面向自评调查的健康期望寿命分析方法与流程

本发明属于大数据分析处理领域，具体涉及一种健康期望寿命数据的分析方法。

背景技术：

随着经济的快速发展，医疗水平的不断提高，人口老龄化日益严重，各种危险因素不断上升，人群的健康模式和疾病谱正发生改变，迫切需要用新的测量指标来综合评价人群健康状况。健康期望寿命则是近些年被广泛使用的一种反映人群健康水平的统计指标，其以期望寿命为基础，不仅考虑了生命的长度同时反映了生命的质量，能够把健康数据和死亡数据有机的融合为一个整体。

目前计算健康期望寿命的数据来源主要是自评调查资料。从资料的获取方式来看，由于各个地区基于疾病监测的体系还不完善，通过家庭询问调查收集自评健康状况更具有可操作性，且自评调查适应性更好，更易推广使用。但目前由于各地区采用数据收集、处理和分析方法不统一，数据质量问题得不到有效解决，导致自评调查数据将不能有效反映各地区居民健康水平，卫生资源配置和决策将失去可靠依据，因此，围绕自评调查大数据的全周期，实现对数据的全流程处理和精准分析尤为重要。通过建立适宜的面向自评数据的健康期望寿命评估体系，尽可能独立、客观、完整地评价居民健康情况，为制定区域疾病预防控制、医疗保障、卫生经济学评价、卫生技术评估、卫生资源配置策略提供科学依据，为健康中国服务。

技术实现要素：

发明目的：本发明目的在于针对现有技术的不足，提供一种面向自评调查的健康期望寿命分析方法，用于自评数据的实时、全流程的逻辑核查和监控，并对数据进行精准分析和计算。

技术方案：本发明所述面向自评调查的健康期望寿命分析方法，包括如下步骤：

(1)构建数据质量评估模型

确定统一、规范化的调查框架体系，利用电子化信息系统采集数据，建立全流程的录音质控和核查、定期数据监控可追溯以及定期数据导出和保存备份的数据质量评估规则，对采集的全部数据进行筛选和过滤，从而构建标准化、体系化的数据质量评估模型；

(2)构建数据分析执行引擎

a、对筛选和过滤后的数据进行多重评估，采用信度分析的方式评估数据的可靠性，采用效度分析的方式评估数据的准确性和有效性，采用数据结构分析的方式评估数据的代表性；

b、基于上述步骤评估后的自评调查数据计算自评健康率，并根据计算获得的自评健康率计算健康期望寿命；

c、根据收集的基本信息将数据分为不同亚组进行精准化定位，分析不同人群的健康状况，并接入r语言和excel软件，对数据结构和数据分析结果进行可视化、场景化以及实时交互处理，进行后续伸入分析和数据波动趋势评估。

本发明进一步优选地技术方案为，步骤(1)中还需要采集死因监测数据和人口监测数据；

死因监测数据采集的具体方法为：利用电子化信息系统采集数据，采集全地区、全人群、全生命周期的死因监控数据；嵌入漏报调查模块，全面掌握特殊死亡病例的去向，同时实现多部门联合数据共享机制，确保死因数据的全面、可靠，使死因数据精准接入评估模型；

人口监测数据的采集方法为：通过人口登记系统，实现全地区、全覆盖的不同户籍类型的人口数据的精准接入评估模型。

作为优选地，步骤(1)中对采集的数据进行筛选和过滤的具体方法为：从变量和记录水平分别对数据库进行清洗和整理，变量核查包括取值、缺失和逻辑错误；记录水平核查包括重复、不完整和不符合条件的记录。

优选地，步骤(2)中的自评健康率的计算基于whs量表：

基本信息收集，包括性别、出生日期、婚姻状况、文化程度、职业类型、是否参加医保和家庭平均年收入；

涵盖健康的8个核心领域为活动、疼痛、睡眠、社交、精力、自理、视力、情绪，定义健康情景描述包含：a为活动和情绪，b为疼痛和社交，c为视力和睡眠，d为精力和自理；

采用r语言中的anchor包实现chopit模型，以采用的基本信息为协变量，根据健康情景描述的4个方面分别拟合模型，再根据各模型系数预测校正的健康评分；

采用信息熵权法，根据指标变异性的大小来确定客观权重，对各维度下的两个问题进行加权合并：

最后将各维度整合为一个总体的校正健康评分。

优选地，维度整合的方法为利用降维的思想，将8个健康维度的校正健康率综合为一个总体的校正健康评分，取第1主成分，并标准化0-1之间。

优选地，维度整合的方法为采用线性回归法，以校正健康作为自变量，自报总体健康为因变量，构建模型整合总体的校正健康评分，并标准化0-1之间。

优选地，步骤(2)中的自评健康率的计算基于eq-5d-3l量表：

基本信息收集，包括性别、出生日期、婚姻状况、文化程度、职业类型、是否参加医保和家庭平均年收入；

建立包含eq-5d健康描述系统，表示为行动能力、自己照顾自己能力、日常活动能力、疼痛或不舒服、焦虑或抑郁，以及eq-vas，一个长20厘米的垂直的视觉刻度尺，顶端为100分代表“心目中最好的健康状况”，底端为0分代表“心目中最差的健康状况”；

