基于不完全数据的健康风险评估模型研究

健康管理是我国"十二五"卫生事业发展的重要方向，健康风险评估是健康管理的基础和关键技术。如何建立适合我国人群的健康风险评估模型，给卫生统计工作者提出了一个新的挑战。目前，制约我国健康风险评估模型建立的主要障碍是：缺乏"完全数据"信息支持-即前瞻性大样本队列数据。因此，本研究首次基于我国的实际情况，提出"不完全数据"概念，归纳总结出几种主要的"不完全数据"。然后，分别针对这些数据，从理论上探讨健康风险评估模型建立的方法：①建立基于横断面数据和短时队列数据的模型参数调整方法；②建立基于不同危险因素集合的模型合成分析方法；③建立基于概率评价结果的模型准确性评价标准和评价方法；④建立基于连续性、高通量数据的自适应健康风险评估系统。本课题研究成功，不仅可以满足社会对健康风险评估方法的急迫需求，而且可以扩展风险评估模型的研究领域，从而为实现个性化、智能化的健康风险评估管理系统，建立起重要的理论基础。

本课题组按课题申请计划书要求，顺利完成研究内容，发表SCI文章8篇、国内核心期刊文章9篇，培养博士研究生4名，建立了基于大数据的数据库和统计分析模型，主办了第二届《全国生物医学大数据会议》。.首先建立了一系列健康风险评估数据库。获得了重庆市社区慢病风险评估数据库，得到了多所医院体检中心健康体检数据库，收集了解放军飞行员慢性病风险评估数据库。回顾性地从1000个文献中收集了不同的结果数据集和不同危险因素集合，从2个健康管理公司和社区健康中心收集了近10万人的健康管理数据。整理完成了基于不同数据集、不同危险因素集合的数据库。.确定了信息交换的策略和方法，研制了不同信息平台系统的共享手册，完成了基本软件系统框架，确定了和各个数据收集点的数据交流模式。为本研究理论模型的实际应用，探索出一条切实可行的运行模式，实现了“集成数据孤岛”。.完成了基于横断面数据和短时队列数据的模型参数调整方法。针对连续和离散两种情况，完成了合成分析的理论推导和实际应用，采用线性、非线性和半线性的方法，建立了至少6种全新的统计分析模型（包括Framingham Model、Harvard Cancer Risk Index Model和Rothman-Keller Model）。.改进了风险评估模型的Meta分析方法。该方法利用Meta模型参数调整方法和合成分析方法，对危险因素进行调整合并，得到调整后的合并统计量OR（Odds ratio, OR），从而建立了模型参数调整的Logistic风险评价回归模型。.应用建立的预测理论模型，探讨了“脑卒中”预测模型误差的特性，确定了“脑卒中”风险评估模型参数调整方法。.针对亚洲人群和西方人群，根据人群脑卒中发病危险因素的队列研究和病例对照研究资料，建立了模型参数调整Logistic风险评价回归模型，有效地避免了人群样本量偏少的因素。.最后，建立了风险评估模型的准确性评价标准。首先，针对数据质量问题，建立了数据缺失插补、数据清理和数据拼接方法。从理论和实际的角度出发，结合健康管理的要求，提出了“内部信息”和“外部信息”的思想。针对定性结果和定量结果建立相应的模型准确性评价统计学方法。.