysis 對話框4， 點擊“OK”SPSS在調(diào)用Factor Analyze 過程進行分析時，spss會自動對原始數(shù)據(jù)進行標準化處理，所以在得到計算結果后的變量都是指經(jīng)過標準化處理后的變量，但spss并不直接給出標準化后的數(shù)據(jù)，如需要得到標準化數(shù)據(jù)，則需調(diào)用Descriptives過程進行計算。從表3可知白細胞計數(shù)與中性粒細胞絕對值，單核細胞絕對值，淋巴細胞絕對值這幾個指標存在著極其顯著的關系，可見許多變量之間直接的相關性比較強，證明它們存在信息上的重疊。 主成分個數(shù)提取原則為主成分對應的特征值大于1的前m個主成分。特征值在某種程度上可以被看成是表示主成

27、分影響力度大小的指標，如果特征值小于1.，說明該成分的解釋力度還不如直接引入一個原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標準。通過表4（方差分解主成分提取分析法）可知，提取8個主成分，即m=8，從表5（初始因子載荷矩陣）可知，紅細胞計數(shù)，血紅蛋白，血小板計數(shù)，血小板壓積，紅細胞壓積在第一主成分上有較高載荷，說明第一主成分基本反映了這些指標的信息；血紅蛋白，中性粒細胞相對值，中性粒細胞絕對值，紅細胞壓積這些指標在第二主成分上有較高載荷，說明第二主成分基本反映了這4個指標的信息，以此類推，所以我們決定用8個新的變量來代替原來的24個指標，所以這8個新的變量就是我們所求解的主要影響

28、因素。即將上一步求解的模型Y=(，,，)*B 轉化成y=（，,，）*by值越大，說明作用的指標數(shù)越多，影響指標所占的比重越大，對患者健康的影響越大圖3 相關系數(shù)矩陣圖4方差分解主成分提取分析法判別分析首先要明確變量測量尺度及變量的類型和關系；因變量：  分組變量定性數(shù)據(jù)（體檢的24個指標）。自變量： 判別變量定量數(shù)據(jù)（各類病的特征函數(shù)值）。  明確因變量后：我們需要明確我們分析的目的；確定分組變量與判別變量間的關系建立判別函數(shù)，找到自變量的最佳區(qū)分因變量的各個類別的線性組和?？梢源_定后驗概率，計算每個個體落入各個類別的概率。確定哪些判別變量x1、x2、x3、xk對

29、區(qū)分類別差異的影響最大?？疾旄鱾€類別在判別變量方面是否存在顯著差異。確定判別變量是以什么形式影響因變量的，即D是 x1 x2 x3 xk 什么形式的函數(shù)。根據(jù)判別變量的值對個體進行分類。對分析的準確程度進行評價。我們利用spss軟件采用Fisher判斷，將數(shù)據(jù)處理后得到Fisher的線性區(qū)別函數(shù)。以疾病一為例，我們從圖上可以得出x1500.179x21183.972x3-310.406x41513.498x5-3972.291x6446.129x718.603x81020.393x923.212x10-18673.131x1194.687x1289.468x1370.842x1533.324x

30、16-593.662x17-578.160x20-978.386x21-307.975x22884.208x23-79.743x24907.559（常數(shù)）-91085.873Y1=500.179*x1+1183.972*x2-10.406*x3+1513.498*x4-3972.291*x5+446.129*x6+18.603*x7+1020.393*x8+23.212*x9-18673.131*x10+94.687*x11+89.468*x12+70.842*x13+根據(jù)上表依次求出其余Y2，Y3,Y4，,Y20的函數(shù)表達式，這個即是各疾病對應的函數(shù)特征表達式。將每類疾病的患者尿檢指標帶進每

31、類病的函數(shù)表達式中，求出該類疾病y的最大值和最小值，這樣，我們依次可以得出每類病的Y的取值范圍。將一份尿檢報告的24項尿檢指標的結果與前面構建的權重矩陣B相結合，可以得出該尿檢結果的Y值，根據(jù)該Y值判斷它屬于哪種疾病的取值范圍，即該患者可能患某種疾病。在判斷24項指標的主要成分上面，我們用各項指標的權重來衡量它的重要性，選出權重大的值所對應的指標，則就是它的主要影響因素。各項指標在統(tǒng)計分析后所占得比重如下圖所示：各項指標的重要性如下圖所示，我們將重要程度>8的指標作為主要影響因素，即主要影響因素是x10，x7,x5,x4,x1.所以在以后的尿檢結果中要特別關注這5項指標超出范圍的重要性4

