自动化医学统计分析方法、系统、电子设备及存储介质与流程

1.本发明实施例涉及数据处理技术领域，尤其涉及一种自动化医学统计分析方法、系统、电子设备及存储介质。


背景技术：

2.随着计算机技术的迅猛发展，各行各业的数据量增大，对数据进行管理、清洗和统计的应用工具得到广泛应用。
3.目前，常被使用的应用工具为spss(statistical product and service solutions，统计产品与服务解决方案)，通过统计应用工具，针对不同的研究课题或数据资料特点，确定出对应的统计学处理方式，以按照确定出的处理方式对收集到的数据进行处理分析。但是，现有技术中确定处理方式时需要医学研究领域的从业人员进行人工确定，导致耗费从业人员大量的时间和精力，导致数据处理和分析过程的效率低。


技术实现要素：

4.本发明实施例提供了一种自动化医学统计分析方法、系统、电子设备及存储介质，以实现快速、准确地确定出目标处理方式，并提高对目标数据进行数据处理的效率的目的。
5.第一方面，本发明实施例提供了一种自动化医学统计分析方法，包括：
6.当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定所述目标数据的目标数据特征；
7.基于预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定与所述目标数据特征对应的目标处理方式；
8.基于所述目标处理方式，对所述目标数据进行数据处理操作。
9.第二方面，本发明实施例还提供了一种自动化医学统计分析系统，该系统包括：
10.目标数据特征确定模块，用于当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定所述目标数据的目标数据特征；
11.目标处理方式确定模块，用于基于预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定与所述目标数据特征对应的目标处理方式；
12.数据处理模块，用于基于所述目标处理方式，对所述目标数据进行数据处理操作。
13.第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
14.一个或多个处理器；
15.存储系统，用于存储一个或多个程序，
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的自动化医学统计分析方法。
17.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的自动化医学统计分析方法。
18.本发明实施例所提供的一种自动化医学统计分析方法，当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征，通过预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定出目标数据特征对应的目标处理方式，从而无需从业人员人工参与，即可直接确定出目标处理方式，并基于目标处理方式对目标数据进行数据处理操作，解决了人工确定目标处理方式导致的资源浪费和处理效率低的问题，实现了快速、准确地确定出目标处理方式，并提高对目标数据进行数据处理的效率的目的。
19.此外，本发明所提供的一种自动化医学统计分析系统、电子设备及存储介质与上述方法对应，具有同样的有益效果。
附图说明
20.为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1为本发明实施例提供的一种自动化医学统计分析方法的流程图；
22.图2为本发明实施例提供的一种医疗数据的统计分析界面图；
23.图3为本发明实施例提供的一种处理方式判断流程图；
24.图4为本发明实施例提供的自动化医学统计分析系统的结构图；
25.图5为本发明实施例提供的一种电子设备的结构图。
具体实施方式
26.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
27.另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
28.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
29.需要说明的是，统计分析方式包括描述性统计分析、差异性统计分析、预测性分析中的至少一项。
