0作为输入，并且可以生成对应的数 据集Rl 174。ETL 172组件可以包括程序代码，其实现通常用于数据库使用和数据仓储 的对应过程。ETL 172组件从原始数据110中提取数据并且转换数据，以便符合包括质 量级别的操作需要。ETL 172将转换后的数据加载到最终目标，例如数据库或操作数据 存储库、数据集市或数据仓库。示例性ETL 172工具包括以下项：Ab Initio、Anatella、 Apatar、BusinessObjects Data Integrator、CloverETL、Data Moving Tool (DMT)、 Data Transformation Services (DTS)、Feature Manipulation Engine、IBM InfoSphere DataStage、Informatica、LogiXML、MuleSoft、Oracle Warehouse Builder、Pentaho、 Pervasive Software、Pipeline Pilot、SAS suites、Scripella、SnapLogic、Sprog、SQL Server INtergration Services、Sunopsis、Talend Open Studio for Data Integration 以及WhereScape。在此使用或描述的所有商标是其相应所有者的财产。
[0030] Rl 174包括ETL 172在原始数据110中标识的基本特性。在医疗保健实例中，这 些基本特性可以包括人口统计信息和健康测量，例如患者的年龄、生日、血糖水平、身高、体 重等。根据一个示例性实施例，Rl 174中的特性可以组织为具有一个或多个对应值的数据 对象。例如，一个此类数据对象可以是具有对应数值的BloodGlucoseLevel数据对象。
[0031] 环境100的特性组合120组件的聚合176组件可以聚合Rl 174数据，以便 生成第二数据集R2 178。在医疗保健实例中，R2 178数据可以包括在多次看医生期 间随时间收集的信息和这些信息的聚合，例如体质指数（BMI)测量、身高、体重和其它 信息。其它信息可以包括为患者提供保健的成本。根据一个示例性实施例，R2 178中 的特性例如可以是具有一个或多个对应值的数据对象。例如，一个此类数据对象可以 是具有对应数值的BloodGlucoseLevel数据对象。数值例如可以是在Rl 174中发现 的不同BloodGlucoseLevel数据对象值的平均值。作为另一实例，R2 178特性可以是 TotalCostOfCare数据对象，其包括Rl 174中的对应CostOfCare数据对象的聚合（即，累 计总）值。
[0032] 在生成上述R2 178特性中，环境100的聚合176组件可以通过使用例如包括SQL 工具的数据转换工具，或者包括数据处理组件（例如IBM SPSS Modeler、Mathematica、 Matlab或上述其它ETL工具）的数据管理工具，转换R2 178特性（它们可以在诸如DB2、 0raCle、SQL服务器之类的数据库系统中）。这些工具提供自动化以及用户可控制的转换功 能，这些功能允许自动定义和执行任务。其它工具包括Java、C和其它程序设计语言提供的 功能，以便定义一个数据集到另一个数据集的期望转换。
[0033] 在生成R2 178中，聚合176组件可以还定义和维护Rl 174和R2 178的特性之间 的父子关系。例如，可以使用Rl 174中的两个子特性生成父特性R2 178,两个子特性取决 于该父特性。根据一个实施例，可以将父子关系存储在数据库表中，该数据库表的表项具有 包括"父"和"子"的属性。该表可以在数据库上维护的数字文件中维护，并且当生成对应 模型时，由环境100的其它组件根据需要引用。
[0034] 领域知识150组件可以基于Rl 174和/或R2 178的低级特性定义一个或多个高 级特性，以便生成第三数据集R3 180。在医疗保健实例中，高级特性可以定义为"高再住院 率"数据对象。此类特性不包括医疗设备采用可以测量身高、体重或血压的方式直接测量的 数据。相反，"高再住院率"是可以从底层原始数据导出的特性。例如，可以针对与定义的医 疗疗程相关的所有记录，从原始数据110确定高再住院率的值，方法是判定使用疗程的患 者的记录是否具有原始数据110中的附加记录，这些附加记录指示在定义的时间段内，由 于诸如疗程后感染之类的指定原因或其它原因（例如可以定义为由于疗程产生的并发症） 而随后停留在医院或医疗机构。例如，可以基于疗程的"再住院"记录数量，按照疗程定义 值"高"、"中"和"低"，作为指示执行疗程的记录数量的百分比。
