董瑤，張雪琳，楊鵬，趙敏

基于模糊主成分的老年人語言交流能力綜合評估算法①

董瑤1,2，張雪琳1,2，楊鵬1,2，趙敏1

目的 探討定量綜合評估老年人語言功能的算法，為養(yǎng)老分級照顧、護理提供基礎(chǔ)。方法 2016年3月至2017年5月，來自養(yǎng)老院及醫(yī)院志愿者50例，通過語言障礙診治儀提取相關(guān)數(shù)據(jù)，建立模糊綜合與主成分定量分析模型，評估老年人語言交流能力等級，與臨床評估進行比較。結(jié)果 共提取到兩個主成分，方差貢獻率分別為77.53%和14.12%，累計方差貢獻率91.65%。與臨床評估結(jié)果的符合率≥80%。結(jié)論 模糊主成分評估老年人語言交流能力具有可行性。

老年；語言交流能力；主成分分析；模糊綜合評價法

語言交流是接受信號刺激，產(chǎn)生一連串反應(yīng)并正確表達出來的完整過程，是身體功能與身體結(jié)構(gòu)的共同作用；身體功能方面主要有意識、定向、注意、記憶、理解、知覺、言語，感覺中的視、聽及發(fā)聲等功能，身體結(jié)構(gòu)方面主要有神經(jīng)、腦、眼、耳、發(fā)聲及言語等結(jié)構(gòu)[1-4]。語言交流過程需要通過完整的人體系統(tǒng)機制完成，關(guān)聯(lián)許多結(jié)構(gòu)和功能，故而老年人語言交流能力的分級評估，本質(zhì)上是一個多指標的綜合評價問題。

至2013年，我國老年人口突破2億，正式進入老齡化社會。如何實現(xiàn)正確科學(xué)養(yǎng)老已成為現(xiàn)階段亟待解決的問題，養(yǎng)老服務(wù)業(yè)也越來越受到社會重視[5]。十八大以后，國務(wù)院出臺了《關(guān)于加快發(fā)展養(yǎng)老服務(wù)業(yè)的若干意見》和《關(guān)于促進健康服務(wù)業(yè)發(fā)展的若干意見》等政策文件，明確建立以居家為基礎(chǔ)、社區(qū)為依托、機構(gòu)為支撐的社會養(yǎng)老服務(wù)體系，為我國養(yǎng)老服務(wù)業(yè)發(fā)展指明了方向，居家養(yǎng)老的重要作用被以政策性文件的形式指出，體現(xiàn)其在我國社會養(yǎng)老服務(wù)體系中的關(guān)鍵作用[6]。

隨著老年人口高齡化，總體健康水平下降，影響老年人日常生活活動、精神狀態(tài)、感知覺與溝通等方面的能力水平，給社會和家庭帶來沉重負擔(dān)[7-8]；而老年人能否準確表達自身需求，又是為其提供優(yōu)質(zhì)養(yǎng)老服務(wù)的基礎(chǔ)，表達能力的關(guān)鍵是語言交流能力。

由暨南大學(xué)開發(fā)的基于觸摸屏單片機的語言障礙診治儀，可用于診斷語言障礙[9]?，F(xiàn)階段，國內(nèi)外主要采用問卷調(diào)查和評估量表評估老年人語言交流能力，主觀性強，穩(wěn)定性差[10-14]。針對多指標預(yù)測分級方法常用的有層次分析法、熵權(quán)法、人工神經(jīng)網(wǎng)絡(luò)、模糊綜合評價法等[15-17]。老年人語言交流能力評估，評價因素帶有模糊性，而模糊綜合評估法利用模糊關(guān)系合成原理，在模糊數(shù)學(xué)的基礎(chǔ)上，把影響被評價事物無法量化、邊界模糊的因素量化，并評估其隸屬等級狀況，得出分級評估結(jié)果。因此，本研究結(jié)合老年人語言交流特點，采用主成分分析與模糊綜合評價相結(jié)合的方法，定量評估老年人語言交流等級，為科學(xué)養(yǎng)老提供參考。

