|
影响中风因素分析
一 团队介绍
我们是来自云南民族大学校的学生队伍，队伍有三个成员组成，都属于同一个专业———数据科学与大数据专业，由于都处于同一个专业，在本学期中学习了大数据可视化与应用这门课程，所有就组队参加了本次帆软杯比赛。 指导老师：芦俊丽 队员：张艳秋 李欣悦 李艳蕊
二 作品背景
根据世界卫生组织（WHO）的数据，中风是全球第二大死亡原因，约占总死亡人数的11％。中风造成了大多数老年人死亡，它是影响人类健康和生命的疾病之一，且具有高病发率，高死亡率，高致残率的特点，大多数中风病人早期多表现为突然晕厥，不省人事，偏身麻木，肢体力弱，口舌偏斜，嗜睡或者偏睡，伸舌头时歪向一边，吐字不清等症状。它不仅使患者的生命安全受到威胁，而且还严重的影响人们的生活质量，对人体健康造成极大的危害。 目前为止，国内很多居民对中风症状及诱因的认识及其匮乏，生活中缺乏预防意识。通过对影响中风因素的分析及可视化，为广大居民提供健康认识，预防中风的发生。
三 制作流程
（一）数据来源
网站名：和鲸社区 网址： https://www.heywhale.com/mw/dataset/605c52dacb6d360015a2ba24/content
（二）设计思路与逻辑框架
我们首先对获取的数据进行分析和预处理，分析各个字段即属性对中风的影响，即对与中风有关的影响因素有是否吸烟，性别，年龄，BMI，血糖浓度等，同过选取适当的图表对各个特征与中风的关系进行可是化。 在大屏的头部的居中位置设置了影响中风因素分析的标题，然后大屏中央我们插入了视频组件用于播放一个关于中风的宣传片达到凸显主题的效果。其次，我们将影响中风因素与中风的关系进行图表可视化分别排版在视频的周围，在大屏的右上方我们放置了两个分别关于引起中风的病因和中风应急措施的跑马灯。
（三） 大屏的实现方式
1 数据准备
（1） 数据说明
1）ID：唯一的标识符
2）性别：“男”，“女”或“其他”
3）年龄：年龄的患者
4）高血压：0，如果患者不具有高血压，1如果患者具有高血压
5 ）heart_disease：如果患者没有任何心脏病，则为0；如果患者患有心脏病，则为1；
6）ever_married：“否”或“是”；
7）work_type：“ children”，“ Govt_jov”，“ Never_worked”， “私人”或“个体经营”
8）居住类型：“农村”或“城市”
9）avg_glucose_level：血液中的平均葡萄糖水平
10）bmi：体重指数
11）smoked_st
2 数据处理
1）由于从网站中下载的数据是csv格式的需要将其转换为xls格式。
2）将所有中风的数据筛选出来另存为一个数据集，数据集的名称为healthcare。
3）将数据进行拆分，首先筛选出所有中ID的数据，然后对造成中风因素进行分析。
3 所用到数据字段名称
整个分析中要用到的数据集字段名称为ID：唯一的标识符，性别：“男”，“女”或“其他”，年龄：年龄的患者，高血压：0，如果患者不具有高血压，1如果患者具有高血压，heart_disease：如果患者没有任何心脏病，则为0；如果患者患有心脏病，则为1，居住类型：“农村”或“城市”，avg_glucose_level：血液中的平均葡萄糖水平，bmi：体重指数，smoked_st，ever_married：“否”或“是” 。通过各个属性与中风的关系进行对比，然后进行可视化。
2 数据可视化
（1）数据导入 将数据放入到根目录下面，然后添加文件数据集选择xls文件即可导入数据。
（2）建立数据连接
在FinReport中与（1）步骤建立的数据集建立好连接，以便在后续使用到相应数据时可使用select语句进行导入。
（3） 报表制作 新建普通报表，进行绑定相关字段，设置扩展方式以及父子格关系，对所需数据列进行过滤，利用公式进行计算得出所需结果，为单元格设置边框，背景，字体等一系列操作制定报表，根据制定出的报表对报表中的数据进行可视化，选择合适图表类型，按要求设置好相应数据从而得出可视化图表。
3 大屏制作