30.描述性统计分析用于描述数据特征，包含离散程度、集中趋势、分布情况的统计量和图表展示，其中图表包含直方图、箱型图和q-q图等。离散程度包含最大值、最小值、范围、四分位数、方差、标准差、变异系数，集中趋势包含总量、均数、中位数、众数、缺失值、缺失值占比，分布情况包含偏度、峰度等。直方图可用于了解变量的分布特征，集中趋势和离散程度以及是否呈对称分布等。
31.差异化统计分析包括正态性检验、方差齐性检验、t检验、单因素方差分析、多重比较分析、卡方检验、基于秩次的非参数检验中的至少一项。正态性检验用于判断总体是否服从正态分布的检验。可包括k-s(kolmogorov-smirnov)检验)和s-w(shapiro-wilk)检验。方差齐性检验用于检验两个样本数据的方差是否相同。t检验包括单样本t检验、两独立样本t检验和配对样本t检验。单样本t检验用于推断样本所属总体的均数是否与已知值有差异，两独立样本t检验用于在两个未知总体中分别抽取一个样本，比较两总体均数是否存在差异；配对样本t检验用于检验样本的两个相关组之间的均值差异是否为零。单因素方差分析用于比较一个数据不同水平是否存在差异。多重比较分析采用基于t检验的最小显著性差异法进行多个样本均数的两两比较。卡方检验是一种针对两组或多组分类变量的总体率或总体频数分布进行推断的方法，包括独立样本卡方检验、配对样本卡方检验。非参数检验(nonparametric test)是一种适用于总体分布未知或已知总体分布与检验所要求的条件不符，经数据转换也不能使其满足参数检验条件的方法，用于检验总体分布位置是否相同。基于秩次的非参数检验包括独立样本秩和检验、配对样本秩和检验；独立样本秩和检验采用wilcoxon秩和检验和kruskal-wallis检验分别对两组独立样本和多组独立样本进行检验。配对样本秩和检验采用wilcoxon符号秩和检验和friedman检验分别对配对设计的两组和多组样本进行检验。
32.预测性分析包括两变量关联性分析、线性回归和逻辑回归中的至少一种，两变量关联性分析包括相关分析和偏相关分析，可分别采用pearson相关系数来衡量两个定量变量之间线性关系的方向和密切程度；采用spearman相关系数来衡量存在等级变量时或者无法用均数和标准差描述其分布特征时两个变量之间关联的方向和程度。相关分析用于比较两个变量之间是否具有某种共同的变化趋势。其中常见的为直线相关，偏相关分析用于比较两个变量之间排除了其他变量的影响的净相关性。线性回归是用于研究连续型因变量与另一个或多个连续型自变量之间线性依存变化关系的统计学方法。逻辑回归是用于研究一个离散型因变量与另一个或多个连续型自变量之间变化关系的统计学方法。
33.实施例一
34.图1为本发明实施例提供的一种自动化医学统计分析方法的流程图。该方法可以由自动化医学统计分析系统来执行，该系统可以通过软件和/或硬件来实现，可配置于终端和/或服务器中来实现本发明实施例中的自动化医学统计分析方法。
35.如图1所示，本实施例的方法具体可包括：
36.s101、当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征。
37.其中，目标数据可为当前需要进行差异性统计分析的待处理数据。差异性分析指令中包括目标数据的信息，基于接收到的差异性分析指令，即可确定出目标数据的信息，如目标数据的存储路径、目标数据的标识、数据量等信息。目标数据特征为目标数据的数据特征信息，如数据类型等特征信息。
38.在具体实施中，当接收到差异性分析指令时，可基于差异性分析指令确定出目标数据的信息，基于目标数据的信息获取目标数据。例如，目标数据的信息包括目标数据的存储路径，基于存储路径获取对应的目标数据；或者，可将接收到差异性分析指令后，接收到的数据确定为目标数据。
39.本实施例中，可基于获取到的目标数据，确定出目标数据的目标数据特征。具体的，目标数据特征包括变量类型特征、分布类型特征及样本数量特征中的至少一项特征信息，可基于目标数据的变量类型、分布类型及样本数量中的至少一项，确定出目标数据特征。
40.可选的，确定目标数据的目标数据特征，包括：确定目标数据的变量类型特征、分布类型特征及样本数量特征中的至少一项特征信息，基于特征信息构成目标数据特征；
41.其中，变量类型特征包括连续变量特征和分类变量特征，分布类型特征包括正态分布特征和非正态分布特征，样本数量特征包括单样本特征、双样本特征及多样本特征。
42.示例性的，可同时确定目标数据的变量类型特征、分布类型特征和样本数量特征，如目标数据同时为连续变量、符合正态分布、单样本数据时，则可确定目标数据特征为连续变量特征、正态分布特征和单样本特征。