1 對象與方法

1.1 研究對象

選取天津桃花源養(yǎng)老機構(gòu)和河北省優(yōu)撫醫(yī)院65～90歲老年人50例，其中男性27例，女性23例；平均受教育年限(6.2±3.4)年；能力完好21例，輕度失能16例，中度失能8例，重度失能5例；所有受試者均為右利手。

應(yīng)用語言障礙診治儀檢測提取老年人指標數(shù)據(jù)。由于指標過多，僅選取聽覺能力、視覺能力、注意力、記憶力、理解力、判斷力、表達力、語音平均能量、平均語速9項。

1.2 方法

1.2.1 基于主成分的模糊綜合評估模型

針對人體系統(tǒng)的復(fù)雜性、影響老年人語言交流因素的多源性，及影響因素的模糊性，本文采用模糊綜合評判對老年人多項語言指標進行多元信息融合，定量評估老年人語言交流能力等級。采用主成分分析法確定影響因子的多項指標，并分別計算其權(quán)重。以模糊綜合評估法處理模糊值及不確定因素[18-21]。模糊綜合評估法要解決的關(guān)鍵技術(shù)包括確定指標權(quán)重、選取隸屬度函數(shù)兩個方面。評估流程見圖1。

圖1 模糊綜合評估框架圖

1.2.2 主成分分析法

指標對應(yīng)的權(quán)重表征其重要性，權(quán)重表征其對應(yīng)的參數(shù)對最終評估結(jié)果的影響程度。最終評估結(jié)果的好壞與權(quán)重的選取直接相關(guān)，如果某項參數(shù)的權(quán)重被過分強調(diào)，那么其他項的重要性必然會被削弱；如果嚴重偏離權(quán)重正常值，則評估模型不可用。確定指標參數(shù)權(quán)重的方法很多，主成分分析法由客觀數(shù)據(jù)確定指標權(quán)重，是一種量化確定指標權(quán)重的方法，具備一定的客觀性和科學(xué)性[22-25]。因此，本文采用主成分分析法確定指標權(quán)重。

主成分分析法重新組合p個有一定關(guān)系的語言指標，形成相互獨立的m個參數(shù)取代原語音指標。主成分分析法將累積貢獻率85%～95%之間、特征值＞1的向量提取出來，作為主成分。其數(shù)學(xué)模型見式(1)。

其中主成分為F1,...,Fm共m個，a1,1,...,ap,m為原始數(shù)據(jù)集X=(x1,x2,...,xp)協(xié)方差矩陣cov(X)特征值λ1,...,λm對應(yīng)的特征向量，x1,x2,...,xp為數(shù)據(jù)集歸一化處理之后的向量。

主成分貢獻率按式(2)計算。

為了敘述方便，設(shè)第一、二主成分F1、F2對應(yīng)的貢獻率為c1、c2，其和c1+c2＞85%，則提取前兩個主成分描述原有信息。

基于主成分分析法求語言指標權(quán)重如式(3)。

1.2.3 模糊綜合評價法

模糊綜合評價法是一種多因素決策方法，對影響事物的多個方面做出有效、全面評價。模糊綜合評判以模糊數(shù)學(xué)為基礎(chǔ)，處理不確定性、多因素問題。

1.2.3.1 建立因素集和評語集

影響老年人語言交流的因素包括對看到、聽到的事物或指令的簡單或復(fù)雜的理解、判斷、表達、復(fù)述、命名、記憶及注意程度，總結(jié)歸類為九大項變量，即U={聽覺能力,視覺能力,注意力,記憶力,理解力,判斷力,表達力,語音平均能量,平均語速}。取能力等級評語集V={能力完好,輕度失能,中度失能,重度失能}，其能力等級模糊值設(shè)為V={0.90,0.75,0.55,0.25}。

1.2.3.2 確定因素能力度值

影響老年人語言交流等級的因素難以用精確的數(shù)學(xué)模型描述，因此采用模糊數(shù)學(xué)的方法估算因素能力度值。估算因素能力度值的方法有多種，為了簡化計算的復(fù)雜度，本文采用線性函數(shù)方法對影響能力等級的因素進行模糊量化，某一影響因素的能力度r計算如式(4)。

其中H代表該因素的最大值，M代表該因素的中間值，cur_val代表該因素的當(dāng)前測定值。H、M與模糊能力等級值1、0.5對應(yīng)。

1.2.3.3 確定各影響因素對于模糊評語集的隸屬度函數(shù)