采用效用值换算表，将五维度三水平的健康状态转化为生存质量，得到eq-5d指数，并转换为健康率，或根据eq-vas评分计算健康率。

优选地，健康期望寿命的计算采用简略寿命表，使用死亡数据、人口数据编制蒋氏简略寿命表，计算人均期望寿命。

优选地，健康期望寿命的计算采用sullivan法，

结合期望寿命，计算健康期望寿命。

优选地，步骤(2)中对筛选和过滤后的数据进行评估时：

信度分析：采用重测信度法、复本信度法、折半信度法或α信度系数其中一种展示调查数据的可靠性；

效度分析：包括内容效度、准则效度和结构效度，展示调查数据的准确性和有效性；

数据结构分析：判断调查对象的人口结构和全地区人口结构是否保持一致，通过相异指数和样本-总体偏离指数实时评估调查样本结构，及时反馈和完善，最后以图形和指标的形式展示自评调查数据结构的代表性。

有益效果：本发明的面向自评调查的健康期望寿命分析方法，主要解决自评数据的实时、全流程、逻辑核查和监控、精准分析和计算，实现了全面、完整的自评调查数据框架体系构建，人口数据库的维护、整理和精准接入，实时对调查人口结构进行分析，及时控制和调整，实时对自评调查数据进行逻辑核查和监控，及时记录、反馈和修订，自评调查数据的全流程录音质控，死因大数据的质量核查和精准接入，构建健康期望寿命计算和分析体系；采用本发明的分析方法，可以实时监控、及时完善在数据收集整理过程中的数据质量问题；本发明还接入r语言和excel软件，以简洁的界面方便非统计人员使用；同时整合不同来源数据、不同质控和分析方法，构建一体化、全流程化数据分析执行引擎，实现高效的健康期望寿命评估；本发明的分析方法面向自评调查大数据，构建依托死因数据、人口数据的健康期望寿命分析方法和系统，全方位、全周期实现对自评数据的质量控制、科学处理和精准分析。

附图说明

图1为本发明数据质量评估模型构建流程图；

图2为本发明数据分析流程图。

具体实施方式

下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例：本实施例的面向自评调查的健康期望寿命分析方法，包括如下步骤：

1、构建标准化、体系化的数据质量评估模型

根据数据的来源和数据质量的定义，数据管理和评估的范围主要包括：

自评调查数据：确定统一、规范化的调查框架体系、利用电子化信息系统采集数据、全流程的录音质控和核查、定期数据监控可追溯、定期数据导出和保存备份等。

死因监测数据：利用电子化信息系统采集数据，实现全地区、全人群、全生命周期的死因监控，死亡人口信息数据全程可追溯。并嵌入漏报调查模块，全面掌握特殊死亡病例的去向，同时实现多部门联合数据共享机制，确保死因数据的全面、可靠，实现精准接入。

人口监测数据：通过人口登记系统，实现全地区、全覆盖的不同户籍类型的人口数据的精准接入。

异常数据清洗：从变量和记录水平分别对数据库进行清洗和整理，变量核查包括取值、缺失、逻辑错误；记录核查包括重复、不完整和不符合条件的记录等。

2、构建数据分析执行引擎，实现高效的健康期望寿命评估

(1)采集数据的评估：

信度分析：包括重测信度法、复本信度法、折半信度法、α信度系数，系统阐述、展示调查数据的可靠性。

效度分析：包括内容效度(表面效度、逻辑效度)、准则效度、结构效度，系统阐述、展示调查数据的准确性、有效性。

数据结构分析：判断调查对象的人口结构和全地区人口结构是否保持一致，通过指标：相异指数、样本-总体偏离指数等实时评估调查样本结构，及时反馈和完善，最后以图形和指标的形式展示自评调查数据结构的代表性。

(2)基于whs量表计算自评健康率：

基本信息收集，包括：性别、出生日期、婚姻状况、文化程度、职业类型、是否参加医保和家庭平均年收入等；

涵盖健康的8个核心领域(活动、疼痛、睡眠、社交、精力、自理、视力、情绪)。健康情景描述包含：a(活动和情绪)，b(疼痛和社交)，c(视力和睡眠)，d(精力和自理)。

采用r语言中的anchor包实现chopit模型，纳入协变量(性别、年龄、婚姻状况、文化程度、职业、是否参加医保和家庭平均年收入等)，根据健康情景描述的4个方面分别拟合模型，再根据各模型系数预测校正的健康评分。

采用信息熵权法，根据指标变异性的大小来确定客观权重，对各维度下的两个问题进行加权合并；

维度整合的方法采用主成分分析法，利用降维的思想，把8个健康维度的校正健康率综合为一个总体的校正健康评分(取第1主成分)，并标准化0-1之间。

(3)健康期望寿命计算：

采用欧洲健康期望寿命监测组织发布的沙利文(sullivan)法，结合期望寿命，计算健康期望寿命；

(4)亚组分析：

根据收集的基本信息(性别、出生日期、婚姻状况、文化程度、职业类型、是否参加医保和家庭平均年收入等)分不同亚组进行精准化定位，分析不同人群的健康状况，为精准的干预措施提供依据。

(5)数据结果的精准展示：

接入r语言和excel软件，实现数据结构和数据分析结果的可视化、场景化以及实时交互，实现全流程数据参数可追溯，让使用者更加方便地进行数据的个性化管理与使用。

深入分析：关注点在挖掘潜在的人群薄弱点，通过分地区、分人群、分性别、分职业等，进行横向比较，重点展示人群死亡数据、人口结构数据、自评健康数据以及健康期望寿命数据，为实现卫生政策的精准决策和医疗资源的精准分配提供依据。

评估历年数据波动趋势，进行纵向比较，重点展示人群死亡水平和结构、人口数量和结构的变化、自评健康水平以及健康期望寿命的变化。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。