43.s102、基于预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定与目标数据特征对应的目标处理方式。
44.在本实施例中，差异性分析的处理方式包括t检验、f检验、非参数检验、阿特曼检验及卡方检验中的至少一项；在确定与目标数据特征对应的目标处理方式之前，可预先构建数据特征与差异性分析的处理方式之间的对应关系，具体构建方式包括：构建具有连续变量特征、正态分布特征和非多样本特征的数据与t检验之间的第一对应关系；构建具有连续变量特征、正态分布特征和多样本特征的数据与f检验之间的第二对应关系；构建具有连续变量特征和非正态分布特征的数据与非参数检验之间的第三对应关系；构建具有分类变量特征和单样本特征的数据与阿特曼检验之间的第四对应关系；构建具有分类变量特征和非单样本特征的数据与卡方检验之间的第五对应关系；由第一对应关系、第二对应关系、第三对应关系、第四对应关系和第五对应关系中的至少一个关系构成对应关系。
45.可以理解的，非多样本特征包括单样本特征和双样本特征，非单样本特征包括多样本特征和双样本特征。第一对应关系为数据特征与t检验之间的关系，第二对应关系分为数据特征与f检验之间的关系，第三对应关系为数据特征与非参数检验之间的关系，第四关系为数据特征与阿特曼检验之间的关系，第五对应关系为数据特征与卡方检验之间的关系。示例性的，对应关系可同时包括第一对应关系、第二对应关系、第三对应关系、第四对应关系和第五对应关系。
46.在具体实施中，可在对应关系中确定出与目标数据特征相一致的数据特征，将该数据特征对应的处理方式确定为目标处理方式。例如，确定出目标数据的数据特征为连续变量、正态分布且多样本，则对应确定出的处理方式为f检验。
47.本实施例中通过预先建立的对应关系，可快速确定出目标数据特征对应的目标处理方式，无需人工参与，提高了确定目标处理方式的效率和准确性。
48.s103、基于目标处理方式，对目标数据进行数据处理操作。
49.在具体实施中，可直接按照确定出的目标处理方式，对目标数据进行数据处理操作。为提高数据处理操作的准确性，对目标数据进行数据处理操作时，具体的实施方式还可为：当检测到用于启动处理方式的处理控件被触发时，确定被触发的处理控件与目标处理方式是否一致；如果是，则按照目标处理方式对目标数据进行数据处理操作。
50.其中，处理控件包括t检验、f检验、非参数检验、阿特曼检验及卡方检验中至少一
个处理方式对应的控件，将各处理控件显示至数据处理界面，当检测到处理控件被触发时，说明用户选择了被触发的处理控件对应的处理方式。可按照被选择的处理方式对目标数据进行处理。
51.为了避免用户操作失误导致选择的处理方式错误，则可在检测到处理控件被触发时，确定被触发的处理控件与目标处理方式是否一致；如果一致，则说明用户选择的处理方式与基于对应关系确定出的目标处理方式一致，则按照目标处理方式对目标数据进行数据处理操作。进一步验证了确定出的目标处理方式的准确性。
52.本实施例中，当被触发的处理控件与目标处理方式不一致时，可将目标处理方式更新为被触发的处理控件对应的处理方式，以按照处理控件对应的处理方式对目标数据进行处理。为了确保数据处理操作的正确性，还可基于目标处理方式生成推荐信息发送至用户终端，并基于接收到的用户终端发送的反馈信息，对目标数据进行数据处理操作。
53.示例性的，推荐信息中包括目标处理方式和被触发的处理控件对应的处理方式，还可包括确定出的目标数据特征、采用目标处理方式处理后可得到的处理结果，以为用户推荐目标处理方式。例如，被触发的控件为t检验控件，而确定出的目标处理方式为非参数检验，但是检测到目标数据的数据特征并不服从正态分布，则可向用户终端发送推荐信息，推荐信息中包括非参数检验的处理方式。
54.用户基于推荐信息，通过用户终端在目标处理方式和被触发的处理控件对应的处理方式中确定出选定处理方式，并通过用户终端生成包含有选定处理方式的反馈信息进行发送，基于接收到的反馈信息中的选定处理方式，对目标数据进行处理操作。
55.本实施例中在被触发的处理方式与确定出的目标处理方式不一致时，通过推荐机制为用户推荐目标处理方式，以提示用户更准确、高效地选择处理方式。
56.可选的，在对目标数据进行数据处理操作之后，还包括：保存目标数据进行数据处理操作后得到的目标结果；当接收到导出指令时，基于导出指令确定导出地址、导出格式及导出名称中的至少一项导出操作要求；按照导出操作要求，对目标结果进行导出操作。