為了計算方便，采用k次方拋物線型函數(shù)作為評估評語集的隸屬度函數(shù)，以能力等級模糊值作為分段函數(shù)分界點，并且將k設(shè)為1.2。v1～v4對應(yīng)的模糊成員函數(shù)如式(5)～(8)。

v1模糊成員函數(shù)

1.2.3.4 確定模糊關(guān)系矩陣

模糊等級關(guān)系確定后，將樣本數(shù)據(jù)的各影響因素值按照式(4)計算，得到因素能力度模糊值，依據(jù)模糊隸屬度函數(shù)，將影響因素Ui(i=1,2,...,m)量化，進而得到模糊關(guān)系矩陣R。

1.2.3.5 合成模糊綜合評估結(jié)果

計算過程如式(10)。

1.2.3.6 評價結(jié)果分析

由于最大隸屬原則M=max{s1,s2,...,sm}方法損失信息過多，過于勉強得出的結(jié)果可能是錯誤的。本文采用加權(quán)平均原則求隸屬等級，將各個等級求得的隸屬度作為權(quán)重，對所有的等級值進行規(guī)范化的加權(quán)求和，最終綜合評分u*采取最鄰近值原則獲得老年人的語言交流等級。

2 結(jié)果

由于數(shù)據(jù)計算所占篇幅較大，本文列出6例具體數(shù)據(jù)，展示應(yīng)用模型過程，如表1。其中前7項指標均是百分率數(shù)據(jù)，標簽1、2、3、4分別表示能力完好、輕度失能、中度失能、重度失能。

表1 老年人語言交流能力指標數(shù)據(jù)表(%)

用SPSS 22.0軟件因子分析法處理，數(shù)據(jù)采用Kaiser-Meyer-Olkin(KMO)檢驗和Bartlett球形檢驗，選取特征值＞1的因子，得到2個主成分和因子載荷矩陣。見表2、表3。

表2 分解主成分提取分析表

表3 因子載荷矩陣

由于SPSS運行因子分析得出的因子評分矩陣系數(shù)不能直接用于主成分分析的評分矩陣系數(shù)，需要利用主成分評分公式另外求得，但SPSS得出的因子載荷矩陣與主成分因子載荷矩陣是相同的，可直接應(yīng)用[26]。主成分評分系數(shù)矩陣即為主成分模型系數(shù)，取累積貢獻率大于85%，且特征值＞1的前兩個參數(shù)作為主成分，代替原來9個具有一定相關(guān)性的參數(shù)，得主成分模型公式如下：

其中，x1,…,x9為原始指標變量標準化后的指標。

由上述公式并按照主成分分析求權(quán)重的方法求每項參數(shù)的權(quán)重，得權(quán)重向量A。

樣本1依照本文提出的模型進行等級評估，由公式(9)得到模糊值，再依據(jù)模糊評語集的隸屬度函數(shù)得樣本序號1的模糊關(guān)系矩陣

由權(quán)重向量和模糊關(guān)系矩陣進行模糊綜合評估，得模糊評價值

由加權(quán)平均原則計算得出隸屬等級

依據(jù)最鄰近值原則，0.6331在評估評語集中處于中度(0.55)附近，因此該對象語言交流能力為中度失能，這與該病例的實際情況3(中度)是一致的。

同法，算得樣本2～6的隸屬等級u*分別為0.747、0.623、0.830、0.816、0.343，在評語集中分別鄰近0.75(輕度)、0.55(中度)、0.9(完好)、0.75(輕度)、0.25(重度)，除樣本3外，其余均與已知結(jié)果相符。全部研究對象模型評估與醫(yī)生評估結(jié)果對比見表4。

表4 不同能力等級評估結(jié)果比較(n=50)

可以看出模型評估的準確度較高，四個分類的準確率都在80%或以上，基本滿足要求。根據(jù)本文提出的基于主成分模糊綜合評估模型，可用于老年人語言能力定量評估，能夠參考等級評估結(jié)果給予不同能力的老年人不同的護理。