[0035] 领域知识150组件中的高级特性的定义可以应用于Rl 174和/或R2178之一或 两者，以便产生第三数据集R3 180。这可以迭代地（或一次）完成，并且在某些实施例中可 以涉及来自用户170的输入。例如，可以将领域知识150组件中的高级特性定义应用于Rl 174特性，以便定义R3 180特性。备选地或除此之外，可以将它们应用于R2 178特性，以 便定义R3 180特性。每当更新Rl 174和/或R2 178时，可以通过连续迭代重复该过程。 在医疗保健实例中，领域知识150组件可以由有经验的医生（该医生为用户170)定义/配 置/修改。但是，用户170输入不是必须的。因此，R3 180可以是数据库，其包含Rl 174和 R2 178中包括的原始数据110的组合和聚合后的特性，使用可能不容易在Rl 174和/或R2 178中显而易见的领域相关知识改进以便建模。R3 180本身可以随时间经由聚合176组件 聚合。特性组合120组件可以使用Rl 174、R2 178和R3 180生成上述特性层次结构，其中 使用原始数据110定义第一级别特性Rl 174,其具有相关特性R2 178 ;R1 174和R2 178又 可以具有相关特性R3 180。
[0036] 可以使用上述与生成Rl 174和R2 178特性集有关的相同工具，例如包括使用上 述ETL 172组件或其它数据处理组件，生成R3 180特性。此外，生成R3 180还可以包括定 义要应用领域知识以便生成R3 180特性的Rl 174和R2 178的特性之间的父/子依赖性。 这可以采用上述与生成和维护R2 178特性的依赖性记录有关的相同方式完成。
[0037] 图2示出根据本公开的一个实施例的示例性特性层次结构200。特性层次结构200 可以由环境100的特性组合120组件生成，如上面结合图IA-B所述。根据一个其中特性组 合120作为输入接收的原始数据110包括医疗保健数据的示例性实施例，特性组合120的 组件（图IB中所示）生成的特性层次结构200可以包括以下节点：
[0038] ?根节点204 :这可以是默认定义为零级别节点以便用作特性层次结构200树根 的节点，第一级别特性可以依赖于该根节点。
[0039] ?年龄节点208-患者的年龄。
[0040] · HlCn节点212-患者的HlCn读数。
[0041] 籲体质指数（BMI)节点216-BMI节点216可以具有以下子节点：身高节点232和 体重节点236。
[0042] ?伴随疾病计数节点220-患者同时患有的被确诊疾病的数量；伴随疾病计数节 点220可以具有以下子节点：疾病诊断节点2401-n。
[0043] ?频繁用户节点224-频繁用户分类例如可以定义为在一周内门诊就诊次数大于 或等于4次就诊的患者。该节点可以具有以下子节点：门诊就诊计数节点248。门诊就诊 计数节点248又可以具有以下子节点：门诊就诊节点2561-n。
[0044] ?高再住院率节点228-高再住院率可以定义为在一年时间内患者再住院次数大 于或等于4。该节点可以具有以下子节点：再住院计数节点252。再住院计数节点252又可 以具有以下子节点：住院节点2641-n。
[0045] 在特性层次结构200中，叶节点（即，没有子节点的节点）可以是由环境100的特 性组合120组件标识为基本特性Rl 174的特性。基于包含在这些叶节点中的信息，可以定 义其它特性以便生成R2 178 (Rl 174特性和R3 180特性的聚合）和R3 180特性。R3 180 特性例如可以是：频繁用户节点224、高再住院率节点228和再住院计数节点252,它们基 于特性层次结构200的Rl 174和R2 178特性确定。如可以从所示的实例看到的，这些R3 180节点/特性基于领域知识150特性。例如，频繁用户是不存在于原始数据110中的定义 的特性，而是从原始数据110中的潜在聚合数据导出。例如，可以由医生或其它有经验的医 疗保健专业人员（即，用户170)，或者通过自动化手段（例如具有领域特定定义的计算机化 分析工具和/或数据库）动态完成定义频繁用户。
[0046] 图3A示出根据本公开的各实施例的示例性决策树模型140 (或简称模型140)。决 策树模型140是分类模型，其允许为数据对象分配类标签。其它实施例可以使用不同分类 模型，例如支持向量机（SVM)分类器、逻辑回归模型或其它分类模型。这些模型可以采用数 学公式或模型的形式，并且可以应用于特性层次结构。模型140可以对应于一个患者的分 类，或者它可以包含多个患者的聚合分类。
[0047] 在本实施例中，模型140基于图2中的特性层次结构200。模型140可以为数据对 象分配如下类标签：低成本标签324或高成本标签328。数据对象例如可以是具有对应于 患者的关联数据集的患者记录。模型140可以包括以下节点：
[0048] ?用作根节点的年龄节点304-年龄节点304具有两个分支：第一分支对应于小 于40岁的年龄，并且第二分支对应于大于和等于40岁的年龄。
[0049] ?用作根节点的子节点的就诊计数节点308,其本身具有两个分支，这两个分支对 应于小于6以及大于或等于6的值。这两个分支的第一个具有分类低成本324作为其子节 点，并且第二分支具有分类高成本328作为其子节点。
[0050] ?体质指数（BMI)节点312,其本身具有两个分支和两个对应的子节点。分支是： 小于40,以及大于或等于40。
[0051] ?再住院计数节点316,其是BMI节点312通过小于40分支的子节点。再住院计 数节点316本身具有小于4以及大于或等于4的两个分支，第一分支导向低成本标签324 作为子节点