57.本实施例可应用于交互式的数据处理编辑环境，将每次的数据处理过程留痕，便于之后的查看和编辑。具体的，可保存目标数据进行数据处理操作后得到的目标结果，并将目标结果反馈至用户终端。
58.进一步的，当接收到用户终端发送的导出指令时，可导出该导出指令中指定的内容。示例性的，导出指令指示的导出操作要求可为将导出地址、导出格式及导出名称中的至少一项内容需要进行导出操作，则按照导出操作要求，相应的对目标结果进行导出。例如，导出指令中指定的导出名称为a、导出格式为pdf文档、导出地址为b地址，则最终将目标结果按照a命名，存储至b地址，并按照pdf文档格式进行存储。
59.可选的，还包括：当接收到用于对目标数据进行非差异性分析的非差异性指令时，基于非差异性指令中预设的指定处理方式，对目标数据进行数据处理操作。
60.其中，非差异性指令包括描述性差异指令和/或预测性分析指令，描述性差异指令对应的指定处理方式包括离散程度分析、集中趋势分析、分布情况分析和图表展示中的至少一个处理方式，预测性分析指令对应的指定处理方式包括线性回归、逻辑回归、生存分析和关联性分析中的至少一个处理方式。
61.在具体实施中，还可基于接收到的非差异性指令，确定出指定处理方式。例如，非
差异性指令中包括指定处理方式的方式标识、方式名称等信息，基于非差异性指令，即可确定能出当前需要执行的指定处理方式，按照指定处理方式对目标数据进行数据处理操作即可。
62.本发明实施例所提供的一种自动化医学统计分析方法，当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征，通过预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定出目标数据特征对应的目标处理方式，从而无需从业人员人工参与，即可直接确定出目标处理方式，并基于目标处理方式对目标数据进行数据处理操作，解决了人工确定目标处理方式导致的资源浪费和处理效率低的问题，实现了快速、准确地确定出目标处理方式，并提高对目标数据进行数据处理的效率的目的。
63.实施例二
64.上文中对于数据处理法对应的实施例进行了详细描述，为了使本领域技术人员进一步清楚本方法的技术方案，下文中给出具体的应用场景。
65.本发明实施例提供的自动化医学统计分析方法可应用于医护人员对获取到的患者数据进行医疗数据处理的应用场景，便于医护人员能够更高效、便捷地了解患者的临床情况。需要说明的是，本发明技术方案中对数据的获取、存储、使用和处理等操作均符合国家法律法规的相关规定，本发明实施中提出的患者数据为患者授权情况下获得的。本案技术方案进行处理的目标数据包含医学研究设计场景中产生的各类医疗大数据，包含但不限制于以下至少之一(1)诊疗数据：(2)临床研发数据、医药研发数据、医疗器械研发数据；(3)例如患者自身的、在院内、外的行为和感官产生的患者数据；(4)支付&医保数据。其中，上述(3)患者数据包含但不限于患者的病例数据、临床治疗数据、检查数据、科研数据等。本领域技术人员还可基于实际应用情况，将其他的医疗数据作为本发明实施例中需要进行处理的数据，本发明实施例对此不作限定。
66.具体的，本实施例中提供的自动化医学统计分析方法可预先生成封装组件，内置封装于spss应用工具中，以在各科研项目管理时，对数据进行数据统计分析等处理。内置封装的封装组件，可实现差异性分析处理、描述性分析处理和预测性分析处理中的至少一项数据处理操作，还可实现排序、筛选、赋值、分组、运算、转换哑变量、转置和控制估算等处理。进一步的，可将各数据统计分析对应的控件展示至spss应用工具的显示界面，便于医护人员进行数据处理操作。如图2所示，界面中包括各用于进行医学统计分析的操作控件，医护人员通过点击操作控件，可触发对患者数据进行相应的分析操作。图2中，主菜单栏中包括分析选项，分析选项可包括差异性分析处理、描述性分析处理和预测性分析处理对应的控件；点击差异性分析处理对应的控件，则可对应展示出t检验、z检验、f检验、非参数检验和卡方检验等控件选项，以实现各种不同的差异性分析处理。主菜单栏还可包括排序、筛选、赋值、分组、运算、控制估算等选项，各选项的用途如下：
67.排序：用于对所选列进行升序和降序排序，即时生效，以所选列的行顺序扩展到整张数据表。
68.筛选：用于对所选列进行过滤筛选，列举所选变量的值为列表，用户通过勾选列表中的项，确定后数据表将去除未勾选的行记录。
69.赋值：用于对变量进行值的替换，若未输入值则以原始值填充。
70.分组：用于对多个值或一段区间的值进行合并赋值。
71.运算：用于支持单个变量或多个变量间的数学运算。
72.转换哑变量：用于将指定变量转换成哑变量(值为0或1)的形式。