3 討論

在世界人口老齡化的大背景下，養(yǎng)老服務(wù)業(yè)備受社會重視?，F(xiàn)階段我國養(yǎng)老服務(wù)標準的分級，除醫(yī)學(xué)給出的一些病態(tài)指標外，多以問卷調(diào)查形式評估，評估結(jié)果易受評估員自身因素的影響，具有主觀性，準確性低。本文綜合考慮老年人各項生理指標，依據(jù)ICF和醫(yī)學(xué)指標，提出主成分模糊綜合老年人語言交流能力定量評估方法，希望解決測試中因評估員主觀因素造成評估結(jié)果不同的問題，這一方法準確率可以接受，具有參考價值。

本研究還存在一些不足。由于實驗時間短，評估結(jié)果與醫(yī)學(xué)檢測結(jié)果還未達到完全符合，主要指標還需要更科學(xué)、合理的選取，有待今后進一步研究。

總之，主成分模糊綜合老年人語言能力評估具有良好的實用性，為養(yǎng)老機構(gòu)等護理服務(wù)事業(yè)提供客觀、量化的評估方法。

[1]Finger ME,Selb M,De Bie R,et al.Using the International Classification of Functioning,Disability and Health in physiotherapy in multidisciplinary vocational rehabilitation:a case study of low back pain[J].Physiother Res Int,2015,20(4):231-241.

[2]李沁燚,邱卓英,董向兵.基于ICF的殘疾標準內(nèi)容分析與比較研究[J].中國康復(fù)理論與實踐,2013,19(1):22-25.

[3]胡嫻亭,黃治物,陳建勇,等.聽力障礙篩查量表用于老年人群聽力篩查分析[J].聽力學(xué)及言語疾病雜志,2014,22(3):230-234.

[4]孫靖雯,吳皓,黃治物.噪聲下言語測試對老年性聾患者聽覺功能評估的作用[J].聽力學(xué)及言語疾病雜志,2014,22(5):461-464.

[5]黨俊武.關(guān)于我國應(yīng)對人口老齡化理論基礎(chǔ)的探討[J].人口研究,2012,36(3):62-67.

[6]漆亮亮.促進機構(gòu)養(yǎng)老服務(wù)業(yè)發(fā)展的稅收政策探析[J].中國國情國力,2015(3):54-56.

[7]中華人民共和國民政部.中華人民共和國民政行業(yè)標準：老年人能力評估[S].MZ/T 039-2013.

[8]Kokkonen K,Rissanen S,Hujala A.The match between institutional elderly care management research and management challenges－a systematic literature review[J].Health Res Policy Syst,2012,10:35.

[9]李巧薇,陳卓銘,黃舜韶,等.應(yīng)用語言障礙診治儀ZM2.1治療運動性失語的效果評估[J].中國組織工程研究,2005,9(25):14-16.

[10]孫靖雯,黃治物,陳建勇,等.老年性聾患者噪聲下言語識別能力的評估[J].聽力學(xué)及言語疾病雜志,2015,23(1):16-20.

[11]胡秀英,龍納,吳琳娜,等.中國老年人健康綜合功能評價量表的研制[J].四川大學(xué)學(xué)報(醫(yī)學(xué)版),2013,44(4):610-613.

[12]楊琛,王秀華,谷燦,等.老年人健康綜合評估量表研究現(xiàn)狀及進展[J].中國全科醫(yī)學(xué),2016,19(9):991-996.

[13]Ciesielska N,Soko?owski R,Mazur E,et al.Is the Montreal Cognitive Assessment(MoCA)test better suited than the Mini-Mental State Examination(MMSE)in mild cognitive impairment(MCI)detection among people aged over 60?Meta-analysis[J].Psychiatr Pol,2016,50(5):1039-1052.

[14]Greene BR,Kenny RA.Assessment of cognitive decline through quantitative analysis of the timed up and go test[J].IEEE Trans Biomed Eng,2012,59(4):988-995.

[15]李春生,王耀南,陳光輝,等.基于層次分析法的模糊分類優(yōu)選模型[J].控制與決策,2009,24(12):1881-1884.

[16]Shahamiri SR,Salim SS.A multi-views multi-learners approach towards dysarthric speech recognition using multi-nets artificial neural networks[J].IEEE Trans Neural Syst Rehabil Eng,2014,22(5):1053-1063.

