一、文献综述
糖尿病（Diabetes Mellitus）是因机体胰岛素分泌相对或绝对不足导致血糖过高，而引起的以蛋白质和脂肪代谢紊乱为主要临床表现的一种常见的内分泌代谢性疾病。近年来，随着我国经济的高速发展，以及人口社会的老龄化、环境污染、不良的生活方式、精神压力等因素的影响，造成糖尿病在我国日益恶化。卫生部相关数据显示，目前中国有1.4亿糖尿病患者，并呈现发病率升高、患者年轻化的趋势。糖尿病的诊断标准为空腹血糖大于或等于7.0毫摩尔/升，或餐后两小时血糖大于或等于11.1毫摩尔/升即可确诊。糖尿病又分为胰岛素依赖型糖尿病(1型)和非胰岛素依赖型糖尿病(2型)两种 。目前对控制糖尿病这类非传染性疾病的传统研究用的依然是线性还原式的研究方法,但这种方法现下看来,存在着相当大的局限性[16]。
与此同时我国大数据研究目前正处于数据积累的起步阶段，研究成果不突出，比较研究更是匮乏，并未将国外先进研究成果未转化为对我国有用的资源。我国科研人员多注重于技术方面的探讨，而企业或金融行业等更多偏重于大数据潜在的经济价值和决策支持价值的挖掘，使得研究领域单一，研究面较窄[13]。深化医改以来，我国医疗卫生领域吸纳了国内外当前先进的信息技术，信息化程度得到很大提高。医疗卫生信息平台、业务系统等各种信息系统在医疗机构的广泛应用以及医疗设备和仪器的数字化，使医院数据库的信息容量不断膨胀，与之同时产生了大量的医疗信息资源。但由于信息孤岛现象、信息重复冗余、资料难以利用、资源分布不均等问题使得这些数据信息目前并不能得到有效的利用[12]。
综上针对种种局限，我们可以尝试引入大数据的思想来发现致病规律。数据挖掘是大数据方向的一个主要技术,可将数据挖掘算法引入糖尿病的发病规律研究中,有望从大量的糖尿病数据中学习糖尿病的发病知识,挖掘出我们需要的数据和规则,构造糖尿病的分类和预测系统。
国内外现已有一些基于数据挖掘方法的糖尿病诊断研究的案例。肖永华等收集了128例吕仁和教授诊治的糖尿病患者的医案，存储于'中医医案数据库'中；罗森林等人将决策树C4.5算法引入2型糖尿病的数据处理之中，建立了多条有效规则，可用来判断病人是否判断是否患了2型糖尿病。高蔚、钱玲、李戈等人都使用神经网络的方法进行糖尿病的诊断。但由于决策树相对简单，神经网络方法是一个黑匣，且得出的结论没法用中医理论知识进行解释，对于挖掘一些潜在的、隐含的专家知识的能力不足等原因，其均没有最终形成实用的糖尿病诊断预测系统[18]。
由此可综合以上研究优缺点，取长补短，运用多种数据挖掘模型来综合诊断糖尿病，相比单个数据挖掘模型，能够提高诊断的准确度。
二、拟研究、解决的问题及意义
本文通过对以数据挖掘为主的大数据技术在糖尿病预测、诊断、预防及降糖药治疗评价、新药研发等方面应用的总结，分析大数据在医疗卫生行业实施的可行性，并对其发展前景进行展望,期望为糖尿病的防治工作提供参考借鉴。
三、研究方法及手段
1.文献检索
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