点击文件新建决策报表，明确主题和分析数据因素之间的关系，因此我们根据将数据分析确定合适的 图表类型进行可视化操作。在帆软市场下载所需要的组件进行安装。需要报表块时，拖入报表块，需要在报表块中进行数据集查询并添加数据，之后在报表块中进行数据的处理分析，并插入图表进行可视化。 对于内置数据集可以直接拖入图表进行可视化。在设计横屏文字跑马灯时，借助FineReport9软件社区里面的帮助文档里面找到文字跑马灯的制作流程，新建普通报表，新建一个内置数据集 Embedded1，只添加一个字段，自定义一些文本数据，将数据列拖至 A2 单元格，并设置扩展方向为「不扩展」，右击 A 列将其隐藏，在 B2单元格内输入公式选中 B2 单元格，设置「单元格属性>其他」，选择「基本」下「不自动调整」，显示内容设置为「用 HTML 显示内容」。然后预览是否成功。在这个过程中建立了两个内置数据集，用于放文字跑马灯的内容。 需要在大屏内设置播放视频，先安装视频播放控件（可以在帆软市场下载，注意选择版本号），将视频控件拖入到决策报表中，选择本地视频时，注意本地资源仅支持%FR_HOME%\webapps\webroot目录以及其子目录（但不支持 WEB-INF 目录）下的视频资源，这一点很重要，最后可以设置相应的属性（比如自动播放等）。
四 成果展示
这个大屏不仅有中风宣传片达到对中风症状及诱因的认识及普及作用，而且还有对影响中风因素与中风之间的关系进行可视化，增强人们对中风的了解，最后还有展示了中风的病因和应急措施，加强人们的意识预防中风以及中风应急措施的参考。
1.吸烟与中风的关系词云图
词云图展示为占比越多词云图也就越大，由此图可清晰可见从来不吸烟（never smoked）的人数占比最多，以前吸烟（formerly smoked）和吸烟（smoked）位居二三，在这个案例中我们可以把以前吸烟和吸烟归并。原图中展示没有吸烟占百分之三十六，以前吸烟占百分之二十八，吸烟占百分之十七（此处图片没有展示且此处不清楚的我们忽略不计）。可见吸烟是对中风有一定影响的。
2. 性别对中风的影响
由此处可看出女性比例会比男性要高百分之十三点二，女性患中风的概率要大于男性患中风的概率。查阅资料因为女性更容易受到情绪的影响，长期处在紧张的情绪下会进一步的增加中风的风险。所以保持好心情是非常重要的。
3. 年龄与中风的关系
这里可以直观的看出70~80岁的年龄占比最高，且比例是随年龄增长呈正相关的，且在年纪较低的人群中也是有发病案例的。所以不要仗着年龄小而为所欲为，健康生活你我做起。
4. BMI指标与中风关系
BMI运用了漏斗图可观测出肥胖和超重在导致中风的比例中是占最高的，可见肥胖与中风的成因是有密切关联的。BMI指数越高中风的可能性也就越大。
5.农村城市因素分析
柱状图可见此次分析的数据城市人数多于农村的人数，城市的中风人数与不中风人数均多于农村的人口数据。 农村不中风占比约等于95.3%中风占比约为4.5%,城市不中风占比约为94.7%，中风占比约为5.2%。两者之间相差0.7%。这点打破了农村生病高于城市的固有印象。病魔是不会挑地区的。
6. 血糖浓度与中风关系
采用散点图对血糖浓度和中风关系进行分析，有图可见血糖浓度在71-80和81-90这两个区间内的患中风的人数最多，所以高血糖对是否中风是有影响的。
7.影响中风因素占比
运用了雷达图观测各个因素对中风影响的占比，由于之前的年龄分析中风岁数基本已经达到了已婚年龄及综合考虑中国的国情人文风俗是否结婚不做此次分析的考虑范围之内。由于农村和城市的中风占比只相差0.7%，地域对于中风没有绝对的影响，所以也不做对比分析了。除去这两个因素可以看见高血压和心脏病是与中风成因最相关的。
8 文字跑马灯
文字跑马灯主要展示了一些引起中风的病因以及在面对中风人员时的一些应急措施以供参考。
五 总结与分享
由上述可视化分析中可知，吸烟可能会导致中风，女性中风的概率大于男性中风的概率，随着年龄的增加中分的概率会增加，肥胖和超重与中风有着直接的联系，由于数据大多人都是出于已婚状态，数据存在偏移,所以在雷达图中已婚与中风的关系占比很大，因此婚姻状况对中风的影响不考虑，居住在城市比居住在农村的占比要大一些，由此可以分析可能由于居住在城市的人员生活压力大，工作压力大，工作节奏比较紧张，从而增加了中风的概率。从血液中平均葡萄糖浓度与中风关系的可视化可以看出血糖浓度较高的群体中患中风的人数较多，所以中风与血液中平均葡萄糖的浓度有关。 中风是全球第二大死亡原因，为了降低中风发生率和死亡率，我们要养成好的生活习惯，由我们的中风因素可视化分析得出吸烟，BMI，高血压，心脏病等因素都与中风密切相关。改善不良的生活行为方式，避免中风的发生，预防中风更为重要。 | 