[17]Li M,Du Y,Wang Q,et al.Risk assessment of supply chain for pharmaceutical excipients with AHP-fuzzy comprehensive evaluation[J].Drug Dev Ind Pharm,2016,42(4):676-684.

[18]Gallo A,Moschini M,Cerioli C,et al.Use of principal component analysis to classify forages and predict their calculated energy content[J].Animal,2013,7(6):930-939.

[19]Yang L,Zhang P,Wang D.[Fuzzy comprehensive evaluation method of metabolic syndrome based on PCA][J].[in Chinese].Shengwu Yixue Gongchengxue Zazhi,2013,30(1):67-70.

[20]林和平,楊晨.模糊主成分分析方法的研究與分析[J].航空計算技術(shù),2006,36(6):16-20.

[21]杜軍凱,傅堯,李曉星.模糊-主成分分析綜合評價法在地下水水質(zhì)評價中的應(yīng)用[J].中國環(huán)境監(jiān)測,2015,31(4):75-81.

[22]林海明,杜子芳.主成分分析綜合評價應(yīng)該注意的問題[J].統(tǒng)計研究,2013,30(8):25-31.

[23]Gloi AM,Buchanan R.Dosimetric assessment of prostate cancer patients through principal component analysis(PCA)[J].J Appl Clin Med Phys,2013,14(1):3882.

[24]Jao PK,Lin YP,Yang YH,et al.Using robust principal component analysis to alleviate day-to-day variability in EEG based emotion classification[C]//Engineering in Medicine and Biology Society,IEEE,2015:570-573.

[25]商立群,王守鵬.改進主成分分析法在火電機組綜合評價中的應(yīng)用[J].電網(wǎng)技術(shù),2014,38(7):1928-1933.

[26]林海明,張文霖.主成分分析與因子分析的異同和SPSS軟件——兼與劉玉玫、盧紋岱等同志商榷[J].統(tǒng)計研究,2005,22(3):65-69.

Evaluation of Verbal Communication Ability in Old People:An Algorithm Based on Fuzzy Principal Component Analysis

DONG Yao1,2,ZHANG Xue-lin1,2,YANG Peng1,2,ZHAO Min1
1.Hebei University of Technology,Tianjin 300130,China;2.Engineering Research Center of Rehabilition Device and Detection Technology,Ministry of Education,Tianjin 300130,China

ZHANG Xue-lin.E-mail:1196018886@qq.com

Objective To quantify the results of the assessment of verbal communication ability in old people,to establish a graded nursing service for the senior.Methods From March,2016 to May,2017,50 old volunteers in the nursing home and hospital were assessed the verbal communication ability with language barrier diagnosis and treatment apparatus ZM2.1.The indexes were analyzed with a fuzzy comprehensive and principal component quantitative analysis model,to grade the verbal communicative ability.The results were compared with that of the clinic.Results Two principal components were extracted,with the variance contribution rates of 77.53%and 14.12%,and was cumulative to 91.65%.The consistency was not less than 80%from the results of the clinical assessment.Conclusion It is feasible to quantify the verbal communication ability in the old people with fuzzy principal component analysis.

aged;verbal communication ability;principal component analysis;fuzzy comprehensive evaluation

10.3969/j.issn.1006-9771.2017.11.022

R496

A

1006-9771(2017)11-1346-05

[本文著錄格式] 董瑤，張雪琳，楊鵬，等.基于模糊主成分的老年人語言交流能力綜合評估算法[J].中國康復(fù)理論與實踐,2017,23(11):1346-1350.

CITED AS:Dong Y,Zhang XL,Yang P,et al.Evaluation of verbal communication ability in old people:an algorithm based on fuzzy principal component analysis[J].Zhongguo Kangfu Lilun Yu Shijian,2017,23(11):1346-1350.

國家科技支撐計劃課題(No.2015BAI06B03)。

1.河北工業(yè)大學(xué)，天津市300130；2.智能康復(fù)裝置與檢測技術(shù)教育部工程研究中心，天津市300130。作者簡介：董瑤(1982-)，女，漢族，河北石家莊市人，博士研究生，實驗師，主要研究方向：人工智能、老年人能力評估。通訊作者：張雪琳。E-mail:1196018886@qq.com。

2017-06-06

2017-08-14)