慢性阻塞性肺部疾病是一种常见的慢性疾病,发病率较高,严重损害国民健康,疾病负担重,成为影响我国经济社会发展的重大公共卫生问题之一。由于医疗质量、健康结果和财政问题,复发性、计划外再入院的问题,即一些病人出院后30天内返回医院,并且是因为相同或相关的情况再次入院,已成为全世界的一项挑战。预测频繁的、可预防的再入院和了解造成这种情况的因素是一个正在得到广泛研究的关键问题。慢阻肺患者再入院预测风险和风险分类有助于给医疗机构提供一些可靠的数据支持,便于辅助医疗机构更加合理、均衡地配置医疗资源,提高住院服务的利用率。患者也能够通过疾病预警和风险分层工作,及早预防,有效干预,能够有效提高人们的健康水平,同时减轻经济负担。为了应对日益增长的需求,本研究提供了一个框架,结合医疗领域的结构化和非结构化数据,开发慢阻肺患者再入院预测模型并进行患者特异性风险分类。具体工作如下。首先为了处理非结构化的文本数据,对电子病历的命名实体识别。定义实体类型,完成数据标注,然后构建了基于Bi LSTM-CRF命名实体识别模型,将文本的电子病历中的有效信息抽取出来。为了对比验证模型的效果,将Bi LSTM-CRF的识别结果与CRF对比。其次是慢阻肺患者再入院预测。将结构化的特征和病例文本中获取的特征合并和预处理后,使用逻辑回归、支持向量机、随机森林、XGBoost和BP神经网络构建预测模型并对比评估,发现XGBoost是各项指标表现最佳的模型。对XGBoost的预测因子进行分析,发现再入院风险最重要的5个预测因素是:住院时长、查尔森合并症指数、病程、白细胞、嗜酸性粒细胞。最后是慢阻肺患者再入院的风险分类。根据选择的XGBoost模型的预测概率,采用k-means聚类方法将患者分为五个不同的风险组,沿可信度由低到高的方向,逐渐从训练集中丢弃一组或者两组用于人工评估结果的数据,其余的样本则通过XGBoost模型预测,结果导致预测模型的性能逐渐增加。同时与等距分层方法相比,k-means能减少更多的的人工评估工作量。这一风险分层方法提供了医疗决策这辅助决策工具。