73.转置：用于将指定目标变量、索引变量和值变量转换成宽表形式。
74.控制估算：用于支持对空值进行序列均值、临近点均值以及临近点中位数等方式进行估算插值。
75.在具体应用过程中，按照研究目的可将统计学方法分为描述性分析、差异性分析和预测性分析三大类。描述性分析和预测性分析可基于用户终端发送的非差异性指令，进行对应的分析处理，
76.对于差异性分析，用户可通过手动配置的方式使用户终端发送包括选定处理方式的指定指令，以按照选定处理方式对目标数据进行处理。例如，用户导入数据后可直接点选t检验、z检验、f检验、非参数检验和卡方检验等选择按钮，后台直接调用内置的封装算法以进行对应的数据处理操作。
77.进一步的，可还基于用户终端发送的差异性分析指令，确定目标处理方式，以对目标数据进行数据处理操作。图3为本发明实施例提供的一种处理方式判断流程图，如图3所示，接收目标数据和差异性分析指令后，可按照以下几个判断路径确定目标处理方式：
78.1、确定目标数据的变量类型，如果为连续变量，则确定目标数据的分布情况，如果为正态分布，则确定目标数据的样本数量，如果为双样本或单样本，则确定目标处理方式为t检验；
79.2、确定目标数据的变量类型，如果为连续变量，则确定目标数据的分布情况，如果为正态分布，则确定目标数据的样本数量，如果为多样本，则确定目标处理方式为f检验；
80.3、确定目标数据的变量类型，如果为连续变量，则确定目标数据的分布情况，如果为非正态分布，则确定目标处理方式为非参数检验；
81.4、确定目标数据的变量类型，如果为分类变量，则确定目标数据的样本数量，如果为单样本，则确定目标处理方式为阿特曼检验(z-score检验)；
82.5、确定目标数据的变量类型，如果为分类变量，则确定目标数据的样本数量，如果为多样本或双样本，则确定目标处理方式为卡方检验。
83.为了避免用户操作失误导致选择的处理方式错误，则可在检测到处理控件被触发时，确定被触发的处理控件与目标处理方式是否一致；如果一致，则说明用户选择的处理方式与基于对应关系确定出的目标处理方式一致，则按照目标处理方式对目标数据进行数据处理操作。进一步验证了确定出的目标处理方式的准确性。例如，当前课题需要通过温度数据，来研究对目标患者的体温情况。用户通过用户终端将第一时刻和第二时刻对应的目标患者的温度数据进行上传，并点选为“差异性分析”控件下的“t检验”子控件。“差异性分析”控件被触发后，确定温度数据符合的数据特征为：连续变量-正态分布-两样本，基于预先建立的数据特征与处理方式的对应关系，确定出目标处理方式为t检验，则输出均值、标准差、置信区间、t检验值和p值等关键统计项作为检验指标，以及统计学结论。“t检验”子控件被触发表示用户的选定处理方式为t检验，则选定处理方式与目标处理方式一致，则可直接按照t检验进行处理。
84.当确定出的目标处理方式与选定处理方式不一致时，会触发推荐机制。为了确保
数据处理操作的正确性，还可基于目标处理方式生成推荐信息发送至用户终端，并基于接收到的用户终端发送的反馈信息，对目标数据进行数据处理操作。例如，用户点选“单因素方差分析”控件，则单因素方差分析方式为选定处理方式，运行后，输出组间和组内的平方和、自由度、均方差、f检验值和p值等关键统计项作为检验指标。但由于预先确定的目标处理方式为独立样本秩和检验，与选定处理方式不一致，触发推荐机制。同时将目标处理方式对应的处理结果进行输出，如分组计数、秩均值、秩和、h检验值、自由度、渐进p值等关键统计项等检验指标，以将目标处理方式和对应的处理结果推荐至用户。
85.本实施例预先生成了能够实现本实施例提供的自动化医学统计分析方法的封装组件，内置封装于spss应用工具中，让用户避免复杂的手动操作即可实现数据处理，提高了数据处理的便利性和高效性；并在用户选定处理方式与确定出的目标处理方式不一致时，启动推荐机制，满足用户多样性的需求，提高数据处理过程的准确性和有效性。
86.实施例三
87.图4为本发明实施例提供的自动化医学统计分析系统的结构图，该系统用于执行上述任意实施例所提供的自动化医学统计分析方法。该系统与上述各实施例的自动化医学统计分析方法属于同一个发明构思，在自动化医学统计分析系统的实施例中未详尽描述的细节内容，可以参考上述自动化医学统计分析方法的实施例。该系统具体可包括：
88.目标数据特征确定模块10，用于当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征；