32、.4問題（3）的模型建立與求解將炎癥患者的數(shù)據(jù)分析得到炎癥患者的指標超標個數(shù)表，如下表所示：表 4-4-1 炎癥患者各項指標超標量患者年齡x1x2x3x4x5x6x7x8x9x10x11x1222343歲00000000000012811歲0003000000001745歲0.830.08000.900000.02714.9251歲0.770501.70000003581歲00000000000.24.97431歲00000.20000000756歲0.040000074000.0700.414069歲0001.62.20176000.18001133歲4.44000.90.100000002

33、45歲8.29002.6000000001696歲00000017000.08001613月0001.20.60226000.264.77.7372歲0.340.96013.24.4100.42.9384歲0000042000.0400.5401歲0002.91.7785000.1600474月000300282000.316.819.81822歲0.39007.91.10000068.82159歲1.331.59122.80000005.47.621625歲0000000000001574歲10.80000000009.312.21582歲000000000004.71812歲0000000

34、0000.13.312725歲0.20.22000080000.0502.26837歲000000000001.1555歲8.31002.80.10000024.332.3983歲00.11000079000.0900413歲00000059000.0700超標個數(shù)1152111031000111016患者年齡x13x14x15x16x17x18x19x20x21x22x23x2422343歲20000000000012811歲6.30.20000001.30001745歲0.2000.8600000000251歲3.5000.5800000000581歲0.90000.36000000074

35、31歲3.31.40000000000756歲00000.6000000014069歲2000000000001133歲0002.4100.08000000245歲0003.832.210.10000001696歲5.50.100000000001613月2.40000.480000000372歲4.6000.44000002.60384歲000000000000401歲1.600000000000474月2.60001.020000.30021822歲1.7000.6600000.30002159歲0002.120000000021625歲0000000000001574歲00010.600

36、.630000001582歲4.20.40000.040000001812歲4.70000000000012725歲0.5000000000006837歲0.10.10000000000555歲00009.240.47000000983歲1.800.900000.10001.1413歲7.500.2000000000超標個數(shù)1952865013102整理可得出下表：指標X1X2X3X4X5X6X7X8X9X10X11X12超標個數(shù)1152111031000111016P0.0780.0350.0140.0780.0710.0210.071000.0780.0710.114指標X13X14X15

37、X16X17X18X19X20X21X22X23X24超標個數(shù)1952865013102P0.1350.0350.0140.0570.0430.03500.0070.0210.00700.014 表4-4-1 炎癥患者指標超標個數(shù)1.由圖4-3-1可以得出對炎癥患者影響大的指標有X1、X4、X5、X7、X10、X11、X12、X13、X16和X182.計算原始數(shù)據(jù)的炎癥患者有70.3%是兒童。4.5以炎癥患者為主要研究對象健康保健的報告導致患炎癥的因素有白細胞計數(shù)、紅細胞平均體積、平均紅細胞HGB含量、血小板計數(shù)、血小板壓積、中性粒細胞相對值、淋巴細胞相對值、單核細胞相對值、中性粒細胞絕對值、

38、單核細胞絕對值。 炎癥在醫(yī)學中包含著感染、物理化學、中毒、缺血和萎縮等因素，所以炎癥患者不能盲目使用抗生素，應該去醫(yī)院及時治療，對癥下藥。微生物感染的結果是導致淋巴細胞絕相對值發(fā)生變化和白細胞數(shù)量增加，紅細胞平均體積、血小板計數(shù)會偏高等；炎癥患者應該注意飲食，忌生辣，平時講究衛(wèi)生，如果感覺到不舒服最好直接就醫(yī)不要盲目吃藥，注意自身保健。 在數(shù)據(jù)統(tǒng)計中我們可以看出，原始數(shù)據(jù)的炎癥患者有70.3%是兒童，說明小孩子因為年齡小，抵抗力弱，在相同環(huán)境下，患炎癥的可能性很高，所以媽媽們應該多留意孩子平時的異常狀況，多運動，多通風，督促孩子講衛(wèi)生，愛清潔，養(yǎng)成良好的生活習慣，無論是大人還是小孩，一旦有異常

