2025年十五届APMCM亚太B题第二版本详细思路分析+问题1可视化

B题 疾病的预测与大数据分析 

问题背景

为进一步加强以目标为导向的医疗质量安全管理工作，国家卫生健康委组织制定了《2025 年国家医疗质量安全改进目标》和 2025 年质控工作改进目标。

根据世界卫生组织（WHO）的数据统计，心血管疾病（CVD）是全球第一大死亡原因，估计每年夺去1790万人的生命，占全球死亡人数的31%。附件中心脏病 heart.csv 数据集包含 11 个可用于预测可能的心脏病的特征。患有心血管疾病或心血管风险高的人（由于存在一种或多种危险因素，如高血压，糖尿病，高脂血症或已经确定的疾病）需要早期发现和管理。此外，中风是全球第二大死亡原因，约占总死亡人数的 11%。本赛题附件中 stroke.csv 中风数据集中的每一行都提供了有关患者的相关信息，包含输入参数（如性别，年龄，各种疾病和吸烟状况）等指标，用于预测患者是否可能中风。第三种疾病肝硬化（cirrhosis）是由多种形式的肝病和病症（如肝炎和慢性酒精中毒）引起的肝脏瘢痕形成（纤维化）的晚期。现需运用数据统计与分析技能，深入挖掘数据信息，预测不同疾病发生的概率，提高全民预防意识。

问题分析：

数据集：

（1）stroke.csv：5110条记录，12个特征，包含人口统计学、生理指标和生活习惯

（2）heart.csv：918条记录，12个特征，包含临床检查和生理指标

（3）cirrhosis.csv：418条记录，20个特征，包含详细的生化指标和临床表现

问题1分析：数据预处理与基础统计分析

问题1：对三种疾病数据集 stroke.csv、heart.csv 和 cirrhosis.csv 进行数据预处理、统计分析和可视化，并分析哪些因素会影响中风、心脏病和肝硬化的患病概率。

1、数据预处理

1.1缺失值处理

①若缺失率 < 5%：使用简单插补（均值/中位数/众数）

②若 5% ≤ 缺失率 < 20%：使用多重插补（MICE算法）：

多重插补的数学原理（MICE算法）：

问题2分析：不同疾病预测模型的构建

问题2：请分别选取合适的特征指标，建立中风、心脏病和肝硬化三种疾病患病概率的预测模型，并进行模型准确性的检验、灵敏度分析和模型改进。

1、特征工程

1.1 特征构造

（1）交互特征：如年龄×BMI、血压×胆固醇

（2）多项式特征：如age2age^2 age2、BMI2BMI^2 BMI2

（3）比值特征：如胆固醇/HDL比值

（4）分箱特征：将连续变量离散化