89.目标处理方式确定模块11，用于基于预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定与目标数据特征对应的目标处理方式；
90.数据处理模块12，用于基于目标处理方式，对目标数据进行数据处理操作。
91.在本发明实施例中任一可选技术方案的基础上，可选的，所述目标数据特征确定模块10，包括：
92.特征信息确定单元，用于确定目标数据的变量类型特征、分布类型特征及样本数量特征中的至少一项特征信息，基于特征信息构成目标数据特征；
93.其中，变量类型特征包括连续变量特征和分类变量特征，分布类型特征包括正态分布特征和非正态分布特征，样本数量特征包括单样本特征、双样本特征及多样本特征。
94.在本发明实施例中任一可选技术方案的基础上，可选的，处理方式包括t检验、f检验、非参数检验、阿特曼检验及卡方检验中的至少一项，所述系统还包括：
95.对应关系构建模块，用于在确定与目标数据特征对应的目标处理方式之前，构建具有连续变量特征、正态分布特征和非多样本特征的数据与t检验之间的第一对应关系；构建具有连续变量特征、正态分布特征和多样本特征的数据与f检验之间的第二对应关系；构建具有连续变量特征和非正态分布特征的数据与非参数检验之间的第三对应关系；构建具有分类变量特征和单样本特征的数据与阿特曼检验之间的第四对应关系；构建具有分类变量特征和非单样本特征的数据与卡方检验之间的第五对应关系；由第一对应关系、第二对应关系、第三对应关系、第四对应关系和第五对应关系中的至少一个关系构成对应关系。
96.在本发明实施例中任一可选技术方案的基础上，可选的，数据处理模块12包括：
97.第一目标数据处理单元，用于当检测到用于启动处理方式的处理控件被触发时，确定被触发的处理控件与目标处理方式是否一致；如果是，则按照目标处理方式对目标数
据进行数据处理操作。
98.在本发明实施例中任一可选技术方案的基础上，可选的，还包括：
99.第二目标数据处理单元，用于如果否，则基于目标处理方式生成推荐信息发送至用户终端，并基于接收到的用户终端发送的反馈信息，对目标数据进行数据处理操作。
100.在本发明实施例中任一可选技术方案的基础上，可选的，所述系统还包括：
101.目标结果保存模块，用于在对目标数据进行数据处理操作之后，保存目标数据进行数据处理操作后得到的目标结果；当接收到导出指令时，基于导出指令确定导出地址、导出格式及导出名称中的至少一项导出操作要求；按照导出操作要求，对目标结果进行导出操作。
102.在本发明实施例中任一可选技术方案的基础上，可选的，所述系统还包括还包括：
103.非差异性指令接收模块，用于当接收到用于对目标数据进行非差异性分析的非差异性指令时，基于非差异性指令中预设的指定处理方式，对目标数据进行数据处理操作；
104.其中，非差异性指令包括描述性差异指令和/或预测性分析指令，描述性差异指令对应的指定处理方式包括离散程度分析、集中趋势分析、分布情况分析和图表展示中的至少一个处理方式，预测性分析指令对应的指定处理方式包括线性回归、逻辑回归、生存分析和关联性分析中的至少一个处理方式。
105.本发明实施例所提供的自动化医学统计分析系统可执行本发明任意实施例所提供的自动化医学统计分析方法，当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征，通过预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定出目标数据特征对应的目标处理方式，从而无需从业人员人工参与，即可直接确定出目标处理方式，并基于目标处理方式对目标数据进行数据处理操作，解决了人工确定目标处理方式导致的资源浪费和处理效率低的问题，实现了快速、准确地确定出目标处理方式，并提高对目标数据进行数据处理的效率的目的。
106.值得注意的是，上述自动化医学统计分析系统的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
107.实施例四
108.图5为本发明实施例提供的一种电子设备的结构图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备20的框图。显示的电子设备20仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
109.如图5所示，电子设备20以通用计算设备的形式表现。电子设备20的组件可以包括但不限于：一个或者多个处理器或者处理单元201，系统存储器202，连接不同系统组件(包括系统存储器202和处理单元201)的总线203。