39、情況不要拖延，應該及時送往醫(yī)院治療。4.6問題（2）中的模型一的檢驗在眾多的數(shù)據(jù)中，我們隨便挑出一個患病患者的尿檢結果并將其帶入我們所作出的模型中去，求出Y值，并由某種病的Y值取值范圍來判斷求出的Y值是否合理，即是否在該種疾病所屬的區(qū)域里，來判斷模型準確與否。在呼吸道感染的疾病中里面任取一組數(shù)據(jù)將其輸入構建的模型中得到Y=34.9查表可得該Y值處于呼吸道感染的區(qū)間，故我們判斷該病人患的是呼吸道感染，由剛開始我們?nèi)?shù)據(jù)時已經(jīng)得知，該患者就是呼吸道感染，得出的模型與實際相符。4.7問題（2）中的模型二的檢驗模型二的函數(shù)判別值是：Y=c1*x1+c2*x2+c3*x3+c24*x24分為以下兩種情況

40、：>y0時，若判別該對象屬于組A,若y<y0,則判別該對象屬于組B>y0時，若判別該對象屬于組B,若y<y0,則判別該對象屬于組A由一位慢性肝炎患者的尿檢結果報告，將其代入matlab中有：因為>y0，且f>y0,所以該判別對象屬于組B,所以他的健康狀況為不健康，由此得出該模型正確。五、模型評價5.1模型優(yōu)缺點5.1.1模型優(yōu)點(1) 在問題(1) 中建立的模型是比較模型，用圖表求解，清晰明了，簡單快速，只需要知道有一項指標超出范圍就可以從圖上看出，(2)在問題2中建立的模型是一個能夠具體將體檢后的不同單位的各項指標歸一化，定量描述，給出一個具體的值，比較有

41、說服力(3)問題2中的模型是在大數(shù)據(jù)統(tǒng)計的基礎上，將人工的運算解放出來，對于類似的題目讓人們用計算機求解的優(yōu)越性，加深了對計算機應用的推廣。(4)問題2建立的模型理論上是將問題具體化和更進一步的細化，這對許多模糊問題的評價都可以拿來借鑒。5.1.2模型缺點(1) 通過問題(1)中的模型求解出來的評價指標太過于簡單，大多數(shù)去醫(yī)院的人都或多或少的存在一些問題，基本都可以歸為不健康；(2) 通過問題(2)中的模型求解出來的量實際上仍然在分析處理上需要先進行數(shù)據(jù)的歸一化處理，比較繁瑣。由于各種疾病的范圍可能會互相覆蓋，這在求解Y后會對后面的劃分和判斷Y趨近于某類疾病產(chǎn)生極大的干擾，5.2 模型比較在問

42、題（2）中我們提出了2種模型，但是結合具體結果分析可知，第一種模型雖然能夠求出某類疾病的取值范圍，但是這些范圍有可能互相包含，這樣就不能判斷出到底該患者患的是什么病，不能明確的給出一個評價值。后一種模型能夠舍棄具體求解疾病的種類限制，將患病結果分成健康和不健康，從而使得患者的評價結果有了和正常人的各項指標作比較的可能，對此，我們認為，模型2更清晰和準確，所以我們更傾向于模型2。5.2 模型改進在問題（1）中該模型在最后應該細化，比如加入以年齡為標準的參考量。分階段使得評價結果更詳細，更清楚。在問題（2）中該模型應該采用多元線性回歸，這樣求得的Y值將更具有說服力，而且針對模型中所出現(xiàn)的各項指標相互覆蓋，也應該想辦法解決，模型還有待提高。 參考文獻1. 林海明,張文霖.主成分分析與因子分析的異同和SPSS軟件兼與劉玉玫、盧紋岱等同志商榷J.統(tǒng)計研究.2005(03)2. 宋濤;唐德善.基于灰色數(shù)列預測和主成分分析的國債風險仿真模型J.統(tǒng)計與決策.2006(03)3. 徐雅靜;汪遠征.主成分分析應用方法的改進J.數(shù)學的實踐與認識.2006(06)4. 譚逸萍.基于主成分分析法的公路客運量預測模型分析J.西部交通科技.2015(02)5. 徐陽陽;趙良慶;俞飛.基于主成分分析法的中部六省經(jīng)濟發(fā)展狀況比較研究J.安徽農(nóng)業(yè)大學學報(社會科學版).20