110.总线203表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
111.电子设备20典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电
子设备20访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
112.系统存储器202可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)204和/或高速缓存存储器205。电子设备20可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统206可以用于读写不可移动的、非易失性磁介质。可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线203相连。存储器202可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
113.具有一组(至少一个)程序模块207的程序/实用工具208，可以存储在例如存储器202中，这样的程序模块207包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块207通常执行本发明所描述的实施例中的功能和/或方法。
114.电子设备20也可以与一个或多个外部设备209(例如键盘、指向设备、显示器210等)通信，还可与一个或者多个使得用户能与该电子设备20交互的设备通信，和/或与使得该电子设备20能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口211进行。并且，电子设备20还可以通过网络适配器212与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器212通过总线203与电子设备20的其它模块通信。应当明白，可以结合电子设备20使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
115.处理单元201通过运行存储在系统存储器202中的程序，从而执行各种功能应用以及数据处理。
116.本发明所提供的一种电子设备，能够实现如下方法：当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征，通过预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定出目标数据特征对应的目标处理方式，从而无需从业人员人工参与，即可直接确定出目标处理方式，并基于目标处理方式对目标数据进行数据处理操作，解决了人工确定目标处理方式导致的资源浪费和处理效率低的问题，实现了快速、准确地确定出目标处理方式，并提高对目标数据进行数据处理的效率的目的。
117.实施例五
118.本发明实施例提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种自动化医学统计分析方法，该方法包括：
119.当接收到用于对目标数据进行差异性分析的差异性分析指令时，确定目标数据的目标数据特征，通过预先建立的数据特征与差异性分析的处理方式之间的对应关系，确定出目标数据特征对应的目标处理方式，从而无需从业人员人工参与，即可直接确定出目标处理方式，并基于目标处理方式对目标数据进行数据处理操作，解决了人工确定目标处理方式导致的资源浪费和处理效率低的问题，实现了快速、准确地确定出目标处理方式，并提高对目标数据进行数据处理的效率的目的。
120.当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的自动化医学统计分析方法中的相关操作。
121.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
122.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
123.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
124.可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
125.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。